eMarketer：2024年下半年广告测量趋势报告：整合围墙花园与开放网络归因

将封闭式花园与开放式相结合网络归因 备受期待的Chrome浏览器中第三方cookie的降级再次搁置，但测量挑战依然存在。随着隐私立法的加速推进，广告商正在复兴一种老式的策略，即媒体组合建模，以全面了解付费媒体如何驱动结果。本EMARKETER分析师报告探讨了广告商如何实现跨渠道和平台的全面测量。 目录 执行摘要 整体测量由于信号损失而变得更加困难。 具有第一方消费者数据的平台将继续扩大其在广告市场的影响力。4零售媒体的重要性随着传统标识逐渐消失而提升。4 小型开放网络出版商将依赖于替代ID和浏览器支持解决方案。 67成功的替代ID是确定性和互操作的。谷歌的归因报告API在早期测试中显示出希望。 全渠道漏斗难题需要多角度的测量方法。 89高级MMM描绘整体蓝图增量有助于优化平台选择。平台级报告可以揭示不同广告格式和创意资产的相对表现。10 阅读下一篇 13艾马克特调查了13位受访者 执行摘要 信号损失使得全面广告测量变得更加困难。随着第三方cookies和其他老旧识别符变得不够可靠可用，广告商将优先选择具有大量登录观众的渠道。但是，用户级别数据方面的限制使得难以构建一个完整的表现图景。 零售媒体网络（RMNs）正在利用闭环归因。零售商的第一方购买数据是一种内置的测量优势，也是广告商的一大吸引力。因此，零售商正在吸引更多的程序化广告支出，并与其他主要广告玩家达成数据和库存交易。 但是闭环归因无法解决跨平台测量的难题。自我报告平台通常会被认为过分地将结果归因于自己的媒体。而且，没有用户级别的数据，不同报道方法之间的差异使得比较封闭园地变得困难。 ■开放的互联网有其自身的挑战。紧迫感在谷歌宣布计划将Chrome转向基于同意的cookie模型之后已经减弱。但网络出版商已经在努力为无cookie、无ID的受众实现货币化。通过在买方不知情的情况下在出价请求中包含未经验证的受众数据，以提高库存的吸引力，一些卖方参与者可能会破坏测量策略。 ■广告商需要一个度量层栈。没有单一测量工具或策略能够满足整个营销活动生命周期中的所有测量功能。一种包括媒体组合建模（MMM）、增量分析和平台报告的多方面测量方法可以为数据驱动的决策提供全面洞察。 整体测量由于信号损失而变得更加困难。 具有第一方消费者数据的平台将继续扩大其在广告市场的影响力。 在可用的条件下，登录用户可以减轻信号丢失对定向策略的影响。但除非该平台也是一个电子商务中心，否则它将没有交易数据来将销售额与广告曝光联系起来。 第一方消费者数据推动广告支出 决策。信号丢失导致广告商转向依赖数据丰富的渠道，这些渠道对跨站或跨应用追踪的依赖性较低。在2024年2月，互动广告局（IAB）对广告商进行调查时，大约一半的广告商计划增加在联播电视（CTV）、社交媒体和零售媒体上的支出，所有这些渠道都受益于庞大的已登录受众。 零售媒体的重要性随着传统标识逐渐消失而提升。 闭环归因变得更加吸引人。随着饼干和其他传统标识符（例如，移动广告ID、IP地 址）变得越来越稀缺，具有内置测量优势的平台已经受益。这一点对于RMN尤其如此，根据我们的预测，今年RMN将占程序化展示广告支出的十分之一以上。 零售商正在利用他们的购买数据与广告技术和媒体平台进行合作。许多这些关系集中在提升定位以及将零售媒体广告商与相关的离线广告供应连接起来。但衡量结果也是一个常见的主题。 但是跨平台测量仍然是一个挑战。平台常常因自身财务利益或关于隐私的法律要求而限制用户级别的广告性能或投放数据的访问，后者的要求随着季度增长而增加。即使用户级别的数据可用，来自一个平台的指标也往往难以与来自另一个平台的指标轻松比较。随着营销人员试图拼凑出他们付费媒体如何影响结果的全貌和细微差别，传统的测量策略MMM正在重新流行，新玩家也正在崛起。 商业媒体网络也可能开始形成类似的合作关系。即使闭环归因不是他们广告提供的关键功能。一些金融和旅游媒体网络缺乏进行全面自下而上归因所需的SKU或品牌层面的第一方购买数据。因此，零售商和商业中介在测量方面至少具有优势。 在其核心，\"商业媒体\"指的是由第一方交易数据驱动的数字广告。商业媒体网络由那些主营业务是销售产品或服务而非广告的公司提供支持。所有零售媒体都是商业媒体，但并非所有商业媒体都是零售媒体。 为了深入了解商业媒体，请查看我们2024年8月的报告：“2024年商业媒体解释”。 成功的选择性ID是确定性的并且可互操作的 但是当广告商试图将转换的信用分配给多个RMNs和其他围墙花园时，问题就出现了。那是因为自报告平台通常会被过度分配，而且也因为品牌无法获得访问必要的数据，以跟踪每位消费者的每次暴露情况。 关于替代身份的紧迫性已逐渐消退。 替代ID可以解决无Cookie数字定位的问题；一些还可以促进跨设备和跨媒体测量。但是，在没有即将到来的Cookie弃用截止日期的情况下，许多广告商和出版商无法无限期地将测试非即将成为关键任务的技术作为优先事项。 并且自动优化算法进一步增加了问题的复杂性。人工智能驱动的产品，如谷歌的“性能最大”（PMax）、Meta的“优势+”以及抖音的新智能+方案使用不透明的手段在其库存池中投放广告。与这些产品相关的报告限制使得将平台相互比较变得更加困难。 谷歌在Cookie弃用问题上的转变不应阻止广告商追求无Cookie测量解决方案。要了解原因，请阅读我们2024年8月的报告：Chrome的新隐私路径.” 广告商只能依靠概率方法。 仍然，替代身份识别空间正在演变。根据迈克·奥沙利文（Mike O'Sullivan）的说法，Sincera联合创始人，成功的替代身份大致可以分为两大类： 关于归属问题。第三方测量提供商可以通过应用程序编程接口（APIs）连接到品牌的营销数据，并应用统计模型以确定哪些平台在推动结果。这项工作也可以在内部完成，但存在着相当大的便利性权衡。 ■通用确定性ID。这些解决方案利用属于个人的已知信息（例如，电子邮件地址、电话号码）以高精度匹配用户档案。ID通常加密但跨生态系统持续存在，意味着针对同一最终用户的双方将使用相同的ID。两个ID落入或接近此阵营的例子包括The Trade Desk的统一ID 2.0（更广为人知的UID2）和ID5。 小型开放网络出版商将依赖于替代ID和浏览器支持解决方案。 ■第一方数据赋能者。这些解决方案允许广告商和出版商利用他们自己的第一方数据进行定位和测量。它们并非旨在通用，而是作为一家公司与整个数字生态系统之间的桥梁。提供ID的公司中，属于或接近这一阵营的例子包括33Across和LiveIntent，后者正被Zeta Global收购。 在围墙花园之外，出版商在尝试将未知（或注销）受众货币化时遇到困难——这些受众难以定位，因此对以受众为导向的广告商来说不那么吸引人。即使用户登录，隐私合规的测量也远非简单直接。 广告商对开放网络上的测量比围墙花园更关心。当Digiday和PubMatic在2024年6月和7月询问表现营销人员关于阻碍优化工作的障碍时，30%的人将归因和测量复杂性视为开放网络上的挑战，而围墙花园中只有8%。考虑到数十种无Cookie替代方案争夺营销人员（和出版商）的采用，“复杂性”可能是一个轻描淡写的说法。 概率性标识符，通过使用多个数据点来推断用户的身份，在开放式网络中遇到困难，据O'Sullivan所说。 互操作性也是关键。目前没有单个ID规模足以完全替代第三方cookies。这促使营销人员和代理商依据Lotame的研究结果采纳了基于零cookies身份解密的投资组合策略。如果一个ID无法相互操作，它则不适用于目的。 当没有cookie或备选ID可用时，ID桥接变得更加普遍。ID桥接是卖方在可用的信号之间连接点以推断用户身份并将其传达给潜在买家的做法。截至2024年2月，Basis Technologies观察到大约10%的声称拥有cookie ID的网页展示竞价请求中发生了ID桥接。自Basis开始打击这一做法以来，其频率已经降低。除非买家了解并同意ID桥接，否则它可能会通过引入不匹配的ID和归因不当的转化而复杂化测量。IAB技术实验室已更新了OpenRTB规范，以促进ID桥接的更多透明度。但最终，每个买家都必须与卖方合作伙伴进行尽职调查。 与基于第一方数据的替代ID匹配率相比，84.9%的匹配率尤其有利，据MiQ表示，这种匹配率通常在40%到80%之间。 谷歌的归因报告API在初步测试中显示出良好的前景。 关于谷歌推迟其Cookie弃用计划的举措，除替代ID的推进势头受损外，Chrome的隐私沙盒计划在测试和采纳方面也遭遇了挫折。但在谷歌宣布之前，参与沙盒的广告技术平台报告称，归因报告API（ARA）已经产生了可喜的结果。 ARA将与谷歌的其他测量工具合作。尽管广告商可能不愿意张开双臂接受ARA，但Google A nalytics 4（GA4）设计为与隐私沙盒协议兼容。截至2024年7月1日，广告商不再有权访问谷歌的通用分析产品，这意味着强制迁移到GA4已经完成。如果广告商采用ARA，他们需要担心的一项测量技术整合就少了一个。 ARA与基于cookie的有很多重叠 测量在MiQ进行的初始测试中。在测试数据中，所有转换的独特用户（即访问了着陆页或转化页面）中，84.9%同时在ARA报告和基于cookie的报告中出现。ARA捕捉到了cookie没有捕捉到的3.7%的转换者，虽然其中一些转换者可能是噪音——即作为额外的隐私保护层添加到报告中的虚构转化事件。 但 ARA 目前仅适用于 Chrome。这意味着它无法解决所有浏览器、设备和封闭平台上的归因问题。为了获得完整的视图，广告商需要投资于多种测量工具。 全渠道漏斗难题需要多角度的测量方法。 没有一种测量工具或策略可以单独提供满足所有测量功能——预算分配、优化、验证和性能评估——在所有平台和所有层面的正确粒度水平。相反，广告商最好是通过一个包含多种方法的测量堆栈来得到最佳服务。 高级MMM描绘整体蓝图 MMM通过考虑各种媒体属性（如价格、覆盖范围、质量及表现基准）来评估和预测付费媒体对品牌销售的影响。从媒体组合模型（MMM）扩展至营销组合模型时，考虑了非媒体营销活动（例如，媒体报道、产品或服务的促销定价）以及外部因素（例如，天气、宏观经济）。 根据Snap于2024年7月进行的调查，营销者认为MMM是确定业务结果驱动力的最佳测量类型。即便如此，西北大学市场营销助理教授Julian Runge和Game Data Pros首席执行官William Grosso认为，与验证因果关系的实验基准校准MMM输出是最佳实践。 大型平台也正倾斜于MMM。Meta和Google都开发了开源的MMM软件包，旨在使该技术民主化。根据MarsUnited Commerce于2024年9月发布的“零售媒体报告卡”，在过去一年中，已有七个RMN添加了MMM功能，使得提供MMM功能的RMN总数达到九个。 除了其全面性之外，MMM还具有隐私优势。由于它不需要用户级数据，随着信号损失导致的多触点归因效果降低，MMM经历了复兴。 增量有助于优化平台选择。 MMM的缺乏粒度是其不足之处。考虑到其资源密集性，这在一定程度上限制了小品牌的可接入性。MMM需要统计建模的专家知识，通常由第三方合作伙伴执行。除了 monetary expense 之外，广告商需要时间来编制必要的数据输入，获得可操作结果还需更多的时间。 跨平台测量是下一阶段的水平。 粒度。确定哪些平台推动了原本不会发生的成果是一项棘手但必要的任务，尤其是在线下零售媒体等下游策略方面。在许多情况下，消费者搜索零售商的网站寻找特定的产品或品牌，意图进行购买。如果消费者前往亚马逊并点击了他们想要的产品的广告，这并不一定意味着亚马逊的广告比其他任何平台更有效。实际上，亚马逊的广告可能根本就没有产生任何影响。 目前，MMM最适合高级