广告归因：买量如何做价值衡量？

本文作者：Fengyu ，腾讯IEG产品策划

一、基本概念

（一）定义

归因（Attribution）是指采用标识符来识别用户的转化路径，并判断其中的有效触点价值。广告平台基于归因结果，进行付费；广告主则可用于投放策略的优化。

图片来源：Google App 线上广告课程

（二）实现核心逻辑：广告与转化的匹配

应用广告的归因，依赖于获取广告、转化信息，及实现二者的匹配：

1. 广告信息：用户点击/浏览了广告，将点击广告的用户信息(比如用户的IMEI或者IDFA等）以及广告信息（比如广告trackingID，广告应用包名或IOS 的APP ID）上传并记录起来；
2. 转化信息：等广告发生转化后，将这个广告转化的用户信息、广告属性信息与点击广告的用户信息和广告信息进行匹配来完成归因。

图片来源：曾嵘胡扯的地方

从上图可以看出，从广告投放到转化的过程，核心依赖于三个步骤：

• 第 3 步：用户设备在点击广告时，将广告 ID 、用户信息发送给归因平台；
• 第 7 步：新装的 APP 启动后，将广告 ID、用户信息发送给归因平台；
• 第 8 步：归因平台进行归因分析。

二、记录点：归因所需数据及使用方式

用户观看广告和发生转化通常不是发生在闭环的 APP 内，要实现用户跨 APP 的追踪实际上就是要连通第3步（广告的上报）和第7步（转化的上报），并将二者的 ID 进行匹配识别到用户。

（一）确定性归因：Android

Android 在用户层级的确定性归因，可采用包括设备ID(如 Google 的 GAID)、Google Play Referrer 以及消费者标识符(比如匿名登录数据，或经过哈希处理的邮箱地址等)在内的多个标识符，精准识别用户设备，并将点击广告、下载应用或执行应用内事件等用户行为与之匹配。

1. 海外：谷歌框架下的 GAID 和 Google Play Referrer

海外安卓平台可用于追踪用户的 ID 主要有：

1. GAID：即 Google Advertising ID，是 Google Play 应用商店以及 Android 第三方应用商店的应用安装的设备 ID；
2. Google Play Referrer：即 Google Play 为同一 SDK 分配的确定值，仅适用于安装了 Google 框架的安卓设备，且仅追踪 Google Play 内的应用行为

2. 国内：移动安全联盟推出的  OAID

OAID：由国内的移动安全联盟（MSA）联合华为，小米，oppo，vivo等终端厂商推出的匿名设备标示符。

除了由相关方提供明确的用户 ID 之外，还有指纹匹配可用于安卓的确定性归因。指纹识别会利用设备信息（系统字体设置、硬件属性等）创建持续而唯一的 ID，用于识别具体用户。此做法不符合苹果的隐私政策。

（二）确定性归因：iOS

图片来源：后IDFA时代：买量投放、广告变现、归因分析的营销策略 - GameRes游资网

1. iOS 14.4 前：IDFA

IDFA 是 iOS 的广告 ID，在 14.4 之前为默认开启状态，自归因平台和第三方归因平台均可用于广告的确定性归因。

1. iOS 14.5 以后：SKAN

苹果在 iOS14.5 升级了隐私政策（ATT，App Tracking Transparency ），用户的 IDFA 为默认关闭状态，应用如需追踪用户行为，需发送两次请求弹窗（广告播放及下载），整体 IDFA 可获取率较低。Vungle 测试数据为 95% 的用户开启了 LAT（Limit Ad Tracking），限制广告追踪。

因此苹果在 IDFA 之外提供了 SKAdNetwork（ SK 指 StoreKit） ，可用于非用户层级的确定性归因：在不识别用户身份信息的前提下，对应用安装和广告效果进行衡量。

图片来源：Apple Developer Documentation

在用户点击广告进行下载、激活后，SKAN 将启动 24 小时的倒计时器，统计用户行为；在安装后的 0-24 小时后将安装和转化信息回传到广告平台（如 24 小时有转化事件，则统计可再延长 24 小时，至多 48 小时）。

SKAN 内置 64 个比特位，可用于追踪不同的事件，图片来源：iOS 14 增长支持方案

SKAN 的局限性包括：只统计用户早期的行为数据，无法准确衡量 LTV；仅包括广告系列层级的数据，不包括广告素材等数据，无法单独优化；数据有至少 24 小时的延迟等。

（三）概率归因

在无法通过标识符等方式进行确定性归因的情况下，归因平台可进行概率归因。

具体实现方式为：归因平台认为 80% 的安装都发生在广告点击后的第一个小时内，因此会采集用户点击时间、安装时间和基本设备信息等有限的参数（临时数据），在点击后的几小时内推测安装的来源。

Branch 等第三方平台称概率归因可为 90% 以上的用户实现概率归因。

图片来源：iOS14 后，关于归因你可能会问到的

三、价值点：归因模型

从前面的归因逻辑部分，我们假设归因监控平台已经获得了所需的广告行为及APP转化数据，来这一步要解决的问题是归因模型：如何基于用户已发生的转化行为，评判广告的价值。

（一）基础模型：

基础的归因模型是指按照已设定的规则，进行广告价值的判定。广告平台通常按照基础模型中的规则进行付费结算。

1. 最后安装（Last Install）/渠道包

国内安卓市场的应用安装，主要依赖于渠道分包：即为不同的渠道/流量属性，打上不同的 APK 包，广告主以最终激活（Last Install）来源于哪个渠道包来评估流量渠道的效果。AMS统计约50%的游戏广告主采用此方案，如头条系。

可能问题：

1. 广告主与广告平台的统计 gap：由于安卓厂商劫持的影响，广告主所统计到的转化将小于广告平台的转化，导致流量渠道的效果和质量无法准确评估；

图片来源：这位B站UP主站了出来，揭露应用商店拦截手游安装的秘密 | 游戏大观 | GameLook.com.cn

1. 无法衡量“助攻”的价值：例如用户在观看效果广告，内容营销等后进入应用商店下载，应用商店能拿到所有的得分；
2. 无法精准衡量素材/文案对转化的影响：如果渠道包只细分到流量，而没有针对不同文案、素材进行区分，将不利于广告平台的模型优化和广告主的素材文案优化。

2. 最后点击（Last Click）

最后点击模型是指用户在安装前曾在多个平台上都点击了广告，那么最后归因给距第一次安装最近一次点击的广告平台。

点击归因是最常见的方式，点击归因窗口通常为 7 天、28 天（特殊情况：SKAN为 24 小时）。

图片来源 Adjust 参考文档

有部分国内广告主会基于不同来源的最后点击数据进行再匹配，做最后点击的二次归因。

可能问题：

无法衡量助攻的价值：例如用户在多次观看效果广告、内容营销等后下载，末次点击能拿到所有的得分。

1. 有效触点归因（View-Through Ads）

在谈到有效触点归因前，首先要区分下广告行为数据的类型：

1. 点击型归因：例如用户点击横幅、视频、插页式广告等。归因窗口通常为 7 天。

2. 展示/曝光/浏览型归因：用户看到广告但并没有点击广告，由此带来的安装就可以归因到展示该广告的渠道。由此，归因窗口较短，仅为 24 小时。

由于点击带有有用户的主动行为，所以在归因模型中点击广告优先于展示广告。

图片来源 Adjust 参考文档 

目前由国外的 Facebook、国内的快手等平台采用有效触点归因方案，具体逻辑为：广告平台将用户点击 + 有效触点（如播放3秒后）均作为广告归因信息发给广告主。

有效触点归因的影响：

1. 对广告主：将原有的自然量归到了有效触点中，广告主花费增加；

图片参考自【又说广告归因】有效触点归因能推广开的原因分析

1. 对广告主内部：提高投放快手等买量渠道的转化率，会影响品牌广告、搜索优化（ASO）团队的自然量归属，部分原属于该团队的自然量将被归属到展示归因中；
2. 对使用了广告触点的广告平台：增加了原来的自然量，广告平台上的效果变好，整体广告成本会降低；
3. 对未使用有效触点的广告平台：例如在买量团队在快手投放广告，是按点击+播放3s两种方式归因（抢到原有的自然量），广告转化率提升；具体而言：
   1. 对于已使用有效触点的流量来说，流量价值由于纳入了原有的自然量ecpm会上升，广告的模型能拿到更多量（点击+曝光）；因此对于未使用有效触点、只有点击/安装归因的流量渠道来说，效果会变差。
   2. 例如一条 Facebook 广告有 10w 的曝光， CTR 1.2%，CVR 30%，因此可获得的点击转化为 360；在增加有效触点归因的情况下，例如曝光归因有80个，整体的CVR提升至37%。广告主在广告预算和原来保持相同的情况下，CPA会下降；
   3. 此时，如果广告主选择降低总广告预算，也能拿到和原来相同的转化量（点击+曝光转化），所以相同流量获取到的广告收入增加，即 ECPM 提升。

点击归因升级为点击+曝光归因效果提升，此案例参考自：

【再说广告归因】强行将“助攻”算做“直接得分”，还要不要脸？

某平台增加曝光归因逻辑后的效果提升

其他常见的基础模型还包括：首次点击、时间衰减、位置归因等模型。

（二）算法模型：

根据用户数据所建立的差异化模型，即算法模型归因，也称为数据驱动归因（Data-Driven Attribution，简称DDA）。

区别于基于已经设定好规则的基础模型，DDA 使用所有可用的路径数据，包括路径长度，曝光顺序和广告素材，来了解特定营销接触点的存在如何影响用户转化的可能性以更好地将功劳分配给任何接触点。

常用的算法有沙普利值、马尔科夫链、Harsanyi Dividend 和生存分析。

1. 沙普利值：Google Analytics

“Shapley 值” 由诺贝尔经济学奖获得者 Lloyd S. Shapley 提出，是一种在团队成员（营销触点）之间公平分配团队成果（转化结果）的方法。

具体实现方法是：1）通过比较接触过这些接触点的类似用户的转化概率与当路径中没有出现某个接触点时的概率；2）并且系统会比较接触点的所有不同排列方式，为不同的路径位置分配不同的功劳。

简化版理解：

通过“Facebook-Google”链路的 CVR 是 2%；通过“Facebook-TikTok-Google”链路的 CVR 是 3%，那可以认为“TikTok”触点为转化增加的价值是 50%。

同时 Shapley 值模型还会调换链路的顺序，针对 TikTok 在 Google 前、后的情况分别进行建模。

图片参考自：markov model vs shapley value marketing attribution

Google Analytics 应用的示例：

通过模型分层图表展示转化每个渠道、在各个路径位置的加权平均贡献值。

按纵向看，百分比表示在指定路径位置上，某个渠道在当前节点所占的实际百分比权重，例如 付费搜索在用户首个转化路径上的贡献为 31%，可以通过投放此类广告促进用户开始转化。

1. 马尔科夫链模型

马尔科夫链假设某一时刻状态转移的概率只依赖于它的前一个状态。这里的“状态”可以理解为天气：例如今天的天气只取决于昨天的天气，不取决于后天的天气；在广告中，状态理解为渠道，用户这次访问的渠道只取决于上次访问的渠道，不取决于上上次访问的渠道。

该模型可以通过移除某一状态（渠道），计算该状态对最终结果的贡献价值。

简化版理解：

1. 在有 Facebook 渠道的情况下，通过 “Facebook-TikTok” 链路转化的概率是30%*20%*80%，通过 “Google”链路转化的概率是 60%，加总后为整体的转化率；
2. 移除 Facebook 后，整体转化率只有 Google 渠道，即 50%*60%，通过下降的转化率数值来判断渠道的价值。

图片参考自：markov model vs shapley value marketing attribution

1. Uplift：腾讯广告

Uplift 模型预测某种干预对于个体状态或行为的因果效应，具体表达为两个条件概率的差值。

具体实施方法：将目标人群随机划分，从其中一组用户进行广告投放，另外一组不进行任何干预（不投广告），之后统计这两群人在转化率上的差值，这个差值可以被近似认为是具备同样特征的人可能的平均因果效应。

腾讯广告应用的示例：

对比处理组与控制组的下单人数、下单量、转化率等数据，分析处理组数据提升的效果，即为 Uplift 的增量转化。

此外，Adobe 使用的是 Harsanyi Dividend 算法，Facebook 曾推出过数据归因模型但未公布具体算法，且已于今年 4 月停用。

四、归因平台

在第八步的归因分析中，归因监控平台可以有两个角色来扮演：

1. 广告投放平台：例如 Google Ads 可进行广告的投放，也需要广告主为其上报 APP 行为数据进行归因。此类既承载广告投放，又承载广告归因分析的平台被称为自归因平台；
2. 第三方监测平台：例如 Adjust，Appsflyer，以及 Kochava 等第三方归因平台。

（一）广告平台/自归因平台 (Self Attributing Networks, SANs)

当广告在流量上曝光后，广告平台会将曝光、点击数据记录在其广告归因的后台上。当用户从应用商店上下载应用并激活后，广告主需要回传其应用的激活数据给到广告后台进行归因。安装、转化等数据将用于广告的计费及后续广告投放模型的优化。

（注：CPC、CPA 和 CPM 是主流广告计费模式，因此，媒体渠道对自家设定的归因窗口期内发生的所有点击收费，无论该点击是否为末次点击。但是，归因提供商将安装数据发送给渠道，渠道可将该数据用于自身优化。）

1. Google Ads：

1）记录点：

基于 Google Click ID 进行追踪

2）价值点：

• 归因模型：点击归因 + 曝光归因

• 归因窗口：
  • 以提高安装量为目标的应用广告（ACi）：
    • 点击：默认 30 天，可调整为 7 天/30 天；
    • 感兴趣的观看（点击 or 观看 10 秒以上视频广告）：默认 2 天，可调整为 1 天-3天
    • 展示：1 天，不可调；
    • 安装：默认 90 天，可调整为 1 天- 90 天。
  • 以提高互动事件为目标的应用广告（ACe）：
    • 点击：默认90天，可调整为1天-90天；
    • 感兴趣的观看：默认2天，可调整为1天-30天
    • 展示：1天，不可调。

图片参考自：应用广告系列的转化时间范围简介

2. Facebook Ads：

1）记录点：Facebook 账户

用户在A、B设备上登陆同一 Facebook 账户，用户在安卓的 A 设备上看过广告，在 iOS 的 B 设备中安装，Facebook 也会将这个安装归因。

2）价值点：

• 归因模型：点击归因 + 曝光归因

• 归因窗口：1天点击+1天曝光；1天点击；7天点击；7天点击+1天曝光。针对不同的广告类型有不同的归因窗口。
  • AEO（App Event Optimization）：以安装事件为目标
  • Conversion：以应用内转化事件为目标

3. Apple Search Ads：

1）记录点：不追踪用户

广告定向：按人群（ 5000+ 用户）聚类，至少 5000+ 用户

扩展资料：https://searchads.apple.com/privacy

2）价值点：

• 归因模型：最后点击
• 归因窗口：30天

扩展阅读：移动衡量服务提供商如何帮助监控 Apple Search Ads Advanced 结果

（二）第三方归因平台 (Mobile Measurement Providers, MMPs)

自归因平台通常只有该渠道的广告投放数据，理想情况下，通过第三方归因平台可展示全平台的广告数据。具体流程如下：

1. 广告主上报转化信息至归因平台；
2. 归因平台发送转化信息至广告平台；
3. 广告平台返回用户与广告的互动信息。

（注：MMP还会提供流量反作弊等其他能力，具体可查看相应产品的介绍）

1. 记录点

A.确定性归因数据：

• IDFA（iOS 设备）和 GPS ADID（安卓设备）等 广告 ID
• 设备 ID ，例如 IDFV (针对 iOS), Android ID (针对安卓) 和 OAID (针对无法使用 Goolge Play Service 的安卓设备)
• MMPs 自建的 ID，如 Adjust 在安卓创建的 reftag id。

B.概率性归因数据：

• 设备类型 (例如手机)；设备名称 (例如 Samsung Galaxy S7)等；IP 地址 (如 77.185.208.234)

此部分内容参考自 Adjust 参考文档 

1. 价值点

• 归因窗口：点击7天，展示1天，可自行设定
• 归因模型：默认最后点击模型，可自行设定

3. SAN 与 MMP 的数据差异

• 归因窗口不同：ASA 默认 30 天，其他 SAN（FB/Google）和 MMP 可调整，
• 归因数据来源/模型不同：MMP 记录所有看过、点过广告产生安装的数据，SAN 只记录到单平台数据。

附录：适用于回流用户的再归因

再归因是指对一段时间未使用/卸载过应用，但经再营销推广活动而返回之用户的重新安装或打开事件，所进行的归因。

例如用户在卸载应用的 N 天（窗口由广告主设定，通常为 90 天）后，再次点击广告，重新下载，被视为再归因。

图片来源 Adjust 参考文档 

其他：

1. 基本概念可查阅 MMP 的归因帮助文档（ Adjust 和 AppsFlyer） 
2. 广告平台、MMP 的具体规则时有更新，请以官方帮助文档为准。

---

# 腾讯技术直播 #

腾讯资深工程师分享技术干货

扫码预约，get开播提醒

往期回顾：

数据分析十年，这些书对我真的有用 

一文拆解：疯狂元宇宙的骗局和漏洞

Web3.0 行业全景及代表项目研究

点个关注，我们下期再见