Nov 11, 2024
簡介
- MiQ 獨立進行 Attribution Reporting API 測試，評估這項 API 在轉換評估使用情境中的成效，並開發準確的隱私權保護評估功能。
- 測試人員發現，Attribution Reporting API 回報的不重複轉換者中，有 85% 與第三方 Cookie 回報的結果相同，另外還有 3.7% 是第三方 Cookie 未記錄的不重複轉換者。
- MiQ 是雲端領域的專家，因此在雲端式可信執行環境中導入摘要報表，以維護信號，不必進行第三方追蹤。這項計畫目前仍在初期測試階段，但已協助擴大 Attribution Reporting 的測試範圍，並為使用 TEE 的行銷人提供新的導入程序。
提升以隱私權為重的指定目標和評估功能
MiQ 是全球程式輔助媒體供應商，為品牌和代理商提供全方位服務的廣告活動、數據分析和成效解決方案。隨著廣告生態系統邁入線上隱私權的新時代，MiQ 發現需要不依賴第三方 Cookie 的替代系統，因此開始整合 Privacy Sandbox API，為評估廣告成效提供準確且注重隱私權的解決方案。
因此 MiQ 團隊開始探索 API 的買方使用情境，包括運用 Attribution Reporting API 信號進行最佳化和提升廣告關聯性，同時搭配專有和合作夥伴解決方案，評估這項技術在事件層級報表和轉換評估方面的成效。
測試 Attribution Reporting API 的事件評估功能
由於 MiQ 現有的專有技術已使用注重隱私權的資料 (包括第一方資料、瀏覽器資料和以隱私權為重的 ID) 進行目標對象區隔，因此測試人員能輕鬆整合歸因報表，並使用 Privacy Sandbox API 建構跨 DSP 的成效評估解決方案。
MiQ 的獨立歸因報表分析採用四個不同市場中六個品牌的資料，評估 API 的評估功能。測試過程中，團隊需要想辦法因應事件層級報表的隱私權相關限制，包括資料遺失和雜訊增加問題。他們必須調整單一廣告活動，限定每位使用者只記錄一次高優先順序的轉換，才能有效減少雜訊而不影響結果。在審查整個生態系統中利害關係人的意見回饋後，Privacy Sandbox 團隊決定發布彈性事件層級設定，讓測試人員自訂 Attribution Reporting，以滿足自身需求。
資料遺失和裝置可用性是更複雜的挑戰。MiQ 的測試人員發現 API 只在約 25% 的廣告曝光中有效，可能的原因有很多，包括在 iOS 裝置上提供 Attribution Reporting API 的政策限制。測試人員還注意到，在符合資格的 Chrome 瀏覽器中執行時，Cookie 記錄到的不重複轉換者人數比 Attribution Reporting 多了 11%。他們根據種種因素提出了暫時的假設，認為問題的主因在於預先設定的七天報表延遲時間，這項隱私權保護設定會造成限制，導致系統無法順利重新建立使用者層級的跨網站 ID。為解決這個問題，MiQ 重新調整評估方式，盡可能採用 Attribution Reporting API，同時維持高準確度的評估結果。
結果與學習
MiQ 的測試結果顯示，Attribution Reporting API 回報的不重複轉換者中，有 85% 與 Cookie 回報的結果相同，另外還有 3.7% 是 Cookie 並未記錄的不重複轉換者。考慮到事件層級報表擷取到的資料和舊版轉換像素一樣豐富，這可說是相當可行的資料集。MiQ 認為，如要準確模擬廣告活動的實際投資報酬率，需要摘要和事件層級報表雙管齊下，但他們對歸因報表 API 的可行性抱持樂觀態度，認為這項 API 有助於瞭解廣告對業務成果的影響，並最佳化出價模型。
身為雲端領域的專家，MiQ 也開始在雲端式可信執行環境中，使用 Aggregation Service 實作摘要報表，以維護信號，而不需進行第三方追蹤。這項計畫目前仍在初期測試階段，並可幫助未來的測試人員瞭解有哪些可用資源。
MiQ 認為 Attribution Reporting 是強大的解決方案，行銷人可與其他同樣實用的解決方案搭配使用，盡可能提升廣告活動的成效。MiQ 和 Privacy Sandbox 團隊強烈建議行銷人與代理商日後參與測試，提供意見回饋。