iOS 监测两手抓：在 Adjust Automate 中同时查看 ATT 设备层级和 SKAdNetwork 数据

营销人员需要通过监测了解其推广活动的表现。毋庸置疑，iOS 14.5+ 和 SKAdNetwork 为营销监测的策略和流程带来了巨大的震荡和挑战。现在，AppTrackingTransparency (ATT) 授权用户数据和聚合 SKAdNetwork 数据并行，已成为 iOS 端推广活动归因的新常态。为了充分利用两种数据，营销人员和开发者们都对监测的方法进行了调整。

两个数据集各有其优缺点。借助设备层级的 ATT 授权用户数据，您可以获得详尽的报告，并打造对应收入指标的用户同期群。但只有在用户授予许可的情况下，才能获得 ATT 数据，因此营销人员无法借此精准、完整地了解营销表现。高层级 SKAdNetwork 数据能针对每个合作伙伴提供较为精确的总量数据，但却无法报告营销活动的细节。两者的差异让营销人员难以判断应该根据哪些数据点进行日常决策。同时，他们也越来越需要一款能够精简报告流程，汇总不同数据的监测工具。

不过，设备层级 MMP 数据和聚合 SKAdNetwork 数据合并时会出现多种问题，过程复杂，成果也不可靠。因此，Adjust 推荐在 Automate 中并列查看和比较数据。

合并 MMP 与 SKAdNetwork 数据时会出现什么问题？

1. 数据去重： 合并未动，去重先行。在考虑合并 SKAdNetwork 和 ATT 安装数据前，必须先进行去重，剔除两组数据中重复出现的安装归因。SKAdNetwork 提供的是聚合数据，而非设备层级数据，，因此，我们可以增加一个新的维度，将设备层级已归因的安装与未归因安装分开，尝试进行去重。这种去重方法尚处早期概念阶段，会占用至少 1 比特的转化值，且无法解决 ATT 和 SKAdNetwork 数据合并带来的所有其他问题。
2. 随机安装日期： SKAdNetwork 数据提供的安装日期始终带有随机性，无法准确辨识。也就是说，SKAdNetwork 安装可能发生在数据接收前的 0 - 48 小时内，因此难以从数据集中准确去除。
3. 来自 Google 的安装： 来自 Google 的 SKAdNetwork 安装日期数据更加复杂，难以处理。Google 会通过模型，尝试确定与相关广告交互 (点击或展示) 的发生日期，并将该日期与安装相关联。Google 是规模最大的自归因渠道之一，众多营销人员的渠道组合中都有它的身影。因此，Google 对安装日期的处理方法会对数据合并造成重大影响。
4. 归因方法： SKAdNetwork 和设备层级的归因工作原理不同，两者的渠道归因分布也可能有很大差异。因此，在聚合数据时，即便采用了第 1 条中的去重方法，依旧难以避免某些渠道中出现重复归因。例如，在设备层级上，多触点营销活动中的某些安装归因给了 Facebook，但 SKAdNetwork 则可能将这些安装归因给 Twitter。
5. 随机出现的无效转化值： SKAdNetwork 会返回一定数量的无效 (null) 转化值。转化值本身即含有安装是否归因的信息，因此，如果转化值无效，其归因状态就无法被识别。无效转化值视推广活动 ID 的安装量而定，并非在所有转化值中线性分布，也就是说，我们无法直接用无效与有效转化值的比率进行推测。无效转化值占 SKAdNetwork 全部安装 40% 的情况并不罕见。要获得足够多的安装，克服这一阙值的限制，收集足量数据进行分析和使用，就要支付相对较高的推广活动成本。隐私变更带来的各种挑战已经让许多营销人员应接不暇。考虑到这一点，除非您预计能吸引足够多的安装，否则我们不推荐将预算拨给多个不同推广活动。随机的无效转化值会对数据去重带来显著影响，也是设备层级和 SKAdNetwork 数据合并中的另一个重要挑战。
6. 不同国家/地区的差异： 不同市场的营销成本和表现可能有天壤之别。如果要跨多个国家/地区和语种开展营销活动，那么国家/地区这个维度就极为重要。SKAdNetwork 安装数据中一般不包含国家/地区信息。如果先合并了数据集，然后想要按照国家/地区进行细分，那么不仅效率极低，而且无法确保准确性。
7. 效果数据不准确： 除了上文提到的安装数量不准确的问题外，营销人员也无法了解合并过程中被加入的安装表现如何。无视上述几个问题，用外推法又可能计算出各渠道的有效总支出。然而，一旦进入依赖推广活动层级数据的营销决策阶段，推算出的数字就基本没有用了。推广活动层级报告中的第 7 天和第 30 天收入等表现指标也会出现误差。

Adjust Automate 如何帮助营销人员克服限制

营销人员和开发者需要确定自身情况，如应用商业模型、推广活动安装量、广告支出、渠道归因分布和推广活动总量以及在安装后初始 24 小时内的重要信号识别能力等，以此找到最值得信赖的数据来源，判断两个数据来源间可能具有相关性的指标。这种相关性可能不会立刻显现，此时，您就要进一步分析数据。

考虑到当下的种种困难和局限，Adjust 推荐您使用 Automate 并列报告功能查看数据。借助一系列 SKAdNetwork 相关 KPI (转化、收入和事件)，您可以打造全面的 SKAdNetwork 推广活动报告，并利用模板，并列查看 SKAdNetwork 和 Adjust 归因数据，在易于管理的表格式报告内比较这两个来源的 iOS 推广活动数据。

分开处理不同数据集是确保数据精确性的最佳方法。不过，如果您和团队决定要进行 ATT 和 SKAdNetwork 数据的合并与去重，我们也同样能提供支持。Adjust 致力于提供 100% 透明的数据服务，会将去重工作的控制权交到客户手中。此外，借助我们的 SDK 归因实时回传，您可以触发可识别的事件，在转化值配置中使用。了解更多信息，请与 Adjust 代表联系。

我们当前正在积极寻找更好的报告方法，在保证精确归因数据的同时，帮助客户完整了解营销表现。与此同时，为避免上文提到的种种问题，确保报告和数据集不受影响，我们建议您继续使用并列报告功能，查看和比较不同数据集。要了解更多 iOS 14.5+ 信息，欢迎在这里访问我们的资源中心。