iOS 14.5 解读：归因方法

自Apple 宣布 iOS 14 和 AppTrackingTransparency 框架 (ATT) 以来，整个生态系统中围绕这一变化出现了许多困惑。许多人都不明白在新规之下哪些做法符合规定，哪些不符。

需要切记的一点是，Apple 推出 ATT 的初衷与各类隐私法规 (如 GDPR) 的目的非常类似。这些规则之所以会存在，是为了让用户自主决定第一方是否可以与第三方分享可用来识别具体用户的持久性唯一数据。

听起来很简单？但为何这一规则的适用范围会激起如此多的争论？

出现困惑的部分原因，是整个行业缺乏通用的标准化用语。类似的概念在不同行业参与者那里会有不同的称谓。

此外，行业内一直将实际指纹识别与概率归因两种方法统称为 "指纹识别"，这让如今的形势更为复杂。为应对 iOS 14.5，一些公司 (包括 Adjust) 都用概率归因完全取代了指纹识别。这就意味着我们要区分并明确人们对 "指纹识别" 这个术语的理解，并阐释哪些做法是被允许的。

首先，我想定义几个重要术语，帮助大家理解并加以区分：

1. 什么是指纹识别 (fingerprinting)？指纹识别是一种跨媒界跟踪用户的办法，会利用设备信息创建持续而唯一的 ID。该方法背后的技术例如会捕捉字体度量 (font metrics) 和利用 WebGL (以及 canvas) 属性，同时结合特定的硬件属性。这些数据让设备指纹具有持久性，且能被用来识别具体用户。不同网站和应用之间不会共享 ID，因此要想跨网站和应用跟踪用户，指纹识别和指纹 ID 就成了行业中的主流做法。例如，指纹识别可以用来绘制设备图表 (device graph)，但这种做法明显有违 Apple 的新规。

2. 什么是 概率 (probabilistic)？作为一家 MMP，Adjust 不会跨网站或应用跟踪或定向用户。我们的目标是以一定程度的准确性将安装归因到交互。80% 的安装都发生在广告点击后的第一个小时内，这类安装的归因不需要任何持久性 ID。我们可以使用临时数据进行预测，这些数据可能在几个小时内就会失效。因此对我们来说，概率归因只基于设备的熵 (entropy，在计算机领域，熵用来描述系统的混乱无序程度。操作系统和应用会收集熵用于加密或其他需要随机数据的操作。) 和运行规律等信息。我们会分析点击时间、安装时间和基本设备信息等有限的参数，从而在点击后几小时内推测安装的来源。

3. 什么是转化模型 (conversion modeling)？转化模型会对已授权用户的行为进行分析，据此推测所有用户的聚合行为，并建立模型。据我们所知，目前可行的转化模型有两类：
   1. 用于归因目的。 数据分析公司会跟踪已授权用户的数据，了解这些用户在安装后的行为，之后基于这些数据，在所有用户中应用类似指标。这样，广告主就可以获得同期群指标数据，例如 LTV 和 ROAS。营销人员手上的数据必须精确，所以您始终需要考虑此类数据的精确性。转化模型的精准度取决于用户的选择加入率。
   2. 用于定向广告目的。 同样，媒体公司会使用已授权用户的数据，基于相似的上下文线索，向拒绝授权的用户投放广告。
4. 什么是 SKAdNetwork？SKAdNetwork 是 Apple 的归因框架。在这个隐私为重的新时代，媒体渠道可以将该框架作为真实归因数据来源。SKAdNetwork 的优势在于能提供几乎 100% 精确的归因。对此我们开展了测试，与 IDFA 精确归因相比，SKAdNetwork 的准确性只差了 2%。请注意，如果某个推广活动之前通过 IDFA 归因获得了 1000 次安装归因，SKAdNetwork 可能会归因 900 次安装和 100 次重装。这是因为 SKAdNetwork 只会为每个 iTunes 账户归因一次安装。因此，为了与 ATT 执行前的情况保持一致，分析安装和重装的总量非常重要。