iOS產(chǎn)品歸因，Apple官方給的方案是SKAN，但是實(shí)際操作過程中，做廣告投放的應(yīng)該沒人真喜歡這個(gè)方案...吧？有么？廣告平臺除了Apple自己的ASA，應(yīng)該也不會(huì)有人喜歡吧？

這次我們不講SKAN，而且我自己還真不會(huì)，文檔都沒去看過，只知道表面現(xiàn)象并不知道背后邏輯，我介紹下我理解的一些SKAN歸因之外的方式。

1，MMP的概率歸因

三方統(tǒng)計(jì)MMP，根據(jù)自己的算法邏輯，結(jié)合自己拿到的設(shè)備基礎(chǔ)信息（非IDFA）加上IP，mac，user agent等各種信息，實(shí)現(xiàn)了一套概率歸因的方案，從我實(shí)際使用觀察，感覺應(yīng)該能有8-9成準(zhǔn)確度。

2，Google的自歸因，Google完全沒按照SKAN的歸因來玩，ads上的數(shù)據(jù)，完全按照Google自己的一套邏輯Google CM (conversion modeling)，再加上后續(xù)又增加了 ODM?；緦?shí)現(xiàn)了“無法據(jù)以識別個(gè)人用戶身份的數(shù)據(jù)”來實(shí)現(xiàn)廣告數(shù)據(jù)歸因，粗暴一點(diǎn)理解：我拿不到IDFA了，我就用我能拿到的各種信息數(shù)據(jù)，建模一個(gè)方法，實(shí)現(xiàn)判斷這個(gè)轉(zhuǎn)化到底是不是我的，根據(jù)我還能拿到IDFA等確切用戶信息產(chǎn)生的轉(zhuǎn)化，來評估我的轉(zhuǎn)化判斷模型是不是靠譜。

之后又通過ODM，鼓勵(lì)用戶提供更多數(shù)據(jù)信息，比如郵箱，電話等，可以讓Google歸因到更多轉(zhuǎn)化。

文檔參考：

https://support.google.com/google-ads/answer/10081327

https://support.google.com/google-ads/answer/12119136

Google ads跑應(yīng)用的表現(xiàn)，廣告賬戶后臺的數(shù)據(jù)，和Google在MMP overview和SKAN面板上數(shù)據(jù)，都對不上。

3，TT的高級SRN，TT是目前跑下來自歸因數(shù)據(jù)和MMP數(shù)據(jù)能相對精準(zhǔn)的匹配的一個(gè)渠道，F(xiàn)B GG在MMP數(shù)據(jù)怎么看都對不上，但是TT可以，官方文檔其實(shí)沒寫到底是怎么實(shí)現(xiàn)到能讓數(shù)據(jù)如此接近的，但是我們還是找到了一些信息。

“作為一家備受矚目的廣告平臺，TikTok 與 AppsFlyer 合作推出了高級自歸因（SRN，即 TikTok 所說的自歸因渠道或 SAN）對接，可在保護(hù)用戶隱私的同時(shí)最大限度提高衡量準(zhǔn)確性。”

“當(dāng) AppsFlyer 向 TikTok 上報(bào)激活事件后，TikTok 會(huì)提供用于歸因的詳細(xì)信息。”

從Appsflyer分享出來的一些內(nèi)容可以看出，兩家其實(shí)多半都是互相把能分享的數(shù)據(jù)都分享了，從而可能實(shí)現(xiàn)了雙方各自都拿到足夠多的數(shù)據(jù)信息，完善自己“概率歸因”，最后實(shí)現(xiàn)了各自歸因到的用戶基本相同，所以廣告后臺和MMP后臺數(shù)據(jù)就比較接近了。

參考文檔：https://support.appsflyer.com/hc/zh-cn/articles/6722785184913-TikTok-for-Business高級SRN對接設(shè)置

4，Meta，Facebook的方案是AEM，但是我搜邊文檔根本沒找到任何AEM技術(shù)原理的文檔，但是從搜到的各種文檔拼湊猜測，AEM其實(shí)也是類似Google的CM一樣，根據(jù)已有信息，推斷出來還有哪些用戶的轉(zhuǎn)化實(shí)際上是自己帶來的，其中還有一些好處比如使用Facebook login等，能實(shí)現(xiàn)根據(jù)用戶的郵箱信息類實(shí)現(xiàn)輔助歸因。

從上一篇文章提到，Meta實(shí)現(xiàn)了自己的web2app，要知道W2A通常都是直接基于概率歸因?qū)崿F(xiàn)，所以其實(shí)從現(xiàn)在的情況看，AEM也只是個(gè)過渡方案，接下來其實(shí)大概率會(huì)實(shí)現(xiàn)Facebook的自己”概率歸因“，再將一些自己歸因到了的用戶點(diǎn)擊信息給到第三方，讓第三方也自己完成一次概率歸因，最終實(shí)現(xiàn)MMP上面Overview轉(zhuǎn)化數(shù)據(jù)和Facebook后臺數(shù)據(jù)接近。

同時(shí)還能避免由于自己不走概率歸因，導(dǎo)致部分轉(zhuǎn)化算到了自然量或者被其他渠道搶走歸因。

參考文章：?MMP概率歸因搶占IOS SKAN 流量的坑

對于廣告主來說，其實(shí)SKAN的缺點(diǎn)太明顯，其實(shí)有各家自己的方案，并且在MMP上能相對公平的歸因，哪怕拿不到任何用戶的設(shè)備層級信息，其實(shí)對于廣告效果優(yōu)化，大家統(tǒng)一走概率歸因也差距不會(huì)太大，就不知道Meta和Google到底什么時(shí)候能...把自己的數(shù)據(jù)也給MMP，同時(shí)在overview里面產(chǎn)生一份概率歸因的數(shù)據(jù)，解決數(shù)據(jù)不及時(shí)，以及自己實(shí)際轉(zhuǎn)化被其他概率歸因渠道渠道搶占?xì)w因。

技術(shù)上看起來應(yīng)該是沒有問題，但是對于這類繞過Apple的行為，他會(huì)不管么？哪怕..你沒用到用戶敏感信息.. (Apple：我的地盤，我做主?。?。

更多參考文章：

海外MMP歸因基礎(chǔ)知識 + 各家聯(lián)系方式

自歸因渠道的知識匯總 原理+影響+投放思路