最近，Meta 委托 Analytic Edge 進(jìn)行了一項(xiàng)游戲 MMM 調(diào)研，以了解 MMM（一種利用匯總數(shù)據(jù)的成效衡量工具）能否幫助縮小游戲應(yīng)用廣告主因信號(hào)丟失而導(dǎo)致的成效衡量差距。

另外，這次調(diào)研也希望通過(guò)評(píng)估游戲應(yīng)用廣告主過(guò)往的廣告花費(fèi)，探究日后的最佳實(shí)踐。

調(diào)研方法概述

此次調(diào)研的受訪對(duì)象是來(lái)自亞太地區(qū)的八家廣告主，涵蓋了從小到大不同規(guī)模的游戲發(fā)行商。調(diào)研方向側(cè)重于在美國(guó)、日本和香港等多個(gè)市場(chǎng)的營(yíng)銷表現(xiàn)，相關(guān)工作由 Analytic Edge 于 2021 年 3 月至 2021 年 9 月進(jìn)行，適逢應(yīng)用追蹤透明度 (ATT) 推出期間。

• 數(shù)據(jù)

  廣告主向 Analytic Edge 提供的數(shù)據(jù)經(jīng)過(guò)匯總并且完全去身份處理。

  
  

• 建模方法和驗(yàn)證

  Analytic Edge 團(tuán)隊(duì)為每個(gè)擁有每日匯總數(shù)據(jù)的廣告主創(chuàng)建了基于回歸的 MMM 模型，以分析關(guān)鍵業(yè)務(wù)驅(qū)動(dòng)因素與銷售額之間的關(guān)系。他們將這些驅(qū)動(dòng)因素（包括媒體和非媒體元素）納入模型中，以全面了解成效。其他非媒體元素用于進(jìn)一步捕捉節(jié)假日、活動(dòng)、游戲更新、比賽和其他宏觀因素條件下應(yīng)用內(nèi)收入與銷售額的關(guān)聯(lián)，而媒體變量則通過(guò)拆分說(shuō)明它們與 ATT 采用程度的不同關(guān)系。為了準(zhǔn)確把握不同 ATT 采用程度的影響，時(shí)間劃分成了“ATT 之前”和 P1、P2、P3（各兩個(gè)月）三個(gè)“采用 ATT 后”時(shí)間段。模型采用業(yè)內(nèi)盛行的一系列統(tǒng)計(jì)和商業(yè)有效性標(biāo)準(zhǔn)進(jìn)行驗(yàn)證。

解讀 Analytic Edge 洞悉的新機(jī)遇

1 - 在隱私至上的環(huán)境下，MMM 是游戲和應(yīng)用廣告主至關(guān)重要的成效衡量工具

MMM 為游戲和應(yīng)用廣告主提供了一種強(qiáng)大、可靠且注重隱私保護(hù)的營(yíng)銷表現(xiàn)衡量方法，特別是在 iOS 生態(tài)系統(tǒng)中。在報(bào)告偏差上，相比于傳統(tǒng)成效衡量解決方案，特別是最后觸點(diǎn)歸因，MMM 對(duì)廣告花費(fèi)回報(bào) (ROAS) 的建模估算結(jié)果更加精確。

最后觸點(diǎn)與 MMM 歸因 Meta RoAS 范圍對(duì)比

來(lái)源：iOS 調(diào)研綜合分析——洞察分析和主要成果，Analytic Edge

2 - 相比于完全依靠最后觸點(diǎn)歸因，綜合分析多個(gè)來(lái)源提供的信息有助于廣告主制定更明智的營(yíng)銷決策

ATT 的推出對(duì)于最后觸點(diǎn)歸因所依賴的根本性數(shù)據(jù)基礎(chǔ)架構(gòu)造成了極大的影響。這種成效衡量模型的可靠性也隨之遭到了削弱。如果與 MMM 等依靠匯總數(shù)據(jù)且不受信號(hào)缺失影響的增量式衡量方法直接進(jìn)行對(duì)比，這種差異更加顯著。

因此，如果僅僅依賴于傳統(tǒng)的成效衡量解決方案，廣告主在制定決策時(shí)就可能錯(cuò)失優(yōu)化收入的機(jī)會(huì)。對(duì)于最后觸點(diǎn)歸因模型，可以看到 RoAS 逐漸遞減，說(shuō)明其已經(jīng)失去了準(zhǔn)確性。

另一方面，MMM 歸因的 RoAS 波動(dòng)程度較為平緩，這也表明完全依靠最后觸點(diǎn)歸因模型制定營(yíng)銷廣告決策就是一種謬論。

最后觸點(diǎn)與 MMM 歸因 Meta RoAS 對(duì)比

來(lái)源：iOS 調(diào)研綜合分析——洞察分析和主要成果，Analytic Edge

3 - 對(duì)于提升非新游戲的 RoAS，Meta 依然是一個(gè)表現(xiàn)出色的媒體渠道

縱觀多種不同媒體渠道的 RoAS，對(duì)于非新游戲（已發(fā)行一年以上）而言，Meta 在 ATT 發(fā)布前后的時(shí)間段中波動(dòng)最小，由此可見(jiàn)它依然是一個(gè)高效的媒體渠道。

非新游戲 RoAS

來(lái)源：iOS 調(diào)研綜合分析——洞察分析和主要成果，Analytic Edge

4 - 對(duì)比不同產(chǎn)品選項(xiàng)，進(jìn)階賦能型應(yīng)用廣告（A+AC，原 AAA）表現(xiàn)優(yōu)于手動(dòng)應(yīng)用廣告

雖然廣告主可能更偏愛(ài)手動(dòng)應(yīng)用廣告的掌控感，但進(jìn)階賦能型應(yīng)用廣告的 RoAS 表現(xiàn)始終更佳（P3 階段高 42%）。如表中所示，進(jìn)階賦能型應(yīng)用廣告能夠以更低的成本（P3 階段低 29%）推動(dòng)收入增長(zhǎng)。

RoAS：產(chǎn)品類型對(duì)比

來(lái)源：iOS 調(diào)研綜合分析——洞察分析和主要成果，Analytic Edge

5 - 優(yōu)化策略對(duì)比：價(jià)值優(yōu)化 (VO) 隨著時(shí)間推移表現(xiàn)更佳

優(yōu)化策略方面，價(jià)值優(yōu)化在 ATT 推出期間表現(xiàn)良好，即使在 ATT 應(yīng)用后依然有極佳的表現(xiàn)。

價(jià)值優(yōu)化 (VO) 隨著時(shí)間推移的 RoAS 表現(xiàn)

來(lái)源：iOS 調(diào)研綜合分析——洞察分析和主要成果，Analytic Edge

Meta 建議：廣告主如何提升花費(fèi)回報(bào)

基于 Analytic Edge 的研究結(jié)果，關(guān)于游戲應(yīng)用廣告主如何取得更理想的回報(bào)，我們的建議如下：

• 面向未來(lái)的成效衡量組合模型：廣告主應(yīng)采取 MMM 模型來(lái)構(gòu)建面向未來(lái)的成效衡量策略，并適應(yīng)生態(tài)系統(tǒng)的變化。這是保障收入水平和市場(chǎng)地位的關(guān)鍵。

  
  

• 改善最后觸點(diǎn)報(bào)告的準(zhǔn)確性：如果廣告主主要依靠基于最后觸點(diǎn)的表現(xiàn)報(bào)告，則應(yīng)尋求通過(guò) MMM 或增量式方法校準(zhǔn)這些報(bào)告系統(tǒng)來(lái)提升準(zhǔn)確性。

  
  

• 增加進(jìn)階賦能型應(yīng)用廣告花費(fèi)比重：基于 MMM 模型的分析結(jié)果表明，對(duì)于應(yīng)用廣告主來(lái)說(shuō)，增加進(jìn)階賦能型廣告系列花費(fèi)比重可能是一項(xiàng)更明智的長(zhǎng)期解決方案。

  
  

• 廣告主應(yīng)針對(duì)漏斗下層優(yōu)化和基于價(jià)值的受眾定位增加投入，以實(shí)現(xiàn)應(yīng)用長(zhǎng)期 RoAS 的最大化。

MMM 設(shè)置最佳實(shí)踐

在首次設(shè)置 MMM 模型期間，廣告主應(yīng)專注于以下五個(gè)組織性最佳實(shí)踐：

• 首先開展有關(guān) MMM 的必要培訓(xùn)以便建立認(rèn)知度并對(duì)目標(biāo)成果設(shè)定合理的預(yù)期。

  
  

• 讓所有合適的終端用戶和決策制定者參與到項(xiàng)目中，可包括品牌團(tuán)隊(duì)、用戶獲取團(tuán)隊(duì)、BI 團(tuán)隊(duì)、財(cái)務(wù)部門等等。

  
  

• 優(yōu)先部署與提升收入和改善成效相關(guān)的新用例。

  
  

• 花時(shí)間確定您想要研究的正確數(shù)據(jù)字段和變量，并在項(xiàng)目開始時(shí)明確數(shù)據(jù)質(zhì)量。

  
  

• 采用可持續(xù)的方式通過(guò)不同的模型變量組合進(jìn)行迭代，以便找到最適合您業(yè)務(wù)模式的模型。

作為一項(xiàng)注重隱私保護(hù)的成效衡量技術(shù)，MMM 將是廣告主為構(gòu)建面向未來(lái)的成效衡量策略、爭(zhēng)取實(shí)現(xiàn)長(zhǎng)期 ROAS 最大化邁出的第一步。

構(gòu)建可持續(xù)的成效衡量策略?

來(lái)源：“應(yīng)用程序營(yíng)銷成效衡量不斷變化所帶來(lái)的影響”，Meta，2022 年 4 月

綜上所述，我們建議綜合運(yùn)用多個(gè)技術(shù)，制定一個(gè)綜合的成效衡量方案。挖掘每個(gè)成效衡量技術(shù)的優(yōu)勢(shì)，以便更深入地了解關(guān)鍵性業(yè)務(wù)成效的動(dòng)因。例如，將 MMM 模型與歸因解決方案結(jié)合使用，以免因信號(hào)缺失導(dǎo)致最后觸點(diǎn)歸因不穩(wěn)定或不太可靠而蒙受損失。