移动应用程序的媒体混合建模：营销衡量的隐私安全答案？

想要衡量和优化营销和广告的移动应用用户获取来说，媒体组合建模是否是答案

这是 UA 领导者的梦想：

• 即时、准确的营销情报
• 关于渠道、创意、出价和预算的可行见解
• 隐私安全、Apple 合规、GDP​​R 满意、CCPA-OK 方法和机制
• ......所有这些都会产生明智的见解，从而产生巨大的增长

对于任何营销衡量方法来说，这都是一项艰巨的任务。 媒体混合建模能否为移动营销人员提供这一服务？

让我们深入了解一下。

媒体混合建模是营销领域的资深人士（并不是说这是一件坏事）

没有真正友好的方式来表达它：媒体混合建模已经过时了。

通常被称为营销组合建模，它自 20 世纪 50 年代和 1960 年代就已存在。哈佛商学院教授尼尔·博登 (Neil Borden) 于 1949 年首次创造了“营销组合”一词，大品牌在新兴的大众媒体时代使用这个概念来建立营销效果的统计模型。

在这种形式下，媒体混合建模可以有效地回答以下问题：

“如果我花费 1000 万美元在三大网络上进行电视宣传活动，这会对我的 Cheerios 麦片销量产生什么影响？”

为了得出这些答案，媒体混合建模需要数据：之前的销售情况，最好是多年的销售情况。 对这些销售的影响。 季节性趋势。 竞争性行动。 经济指标如消费者价格指数。 定价比较。 可用性数据。 更广泛的文化运动等等。 营销组合建模通常使用（并且使用：它仍在运行）在很长一段时间内对来自许多不同来源的大量数据进行密集分析。 当它发挥作用时，营销主管们就会得到“假设”等重大问题的答案，比如向 ABC、NBC 和 CBS 投入 1000 万美元会对我们的利润产生什么影响？

这种对规模、历史和长时间的依赖似乎使 MMM 失去了作为快节奏和小规模移动用户获取活动的方法的资格。事实上，当我最近与 Adob​​e 谈论他们全新的仍处于测试阶段的营销人工智能驱动媒体混合建模产品时，这种怀疑似乎是准确的。

它运作良好：该系统允许一位客户将广告支出削减 50%，同时仍增长 10%。

但有一个很大的警告：你每年需要花费 5000 万美元。

嗯，一些最大的移动发行商已经达到了这个水平，甚至超越了这个水平。 但肯定不是普通的移动出版商。 大多数移动营销人员的预算要少得多，需要了解他们每月 100,000 美元的支出或每月 50,000 美元的预算的情况。

移动营销沉迷于数据

老实说吧。 移动广告沉迷于数据：即时数据、准确数据、可操作数据。 移动增长专业人士不必费心去考虑前数字化的营销衡量模式……部分原因是它们看起来古老、不精确、繁琐、昂贵且缓慢。

但主要是因为数字化提供了一个梦想：一个纯粹、干净、大胆的梦想，包括精确的知识、完美的意识和科学的营销，不会浪费金钱。

（骗子当然喜欢这个梦想。）

但尽管面临着挑战——而且还有一些超越欺诈的挑战——这个梦想需要一定程度的跟踪，而 20 世纪 60 年代的营销人员即使不感到震惊，也会感到惊讶。 它始于 1994 年网络上的 cookie，在 2010 年代初期继续在智能手机上使用硬编码设备 ID，此后不久转向更多用户可控的广告 ID，目前有在 2020 年代初到中期基本消失的趋势。

从没有数据到大量数据再到更少的数据，这一切都在大约四分之一个世纪的时间内发生。

但就移动优先计算时代迄今为止的完整生命周期而言，我们一直处于数据过剩的时代。

“我们对移动设备数据上瘾了，”运营 MetricWorks 并构建媒体混合模型的 Brian Krebs 说道。 “因为它一直都是可用的。”

你好，媒体混合建模（时代正在改变）

由于在 Apple、iOS 14.5、政府监管和不断变化的社会态度的推动下，时代正在发生变化，媒体混合模型正在重新回到人们的讨论中。如果您无法通过IDFAAAID/GAID会发生什么情况，也许还有另一种方法。

也许它不需要 5000 万美元的预算，也许它也不需要像我们曾经想象的那样需要大量关于周围世界、竞争对手的行为和经济变化的疯狂数学和外生数据。

如果您输入第一方数据（例如星期几趋势）、垂直特定趋势（例如一年中的时间季节性）、应用程序安装频率的广泛行业趋势，以及特定于您的事件（例如获得 Google 或 Apple 推荐或拥有克雷布斯说，你的游戏由 GamesBeat 或 PocketGamer 审核，这实际上就足够了。再加上您应用程序的营销活动（支出和展示次数），您就为 MMM 获取移动用户奠定了良好的基础。

你确实需要不时地改变支出——稳态无人机使得效率很难确定——但随着印象和供应可用性竞争的变化，这种情况自然会发生。

现实情况可能是，媒体混合模型更适合移动用户获取，而不是其最初的预期目的：大型国内和全球品牌开展大型、缓慢、昂贵的活动。它也可能比传统方法更好地显示增量。

“老实说，我们感到很惊讶：MMM 在移动设备上效果更好，”Krebs 说。 “这更简单......你需要更少的数据点。”

但这足够好吗？

媒体混合建模不能给你什么

看。一项技术不一定要完美才能有用。任何认为最终点击归因是营销绩效完美衡量标准的人都是妄想。然而，过去十年我们一直在大量使用它，可以说效果良好。

因为已经足够好了。

所以问题是：MMM 是否足以推动决策？

在我们回答这个问题之前，先了解一下媒体混合建模无法提供的内容。

也许最能描述这一点的三个词是即时性、粒度和清晰度。即时性当然是 IDFA 无与伦比的荣耀（显然，它仍然存在，占 iOS 流量的 10-20%），并且仍然是基于 GAID 的归因的闪亮北极星。 Apple 的 SKAdNetwork 框架中，它在某种程度上是由您自己的决定驱动的。您可以将 SKAN 回发重置为长达 7 天。）

尽快了解什么是有效的对于快速优化至关重要。 尽快知道什么不起作用对于不浪费预算至关重要。

移动媒体混合建模不需要大品牌消费领域所需的数周和数月时间。 但它也不像回发那么快。

粒度是相似的：IDFA/GAID 甚至 SKAdNetwork 都能为您提供有关许多因素的精确数据：来源和活动、SKAdNetwork 的一些可配置因素，当然还有更精细的用户级数据和 IDFA/GAID 分组。 来自 SKAdNetwork 的数据较少，但智能定制和带有多个事件和/或计时器的编码值的混合回发可以提供帮助。

MMM 在这些领域提供的服务会较少，包括对帮助网络、协助和最后接触的清晰度稍差一些，特别是对于习惯于同时与许多不同广告合作伙伴合作的移动增长营销人员而言。 （是的，你可以说所有这些网络都在同一条河流中投放鱼钩，这是事实。但很难说所有的鱼钩——以及它们上的诱饵——都具有相同的价值，并且都被投入了同一条河流中。河流中鱼类最聚集的地方。）

增量也会遇到创意优化的问题，当然，您可以通过手动限制广告系列的创意变化来解决这个问题，以了解随着时间的推移所产生的影响。 对于 MMM 来说，各个平台的出价和预算将更加不透明。

所以……混合模型：下一代归因

为移动用户获取团队销售媒体混合建模的人告诉我，媒体混合建模并不是灵丹妙药。但它很有用。而且，与MMP，它还增加了上下文和洞察力。

现实是，追踪时代正在结束。

IDFA 已基本消失，指纹识别违反了苹果的指导方针，谷歌也将随着时间的推移对隐私做出一些改变。

所以你确实需要下一代归因。

当然，这意味着展示次数、点击次数和成本。 当您可以获得它们时进行安装。 尽可能多的创造性见解。 渠道和合作伙伴特定的结果（如有）。 上漏斗数据和下漏斗数据。 来自您自己的应用程序内的第一方数据：新用户、参与模式、注册、购买。 出价和预算，以及所有数据源的规范化和标准化。

现实情况是，那里的情况变得越来越艰难。 最后一次点击广告标识符很简单。 现在，移动增长专业人士需要完整的营销数据基础设施，而不仅仅是移动跟踪器。 顺便说一句，您需要的不仅仅是移动广告。 户外、电视、网络和其他渠道开始变得重要。

结合所有这些信号，同时消除噪音，以产生增长见解：这是下一个挑战。 作为下一代归因的一部分，MMM 在这张桌子上占有一席之地。

与我们交谈

有兴趣详细了解如何通过下一代分析和归因来保证营销增长的未来？

让我们知道。我们会保持联系。