为什么Pangle的数据效果提升了？

最近注意到有一些老产品在跑Pangle的时候明显比早前的时候后续转化数据好了很多，尤其是在东南亚小贷上，跑AEO的放贷行为。早期我们跑小贷的时候Pangle如果直接跑安装可以做到后续0转化，跑AEO勉强能有一些转化，但是最近观察到的数据居然是Pangle已经可以追平整体大盘的后续行为转化比例，甚至还能略超出平均水平，而且在量级上也有明显的提升。

猜测原因：

1，Pangle整体在进步，这里分算法上和数据上的进步，算法上其实并不能确定，毕竟单纯少量产品站在使用者角度很难看出来，至于数据上，比较明显的可能就是同行大家都把数据回传给到Pangle后他专门针对这个品类做了数据整理，所以我们相对靠后点的产品在跑同样的行为目标时候，实际上是可以蹭到前面大佬们贡献的用户数据。

2，流量源的变化+进步，也不能说进步，只能说对接的流量更多，更杂，也不确定真有多大进步，但是我听做变现的朋友说在Pangle上变现还是有不少做网赚，工具类的流量，这个方向的流量可能和小贷，BC相对还是匹配的，所以可能在这个品类上的数据不至于太糟糕，加上流量盘子够大再结合各个头部产品贡献的用户标签数据，足以让Pangle能尽可能覆盖到这些目标用户。

3，归因统计上的一些差异导致数据显得再进步（猜测），这里其实只是我个人的猜想，之前有过文章专门介绍广告平台自归因的文章，也介绍过TT当初想自己做再归因，但是这里其实我觉得反而是因为TT+pangle不是自归因，再加上AF默认的90天re-install数据导致的数据统计差异显得Pangle+TT的数据显得更好，但是由于TT在老产品里面转化并不理想，跑的少，而Pangle到后面流量来源更丰富，CPM低能多跑一些，流量突出一些。

具体的思路：由于Pangle+TT不是自归因，那他实际上是拿不到客户产品的全量数据，所以TT+Pangle再次曝光ads的时候会覆盖很多曾经安装但是再卸载的用户，在小贷这种品类实际上用户会在再次有需求的时候再次安装，但是类似FB+GG自归因逻辑他们会在可能是180天（我记不清这个时间段）不会给安装过的用户再次曝光，所以反而让Pangle+TT会覆盖到这部分用户，这些用户本身可能很多都是目标受众，转化率也高，再加上可能是曾经的借贷用户复贷风控+申请授信通过率都会明显更高，从而导致小贷这个类别在Pangle+TT的数据明显就更好看。

实际在观察新老产品（都是小贷）的时候也能感觉我这个猜测可能有一些道理，虽然地区不同，但是我在跑其他地区的新产品时候Pangle的质量真比不上这些老产品的。

除了上述的一些可能，也不排除一些Pangle的流量源头有一些高科技，毕竟从数据表现上，CTIT，以及一些设备分布之类整体比例和FB GG还是会有一些差异，这个就不展开说了，所有渠道包含Google和FB AN都不可避免，平台也有监管控制。

4，FB+GG的衰减，可能也是由于我项目早期在FB GG洗的太久，并且由于覆盖的人群比较单一，相比Pangle可能覆盖了更多下沉用户。

那我们要如何应对Pangle的数据变化？

那自然 数据好就多投一点了，Pangle数据提升就多追加一些预算，即便按照猜测是覆盖了重复安装用户那也是有价值的用户，如果担心是其他高科技手段引起的数据变化其实也不必担心，小贷产品应该是最不怕作弊的了，至少不用担心一些机刷之类的数据，毕竟再牛逼他也不大可能刷出来一些真能通过借贷授信风控这些环节的数据，包含网盟和所有其他流量渠道即便有高科技他也最多是玩劫持，至于劫持，只要在一个合理的区间，直接关注总预算和总效果问题也不大。

如果一定想要验证猜想3里面是否在正确，有2个思路：

1，直接从原始数据里面去跑数，比如对比Pangle+Google/FB过去的用户整体有多少比重的老用户再安装（push api回传的设备信息是不是曾经安装过）

2，打点上的分析，比如小贷的授信点，我们产品只回传了1次，但是放贷行为会回传多次，从我这边项目明显可以看出Pangle流量在授信点上回传少，但是在放贷点上比较多，证明我猜测应该是正确，覆盖了更多的重复安装并且实现了借贷行为用户，换成其他产品，实际上也是可以参考这个思路找到两个点进行对比。如果不想要跑太多这类用户同样也可以通过打点投AEO的方式来解决这个问题，比如投放目标改成只有全新用户才会回传的点，或者关键目标不回传re-install用户信息（不建议这么操作，对于re-install的用户其实也是有价值）。