三大解决方案，助您迎合保护用户隐私趋势， 衡量真实的营销成效

由于消费者日益重视对个人数据安全和隐私的保护，广告生态系统也正经历快速演变。一方面，各地政府法规不断加强对用户隐私和数据的保护力度；另一方面，众多科技公司也纷纷迎合趋势，推出新的政策，包括逐步限制或屏蔽Cookie，要求通过移动设备追踪用户数据时必须先征得其许可，等等。加强对个人隐私的保护，已成为全球不可避免的大趋势。

001

在这样的情况下，如何继续有效衡量营销活动的成效，成为众多企业亟需解决的难题。企业必须转变观念，跳出旧有思维的限制，改变过往对数据收集、分析方法及评估指标的看法。

• 数据收集：随着Cookie 等数据获取机制将被逐步弃用，企业必须重新思考如何获取和提供数据。

• 数据分析：数据分析对汇总数据的依赖性日益增强，分析方法也必须进行革新。

• 评估指标：由于可用的数据将不断变化，企业必须想清楚用什么指标来评估营销表现。

002

唯有善于审时度势、因势而变的企业，方可在保护消费者隐私的基础上，对营销活动的成效衡量方案进行变革，衡量真实成效，并以此判断如何不断优化营销活动及业务模式，实现长期可持续发展。

Meta力求通过各种实用的成效衡量工具和方案，帮助企业衡量营销的真正价值，即我们强调的增效衡量。所谓增效，指的是一项独立营销活动对业务成效的产生的实际因果效应。唯有了解营销活动的增效，才能知道其真实成效，做出更明智的决策；反之则容易导致营销费用的错配甚至浪费，并错失业务良机。

Meta深信，在隐私保护的大趋势下，企业依然能够在尊重用户隐私和数据安全的同时，精准衡量营销活动的真实成效。我们一直致力于探索及开发各种新的解决方案和工具，以帮助规模各异的企业顺应趋势，实现双赢。而我们推出的以下三大行之有效的新兴衡量解决方案，相信必能助您一臂之力。

解决方案一：

转化API 提升测试（CAPI Lift）

第一项解决方案是转化API 提升测试(CAPI Lift)。由于Cookie的隐私法规和浏览器政策不断变化的情况下，企业之后可能会更难通过像素代码追踪网站事件。为了应对这一挑战，Meta特地推出了转化API，让广告主可以从服务器直接收集数据并关联至 Meta。这些数据可以助您打造个性化广告、进行优化及成效衡量，从而推动营销活动取得更佳成绩。

• 更可靠的数据关联：转化API从服务器直接收集数据，并不使用Cookie，因此网页浏览器的设置不会影响获取客户数据的能力。它让您能更全面地控制分享的数据，同时不易受到浏览器加载错误、连接问题和广告拦截工具等问题的影响，能够建立更加可靠的数据关联，进而有助于广告投放系统减少单次操作费用。与此同时，广告主可能会获得更多分析数据，包括有关目标受众的数据，以及Meta像素代码无法捕获的特定事件。

• 与 Meta像素代码配合使用，双管齐下：当用户并未在其网页浏览器上禁用Cookie时，Meta像素代码依然是有效的业务工具。我们建议将转化API和Meta像素代码配合使用，巧用这套“组合拳”收集所需数据，获得关于真实顾客的更详细、准确的互动数据分析，从而更好地对相关营销活动进行跟踪、衡量、归因和优化。

• 在转化API的支持下， 提升测试方案依然保持了对照组和测试组的比较，对选择加入追踪（opt in）  的用戶精确衡量，同时对选择退出追踪（opt out）的用戶也能利用归总数据，对营销活动的真实成效进行全面衡量。

解决方案二：

隐私化提升测试（Private Lift）

隐私保护强化技术，即Privacy Enhancing Technologies (PETs)是Meta 最新推出的技术，旨在保护用户隐私，在最大限度筛选非必须处理的个人信息量的同时，向消费者展示相关的个性化广告并衡量广告的真实成效。隐私保护强化技术可以通过以下方案，将用户的个人数据转化为不会泄露隐私的数据，并通过协同作用的方案，打造个性化体验及衡量营销成效。

• 多方计算：通过应用多方安全计算技术，对数据进行端到端加密，在实现广告成效的同时，无需透露任何明确的个人信息。多方计算可用于支持成效衡量解决方案。

• 设备端机器学习：设备端机器学习（On-device machine learning）可以根据洞察在用户设备端训练算法，让广告主在不与 Meta 分享消费者个人数据的情况下，将广告展示给相关受众，而无需了解用户在其他应用和网站上的操作。设备端机器习可用于支持广告投放和优化解决方案。

• 差分隐私：差异隐私的工作原理是将经过仔细计算的随机“噪声”加入数据集，以保护原始数据不被重新识别。这种技术可以单独使用，也可以与其他隐私强化技术同时使用。

在隐私保护强化技术的支持下， 我们正在测试新的提升测试方案-隐私化提升测试。隐私化提升测试能够保持其原有提升测试的优势，同时保护用户个人数据和隐私选择。

解决方案三：

新一代营销组合模型（MMM）

第三项解决方案是新一代营销组合模型，即Marketing Mix Modelling（MMM），利用监督式机器学习的方式，通过多变量的归因模型来建立不同营销活动和业绩之间的关联性。由于营销组合模型以汇总数据为基础进行衡量，因此并不会触及消费者的个人隐私数据，同时又能提供可行性高的宝贵洞察，帮助企业进行更为明智的营销决策。

事实上，营销组合模型一直深受快消行业与零售行业营销人员的青睐，然而这种基于多年稳定数据的建模方法在过往一直被认为不适合复杂多变的数字营销时代。如今新式的营销组合模型方案已经顺应时代趋势进行变革，显著缩短观察数据的时间范围、大幅增加数据输入量、频次和颗粒度，使用半自动化可持续跟踪的MMM工具，适应电商、科技、游戏等效果类企业的需求。在消费者隐私受到高度保护、以往各类数据获取方式严重受限的大环境下，新一代营销组合模型将能发挥前所未有的强大作用。

• 数据观察时间大幅缩短：随着半自动化的MMM工具以及SaaS解决方案的诞生，营销组合模型的数据观察时间得以大幅缩短，我们在短短几周内便能得到可行性高的相关洞察。

• 可有效进行规模化推广：借助MMM SaaS工具，我们得以提高成本效率，将建基于相关洞察的最佳实践进行规模化推广，让拥有多个产品线、业务范围遍及多个国家的企业能够标准化其营销成效的衡量策略，取得更佳业务成效。

• 利用开源代码，自建MMM模型：广告主还可以利用开源代码，根据自身企业的具体情况、营销活动及业务需求建立MMM模型，获得更高的自主性和灵活度。

国际知名品牌华硕（ASUS）是一家电子产品公司，其产品畅销全球多国。ASUS一直希望通过可规模化推广的衡量方案，来精准衡量跨媒体的营销活动成效，包括线上及线下的广告投资回报率（ROI），从而了解广告预算可以如何得到最大化利用。但由于其全球多个市场的具体情况都不一样，因此面临极大挑战。

为了解决这一难题，ASUS选择和第三方服务供应商合作，深入了解营销组合模型的价值和优势；并在 Meta 的帮助下，利用MMM SaaS工具，清楚掌握不同媒体渠道的ROI及可优化领域，从而制定最佳的广告预算分配方案，并实现了高效的规模化推广。

目前，ASUS的内部团队已经掌握了营销组合模型的相关技能，可以将营销成效衡量方案通过标准化方式，推广到全球市场，从而推动营销及业务运营转型，更好地适应全球广告生态系统的演变。

全球广告生态系统正在经历行业创新和重大变革，企业应该借此契机评估自身战略，并顺应隐私保护的大趋势对成效衡量方案进行革新和优化。Meta 将继续致力于探索成效衡量的发展前景，并与业界各方密切合作，确保帮助规模各异的企业在未来依然可以获得制定营销决策所需的数据和洞察，助您实现业务目标，在行业中持续保持领先地位。

我们建议您可以从以下多个方面入手，迎合用户隐私收紧趋势，变革营销成效衡量方案。

• 探索新颖的成效衡量解决方案：包括上文提及的转化API提升测试，隐私话提升测试和营销组合模型，打造无需依赖Cookie的可靠数据连接，实现保护用户隐私和个性化体验的双赢局面，并精准衡量营销成效。
  

• 积极参与、掌握最新资讯：Meta一直在与行业的重要合作伙伴合作，共同建立对业界和消费者均有益的解决方案。我们建议您积极参与其中、密切关注最新资讯，包括参与原型测试和与行业组织交流，从而不断调整成效衡量策略，抓住最新机遇。

• 与官方代理商或第三方合作伙伴合作：您可以选择与 Meta 官方代理商或我们的第三方合作伙伴合作，了解他们可以提供哪些新的支持、服务和解决方案，高效打造与时俱进的营销活动及成效衡量方案。

身处发展日新月异的大数据时代，唯有那些一直以顾客需求为导向，敢于抓住时机、开拓全新局面的企业，方可勇立潮头、持续取得成功。无论您所处的行业为何、企业规模大小，都应立即行动起来，抢占先机、赢在未来！