数据净室 | 无Cookie世界衡量广告效果的关键
2080你要了解这点：数据净室在未来无cookie的世界中，是衡量广告效果的有效保证。
将营销目标落实为可衡量的行动 设置跟踪功能以有效衡量销量、应用下载量/安装量以及（或）潜在客户量 了解如何分析转化跟踪数据并依据从中挖掘出的洞见采取行动 针对您的业务目标选择合适的归因模型
趋势和现状
随着Google加入Apple (Safari)和Mozilla (Firefox)终止对Chrome第三方cookie的支持，我们曾经用来衡量广告投资回报率的报告的准确性正在逐渐降低。目前并没有简单的途径来解决逐渐增加的广告归因上的困难境况。PPC广告以其优于传统广告的可衡量性而闻名，伴随着增强的用户隐私法的冲击，这种衡量的准确性开始动摇，iOS设备上Facebook广告跟踪不准确问题也暴露了这一观点。
什么是数据净室？
Data Clean Room - 数据洁净室是一种软件,它使品牌及其合作伙伴能够共享数据并获得相互见解,同时完全保护用户的隐私,不与彼此共享任何PII或原始数据。Facebook、Amazon和Google等主要广告平台使用数据净室为广告商提供相应的匹配数据，用以提高投放在这些平台中的广告表现。
除此之外数据净室可以让广告商更清晰地了解每个平台内的广告投放效果，因为它的数据来源依赖于可靠的一手数据，以便与平台数据进行任何重要的匹配，以此获得精准的投放效果。
例如，谷歌的广告数据中心允许您分析付费媒体的表现，并将您自己的一手数据上传到谷歌，然后您可以细分自己的受众，分析覆盖面、频率并测试不同的归因模型，借此在未来的广告投放时获得最佳决策。尽管许多平台声称能够提供跨渠道的数据净室解决方案，但鉴于谷歌和其他平台实施了严格的隐私控制，很多人对这些数据的可靠性感到质疑。如果品牌想要通过增加每个广告投放平台的支出，来收获更多数据当然最好，但这样做的成本代价高，且仍然存在跨网络归因方面的挑战。
数据净室未来的挑战
一手数据（用于为数据净室提供动力的数据）在遵守隐私法规和管理用户许可方面的问题较少，但它比cookie数据更难获得。像谷歌、Facebook和亚马逊这样的大型平台，本身就有足够大量级的客户数据，他们可以基于这些庞大的数据建造自己的 “walled gardens” ，并通过为广告商提供增强的定制解决方案从中获益。此外，营销模式和规模也一定程度显现出竞争的局限性，那些能够访问大量消费者数据的品牌，例如直接面向消费者的品牌将比间接与消费者产生联系的品牌获得更多的营销优势。
目前大部分数据净室仅适用于单一平台，不能与其他数据净室结合使用。有跨多平台投放广告的经验的品牌，很容易发现这种局限性，因为如果不手动将洞察信息联系在一起，您就无法整合数据来构建客户旅程的完整视图。这也使得消费者画像的完整性需要耗费大量的人力和时间才可能达成。
数据净室的替代品
数据净室是为了应对即将失去的第三方cookie所面临挑战的一种方法，但它不是唯一的解决方案。
浏览器跟踪
在Chrome中的FLoC（Federated Learning of Cohorts）联合学习组件在广告定位和预测方面的效果能达到cookie的95% 。这种方式会将用户的一些重要信息沉溺在大型匿名群组中，因此很多人对此技术表示怀疑。但值得肯定的是，FLoC虽然不属于数据净室，但它们确实可以实现将用户级数据匿名化并根据共享属性对受众进行聚类的功能。
共享ID
未来会怎样？
跟踪和反馈不再是我们过去认为理所当然的后台任务，它现在需要明确的用户许可才能使用。这需要网站更频繁地征求用户同意来获得数据的使用权。隐私弹窗会出现在更显眼的位置，在短期内，这可能会导致与用户的摩擦，但这也是免费使用互联网络的权衡之术。
不存储PII数据，仅将聚合数据共享回业务。虽然这肯定有助于解决跨平台归因的挑战，但不同广告平台之间提供的数据之间可能存在不匹配，可能需要人工干预。
不管支撑这种数据匹配的“净室”技术是什么，现在都需要投资建立自己的第一方数据，以实现与广告平台或广告技术服务商的任何数据交互使用。这让品牌在未来拥有更有深度更有价值的用户数据！
参考资料：Data Clean Room: What It Is & Why It Matters in a Cookieless World,By Ben Wood,September 7,2021 .
你要了解这点：数据净室在未来无cookie的世界中，是衡量广告效果的有效保证。
将营销目标落实为可衡量的行动 设置跟踪功能以有效衡量销量、应用下载量/安装量以及（或）潜在客户量 了解如何分析转化跟踪数据并依据从中挖掘出的洞见采取行动 针对您的业务目标选择合适的归因模型
趋势和现状
随着Google加入Apple (Safari)和Mozilla (Firefox)终止对Chrome第三方cookie的支持，我们曾经用来衡量广告投资回报率的报告的准确性正在逐渐降低。目前并没有简单的途径来解决逐渐增加的广告归因上的困难境况。PPC广告以其优于传统广告的可衡量性而闻名，伴随着增强的用户隐私法的冲击，这种衡量的准确性开始动摇，iOS设备上Facebook广告跟踪不准确问题也暴露了这一观点。
什么是数据净室？
Data Clean Room - 数据洁净室是一种软件,它使品牌及其合作伙伴能够共享数据并获得相互见解,同时完全保护用户的隐私,不与彼此共享任何PII或原始数据。Facebook、Amazon和Google等主要广告平台使用数据净室为广告商提供相应的匹配数据，用以提高投放在这些平台中的广告表现。
除此之外数据净室可以让广告商更清晰地了解每个平台内的广告投放效果，因为它的数据来源依赖于可靠的一手数据，以便与平台数据进行任何重要的匹配，以此获得精准的投放效果。
例如，谷歌的广告数据中心允许您分析付费媒体的表现，并将您自己的一手数据上传到谷歌，然后您可以细分自己的受众，分析覆盖面、频率并测试不同的归因模型，借此在未来的广告投放时获得最佳决策。尽管许多平台声称能够提供跨渠道的数据净室解决方案，但鉴于谷歌和其他平台实施了严格的隐私控制，很多人对这些数据的可靠性感到质疑。如果品牌想要通过增加每个广告投放平台的支出，来收获更多数据当然最好，但这样做的成本代价高，且仍然存在跨网络归因方面的挑战。
数据净室未来的挑战
一手数据（用于为数据净室提供动力的数据）在遵守隐私法规和管理用户许可方面的问题较少，但它比cookie数据更难获得。像谷歌、Facebook和亚马逊这样的大型平台，本身就有足够大量级的客户数据，他们可以基于这些庞大的数据建造自己的 “walled gardens” ，并通过为广告商提供增强的定制解决方案从中获益。此外，营销模式和规模也一定程度显现出竞争的局限性，那些能够访问大量消费者数据的品牌，例如直接面向消费者的品牌将比间接与消费者产生联系的品牌获得更多的营销优势。
目前大部分数据净室仅适用于单一平台，不能与其他数据净室结合使用。有跨多平台投放广告的经验的品牌，很容易发现这种局限性，因为如果不手动将洞察信息联系在一起，您就无法整合数据来构建客户旅程的完整视图。这也使得消费者画像的完整性需要耗费大量的人力和时间才可能达成。
数据净室的替代品
数据净室是为了应对即将失去的第三方cookie所面临挑战的一种方法，但它不是唯一的解决方案。
浏览器跟踪
在Chrome中的FLoC（Federated Learning of Cohorts）联合学习组件在广告定位和预测方面的效果能达到cookie的95% 。这种方式会将用户的一些重要信息沉溺在大型匿名群组中，因此很多人对此技术表示怀疑。但值得肯定的是，FLoC虽然不属于数据净室，但它们确实可以实现将用户级数据匿名化并根据共享属性对受众进行聚类的功能。
共享ID
未来会怎样？
跟踪和反馈不再是我们过去认为理所当然的后台任务，它现在需要明确的用户许可才能使用。这需要网站更频繁地征求用户同意来获得数据的使用权。隐私弹窗会出现在更显眼的位置，在短期内，这可能会导致与用户的摩擦，但这也是免费使用互联网络的权衡之术。
不存储PII数据，仅将聚合数据共享回业务。虽然这肯定有助于解决跨平台归因的挑战，但不同广告平台之间提供的数据之间可能存在不匹配，可能需要人工干预。
不管支撑这种数据匹配的“净室”技术是什么，现在都需要投资建立自己的第一方数据，以实现与广告平台或广告技术服务商的任何数据交互使用。这让品牌在未来拥有更有深度更有价值的用户数据！
参考资料：Data Clean Room: What It Is & Why It Matters in a Cookieless World,By Ben Wood,September 7,2021 .
热门活动 
其他
04-09 周四
热门报告 
