去年苹果发布了iOS14.5 。新的隐私政策要求开发者在进行定向、监测和追踪前,需要先取得用户的明确许可。这一变化导致移动营销行业产生了巨大的震荡。
在今年的全球开发者大会(WWDC) 上,苹果公司宣布其隐私导向型的移动监测框架SKAdNetwork将迎来数项更新,借此帮助营销人员更好地理解用户行为。但要做到这一点,营销人员必须先了解如何玩转SKAdNetwork。
移动营销数据分析平台Adjust认为要实现 iOS 端的用户交互和监测,营销人员需要先接纳并理解 SKAdNetwork进而制定强有力的策略,然后再充分发挥第一方数据的价值,再基于用户许可设计长期的用户获取和监测计划。本文包含了Adjust对SKAdNetwork进行详细的解读,希望对移动营销者有所帮助。
接纳并理解 SKAdNetwork
近年来,应用生态对隐私安全的关注度越来越高。移动营销人员若想获得成功,首先就要减少对 "灰色" 做法的依赖,充分接纳 SKAdNetwork (以及Google 的安卓隐私沙盒计划可能针对安卓端推出的隐私保护工具)。SKAdNetwork是iOS 端监测的未来,有远见的营销人员应当快速学习和掌握其精髓,而不是想方设法绕过该框架。
其次,营销人员应当理解并充分发挥 SKAdNetwork 的价值。苹果公司在WWDC 上推出的多项功能都有助于营销人员在保护用户隐私安全的前提下,更深入地洞察推广活动表现。
例如,分层来源标识符 (hierarchical source identifier) 能根据样本数量和推广活动来满足隐私标准,提供额外的推广活动信息。而分层转化值 (hierarchical conversion value) 能为小规模的推广活动提供更多细节,而多重转化 (multiple conversion) 则有助于营销人员掌握推广活动在一段时间内的表现。
主动性强的营销人员不仅会快速熟悉并使用这些功能,还会在符合苹果公司政策的前提下获取更多信息,并研发预测技术进而从有限的数据中获得更多价值。
未来,随着营销监测精准性的下降,营销人员将更加依赖预测。然而,缺少了足够精确数据的支撑,营销人员则更加难以预测用户的反应。如需获得非授权用户的数据,SKAdNetwork将成为营销人员不可缺少的法宝。
充分发挥第一方数据的价值
在这个以隐私为重的新时代,营销人员常常专注于第一方数据。然而在移动端,"聚焦第一方数据" 又意味着什么呢?
首先,营销人员需要考虑开发者鼓励用户做出哪些应用内行为,以及高价值用户可能进行的操作,从而确定所需的第一方数据类型。
这样,即使用户身份经过了匿名处理,营销人员还是能够对高价值和低价值受众进行区分。找到最重要的数据并了解如何在缺失个人可识别数据的情况下进行受众分群后,营销人员就能根据预测型数据分析研发模型,进而制定更高效的营销策略。
例如,借助预测性 KPI,尤其是预估用户的生命周期价值 ,营销人员可以通过聚合 SKAdNetwork 和授权用户数据对增长情况进行。此外,此次更新后营销人员将可以对预测的准确性进行评估,判断特定的营销技巧是否在目标用户群中发挥了作用。
无论衡量效果、预测表现还是基于营销表现优化推广策略,所有操作均是在不侵犯用户隐私的情况下进行的。打造出预测模型并达到一定的精准度后,您可以用更多的观测数据持续训练模型,逐渐优化预测效果。
将用户许可作为长期战略重点
未来,所有可持续数据驱动型营销策略都将以用户许可作为基础。要做到胸有成竹,营销人员必须适应并充分利用有限的用户层级数据。不过,苹果公司仍然允许开发者请求用户授予信息访问权限。优秀的营销人员将能够熟练地向用户解释分享数据带来的优势和价值,通过赢得用户信任获得成功。
无论能否获得用户的跨应用跟踪许可授权,移动营销人员都应当解释应用的数据收集情况,针对数据使用和与第三方分享请求用户授权。只有这样才能建立与用户的长期纽带,而不是做 "一锤子买卖",仅用数据促成单次交易。
聪明的移动营销人员不会逃避 SKAdNetwork 和隐私变更,而是会拥抱 SKAdNetwork 4.0 等举措带来的各种变化。即使获取数据的难度大大提升了,他们也会基于可用数据打造强大的预测模型,通过数据推动业务增长。
关于Adjust
Adjust 是一家移动营销数据分析平台,深受全球增长驱动型营销人员的信赖,能提供推广活动监测、优化以及用户数据安全等多种解决方案。凭借高度智能化和自动化的功能,以及遍布全球的专业支持团队,Adjust 已为成千上万款应用提供增长助力。
Adjust 是 AppLovin (纳斯达克代码:APP) 的子公司。AppLovin 是一家领先的营销软件平台,可为开发者提供一系列强大的集成式解决方案,助其实现用户获取、变现及监测等多种任务,实现营销目标。进一步了解 Adjust,请访问www.adjust.com/zh。
好文章,需要你的鼓励
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
Gradient Labs首席执行官Dimitri Masin认为,企业使用AI客服代理时应仅在机器人成功解决问题时付费。他批评Salesforce按对话收费的模式,指出其AI代理在单轮对话中成功率仅58%,多轮对话更低至35%。Masin提出按解决方案计费的模式,声称可为企业节省约70%成本,并通过分层定价反映不同复杂度查询的价值差异。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。