跳到主要内容

数字广告世界中的测量陷阱(以及身份映射的重要性)

  • 金正日Touysinhthiphonexay

    金正日Touysinhthiphonexay

创造了2017年3月24日

数字广告世界中的测量陷阱(以及身份映射的重要性)

数字广告商通过复杂的营销渠道组合,将数字广告系列发送到有针对性的受众。毫不奇怪,他们因回答基本问题而受到挑战:谁看到了他们的竞选活动,他们看到了它以及他们如何与可能被定向的消费者相比,他们如何回应,但没有看到竞选活动。这些问题虽然根本,并不易于回答。

为了从数量上回答这些问题,Acxiom首先发布了目标用户或cookie的初始分发文件、查看印象的cookie广告曝光文件以及转换或购买的消费者的响应文件。在跨文件匹配消费者之前,所有数据源文件首先必须将个人或cookie标识信息映射到公共的个人标识符。

理想情况下,每个标识符在所有文件中都是持久的、唯一的和匹配的,无论它们来自离线消费者信息还是在线cookie信息。由于分发、公开和响应文件来自不同的实体和不同的域(在线或离线),它们通常包含相同消费者的不同身份信息——例如响应文件中的名称和地址、分发文件中的名称和电子邮件以及仅在公开文件中的电子邮件。仅根据这些不同的信息片段分配标识符是不够的;相反,需要标识图将这些标识识别为单个个体,并分配一个持久的、惟一的和匿名的公共标识符,以促进有效的度量。

对于在线曝光文件来说,身份映射过程尤其棘手,因为这些文件需要非分销合作伙伴报告印象,并将cookie id映射到个人信息,然后再映射到一个公共的个人标识符。当印象由独立实体分发和报告时,它们的匹配cookie池可能会有很大比例的重叠。不属于重叠百分比的cookie是不可移植的;也就是说,我们永远不会知道他们是否收到了印象。其余的cookie可能会接收一个标识符,但它对该文件是惟一的,不太可能与分发文件或响应文件中的标识符匹配。不接收持久、唯一和通用标识符的cookie是不匹配的。我们可能知道他们收到了一个印象,但永远不会知道他们是否在最初的分发或他们是否回应了活动。

无法衡量的影响

无成卖和无与伦比的消费者的意义是什么?这种影响如何测量?通常,我们计算被识别和报告的分配个人暴露,我们计算分发或报告被识别和匹配作为响应者的暴露的消费者。然后,我们将这些计数标准化,除以总分布或总报告的暴露人口获得暴露或响应率,然后可以进行比较和测试。当速率分母包括没有可报告或可匹配的大量个体时出现问题。我们知道一些不可否认和无与伦比的个人接触到广告并获得响应者,但我们无法识别并计算它们,因此他们无法为速率计量器提供贡献。然而,它们包含在速率分母中,导致观察到的速率低于实际情况,我们将看到这些人是否被排除在外。

作为一个例子,假设实际的广告曝光率为0.35,暴露的消费者的实际响应率为0.02,但未曝光消费者为0.01。如果曝光可报告率为0.8,曝光匹配速率为0.3,则观察到的广告曝光率为0.28(0.35×0.8),观察到的暴露和未曝光响应率为0.006(0.02×0.3)和0.003(0.01 x)0.3)分别。如果分发和响应文件也包含不可匹配的个人,因为它们通常这样做,那么观察的速率可能会降低。最终结果是,实际响应率最有可能显着差异,而观察到的响应率不会是,导致我们得出结论,广告系列没有影响。

我们如何改进度量?

第一步是与LiveRamp这样的合作伙伴合作,它可以最大化报告重叠,最大化所有文件的ID持久性、唯一性和匹配性。第二步是识别哪些id不匹配或不可报告,并确保这些id不包括在用于计算暴露率和响应率的人群中。您可能最终得到一个较小的人群,但您的结果应该更准确、更一致、更可测试。