深入浅出理解 Cookie Mapping

在RTB(实时竞价广告,Real-Time-Bidding)广告领域(当然实际上不仅仅是这个领域),有一个常见的词汇叫 Cookie Mapping(Cookie 匹配),一会又是DSP(需求方供应平台)与DSP的Cookie Mapping,一会又是DSP与Ad Exchange的Cookie Mapping,一会还有DMP(数据管理平台)与DSP的Cookie Mapping,已经完全把大家搞浑了。许多互联网广告从业者都不清楚到底什么是 Cookie Mapping,到底又是为什么要 Cookie Mapping。今天就以小小的笔记,分享大家疑问的解答。

用户唯一标识体系

在互联网中,我们有着许多标识唯一用户的技术手段,其中,最为常见的就是 Cookie 了(什么是Cookie请参看网站分析中的Cookie)。简单的多,Cookie具备几个特征:

  • 唯一性,一个Cookie是唯一存在于一个域名下的;
  • 归属权,一个Cookie必须属于某一个域名,且相互不能访问使用;
  • 持久性,一个Cookie可以持久的存在于一个浏览器中。

正因为Cookie具备上述几个特征,也就衍生出Cookie在使用上的一些特点了,我们以DSP.COM(广告购买平台),ADX.COM(广告交易平台),DMP.COM(数据管理平台)为例,存在以下结论:

  • DSP.COM,ADX.COM,DMP.COM都存在各自的用户标识体系(各自定义的唯一ID标识);
  • 用户Abbo在上述三个产品的ID分别是dsp-1,adx-a,dmp-①,且相互不能访问使用。

就这样,DSP.COM,ADX.COM,DMP.COM都可以唯一的标识出用户Abbo,但他们并不能互相读取标识信息。

共享用户特征

由于客户需求,广告主在DSP.COM,ADX.COM,DMP.COM均有业务存在:

  • 广告主使用DSP.COM进行广告投放,并且用户Abbo点击了游戏广告;
  • 用户Abbo主动使用了DMP.COM提供的浏览器购物比价插件服务;
  • 用户Abbo点击过位于交易平台ADX.COM上的职业学习、求职类广告;

刚好,DSP.COM识别出了Abbo喜欢玩游戏特征,DMP.COM识别出了Abbo是男性用户,ADX.COM识别出了Abbo是个年轻人。此时问题来了,由于三方的数据并不共享,因此对于广告主而言,仅知道dsp-1喜欢玩游戏,adx-a是年轻人,dmp-①是男性用户。广告主并不能直接知道Abbo是个喜爱玩游戏的年轻男性。

最终目标,我们需要不同产品体系中的用户的特征,合并绑定到一个用户上来,这也就是本文主题的关键——Cookie Mapping。

常见 Mapping 方式

我们刚刚看到,不同厂商、产品对用户都使用了不同的标识体系,诸如dsp-a,adx-a,dmp-①此类。因此,我们在Cookie Mapping中的最为基础的信息表——ID映射关系,俗称Cookie Mapping表。它负责使dsp-1,adx-a,dmp-①关联起来。

要使同一个用户在不同体系中关联起来,只有一个做法,那就是当用户发生行为的时候,同时能够联通多家厂商、产品。也就是出现了以下最常见的几种Mapping方式生成ID映射关系表:

  • 用户加载网页代码时候,同时加载DSP.COM,ADX.COM,DMP.COM的代码,互相调用Mapping接口传输ID信息;(客户端Mapping)
  • 用户加载网页代码时候,由服务端转发携带ID的请求,由ADX.COM服务器告诉DSP.COM相关ID信息。(服务端Mapping)

这样一来,经过大量的Mapping匹配后,不同厂商、产品之间也就自然形成了一套对应ID映射关系表格了。

移动端的 Mapping

移动终端的发展趋势,Cookie的效果已经远不如PC端了——PC端的用户上网行为,往往发生在一两款Web浏览软件(浏览器)中,而移动端App较为分散,用户行为、特征体现在更多的应用程序(App)上。况且,移动终端的唯一性,存在着更多的ID体系标识唯一用户,诸如MAC地址、iOS IDFA、Android ID等等。这些ID往往是具备一定唯一性,并且能够在不同App中共享的标识信息。因此,移动终端有时候也不需要 Mapping,如果约定俗成的使用某一类ID也是可以进行唯一用户标识的。

斗胆小结

斗胆小结本文,观点并不一定全部正确,如有不足,还请点出:

  • 唯一标识需求将长期存在;
  • Cookie标识在PC端短期内(10年)不会消失;
  • 多终端的发展,将出现更多标识体系;
  • Mapping ID的需求将长期存在。

Open-ID是一个很好的想法,也是一个很好的应用,特别是第三方开源Open-ID产品,个人觉得还是值得一试。:)

扩展学习:

  • https://developers.google.com/ad-exchange/rtb/cookie-guide

 

归因分析模型的来龙去脉

什么是归因分析

顾名思义,归因(Attribution)既寻找一系列事务与最终结果的关系,而且这种关系是属于因果关系。例如,我们渴了买水喝,那么渴了就是买水喝的因子,或者说是主要原因。又如,我们打完球,看到可乐清爽的广告,然后买了可乐可乐喝。那么最终买可乐可乐的原因归结于事件一,我们打完球又累又热,事件二,看到广告又觉得喝了会特别爽快,所以买可乐的原因就有两个。

数字营销、品牌营销中,广告主就希望通过这样的一种方式,了解市场与客户——到底什么样的场景、人物会购买他们的商品或服务呢?从而最终影响他们的营销策略,辅助他们实现营销目标。

数字营销中的归因分析

在数字营销领域,往往对归因的需求有着不同的层级,不同的层级也对应着不同的技术实现难度。

营销策略归因

广告主在进行市场营销的时候,往往不止一种营销渠道与手段,而是多渠道组合营销,如:他们既在电视广告上进行广告投放,又在电视电影节目中植入广告,而且还在网络媒体上投放广告与分发营销内容。但是,许多渠道的监测与数据往往是单一的,电视研究咨询机构告诉广告主,电视广告产生了多少多少曝光、观看,网络媒体监测机构告诉广告主,在互联网上品牌得到了多少曝光、点击、互动等。

然而,用户的购买,却往往遵循着一个转化模型,或者说是一套心理认知模型——用户从了解商品到最终购买是存在认知过程的(详见广告传播模型的变迁)。因此,对于广告主而言,往往希望对他们的营销策略进行归因分析,寻找出这些营销手段、渠道是如何相互营销,才使用户发生购买的。以便优化营销策略,未来实现更多的利润。

营销策略的归因,最终答案往往是:

  • 用户是经过各类渠道如何一步步产生转化的(渠道路径统计)
  • 各个渠道在某种归因模型下的得分是如何(归因得分统计)

用户归因分析与预测

在越来越潮流的数字营销与数字媒介世界,互联网的发展、移动设备的变化,使数字营销产生了更多更具有科技性的挑战与机会。例如,我们在淘宝中搜索了某个商品名称,在此后的浏览中,往往会推荐类似的商品在您浏览的网页中,这其中有一个很重要的理论就是“淘宝认为搜索过某类商品的人更需要、更容易购买某类商品”。而这个理论,很可能就来自于淘宝网对过往购买用户的分析,在用户购买商品的结果集上,寻找出了某些商品是产生该结果集的原因,这也是著名的“啤酒与尿布”案例。

用户级别的归因是用户行为、需求预测的核心问题,如果我们能解答“用户为什么会购买”、“什么样的用户就能购买”这类问题,那么广告主、商场平台、超市就可以优化用户认知、行为路线,使其销售量达到最大化。所以,用户归因的结论往往是:

  • 用户具备什么样的特征(用户肖像绘制)
  • 什么样的用户容易产生转化(用户行为与转化的关系)

归因模型

知乎上有这样一个帖子,其中说到:

  • Allen是一个聪明,勤奋,冲动,爱挑剔,固执,嫉妒心强的人;
  • Ben是一个忌妒心强,固执,爱挑剔,冲动,勤奋,聪明的人;

那么,我们对Allen和Ben的印象是如何的呢?许多人的印象是Allen聪明、勤奋,而Ben嫉妒心强、固执。而实际上,Allen和Ben的评价是完全一样的,只是因为我们接触到他们的印象评价的顺序而导致最终印象结果不一样。这种先入为主的思维方式,我们称之为首因效应——结果受到最初的事务影响最大。

另一种常见归因模型——最后互动归因模型,在数字分析中,往往会分析用户在网上商城购买情况与广告渠道的关系,例如认为“用户的高效购买往往来自于搜索引擎”,会给这类营销方式评价较高。而实际上是用户也经历了弱需求(看到广告)、中需求(点击广告),最终在需求成熟(了解品牌)后,才产生最终的搜索并购买的。

常见归因模型

  • 首次互动归因
  • 首次营销互动归因
  • 最后互动归因
  • 最后营销互动归因
  • 按线性分配归因
  • 按时间衰减归因
  • 按位置加权归因
  • ……

除了常见的按照用户的“大行动”归因以外,还会利用更多数据对用户行为进行加权归因,甚至有一些更复杂的统计模型与算法,就暂且不在本文详述了。