MMM咨询公司如何弥合信号差距
通过第三方cookie进行追踪的时代已经结束了。
近20年来，营销人员一直利用Cookie来追踪客户体验，并将广告展示与用户转化精准关联起来。然而，随着数据保护法规的日益严格以及浏览器对第三方追踪功能的逐步禁用，这种透明度已逐渐降低。
各大平台已经进行了结构性调整。苹果公司提高了应用追踪的透明度，从而限制了跨应用追踪。(Apple）
与此同时，作为其隐私沙盒计划的一部分，谷歌正在逐步淘汰第三方 Cookie。（谷歌）
对于数据管理人员和市场总监而言，这在衡量方面构成了结构性挑战。如果用户旅程无法重现，就很难证明媒体投资的附加值。
1. 多触点归因的削弱
多触点归因技术是为确定性追踪而开发的。它依靠持久性标识符将不同设备和平台上的展示、点击和转化关联起来。
如今，这些联系常常断裂。
用户可能在移动设备上的社交媒体上看到广告，然后在电脑上搜索该广告，最后通过品牌搜索完成购买。如果没有跨设备追踪，这些最初的接触点就会淹没在数据中。
Google 上关于跨环境测量的搜索结果表明，信号丢失如何降低销售漏斗顶端互动的可见性，并使归因于最近的互动产生偏差。（谷歌）
尼尔森的一项行业分析也指出，信号的碎片化使得量化媒体在整个客户旅程中的总体影响变得更加困难。尼尔森）
这会导致系统性偏差：
位于营销漏斗底部的渠道获得了不成比例的重视。
在销售过程初期阶段进行的投资似乎没有效果。
品牌知名度和品牌指标被低估了。
通过“Think with Google”发布的研究表明，过度关注最后一次互动会导致对刺激未来需求的品牌媒体投资不足.（用谷歌思考）
2. MMM 作为综合测量框架
营销组合模型从不同的角度考虑归因问题。
MMM 不追踪个人，而是分析媒体总投资的变化与整体业务成果（如销售额、利润或需求）的变化之间的相关性。
这种计量经济学方法已被使用了几十年，尤其是在消费品和分销领域，用来评估广告在宏观经济层面的有效性。
通过分析历史消费趋势和绩效数据，计量经济模型无需使用 cookie 或用户标识符即可估算每个渠道的贡献。
谷歌进行的计量经济学研究表明，线下媒体使用与在线搜索需求之间存在可衡量的滞后效应。（谷歌搜索）
例如，这样的模型可以确定电视广告活动如何影响接下来几天或几周内品牌搜索查询或电子商务流量的需求。
无需进行个体后续调查。相关性已通过统计学方法证实。
3. 媒体之外的可衡量影响力
客户旅程中越来越多的部分发生在以前无法进行跟踪的环境中。
口碑、播客、实体店、媒体报道和文化活动会影响需求，但很少出现在平台仪表盘上。
MMM模型纳入外部变量来解释这些影响。
计量经济模型标准建议纳入价格、广告和宏观经济指标等非媒体因素，以避免高估媒体的贡献。(市场营销科学研究所）
常见变量包括：
宏观经济指标
季节性和节假日
价格和促销
竞争对手的投资
天气模型
大学研究表明，排除这些变量会扭曲投资回报率的估计，并高估付费媒体的影响.（国际市场研究杂志）
通过纳入这些信号，该模型可以更全面地展现收入波动的真正原因。
这使得组织能够采取真正渐进式的视角，而不是基于平台的视角。
4. 数据保护合规性作为一种结构性优势
在当前的监管环境下，测量方法不仅要从准确性方面进行评估，还要从不合规风险方面进行评估。
尽管概率指纹识别等替代方案可以暂时恢复可追溯性，但监管机构警告说，这些技术仍然可能被视为个人数据处理。
欧洲数据保护委员会的指导方针表明，从设备中提取指纹可能需要获得同意。（CEPD）
MMM 使用的是汇总的、非个人化的数据集。由于不使用个人标识符，它本质上符合以数据保护为中心的治理原则。
Gartner 将计量经济模型描述为一种注重隐私的测量方法，即使信号丢失也能提供有关效率的信息。（Gartner）
对于数据管理员而言，这提供了一个强大的测量基础设施，对未来的监管变化不太敏感。
5. 转变对测量的思维方式
弥合信号传递差距需要的不仅仅是更换工具，还需要对绩效评估方式进行战略性变革。
实用指南：
确保内部数据的可用性
与销售、客户关系管理 (CRM)、电子商务和媒体成本相关的数据必须标准化和集成。数据质量通常被认为是多机管理 (MMM) 成功的主要障碍。(弗雷斯特）
使用计量经济模型
贝叶斯混合模型（MMM）框架允许将现有业务知识整合到归因估计中。像 Meta 的 Robyn 这样的开源框架以及 Google 上的贝叶斯 MMM 搜索加速了其在企业中的应用。(元，谷歌）
情景规划允许
现代 MMM 平台允许公司在支出之前模拟预算重新分配并预测其对收入的影响。
最后考虑因素：减少信号传输中的运行差距
了解在不使用 Cookie 的情况下数据归因方式会发生怎样的变化至关重要。然而，只有当企业将注重隐私的衡量方法融入到日常规划和投资决策中时，其真正的优势才能显现出来。
随着确定性跟踪的重要性降低，市场营销和数据领导者需要建模环境，这些环境可以量化增量结果、模拟分配方案，并在不依赖用户级标识符的情况下保持绩效透明度。
解决方案，例如AITA（基于人工智能的自动化计量经济学）在自动化框架中应用先进的贝叶斯营销组合模型，可以让公司衡量每个渠道的贡献，整合外部需求因素，并以尊重隐私且在财务上可行的方式规划投资。
这使得团队能够从分散的归因信号转向统一且可持续的衡量基础设施。
如果您想了解更多关于如何在无 cookie 环境下实施 MMM 的信息，您可以查阅 IATA 文档。这里
