凱絡媒體 / Sophie Lin 林雨柔
隨著數位化的普及，數位隱私權儼然成為國際間高度關注的重要議題， 2016年歐盟通過，並於2018年5月正式實施的「一般資料保護規則」（General Data Protection Regulation，GDPR），開啟了數位時代隱私保護新篇章，緊接著，科技龍頭 Apple的 iOS 14 APP追蹤透明度政策（App Tracking Transparency）於2021年四月正式上線，Google 也拋下震撼彈，宣布將禁止Chrome第三方Cookie追蹤。
根據statcounter研調單位的全球瀏覽器市占報告顯示，截至2022年九月，使用Chrome瀏覽器的市占率高達65.7%，意味著Chrome停用第三方Cookie追蹤，將影響全球超過六成以上使用者足跡的追蹤精準度，此政策對於仰賴Cookie投放精準廣告的廣告主無疑是極大挑戰。
而Google 從最初預計於2022年淘汰第三方Cookie，二次延期至2024年，媒體、品牌與代理商們，在Cookieless 時代正式來臨前，有了更充裕但刻不容緩的最後準備期，從了解科技巨頭的解方到媒體評估方式的改變，以下歸納出三大必知的應戰策略關鍵點。
圖片來源：QUERTCLICK
策略關鍵一：廣告市占過半的科技巨頭解決方案
「在必須模糊化個人識別的政策下，盡可能運用機器學習清楚化受眾輪廓」
隱私權、Cookieless 政策首當其衝的前兩大科技巨頭 Google、Facebook，針對精準追蹤使用者行為的挑戰，提出了以下應戰策略：
Google 在宣布將淘汰第三方Cookie後，隨即推出測試計畫「FLoC」（Federated Learning of Cohorts），但卻因為將受眾分群過細，隱私權質疑聲浪不斷，爾後推出「Topics」取代原先的「FLoC」，Google 官方解釋：「Topics 以使用者的瀏覽器瀏覽歷史為基礎，歸類出最能代表使用者當週興趣的主題類別。分類過程將完全在使用者的裝置上進行，不涉及 Google 或其他服務的任何外部伺服器。當使用者訪問參與Topics 計畫的網站時，過去三週中的興趣主題類別將與該網站及其廣告商分享。」
最初測試的300種主題，在未來將持續擴大， Topics 會以較模糊的方式避免過度細分受眾，且只保留三週後刪除，避免交叉比對出個人資訊的風險。
＂興趣分眾的解方有了，那麼，績效型廣告所倚賴的「個人化」再行銷廣告呢？＂
Google隱私沙盒提案中的「FLEDGE」測試計畫，希望將目前由Cookie紀錄的各項瀏覽行為中屬於「個人化資訊」的部分轉化為興趣群組，當使用者造訪廣告主網站時，網站 (或廣告技術供應商) 可徵詢使用者的同意，將使用者與特定興趣群組建立關聯，當使用者瀏覽外部聯播網網站時，廣告主即可加入競價，取得投遞個人化廣告的機會。
「FLEDGE」將瀏覽行為分群的技術，有助於區隔出看過不同產品類別的受眾，或是找回放棄購物車的使用者…等更細緻的受眾群體，並對其投遞個人化廣告。
圖片來源：Bridgewell 宇匯知識科技
根據Google最新官方消息，此項目將於2022年九月底開始發佈測試；然而，其中涉及網站技術服務商在定義群組與競價演算機制上的複雜技術，「FLEDGE」對個人化廣告在Cookieless後的執行效能，尚未有明朗的定論。
Facebook 為了同時解決 Apple的 iOS14 隱私權政策，以及Google將淘汰第三方Cookie的計畫，推出了轉換API (Conversion API)，藉由廣告主的伺服器與Meta伺服器串接，直接將使用者瀏覽資訊、CRM數據等傳送至 Meta，除了彌補隱私政策後的資料模糊化問題，也幫助系統提升成效衡量的精準度，進而優化廣告效益。
圖片來源：madgicx.com/blog
針對科技巨頭的因應策略，建議品牌與代理商及早為相關技術串接、顧客受眾分群佈局。在網站與平台Server to Server 的技術串接上，目前網站平台技術商或是開店平台服務商大多已有完善的配套支援，也有委外技術商能夠提供相關服務。此外，在未來更加重視受眾興趣分群精準度，以及第一方資料運用的新時代，品牌顧客資料、數據資源的整合，也是勢在必行的現在進行式。
策略關鍵二：品牌資源整合是隱私權新時代的決勝關鍵
「其實最有價值的受眾資料一直都在品牌主手中，等著以更具效益的方式被探勘與應用」
在全通路的時代，一個品牌可能同時擁有實體通路、網站、APP、CRM系統、庫存系統、社群媒體、影音平台、網路廣告平台、KOL合作.….等等，多種自媒體與付費媒體數據資料。在過去，各個媒體多半以獨立流量池的方式運行，或以點對點的方式運用資料，例如：LINE官方帳號中的好友分群受眾僅運用於LINE廣告系統、Google廣告使用顧客資料的方式是將特定區隔資料匯入廣告系統媒合、Email 與 SNS 則是以廣發訊息為主，接著行銷人員再分別媒合媒體數據與第三方追蹤所得到的數據判斷成效，進行後續優化；但這樣的人工分析方式費時且無法即時在合適的接觸點，以最具效益的形式促使消費者行動。
然而，Cookieless的時代將至，過往以「瀏覽行為」為出發點的數據收集方式，勢必需要轉變成以「單一顧客視角」為出發點，嘗試建構更明確的顧客輪廓，更重要的是，能夠將這些數據運用於行銷規劃、媒體溝通，以及關係管理，因此建置CDP成了眾多品牌的重要任務。
CDP (Customer Data Platform)是以品牌主的顧客為單一視角出發，串聯會員資料庫、銷售通路數據資料、自媒體互動行為、付費媒體互動數據等，並以打通後的第一方資料為核心，整合第二方、第三方資料，做到能夠以單一ID識別顧客行為，以及更細緻描繪顧客輪廓的品牌專屬數據資產。
圖片來源：電通智能中心
建置完善的CDP能夠360度具現化顧客輪廓，除了掌握顧客過去與品牌在各接觸點的互動行為與需求偏好外，也能夠預測未來的潛在需求，品牌也可以自訂分類規則後，交由系統Ai演算找尋相似特徵的潛在受眾。在Cookieless 時代，擁有完整建構的CDP數據資產，品牌主不需再擔心無法精準觸及高價值受眾，CDP的運作協同下，甚至能夠進階解析顧客在不同媒體間的行為特性，使自媒體與付費媒體的運用更具綜效。
圖片來源：電通智能中心
策略關鍵三：媒體策略與衡量方式再進化
「消費者旅程中的每一個接觸點，都對最終達成目標具有影響力」
過往在衡量廣告媒體成效時，行銷人大多使用「最終點擊」為歸因模式，將功勞歸屬於消費者最後接觸點，雖然最簡單直覺，卻會造成低估其他接觸點貢獻的盲點，久而久之，績效型廣告計畫對「能夠直接獲得最終成效的媒體」依賴度愈來愈高，其中Cookie based 的個人化廣告便是其一。針對即將到來的Cookieless時代，在數據資料收集與顧客輪廓解析上，科技巨頭持續研擬解決方案，品牌主也開始著手規劃CDP的建置，期望補足Cookieless造成的追蹤精準度流失，在媒體策略上，也是絕佳的時機，重新定義不同媒體在消費者旅程上的定位與貢獻，以更能反映各接觸點真正價值的歸因方式衡量媒體成效，讓媒體組合朝整體目標成果極大化的方向前進。
以 Google Analytics「以數據為準歸因模式」為例，系統會分析可用的轉換路徑資料，為每個轉換事件建立轉換率模式，並將預測結果輸入演算法，為各個廣告互動計算轉換功勞，賦予進站後的每個互動應被計入的貢獻，將最複雜的演算交由機器學習，行銷人員便能更公平地依據成效結果，實時優化媒體成效。
圖片來源：bluerank.com
重新定義各媒體對最終價值的貢獻，讓品牌主在Cookieless時代中能夠更明確地為受到影響的媒體找尋替代的解決方案，同時也賦予媒體策略以更宏觀的角度佈局各接觸點，極大化整體行銷計畫結果。
結語
綜合上述 Cookieless 的施策應對，品牌主與代理商協同合作的三大方向為何？
一、更全面、更快速地整合數據資產
要掌握清晰的顧客消費旅程，並以更有效益的方式傳播運用，除了品牌主打通內部各項數據資產藩籬外，與擁有龐大多元化服務資源的媒體代理商協同合作，更能加速整合過程。此外，媒體代理商在數據應用上的知識與經驗，也能協助在建置初期即提供實務運用上可能面臨的狀況，讓數據資產分眾分析的最終成品，能夠在實務上被靈活運用，並能共同長期持續性地優化流程。
二、對媒體變化擁有絕佳的掌握度，以最敏捷的速度機動調整
品牌行銷人員與媒體代理商，對主流廣告媒體的環境變化以及科技巨頭的應變進展通常握有第一手資訊，擁有豐富經驗的代理商，對於市場變化能夠敏捷地提供短期與中長期不同階段的媒體因應策略，若有技術串接的需求，也能協助媒合適切的服務商，縮短面對市場變化的反應時間。
三、運用更公平的衡量標準，重新檢視不同媒體的定位與影響力
超越以往使用單點功勞歸屬的方式，重新檢視消費者轉換路徑中，每個接觸點的影響力，藉由機器學習的力量，「以數據為準歸因模式」可適時將複雜的演算過程轉化為更公平的成效數據呈現於分析報告中，為成效衡量、廣告優化、媒體策略思考，提供更具公平性的數據依歸。
凱絡媒體週報 ‧ 數位智庫 