程序化广告中的数据应用
分享人：徐亦可，皓量科技，产品负责人，主导负责SAAS商业化产品，为媒体提供一站式广告商业化变现解决方案。
今天分享的主题是程序化广告中的数据应用
会分成三个部分：
（1）广告中的数据监测&分析
（2）数据应用方向（oCPX、相似人群包扩展）
（3）实战案例分享
一、广告中的数据监测&分析
广告数据的监测链路：曝光>点击（也有部分媒体采用互动或有效视频播放）>转化（下载激活、付费购买等）
在广告监测链路中，需要采取设备码作为用户的唯一标识，分别对应如下：
安卓设备：
IMEI：国际移动设备识别码（International Mobile Equipment Identification Number），移动设备的唯一标志，恢复出厂设置时不会被重置。
OAID：匿名设备标识符（ Open Anonymous Device Identifier ）是由中国信通院联合华为、小米、OPPO、VIVO等厂商共同推出的设备识别字段，在Android 10及以上的系统版本中支持，用户可关闭获取权限及手动重置，同时恢复出厂设置会被重置。
*OAID等同于iOS中的IDFA，Android10系统版本及以上，已获取不到IMEI，仅能授权后获取OAID。
iOS系统：
IDFA：广告标识符（Identifier for Advertising），苹果在iOS 6系统版本开始提供，用于开发者追踪用户的广告标识符。
根据苹果《用户隐私和数据使用》规定 ，从iOS 14.5，iPadOS 14.5和Apple tvOS 14.5开始，App需要通过App Tracking Transparency框架征得用户许可，然后才能跟踪用户或访问其设备的广告标识符。
广告链路的数据分析与应用：
在广告数据链路中，用户的曝光、点击、互动、转化的数据，都是有价值的，可以转化为用户的广告行为标签，结合用户原有的人群属性、兴趣等标签数据，进行用户标签体系完善、数据模型构建和分析应用。
二、数据应用方向
1、oCPX
oCPX是指智能优化出价，根据转化目标KPI，智能预估转化率，并自动出价，o指的是Optimized-优化。
CPX中的X根据最终的结算方式而定，可为CPM、CPC及CPA。oCPX出价中，优化目标可以选择点击、下载激活、表单线索、付费等。
以oCPM为例，流程如下：
oCPX的核心竞争力在于平台根据第一阶段累积的种子数据进行数据分析、建模并预估对应的点击率（pCTR）和（pCVR）的能力。
oCPX的常用数据模型有：
（1）传统机器学习：LR（逻辑回归）、LR+GBDT、XGBoost、LightGBM等
（2）深度学习模型：wide&deep，DeepFM、xDeepFM、DIN等，比较适合在大数据集的场景下应用
考核模型的指标：
（1）AUC（正负样本的排序能力），范围是0到1之间，越高表示模型效果越好，正常比较ok的都在0.65-0.75之间，更好的auc可以到0.8以上；
（2）平均损失值（预估偏差值，样本真实值与预估值的偏差情况）：效果比较好的DeepFM模型可以达到0.0001以下。
二、相似人群包扩展（lookalike）
根据客户提供的或初期投放的种子用户，进行多维度的标签分析、特征提取，构建目标用户画像后，根据目标用户画像在用户池里进行潜在目标用户挖掘扩展，最终输出数据包进行定向投放。
相似人群包扩展中的lookalike的建模原理跟oCPX是一致的，通过种子用户构建目标用户模型后，对潜在用户进行相似度打分和排序，最终输出相似扩展人群包。针对种子数据来源的不同可输出不同层级的人群包，如通过行业产品的历史转化数据作为种子数据输出行业人群包，通过同产品的历史转化数据，输出产品定制人群包。
以上就是对两个典型的数据应用模式的介绍，下面来分享两个oCPX的案例，是我们公司过往的一个实际投放案例。
三、实战案例分享
（1）美式硬核卡牌游戏
产品背景：美漫全明星放置卡牌手游！科幻末世废土风格，搞怪画风，酷炫的科技技能，休闲挂机玩法，可以克隆出各种各样的历史英雄明星大腕，抗击邪恶的克隆军团。
营销目标：考核iOS激活成本
投放资源：微博
推广效果：激活成本低于平均激活成本25%
投放策略：前期抓住可克隆历史英雄的亮点，通过竖版广告位置测试各类型视频素材，测出“进阶合成”素材为最优；中期通过最优素材进行主信息流扩量，定向男+18-40岁+兴趣游戏；后期通过“oCPM”的出价方式快速扩量，稳住成本。
案例2：美妆电商APP
产品背景：“全球化妆品零售权威”购物平台APP，提供各种精选品牌美妆护肤产品
营销目标：考核iOS激活成本以及后期转化
投放资源：微博
推广效果：激活成本下降55％，量级稳定
投放策略：前期投放更加偏重品牌调性，制作产品推荐；类型素材，选择大牌产品，凸显影响力，后续投放进行优化，选择优惠套装和平价好物方向素材，吸引微博用户。但是因
客户前期投放时间长达2年，效果衰减，实际成本高于客户KPI 50%，因此针对人群进行细分，使用oCPM投放后，点击成本下降50%，激活成本低于客户KPI 55%。
以上三个模块的分享就到这里啦，另外有一个扩展探讨的部分，也想跟大家来探讨一下~
三周前，iOS14.5正式推出，苹果的App Tracking Transparency正式实施，该政策要求应用必须征得用户明确同意才能跟踪用户收集数据。
据Flurry Analytics的分析数据显示：自iOS14.5上线以来，美国用户中仅有4%的人允许应用进行广告追踪，在全球范围内也仅有12%的用户允许。
ATT框架政策下，用户定向、广告精准投放、广告效果归因等方面都造成不小的影响。
目前，针对用户可能禁止广告追踪，媒体无法获取IDFA，行业内出现了几种可能性的解决方案。
1.通用ID方案，方案就是寻找IDFA的替代品，需要根据媒体、广告平台、广告主都能拿到的设备信息或非隐私用户数据，制定规则去生成一个IDFA的设备级参数替代品。如中广协推出的CAID，
但有开发者在接入CAID的SDK后，收到了苹果官方邮件，称其不允许使用任何永久的、基于设备的标识符或从中派生的任何数据来唯一标识设备，简单的说就是苹果不允许开发者使用第三方的SDK。
2.IP+UA（设备指纹）方式，通过用户点击广告时的IP地址和UA（即手机设备的相关信息，如手机型号、操作系统、版本号等信息）进行关联匹配。但是该方案的匹配精准度相对比较低。
3.IDFV，提供给App开发者的一种设备识别方案，同一开发商可以对设备上的所有旗下应用获得标识符，不能跨开发商使用，可以作为大媒体的一个备选方案。
4.媒体自己的User ID，跟IDFV类似，都只适用于自有生态内部，例如分析用户在应用内的行为等，当涉及广告推广、监测等用户的跨APP范围追踪时，达不到IDFA的全局设备唯一性。
以上就是我的分享啦，欢迎大家多多交流下，包括程序化广告中的数据应用和针对苹果新的政策的看法和解决方案~
