在苹果于 iOS 14.5 破坏移动应用归因四年后，一类新兴的隐私安全聚合建模工具承诺在不追踪个人的情况下恢复可见性。
该方法使用大量匿名数据来推断哪些广告活动、移动浏览和跨设备活动带来了收入。
这是苹果 SKAdNetwork、谷歌集成转化测量（ICM）、Meta 聚合事件测量（AEM）以及营销和测量公司 Branch 的预测性聚合测量（PAM）等工具背后的方法。
Branch 产品副总裁 Irina Bukatik 表示：“营销人员不需要知道谁购买了商品——他们需要知道是什么推动了销售。”“预测性聚合测量以合规、隐私安全且适用于应用和网页的方式为他们提供了这种清晰度。”
Branch 的预测性聚合测量从聚合性能信号中推断归因。
为什么这很重要
通过多个渠道（移动应用、网站、实体店）销售的商家深知了解广告对销售影响的重要性。
苹果的 iOS 2021 年的变化造成了盲点，特别是在跨设备和跨渠道追踪用户方面。
PAM、AEM、ICM 和类似系统弥补了归因差距。这些保护隐私的工具分析大型数据集，并估算哪些广告和接触点可能导致转化。因此，营销人员可以判断移动浏览是否影响了桌面购买，或者应用安装是否导致了重复订单，而不会违反隐私规定。
其回报是相对更好的预算分配、活动优化，以及对广告支出流向产生收入的渠道的信心。
工作原理
这些符合隐私规定的系统不捕获与购物者相关的逐点击记录，而是批量收集转化信号，并将其与其他相关的活动数据相结合。
这些工具不追踪个人，并且有些会添加“噪声”以掩盖个人身份信息。
在此基础上，统计模型寻找表明哪些广告、渠道或接触点可能导致销售的模式。
该过程具有概率性，这意味着工具无法确切知道某位特定客户在购买前是否看过 Instagram 广告，但它可以基于总体趋势，以极高的置信度得出结论：营销活动影响了销售额。Branch 的 Bukatik 对此进行了解释。
这些模型会权衡多个因素，可能包括：
- 展示与行动之间的时间间隔，
- 活动后的转化数量，
- 跨设备行为，例如移动端的浏览和桌面端的购买，
- 在类似条件下的历史活动表现。
想象一下小学时那种连点成图的练习纸，你可以沿着点描出猫或蝴蝶的形状。iOS 14.5 及类似的隐私更新擦除了一些点，但更高级的数学方法可以帮助补全整幅画面。
已知局限
然而，聚合测量并不能完美替代过去详细的用户级追踪。
新系统的准确性存在局限。
- 粒度较低。 这些工具缺乏传统追踪的用户级细节。营销人员无法端到端地跟踪单个客户的旅程，这使得定向、再定向或个性化营销活动变得复杂。
- 归因延迟。 由于隐私原因，Apple 的 SKAdNetwork 等框架通常会延迟报告。结果是优化周期变慢，迫使营销团队在重新分配预算或测试新创意之前等待。
- 阈值处理。 一些系统会隐藏小型或利基活动的转化数据，直到其达到最低数量级以防止被识别。这同样会延迟预算和创意决策。
诸如粒度较低等限制并不像最初看起来那么关键。正如 Bukatik 所指出的，在大多数情况下，“营销人员真正想知道的不是某人是否点击了 Facebook 广告并完成了购买——而是 Facebook 广告是否推动了购买。”
适应
对于商家而言，持续向注重隐私的聚合测量转变意味着需要构建能够在系统约束内运行的活动和报告流程。
首先关注更大、更有意义的信号。不要追逐跨设备的逐次点击精细归因，而是设定重要的转化事件，例如首次购买、新订阅或重复订单。
将这些指标视为关键绩效指标（KPI）。聚合工具擅长衡量高价值行为。
在活动层面投入资源进行创意和受众测试。报告延迟可能要求测试运行足够长的时间以收集具有统计显著性的结果。避免对早期数据过度反应。
将来自电商平台或忠诚度计划的第一方数据与聚合报告相结合。虽然你无法看到从广告点击到结账的个体旅程，但结合数据集可以揭示渠道提升效果、客户终身价值和重复购买行为。
最后，要接受现代归因正越来越具有概率性。目标并非追求完美的精确度，而是方向性的信心——即足够的清晰度，以便将预算转向那些可能带来盈利增长的渠道、活动和平台。