归因为何比以往更难 在快节奏、竞争激烈的订阅经济中，品牌正在为客户参与度、转化率和留存率而展开激烈竞争。从 CTV、OTT 和户外广告上的程序化广告购买到手动广告购买和封闭式平台，广告商已经面临着复杂的数字环境。优化广告活动和支出比以往任何时候都更具挑战性，尤其是如果品牌无法实时进行优化并且使用不太方便的应用程序来做到这一点。
但多米诺骨牌效应还不止于此。一旦营销人员以最佳方式在各种媒体渠道和广告平台上部署广告，他们还需要克服另一个难题：归因。
归因一直是营销人员和广告商面
临的挑战。然 归因为何比以往更难 而，随着 whatsapp 号码数据 跨媒体渠道的兴起、大量流媒体用户数据以及第三方 Cookie 的消亡，这一挑战变得更加复杂和严峻。如果不能快速准确地跟踪归因，品牌的整体广告支出和投资回报率无疑会受到影响。
新的挑战、新的生态系统和新的广告方式使得广告归因变得比以往任何时候都更加模糊。在这篇博文中，我们将仔细研究市场上新的广告技术归因挑战，为什么这些挑战难以解决，以及品牌如何才能实现准确的实时广告归因。
新经济下的新广告技术归因挑战
广告技术领域复杂而充满活力，消费者通过 因此他们会花时间回答客 多种渠道和设备与品牌互动。过去十年，OTT、VR/AR 和游戏等新旧渠道不断涌现、发展和成熟，现在它们正在向用户提供并能够提供新形式的广告。通过邮件收到 Netflix DVD 或查看电视指南以了解是否错过了重播的剧集的日子已经一去不复返了。Roku 等流媒体品牌或 DirectTV 等有线电视点播服务已进入（并帮助建立了）实时订阅经济。
消费者对媒体和娱乐的控制和访问能力比以往任何时候都更强——随时随地都可以选择。这对广告界来说也是一大优势。
然而，这些新（和旧）生态系统仍在经历迭代 西班牙比特币数据库 归因为何比以往更难 和演变，迫使品牌保持敏捷并随时准备调整。如果您不知道如何在这些新生态系统中成功跟踪和衡量广告，您就不可能期望实现准确的归因。
广告主面临的挑战是如何将各媒体渠道的广告影响准确归因于客户行为和广告投资回报率。其中一些最重大的挑战包括：
1. 碎片化且复杂的客户旅程
消费者无处不在，无时不在，无时不在。对于想要跟踪、报告和建立客户受众的广告商和品牌来说，这一直是一个长期的挑战。碎片化并不是什么新鲜事。然而，新的碎片化层次却是新鲜事。
无论消费者是在电视机、平板电脑或应用程序之间切换流媒体平台，还是在手机上观看节目时通过外卖应用程序订餐，随着新渠道和新平台的出现，客户旅程变得越来越复杂和分散。这反过来又使跟踪广告效果和归因变得更加困难。消费者旅程比以往任何时候都更加分散，有多个接触点，因此很难准确归因每个渠道的影响。
2. 过时的数据基础设施
实时订阅经济中几乎所有事物都在发生变化：渠道、广告、消费者行为等等。有一件事没有改变？那就是数据基础设施。
大多数数据基础设施，包括数据仓库、数据湖和 CDP，最初都是为静态数据而建，纯粹用于数据收集。它们是十多年前针对数据挑战的传统解决方案。虽然它们仍然能够实现其最初构建的目的，但它们无法应对当今的数据挑战。它们无法实时收集数据，无需繁琐的 ETL 或数据清理，也无法运行快速分析。这也意味着这些过时的系统最终会与其他工具叠加，这会增加复杂性，延迟洞察时间，并限制品牌快速归因渠道和活动的能力。
3. 隐私、Cookies 和客户信任
隐私和客户信任已成为广告界的主要参与者， 归因为何比以往更难 这并不奇怪。新的隐私法规为品牌带来了新的挑战（和更多的工作），使其无法准确跟踪归因、广告活动效果和总体用户行为。第三方 Cookie 的消亡加剧了这一挑战，品牌无法获得足够的数据，也无法了解客户的行为以及他们如何与广告互动。
相反，客户在控制隐私偏好、启用广告拦截和禁用 Cookie 方面拥有比以往更多的自主权。如果品牌不能接受隐私和客户期望的这种新转变，品牌信任就会受到影响。适应这些新的限制和期望本身就是一项挑战，但它也使追踪归因比以前更加困难。找到以隐私优先的方式跟踪和识别归因的方法（并减少第三方 Cookie）是大多数品牌仍未解决的一个障碍。
4. 客户数据不一致和孤岛
广告商使用多种数据源来衡量归因，包括点击流数据、转化数据、浏览数据等。这些数据不仅因为来自不同的渠道而孤立，而且还可能造成新的数据不一致。不同平台的衡量指标和衡量形式各不相同，因此广告商很难准确描绘出归因和广告效果。更不用说统一孤立客户数据的持久挑战，这项工作既繁琐又耗时，会延迟实时业务决策和轻松确定归因的能力。
5. 分析能力有限
大多数品牌都利用客户数据平台 (CDP) 来收集和存储客户数据，以用于身份识别和受众构建。CDP 最初建于 2013 年，并非用于执行强大的实时分析。CDP 统一了客户资料，但它们无法将活跃用户在多个媒体渠道上的互动联系起来，从而导致每一分每一秒都错失良机。对于广告商来说，这又带来了另一个挑战，即准确而快速地确定归因和广告效果。
短视的尝试正在让品牌蒙受损失
对于品牌和广告主来说，广告归因、效果和投资回报率都至关重要。因此，他们积极寻找解决方案、变通方法、合作伙伴关系以及任何可用的工具来保持成功。克服这些挑战的一些常见尝试通常包括：
购买并添加新的应用程序，以覆盖其过时的数据基础设施、CDP 和分析工具。
从 ZoomInfo、6sense 等第三方公司购买（并花费大量资金）客户数据和见解。
雇用更多的技术成员加入他们的分析和工程团队，以加强他们深入分析、清理和统一数据以及提取报告的努力。
没什么！一些品牌选择将头埋在沙子里，继续增加或维持其营销和广告支出，以期获得更多收入。
无论品牌如何尝试应对这些新的归因和广告投资回报率障碍，他们都会花费大量的金钱和时间，而且效果并不理想。确实可以利用机器学习、多点触控归因和跨设备识别等新方法和工具。
但是，如果品牌依赖于传统解决方案、过时的 BI 工具和为静态数据收集而构建的数据基础设施，就无法成功利用它们。
新的广告生态系统需要新的解决方案
如果广告商和品牌想要真正适应新的数字广告格局，他们需要一个新的解决方案——实际上是为满足当今的需求而构建的。
Scuba Analytics 就是这个解决方案。
Scuba Analytics 解决了上述挑战，并通过以下方式利用实时客户情报帮助品牌实现其广告归因、支出和广告系列目标：
实时归因和广告活动优化：
通过实时洞察广告效果，优化归因测量和潜在客户倾向建模。品牌可以跟踪广告参与度（或缺乏参与度）和效果，以最大限度地减少广告疲劳、广告屏蔽和广告回避。相反，品牌可以进行动态更改以个性化广告并提高上下文相关性。
超个性化广告和受众细分：利用有关客户行为和广告互动的超精细洞察来确定成功领域和提高投资回报率的机会，同时向用户提供相关且符合情境的广告。同时，构建机器学习模型以进行自适应广告购买和优化归因衡量
实时亚秒级广告活动分析：优化飞行中广告活动的效果，以扩大覆盖面和频率，并为未来战略提供参考。