關注公眾號，天天更新Android出海經驗，公眾號選單欄點選“GP交流群”，新增管理員微信，進GP交流群討論出海技巧。
什麼是廣告歸因
廣告歸因是一套邏輯和規則，用於確定廣告的啟用或轉化是由哪個廣告或渠道引起的。在應用廣告方面，歸因主要透過匹配來完成。當用戶點選廣告時，他們的使用者資訊（如IMEI或IDFA）和廣告資訊（如廣告追蹤ID、廣告應用包名或iOS應用ID）被記錄下來。當廣告產生轉化時，系統將轉化的使用者資訊和廣告屬性資訊與點選廣告時記錄的資訊進行匹配，從而完成歸因。歸因邏輯可以在廣告平臺後臺、第三方歸因平臺或廣告主後臺完成，但基本邏輯是相似的。這種規則的理解對於防止作弊非常關鍵，因為作弊者通常是對歸因瞭解最深的人。
在網際網路廣告中，應用類廣告佔據了大部分份額，因此應用廣告的歸因作弊成為一塊重要的課題。今天我們將探討海外移動廣告的作弊情況，特別強調資本主義環境下作弊現象易於滋生，這需要我們有所警惕。
什麼是歸因模型
歸因模型是用於確定廣告或營銷活動對最終業績貢獻程度的方法或規則。它幫助我們理解在客戶購買決策路徑中，不同渠道、廣告或營銷活動如何相互作用，並最終影響到銷售或轉化。
對於廣告運營和市場營銷來說，歸因模型的重要性體現在：
準確評估廣告效果：歸因模型可以幫助確定哪些廣告渠道或營銷活動對銷售或轉化產生了最大的影響。通過了解每個渠道的貢獻度，廣告主可以更有效地分配預算和資源，以最佳化廣告投放策略。
最佳化廣告投放策略：瞭解歸因模型可以幫助廣告主確定最有效的廣告渠道和營銷活動，從而最佳化廣告投放策略。這有助於提高廣告ROI和效率，降低廣告成本。
完善客戶旅程：歸因模型揭示了客戶在購買過程中接觸到的不同渠道和觸點。通過了解客戶旅程，營銷團隊可以更好地瞭解客戶需求和偏好，並相應地調整營銷策略，提供更好的使用者體驗。
支援決策制定：歸因模型為決策制定提供了資料支援和指導。基於歸因模型的資料分析，廣告主和營銷團隊可以制定更有針對性和可操作的決策，以實現業務目標。
歸因模型有哪些種類
當涉及到歸因模型時，瞭解每種模型的特點和適用情況非常重要。下面是每種歸因模型的更詳細描述：
最後歸因模型（Last Click Attribution Model）在這種模型中，轉化被歸因給最後一次與廣告互動的渠道或觸點。這意味著最後一個被點選的廣告或觸點被認為是導致轉化的主要原因。簡單來說，就是把成功轉化的功勞歸功於最後一次點選廣告的渠道或觸點。比如，如果使用者點選了某個廣告並進行了購買，那麼這個購買行為就會被歸因給最後點選的那個廣告。
線性歸因模型（Linear Attribution Model）在這種模型中，轉化被平均分配給所有與廣告互動的渠道或觸點。這意味著每個觸點都被認為對轉化有一定的貢獻，貢獻是平均的，不會過多考慮觸點的時間先後順序。這就像是把成功轉化的功勞均勻地分給了所有參與的廣告或觸點，不管它們是在購買決策的哪個階段出現的。
3時間衰減歸因模型（Time Decay Attribution Model）在這種模型中，轉化歸因按時間的遠近進行加權分配，通常是越近的觸點權重越高，越遠的觸點權重越低。這個模型認為距離轉化事件越近的觸點對轉化的影響越大，而距離越遠的觸點對轉化的影響越小，就像是轉化的影響力隨著時間的推移而逐漸衰減一樣。
U 形歸因模型（U-Shaped Attribution Model）在這種模型將轉化歸因分配給第一個觸點、最後一個觸點，以及中間的觸點，對中間的觸點進行更高的加權。這種模型的命名源自其圖形形狀類似於拉丁字母“U”。這個模型認為第一個觸點和最後一個觸點在轉化路徑中起到了重要作用，而中間的觸點也對轉化有一定的貢獻，但相對較小。
5J 形歸因模型（J-Shaped Attribution Model）與 U 形歸因模型類似，但更加強調最後一個觸點。這種模型也將轉化歸因分配給第一個觸點、最後一個觸點，以及中間的觸點，但對最後一個觸點的權重更高。這個模型認為第一個觸點和最後一個觸點對轉化的影響最大，而中間的觸點也有一定的影響，但相對較小。
倒 U 形歸因模型（Inverted U-Shaped Attribution Model）與 U 形歸因模型相反，對中間觸點進行更高的加權。這個模型認為中間階段的觸點在轉化路徑中起到了重要作用，而第一個觸點和最後一個觸點的影響相對較小。這個模型相當於將 U 形歸因模型上下顛倒，強調了中間觸點的重要性。
比例歸因模型（Fractional Attribution Model）基於每個觸點對轉化的相對貢獻進行加權分配。這種模型根據觸點的相對重要性來分配轉化歸因，重要性越高的觸點得到的歸因就越多。這個模型將根據每個觸點在轉化路徑中的重要性來進行歸因分配，而不是簡單地按照時間或位置來分配。
資料驅動歸因模型（Data-Driven Attribution Model）透過機器學習和資料分析來確定觸點對轉化的影響。這種模型通常是一種定製化的模型，適應於特定的業務場景和資料集。這個模型使用資料科學和機器學習技術來分析轉化路徑中的各個觸點，確定它們對轉化的影響程度，從而進行歸因分配。
歸因作弊現象
在Facebook Audience Network中進行的聯盟流量歸因作弊是一個重要議題。Facebook應用廣告的核心歸因邏輯是View-through attribution（VTA），也就是曝光歸因邏輯。
Facebook採用一套根據曝光資料進行歸因效果分配的邏輯，根據廣告的曝光資料來分配廣告應用的轉化效果和廣告費用。在Facebook的廣告中，曝光歸因帶來的轉化效果佔比不同，廣告主的資料有所不同，範圍從約10%到超過50%不等。儘管Facebook並未公開真實的歸因比例，但這一邏輯對於Facebook Audience Network的成功至關重要。
在Facebook Audience Network中，廣告應用在Facebook媒體（包括聯盟流量）上曝光後，Facebook會記錄媒體上報的曝光資料。當應用從App Store或Google Play下載並激活後，Facebook要求廣告主將應用的啟用資料回傳給Facebook廣告後臺進行歸因，以便任何曝光過的廣告媒體都能分到啟用的廣告收入。
這種歸因邏輯有點霸道，即使轉化並非由Facebook廣告引起，只要有曝光，Facebook也要分成。然而，由於Facebook的話語權很大，許多人仍然願意購買他們的流量。這種邏輯將從兩個主要場景中獲益：
首先，它將其他廣告流量的轉化歸因到了Facebook的廣告上，即使這些廣告是在其他流量上轉化的。這意味著廣告主可能需要支付雙倍費用，因為非Facebook廣告使用的是第三方歸因平臺，而與Facebook的歸因系統和邏輯是獨立的，這可能導致多次計費。
其次，它將應用自然流量的歸因歸屬到了Facebook的廣告上，即使這些轉化是使用者在Google Play或App Store上主動完成的。Facebook認為即使沒有直接轉化，這些曝光也對轉化產生了影響，因此將這些轉化算作曝光的一部分，稱之為“助攻”。
如果你從事海外市場營銷或數字廣告投放工作，就必須深入瞭解Facebook、Google以及第三方歸因平臺（如AppFlyer、Adjust或Kochava）的歸因邏輯和反作弊邏輯，這樣才能提高廣告投放的效率。
聯盟廣告的歸因欺詐
應用的歸因欺詐主要存在兩種情景：
1）將他人廣告的啟用算作自己的。例如，透過某些歸因漏洞，將A廣告的下載和啟用算作自己的。這些廣告的質量相對難以控制。
2）將自然流量（Organic）使用者主動下載並激活的應用算作廣告啟用。由於自然流量都是使用者主動下載和啟用的，因此活躍度和留存率相當高，廣告主也很難察覺。
想要了解海外的歸因欺詐邏輯，首先需要了解一些背景情況。
在國外的移動廣告變現生態中，除了頭部巨頭Facebook Audience Network和Google Admob之外，還有許多其他的聯盟或者網盟參與者，比如Adcolony、IronSource、Avazu、Mobvista、Vungle等等。這些聯盟公司擁有廣告主資源，並提供類似於“分銷”的服務，即定期將廣告資源（在海外通常被稱為offer）透過離線方式同步更新給下一級的網盟。有了廣告主資源，這為部分分銷網盟公司進行歸因欺詐提供了必要條件。
海外移動廣告生態擁有成熟可信的第三方歸因平臺，如Appflyer、Adjust和Kochava等。歸因的核心邏輯是最後一次歸因模型，即“Last Click”。當媒體的廣告曝光後，如果使用者點選了廣告，媒體會將廣告點選的媒體資訊、使用者裝置資訊（主要是IDFA/IMEI）、時間戳和網路狀態等資訊透過302跳轉的方式傳送給第三方歸因平臺。此時，第三方歸因平臺實際上並沒有廣告曝光相關的資訊。
應用啟用後，可以透過接入歸因SDK或者透過服務端對接（S2S）的方式將應用相關資訊傳送回第三方歸因平臺。歸因平臺會從資料庫中找出匹配的媒體點選資訊，透過應用包名、使用者ID資訊和廣告點選資訊的匹配，按照最後一次點選的邏輯將應用的啟用歸因給對應的媒體和廣告，完成一次歸因的流程。
針對上述邏輯，可以分為兩類歸因欺詐方式：
第一類是“搶奪歸因”，主要針對Android系統。當我們知道一個應用的下載或安裝時間點時，可以將“點選”資訊傳送給第三方歸因平臺。由於這個時候離應用的啟用更近，按照“Last Click”原理，歸因的機率就非常高。
Android系統提供了獲取應用安裝的廣播機制。當應用安裝時，Android系統會透過系統廣播方式廣播應用安裝的訊息。獲取到應用的安裝資訊後，廣告聯盟SDK會根據這個包名從廣告後臺獲取廣告資訊，並將相關的使用者裝置資訊、媒體資訊透過“虛擬點選”的方式傳輸到第三方歸因平臺。
這個廣告邏輯需要滿足兩個必要條件：一是作弊的聯盟必須擁有廣告資源，二是需要註冊系統的應用安裝廣播廣播能力。這樣才能知道應用什麼時候被安裝。同時，聯盟SDK的流量覆蓋面要廣，這樣才能搶到更多的廣告。
第二種方式是激勵影片“虛擬點選”的作弊方式，適用於Android和iOS系統。這種方式與“搶奪歸因”的方式不同，它是一種廣撒網的作弊方式。
國內的激勵影片廣告從2018年開始異常火爆，但海外激勵影片廣告在2016年至2017年已經蓬勃發展，代表公司有Applovin、Vungle、Adcolony、UnityAds等。
海外激勵影片廣告的主要流程是，使用者在觀看激勵影片廣告後，很多情況下並不會立即點選廣告，而是獲取激勵後繼續玩遊戲。同時，提供影片廣告的廣告平臺會透過“虛擬點選”的方式向第三方歸因平臺傳送點選資訊。
這種方式更多地截獲使用者的自然流量（Organic），即使用者主動在App Store或Google Play上下載的應用。也就是說，使用者看了影片廣告後，並不會立即下載，而是後來因其他原因主動到應用商店進行下載。歸因平臺會找到相應的廣告點選資訊，並將這個應用的啟用歸因給對應的廣告。
這種作弊方式稱為“廣撒網”的模擬點選方式。
雖然激勵影片廣告在某種程度上具有合理性，因為它們實際上是一種助攻。使用者在玩遊戲時觀看了激勵影片廣告，產生了興趣，但由於種種原因沒有立即下載，而在遊戲結束後主動到應用商店下載是完全有可能的。然而，這種情況確實會佔用自然流量的優勢。
一些廣告主可能會發現，停止推廣預算後，應用的新增啟用並沒有減少多少，但廣告帶來的啟用卻減少了很多，同時自然流量突然激增。在這種情況下，很可能是因為你的自然流量被搶奪了。產品品牌知名度越高，自然流量受到的影響越大，因此更容易遭受自然流量被搶奪的情況。
這些歸因欺詐行為導致了廣告生態的扭曲，需要採取一系列措施來應對：
首先，需要加強對歸因邏輯的監測和審查，確保歸因的準確性和公正性。
其次，廣告平臺和第三方歸因平臺需要加強合作，共同應對欺詐行為，建立更嚴格的稽核機制和反作弊策略。
最後，廣告主也需要加強對廣告投放效果的監測和評估，及時發現異常情況並採取措施應對。
最重要的是，需要整個廣告生態系統的參與者共同努力，共同維護一個健康、公平和透明的廣告生態環境。
國內應用廣告歸因的現狀
國內的應用廣告歸因生態與海外存在顯著差異。首先，與海外的統一應用市場不同，國內Android生態缺乏統一的應用商店。其次，在Android應用的歸因方面，沒有像海外那樣統一的第三方公司負責歸因。
在國內應用廣告歸因中，存在一些不透明和潛在的作弊行為，儘管目前尚未完全曝光，但業內人士大多有所耳聞。資本主義的貪慾可能導致道德的淪喪，我們必須保持警惕，並且堅決抵制這種不正當行為。若有機會，可以進一步深入探討這些問題。
當前，國內應用的歸因主要採用兩種形式：
首先，透過渠道包進行歸因，這在各大手機廠商的應用商店和遊戲發行中較為普遍。每個渠道包對應一家公司的一個或多個媒體，應用的下載或啟用費用按照相應的渠道包收取。然而，這其中也隱藏著許多不為人知的內情。
其次，透過最後歸因模型進行歸因，與海外歸因方式不同，國內大部分歸因是在廣告主的後臺進行的。小廣告主透過接入廣告平臺的SDK來收集資料並進行歸因。歸因的核心是透過S2S的方式傳遞資料，將使用者資訊和廣告資訊進行匹配。廣告主根據廣告平臺返回的點選資訊，採用最後歸因模型進行歸因。完成歸因後，廣告資料將回傳給廣告平臺進行進一步統計和分析。
當然，也有一些廣告平臺採用C2S方式，將點選資料直接從客戶端傳輸給廣告主。然而，這種方式不夠靈活，需要頻繁升級客戶端，維護成本高。因此，主流的媒體通常選擇透過S2S方式與廣告主對接，進行競價廣告的歸因。
想了解更多關於App出海技巧，關注公眾號！進GP交流群從小白秒變老司機！