我有机会在 SMX Advanced 2024 上就我每周与我所在代理机构的客户共同关注的一个主题进行演讲：高级PPC分析和测量。

我从事数字营销已有 20 多年，以我（颇有偏见的）观点来看，智能分析从未成为营销活动如此重要的差异化因素。

注重隐私的法规使得衡量变得更加复杂，而人工智能剥夺了营销人员提升渠道内绩效的多种方式。渠道选择的激增意味着必须全面了解情况。

话虽如此，如果你没有机会观看演讲和/或没有时间观看录音，我将分解五个主要要点：

• 同意模式 v2 将更多的控制权交到用户手中。
• 从观察到的数据到模型数据的转变即将到来。
• 后端数据实现至关重要。
• 现在是时候采用非 Cookie 测量选项了。
• 当数据稀缺时，代理指标可以填补空白。

1. Google 同意模式 v2 的重要性

2012 年，《电子隐私指令》（欧盟的一项 Cookie 法）要求网站在访客设备上存储/访问信息之前必须征得访客的同意。这是 2018 年具有分水岭意义的《GDPR》的前身，在较小程度上，它也是《CCPA》隐私法规的前身。 

2020 年，Google 推出了 Consent Mode v1，允许网站所有者根据用户的同意状态调整 Google 标签的行为，从而符合 GDPR 和 CCPA。

同意模式 v2 带来了哪些新变化？本质上，此更新要求告知最终用户如何撤销对广告个性化的同意，并启用匿名跟踪。

用户对个人数据拥有了更多的控制权，包括修改偏好的能力。Google 无需使用 Cookie 或其他跟踪信息即可获取匿名访客信息，而是使用所谓的“无 Cookie ping”进行更准确的数据建模。

2. 从观察到的数据到模型数据的转变

对于广告商来说，简单来说就是：

您将无法跟踪单个用户的行为，因此您最好准备缩小范围，并通过转换模型从全局视角更有效地工作。 

该计划的一部分是实施意见征求模式 v2，因为如果没有该模式，您的转化跟踪会受到限制，报告准确性会降低。您获得的受众洞察也会越来越少，越来越薄弱，这可能会影响受众细分和定位。

基于这些“无 cookie 的 ping”的转化模型要求每个国家和域名分组在七天内每天的广告点击次数达到 700 次。

它的功能是检查有多少未经同意的点击导致了转化。它并不完美，但它可以很好地弥补广告系列中整体转化的数据缺口，即使不单独跟踪未经同意的用户。

在下面的例子中，广告客户的同意率为 50%，但转化率仅下降了 19%（62 次中的 12 次），而转化模型的转化率提升了 18%。

结果是，如果您同时实施同意模式 v2 和转换建模（这些机制太冗长，无法在此介绍），您将保持合规并减轻由此造成的大部分数据丢失。

深入了解：检查网站 Google 同意模式设置的 4 种方法

---

3. 后端数据脱颖而出

一旦用户数据进入您的 CRM，它就成为您拥有和控制的第一方数据 – 而且，正如您在过去 18 个月左右可能已经听到过的那样，在当今隐私优先的环境中，它的价值已经飞涨。

原因何在？您可以将其用于相似定位、再营销，将其反馈到主要广告平台的竞价和定位算法中，以训练它们找到最佳用户等。 

无论您的垂直领域是什么，您的 CRM 都应该能够捕获数据，从而允许您将用户划分为具有不同值的存储桶。 

对于电子商务，这可以根据 LTV 来进行；对于 B2B 和 Lead Gene，这可以通过资格阶段来进行：MQL、SQL、Opps、Closed-won。 

对数据进行分段允许您将特定的段输入到算法中，这在您没有大量数据密度时非常方便。

例如，如果您在特定时间段内没有足够的 Opps 来有效地训练算法，请结合 SQL 和 Opps 来达到所需的数量，同时保持较高的用户质量。

4. 了解非 Cookie 测量方法

是的，谷歌放弃了在 Chrome 中弃用第三方 Cookie 的计划。

但是 cookie 跟踪本质上存在缺陷（用户选择退出、没有跨浏览器跟踪等）。

我经常使用两种非 Cookie 测量选项来分析客户活动： 

• 地质提升测试。
• 媒体组合建模。

Geo-lift 测试有一个很大的缺点（它每次只能对一个渠道起作用），但也有很多优点：

• 它不依赖于 cookie 甚至广告点击（因为印象也有价值）。
• 它适用于大多数平台（GA4、Shopify、Salesforce 等）。
• 您可以使用它在特定地理位置（DMA、州、国家）运行实验。
• Google 的 Causal Impact R 包可用于检测测试组随时间推移的任何影响。
• 它有助于衡量您的营销费用所带来的增量收入（会话、新用户、购买量、潜在客户）。

另一方面，媒体组合模型 (MMM) 衡量历史、整体渠道贡献，以帮助广告商调整跨渠道的预算分配，以实现更好的整体业绩。  

与地质提升测试类似，它也有很多优点：

• 它不依赖于 cookie 甚至广告点击。
• 它只需要来自您的后端数据源（GA4、Shopify、Salesforce 等）的渠道支出和汇总收入。
• 它可以帮助广告商估算每个单一渠道的贡献。
• 广告商可以使用 Meta 的 Robyn 来考虑季节性和延迟。

不过，MMM 比地理提升测试稍微复杂一些，并且具有以下缺点：

• 它需要2年的数据。
• 它需要一些微调。
• 它的实现依赖于 R 或 Python 知识。

即使仍有饼干，这两种测量方法都能够持续为我们的客户带来稳定的性能和效率提升。

深入挖掘：如何改进您的 PPC 测量策略以适应隐私优先的未来

5. 当数据稀缺时，使用代理指标

因为我们正在调整数据观察方式，所以我想讨论一下替代指标。这些是“软”指标，表明参与度高，并且/或者可以有力预测有意义的行动。 

由于它们在客户旅程中发生得较早，因此数量较多。虽然它们的价值低于漏斗下端的参与度，但了解该比例可以帮助您以相当高的精度使用代理指标。

例如，假设您没有足够的表单填写来输入 Google 的出价算法。您可以进行一些分析以了解，大约四分之一浏览该表单页面的用户最终会转化为潜在客户。 

如果您知道这些潜在客户的平均价值，则可以使用页面浏览量与表单填写量之比来计算页面浏览量的平均值。然后，您将：

• 在 GTM 中创建代理指标。
• 将代理指标带入 Google Ads，对名义值进行硬编码，并收集 2-4 周的数据。
• 使代理指标成为主要事件，以便用于出价优化。
• 衡量影响。

尽管数据密度不一致，熟练使用代理指标是保持您的活动分析灵活的好方法。

深入挖掘：5 个过时的营销 KPI 值得抛弃，以及可以参考哪些内容

现代 PPC 活动的高级分析策略

但这里有一个很大的好处：无论 Cookie 发生什么变化，我们刚刚讨论的大部分内容仍然是相关的。 

我强烈建议您现在就撸起袖子，熟悉所有这些举措，因为每一项举措都已经为我们的客户带来了显著的竞争优势。

观看：衡量 PPC 性能的高级分析技术

以下是我在 SMX Advanced 上的完整演讲：