以前，游戏公司依赖归因分析来绘制用户体验历程，确定推动成效的因素。归因分析曾是他们衡量数字广告成效时的首选方法，原因很简单，因为它的效果好。

但在新的数字环境下，单靠归因分析已经不足以满足需求。由于信号缺失，单独使用任何一种成效衡量方法都无法全面衡量营销活动的成效。这倒逼着数字广告行业采用新的成效衡量方案，即一种同时涵盖成效衡量3个维度的综合方案：归因分析、实验和建模。三个系统互为补充，协同发挥作用，共同作为成效衡量的数据来源。

如果成效衡量策略并非以提升业务成效为根本目标，公司便会将营销资金浪费在可自然获取的玩家身上。

所以今天，为帮助各位广告主重新制定成效衡量策略，四海给大家分享一份来自Facebook官方的成效衡量指南白皮书《顺应时代变迁提升广告表现》。

该报告包括各种重要信息，通过借助全方位的成效衡量策略，公司可以更清楚地了解客户体验历程，制定出更加明智、更有效率的营销决策。让广告主找到更明智的方法，在接下来的在Facebook营销上，广告表现更上一层楼！

01

采用全方位成效衡量：

归因分析、实验和建模如何协同发挥作用

归因分析

·对广告主来说仍有价值

·允许近乎实时地了解广告成效

·可快速提供指导（这是其他工具无法做到的）

·非增效衡量

实验

·因果衡量的黄金标准，需设置测试组和对照组

·可用工具包括转化提升测试、隐私保密提升调研、划区域提升实验等

·增效衡量仍应是决策过程的关键

建模

·游戏广告成效衡量的新选择

·有望有效解决日益严峻的问题

·非个人层级数据/数据总是经过汇总

·通过建模得出的基准成效衡量增量成效

每种成效衡量方法都有各自的独特优势

实际应用情况

归因分析、实验和建模，所有这三种方法都有自己的用武之地。关键在于明确每种方法适用于哪些情形以及它们可以如何互为补充。探索设备层级确定性移动端归因分析的替代方案，力求获得更全面的分析。

1、归因分析可为确定测试重点和定义受众队列提供参考：您可以提出假设，然后通过实验进行验证。归因分析的结果可用于定义受众队列，供通过建模预测未来的KPI（如pLTV和pROAS）时使用。

2、实验可用于验证归因分析的结果，还可用于校正模型，确保与基准真相一致。

3、营销组合模型基于以往的实验来预测增效，可帮助填补归因分析未覆盖的缺口，例如选择拒绝追踪的用户的数据、跨发行商、自归因网络（SAN）等。MMM也可通过实验进行校正。

善用每种成效衡量方法的优势可帮助您调整营销策略，有效推动业务增长。各方法得出的结果在某些方面可能会有出入，但如果结合使用，广告主将能够获得更全面的成效分析数据，进而据此做出营销决策。这些成效衡量方法和解决方案将协同发挥作用，帮助广告主做出最明智的预算、策略和战术决策。

以上是Facebook官方的成效衡量指南白皮书《顺应时代变迁提升广告表现》的部分内容，更多精彩干货、案例分析请查看完整版的白皮书。