从线上到线下（二）：解密确定性法，继续探究 ROPO 新趋势

在 ROPO 系列第一篇文章中，我们已明确了为何不该忽视 ROPO 现象，并介绍了应对该流行趋势的第一种方法：概率性法。但同时，我们也了解到，这种方法缺乏准确性，概率性法工具或许无法解决您的所有问题。

但您也无需另寻妙方：确定性法就能带您找到正确答案！

确定性法与概率性法有何不同？

概率性法根据经地理定位的用户样本来估计实体店访客量，而确定性法则是将用户线上足迹与线下数据（该数据由商家销售点用户明确提供）进行匹配。该方法只计算具备明确线上-线下关联的用户，不做任何推断，因此其可靠性毋庸置疑。

确定性法不是利用实体店访问代理服务器来衡量“类似品牌创建”效果，而是利用多种途径收集数据（包括办理会员卡、订阅店内新闻通讯、填写订单或调查表等），来精确衡量销售量。

所收集的数据通常包括姓名、邮编、电邮地址、电话号码等。这些数据一经收集，往往经过匿名化处理（出于保护顾客隐私的需要），并上传至在线平台。接着，确定性工具继续对线上-线下数据进行匹配，利用通用密钥识别个体顾客，继续深入研究 ROPO 趋势等等！

确定性法将如何助您一臂之力？

数据匹配能解决营销者可能会遇到的一系列难题。

• 研究与监测

ROPO 效应衡量的首要关键好处在于可确保在线广告投入不会打水漂。线上-线下数据匹配及数据显示面板创建可洞察哪些广告营销能在传统在线转化之外拉动最多销售量。这些方法可用于持续监测数据或详细分析广告活动后续影响。最终，商家可借此优化媒介组合方案，提升广告营销效率。

• 受众激活

ROPO 工具还有助于创建此前在技术上无法实现的顾客沟通场景。通过在线识别实体店消费者，商家能创建新的受众群体，并通过根植于用户资料的数字化资产和广告活动，开始推送个性化消息。例如，激活线下顾客数据库不仅有助于商家重定向消费者，进行交叉销售或升级销售，还能通过“类似受众”争取更多潜在顾客，并将顾客排除在获客广告活动之外。

目前已有工具及其作用

所有的确定性法工具最终都服务于同一个目标：关联线上-线下触点。这些工具各具特点，各自满足不同需求，且其复杂性和价格结构也各异。我们将按照使用复杂程度依次递增的顺序，介绍几种已有的方法和工具。

“围墙花园”——封闭网络体系

• 主要优点：能在围墙花园内大面积实现精准衡量和受众激活
• 市面上已有工具：Facebook分析 (Facebook Analytics)、Facebook 归因分析 (Facebook Attribution) 和 Facebook 高级分析 (Facebook Advanced Analytics)；谷歌广告数据枢纽 (Google Ads Data Hub) 测试版

谷歌和 Facebook 多年来一直致力于利用平台用户数字化信息，即广泛而详细的社会人口统计数据，来解释销售细分信息、衡量商家媒体投入效果、并在各自的广告库存内激活受众。

针对这些用例，Facebook 有三种互补的工具：

• Facebook分析 (Facebook Analytics)：该工具与谷歌分析 (Google Analytics) 类似，除了商家网站之外，还利用商家的 Facebook 页面数据及广告数据进行分析。Facebook 分析操作简单，很适用于了解商家线上行为与销售量之间的关系，从而帮助商家优化网站，或助其根据对销售量的真实影响，选择重要的数字化指标
• Facebook 归因分析 (Facebook Attribution，其前身为 Facebook Atlas) 能衡量大部分数字媒体投入（在某种程度上包括 Facebook 平台以外的数字媒体投入），并利用比“最终点击”更高级的归因模型分析这些媒体投入。在五十五公司与法国鳄鱼 (Lacoste) 品牌合作的一个项目中，Facebook 归因分析工具充分证实了其自身价值，能让我们就数字化设备对圣诞节期间运营情况的影响效果得出有力的增值结论
• Facebook高级分析 (Facebook Advanced Analytics)：最后这款工具也同样重要，它与谷歌广告数据枢纽 (Google Ads Data Hub) 类似，是一个可搜索数据库，集合了商家数据与 Facebook 或谷歌自身数据，能在准确性和统计建模方面进行更深入的分析。

不过，必须注意一点，Facebook和 谷歌这两大广告巨头的兴趣在于：让商家使用其数据，从而正确估量在其广告库存内购买广告的价值。因此，这两大巨头旗下的工具具有局限性。在衡量 ROPO 效应方面，商家根本不可能从这些工具中提取精细数据。此外，这些工具还有一些适用范围限制：Facebook 只能追踪除 YouTube 之外的渠道；谷歌无法获取 Facebook 平台的广告印象次数……最后，在受众激活方面，从各封闭网络系统中提取细分受众群体数据同样十分困难。

线下数据迁移

• 主要优点：多渠道受众激活
• 同样适用于：ROPO 可追溯效应衡量与分析
• 市面上已有工具：法国市场上的 Temelio、LiveRamp、Graphinium； 美国市场上的 Datalogix、Catalina

线下数据迁移即将广告主的线下数据库上传至线上，并将其与合作商数据库中已识别的cookie进行匹配。因此，商家能通过合作商的需求方平台（DSP），瞄准特定顾客群体，定向投放在线广告，并调整其媒体策略。同时，商家还能根据相关工具生成的顾客资料，为顾客量身定制网站内容。除了将线下顾客与线上用户进行匹配之外，该工具还会提供顾客的社会人口统计资料，有助于商家明确目标受众是否曾浏览了自家广告。

网站分析和客户关系管理 (CRM) 关联工具

• 主要优点：监测及优化媒体方案和用户体验
• 同样适用于：多渠道受众激活
• 市面上已有工具：本地关联工具类，如：谷歌分析360和 Salesforce 销售云联系工具）；特定客户关系管理-网站数据分析关联工具，如：Adobe 分析 (Adobe Analytics) 数据导入工具

这种方案需要定制化整合方案，包括数据处理和数据导入的内部发展方案。不过如今，谷歌分析和  Salesforce 销售云可相结合，使广告活动与销售数据无缝对接，并通过明确在线广告的真实覆盖范围和效果来帮助商家充分发挥营销投入的作用。这种将网站数据分析与客户关系管理数据相结合的做法令商家获益良多：可加深对在线广告表现的了解，以优化广告投标；调整网站登录页面；更有效地定向投放广告。这种方法的主要优势在于：它能在分析工具中直接匹配数据，从而便于商家进行特定分析和已熟悉该方法的运营团队进行相关监测。

数据管理平台 (DMP) 和客户数据平台 (CDP)

• 主要优点：高级自动化多渠道受众激活、可获取第三方数据、可调和第一方和第二方数据
• 市面上已有工具：Oracle （数据管理平台和客户数据平台）、Salesforce （数据管理平台和客户数据平台）、Weborama、Ysance、Adobe广告受众经理 (Adobe Audience Manager)、Tealium

数据管理平台 (DMP) 根据数字化资产和广告活动数据生成在线用户 ID 池，以此追溯并记录消费者线上足迹。比如，哪些消费者浏览并点击了商家在线广告、哪些顾客访问了商家网站、又有哪些用户将产品添加至购物车或心愿单等等。通过与线下数据相结合并进行匹配（通常通过数据收集方或数据迁移方实现），该工具能为一些有价值的用例提供解决之法，从而实现跨渠道自动定制信息。不过，要实现这个目标，还需要复杂的准备和一些重要资源。

客户数据平台 (CDP) 与数据管理平台并无多大差别，二者的关键差异在于：客户数据平台更依赖于第一方数据和用例，而数据管理平台更擅长处理第三方数据。两种平台各有所长，数据管理平台的线上覆盖面更广（若配合使用第三方数据），而客户数据平台的数据匹配更加精准。它能获取并分析更多精细数据，并且在受众定向和线上-线下关联分析方面更长期有效。

但值得注意的是，数据管理平台也能处理第一方数据；同样，客户数据平台也能畅通无阻地提取第三方数据。

数据湖

• 主要优点：高级可追溯分析；监测及优化媒体方案和用户体验
• 同时适用于：多渠道受众激活
• 市面上已有工具：基于云服务的定制化 Hadoop（分布式计算框架）生态系统 ，如谷歌云平台 (Google Cloud Platform)、亚马逊网络服务 (Amazon Web Services)、微软 Azure (Microsoft Azure) 等。

这种海量数据储存库支持分析并处理大量原始数据（无论来自线上渠道还是线下渠道，这些数据都能经由商家的多种数据流进行传送）。数据湖记录数据全面，且能储存个人可识别信息 (PII)，尤其适用于深入特定分析 ROPO 效应。

综上所述，虽然目前尚无法确切知道顾客是否只接触过单一广告，但他们在实体店购买商品之前，的确会受到在线广告的影响。这些技术手段可以说是营销者的福音，使他们在了解并衡量 ROPO 行为影响方面，又朝前迈进了一大步，并能相应调整营销策略。不过，我们在面对这些技术手段时，还必须理清所处背景，制定自身目标，以便选择合适的技术工具。关于这点，敬请期待 ROPO 系列第三篇文章！