“不确定性”，才是数字广告界的新现实

人们不喜欢生活在不确定中。他们想知道确定的信息，不管答案来自哪里。甚至爱因斯坦都曾经在20世纪20年代，以其著名的“上帝不玩骰子”的理由拒绝过新兴的量子论，硬科学变成了一种概率化、不确定的学科，让他感到很不安。我不知道上帝玩不玩骰子，但谷歌肯定是在玩骰子，不论你喜不喜欢，转化预测和触达推断一定会存在。

在过去几周，谷歌宣布将发布一款新功能，它以机器学习技术为支撑，可用于管理 Google Ad Manager 发布商的广告频次。这个功能将根据一个非公开的、可准确追踪的用户样本，预测广告曝光于某一用户的次数。

在发布这一消息之前，整个系列中还有许多其他类似的新功能发布。想知道有多少店铺访问是由你的广告和网站驱动的？进入“店内访问”，这是谷歌广告和谷歌分析的一项报告，它可以估算有多少人在点击付费搜索广告或浏览你的网站后出现在了店铺中。想要衡量不同设备之间的转化？“跨环境转化估算”就是专门为此打造的工具。

数字广告应该完全是可以被监测的，而且谷歌也无处不在，那为什么谷歌还要提供估算呢？

随着不同设备和渠道之间的消费者旅程越来越分散，以及新的法律（GDPR/CCPA）和技术（ITP）限制，营销人员不能再依赖硬性数据。没有哪一种监测系统可以100%准确地测量整个消费者旅程，包括谷歌。苹果设备上的广告曝光不能再与消费者旅程的其余部分联系在一起，绝大多数线下销售也无法做到。即使是始于移动搜索，止于桌面电商交易的最基本的消费者旅程，在大多数情况下也无法被测量。

由于品牌现在需要测量跨渠道的绩效，而且监管机构和技术领导者也在严加管制cookie的使用，完全确定性的测量已不复存在，传统报告的相关性也在一天天降低。要想在不同设备和渠道间测量绩效，而又能保证适用于未来且符合隐私保护条例，唯一的方式就是使用样本并进行推断。这就是为什么谷歌正加紧将机器学习应用于跨设备、店内和不受智能追踪预防影响的测量。

每一个功能的计算都不同，但方法都是相同的。

谷歌使用的是一个非公开的用户样本，且该样本应该很庞大。他们首先从这些用户处获得了所需的同意，可以准确地在不同发布商、设备和线下渠道间对其进行追踪。然后他们利用机器学习或更传统的在线调查，对所有用户进行推断。最终的报告一定是聚合的，并且仅在样本达到一定量的时候才可获得。听起来很像尼尔森的传统测量方法？其实，它是加强版的基于面板的数字营销，利用了谷歌庞大的身份图和无处不在的应用程序跟踪功能。而由于身份图庞大，并可对数据进行实时采集，最终的估算不仅准确，最重要的是，测量结果拥有很高的细致程度和可操作性，这是传统的基于面板的系统所做不到的。

但我们该思考的问题，不是要怎么利用这些新功能。如果日复一日一天到晚地使用它们，那可就太无脑了。我们更应该思考的，是怎么把这些新的报告融入到工作流程和决策过程之中，以及如何更好地在测量绩效时转变思维方式。上述大部分功能目前还在测试中，有时候不太容易导出，而且几乎从不与第三方系统兼容。如果转化注定是要由估算得出且不可审计，那么就很难说服媒体机构采用单次获客付费的方式。这也使谷歌营销平台（GMP）对于品牌营销人员而言更加不可或缺，谷歌扮演的到底是法官还是陪审团的问题也更加突出。

然而，这确实是我们需要面对的新的现实。在五什五数据公司，我们认为没有哪个品牌的首席营销官会将谷歌的独立性和现有机构的常规做法放在优先位置，而忽视长期的营销业绩。