§ Twitter 悄悄的在 ads.txt 當中加入了 Inmobi 的紀錄，也是 ads.txt 當中唯一的一行。§ Google 跟 Meta 在 Data Clean Room 的戰場遠落後其他競爭對手，Data Clean Room 則是 RMN零售媒體陣營成長最佳利器。§ 許多媒體趨只願意用陽春的 PPID 機制來達成頻次控管等廣告投遞基本功能。也因為媒體的次世代 ID 供給量有限，導致廣告主一直不願意加大預算去嘗試，形成一個雞生蛋、蛋生雞的難題。
TPG 週報會在台灣時間每週一早上 10:00 出刊，每一期將由 TPG 成員分享當週所閱讀的大小新聞與短評，還有不分新舊的優質閱讀文章分享。
【新聞短評】
With advertising in flux, Twitter is outsourcing ad monetization to ad tech
Twitter 前陣子才迎來新的 CEO，馬上在廣告業務上就有了一些進展：開始在程序化廣告市場上銷售庫存。從上個月 13 日起，Twitter 便悄悄的在 ads.txt 當中加入了 Inmobi 的紀錄，也是 ads.txt 當中唯一的一行。根據 Digiday 揭露，目前這項合作僅限於一些測試市場，但有計劃會逐漸擴展到其他市場。需要注意的是，從 Twitter 創立至今，從未從未透過程序化交易向廣告客戶提供廣告庫存，而是建立起類似圍牆花園的廣告銷售機制。這次的嘗試將會是很大突破，後續是否能帶領 Twitter 重新獲得廣告主的信心及預算相當值得留意。（by Richard）
‘Not the future’: European publishers remain steadfast in blocking alternative IDs to third-party cookies
無論新的第三方 Cookies 替代方案有多棒，總是會有媒體不願意嘗試，Digiday 這篇針對歐洲媒體高管們的採訪報告指出，在歐盟因為 GDPR 的緣故，媒體有責任向使用者說明第三方 ID 的使用狀況，並且需要明確取得消費者同意、才能整合 UID 2.0 或 ID5 等解決方案，導致許多媒體趨於保守，不願意嘗試任何第三方的解決方案，只願意用陽春的 PPID 機制來達成頻次控管等廣告投遞基本功能。也因為媒體的次世代 ID 供給量有限，導致廣告主一直不願意加大預算去嘗試，形成一個雞生蛋、蛋生雞的難題。（by Richard）
Germany's antitrust watchdog questions the future of behavioral advertising
一樣是來自歐盟的消息，德國的反壟斷機關 FCO，近日針對 Google 的壟斷案提出了聲明表示：只有少數的公司掌握了大量的第一方資料，而且多數的消費者是不了解資料被壟斷的情形。而在聲明中也提出後續可能的建議，認為產業需要跳脫出「透過資料驅動的數位廣告生態」。雖然德國對於 Google 的反壟斷調查還沒結束，也尚未提出正式對 Google 的裁罰或是要求，但在這過程當中，可說是對於當代針對受眾行為做廣告投放的商業模式，提出了根本性的質疑。（by Richard）
Meta threatens to pull news from its apps in California
近年來各地政府針對社群平台掌握媒體流量的狀況，紛紛提出相關對應法案，試圖讓平台能提供合理的分潤機制給媒體，矽谷所在的加州政府也不例外，在近日提出了 The California Journalism Preservation Act，該法案將針對科技巨頭因為新聞連結而產生的廣告收入課稅，該所得將用於支持加州當地的媒體。Meta 於上週三發出聲明表示，若當法案通過，Facebook 與 Instagram 將不排除針對加州使用者全面封鎖新聞內容，也強調是媒體自身願意將這些內容放上平台，且在 Facebook 普及前，媒體業本身就已經在走下坡。（by Richard）
Netflix Password Crackdown: Only 8% of Shared Users Plan to Subscribe
Netflix 正式啟動打擊寄生帳號， 台灣的 Netflix 的共用帳號方案是每人得要多付月費100元，就可與同住者以外的人共用帳號。究竟，這樣的決策將為 Netflix 帶來更多獲利還是出乎預料的損失？根據 CordCutting.com 調查，近四分之一的美國Netflix 使用者，會因帳密共享規則取消他們的訂閱。目前使用共享帳密的使用者中，只有 8% 的人因此註冊新的Netflix 帳號。另外，因共享帳號有意願而多付訂閱費用只有 5％ 的人。調查指出，美國市場可能有 1,520 萬人因此取消他們的訂閱。另外，Netflix 的打擊寄生帳號政策在西班牙遭到市場反彈而導致收入損失。上述，無論是調查或是至今的市場反饋，對 Netflix 來說皆是後續調整收費方針的依據，究竟該如何取捨短期利益與長期營收的矛盾，同時要說服市場其投資人期待，本刊將持續追蹤報導。（by Brick）
【長文閱讀】
How Retailers Are Using Data Clean Rooms
本刊之所以長期關注 Data Clean Room（簡稱 DCR）及 RMN 零售媒體相關議題，是因為除了他們是全球數位廣告市場趨勢熱門議題，這兩大顯學更是引領市場發展擺脫雙頭壟斷新局面的必要元素。這概念怎麼說呢？我用一個問題，來反向思考上述觀點。為何這門顯學新聞報導，我們卻相對少看見 Google 和 Meta 的相關新聞？
Google 跟 Meta 在 Data Clean Room 遠落後其他競爭對手
Meta Advanced Analytics（簡稱 AA），終於在去年度於全球市場問世，有別於其他 DCR 服務，AA 僅能就客戶第一方數據去做更多細膩維度分析，找出不同觀點的洞察，有益於下一次 Meta 廣告預算的計畫與執行，不過分析的結果、或是將第一方數據及 Meta 第二方數據整合之數據，是無法打包成新的受眾以作為廣告組合目標族群。 各界對於 Meta AA 理解相較 Google 的 DCR 較為陌生，因此本文以 Meta AA 數據分析層面服務來列舉，同時也揭開 Meta AA 服務神秘的面紗。Meta AA 可以提供分析內容如下：
- 廣告觸及及頻率分佈分析
- 受眾重疊分析，分析一次活動或是各帳戶受眾重疊比例
- 毛利提升比較分析，運用 AB Test 比較，看一組投放策略「毛利是最佳化」
- 最後點擊以及多重點擊屬性歸因，用來比較帳戶底下不同廣告活動的貢獻
- 轉換路徑分析，包含Audience Network、Mobile Feed、Messenger、Instagram 、Desktop Web feed 等，觀察哪一種路徑組合轉換率最佳
- 跨廣告活動成效分析，理解產品B素材，是如何有效產出產品A的實際轉換
至於 Google Ad Data Hub（簡稱 ADH），運用邏輯跟上述 Meta的 AA 雷同，差別在於 Google 生態系相對更多元，因此可以將 DV360、Google Ads、CM、YouTube 等 Google 生態系數據整合至客戶第一方數據後分析，且受眾可以打包至 Google 廣告平台。這邊要特別強調，運用 DCR 將受眾打包作為目標受眾的功能 AA 並不支援。
然而，Data Clean Room 等本質除了向無塵室般絕對保護及保密數據，但這些都比序指向更有商業價值的數據，而數據在此過程變成有價值是因爲與媒體數據做整合，簡言之就是將客戶的原有第一方數據，變得更豐富、更有深度、更多元面向數據整合去理解你的會員。
甚至所謂多元面向數據整合，更是具備更多 Open Internet 精神，而 Google 及 Meta 剛好代表花園圍牆內絕對強權。因此，廣告主通常能在其封閉生態圈自力更生，而不需要太多外部數據。這就是 Google 及 Meta 在 DCR 佈局相對其他媒體及數據平台較被動的原因。
如果你是 Google 或是 Meta 廣告業務，你會想推廣自家 DCR 嗎？
至今這兩家企業，在全球及台灣市場上沒有 DCR 的代表作或是成功案例。當然，雙頭巨人在全球市場上推廣 AA 及 ADH 的單位都是屬於「廣告業務單位」。試想賣廣告的 Account Manager 要賣 DCR ，勢必將面對客戶一堆問題，且投入疲於奔命解釋一堆後，卻無法提高客戶廣告預算。換言之，假設你是 Google 的廣告業務，你會建議客戶認真導入 GA4 及 GCP Big Query 應用還是 ADH 平台服務?
順著這個道理，再次思考兩家公司在 DCR 的佈局，就相對更好理解為何相對落後其他競爭對手。甚至，Meta 及 Google 目前主戰場核心為 ASC（高效速成廣告） 及 PMax（最高成效廣告），這兩大產品皆是 AI 自動化廣告，廣告自動化及第一方數據的價值產生廣告行動方針，概念上會有目標受眾自動與手動廣告設定的衝突。
Data Clean Room 是 RMN 零售媒體陣營成長最佳利器
本刊第50期曾報導過，RMN 可以分成零售媒體 1.0 及零售媒體 2.0。所謂的零售媒體 1.0，就是零售商運用其電商網站站內流量，創造出來的轉換流量價值。零售媒體 2.0，泛指零售業運用其第一方數據，運用站外媒體的流量，創造出來的轉換流量價值。無論是站內或是站外的零售媒體，零售商皆需要跟品牌廣告主協作，透過 DCR的安全環境下，將不同數據源整合、分析、運用，目的就是為讓整體廣告成效可以改善且持續提升。簡言之，RMN 擁有零售與廣告的「混血基因」，因此 DCR 在RMN 陣營就像一份強大的 CRM 報告，幫助廣告主深度分析銷售背後 What、Why、Where、When 以及 Who 的面向，同時又能真正將分析結果帶出 How 的行動分針，如結合廣告工具來打包目標受眾。
Carrefour 與 LiveRamp 的合作，包括使用 DCR 來分析消費者的購買模式，例如尿布的購買，過程中而不用擔心數據洩漏被數據廠商拿去變賣。根據 LiveRamp 的說法，他們的雲端資料庫將會把每一個數據資料集完全獨立，且其數據分析可揭示如「嬰兒成長過程」中的品牌轉換的洞察。如此真實、強大、完整的數據，讓 RMN 對於廣告主而言，將不僅是成效型廣告工具，更是觀察消費者樣貌進而整合整體廣告預算規劃的重要依據。
對於全球 RMN 火車頭 Amazon 來說， 推出的 Amazon Marketing Cloud（簡稱 AMC）就是 Amazon Ads 的Data Clean Room 服務，就是為了讓其 DSP 平台功能全面升級。AMC 對於廣告主的主要功能在於「歸因和分析」，讓廣告主的第一方數據與 Amazon 生態系平台的第一方數據集整合，包含了媒體和零售屬性數據，例如：Twitch，Fire TV，Kindle，Sizmek 廣告聯播網、Amazon 官網、應用程式、Fresh商店、Whole Foods 商店的數據。透過整個生態系的數據的整合，廣告主更可以知道每一個產品的銷售業績，究竟是透過哪一些渠道被創造，進而去調整優化整體廣告投放策略。的確，大宗的廣告主皆是 Amazon 的供應商廣告主，不過這樣的數據運用也是可以給非典型 Amazon 供應商，例如汽車品牌廣告主，可透過 Amazon DSP 來結合AMC 數據找出購買新車即出現在汽車銷售點的目標族群，進而觸及更多潛力買家。
結論
2024 年下半年全面淘汰第三方 Cookies，並以 Privacy Sandbox 等專案替代，屆時我們可以想像「廣告成效」以及「廣告歸因」將會受到很大衝擊。廣告歸因未來將無法向現在一樣追蹤成效，因此 DCR 將有助於補足及強化成效歸因的問題。
另外，前文提及 DCR 更像是 Open Internet 範疇的商業服務，因此我們也可以預見 DCR 服務商除了競爭更加劇烈，更會彼此合作尋求更大的潛在商機，例如LiveRamp 與 Snowflake 的合作就是最佳案例，Snowflake 平台可支援 LiveRamp Identity，讓客戶可以輕鬆地整合來自多個來源的數據，同時保持對個人身份的準確性和隱私保護。透過此合作，Snowflake 可運用來自 LiveRamp 平台的數據合作夥伴，包含連網電視、社群平台、零售媒體、行動媒體、數位廣告等，在 Snowflake上加速和強化的 ID 匹配和身份解析，同時保護個人 PII 數據。雙方合作同時也意謂「數據互通性」符合 OPJA 規範，我想這將是 DCR 產品及服務的重要核心發展趨勢。（by Brick）
【技術議題】
【聯繫與社群】
有任何問題與反饋？歡迎與我們聯繫： [email protected]
也歡迎在 LinkedIn 上追蹤我們，接收即時發刊與活動訊息！
核稿編輯：Ariel，部分內容亦有透過 AI 協助撰寫
