谷歌发表了一篇关于数据和测量的战略文章，回顾了 cookie、隐私和跟踪转化的近期发展。这篇文章概述了 2023 年对营销人员来说会是什么样子，以及他们现在应该做些什么来做好准备。
该文章指出了一个惊人的统计数据，即到 2020 年，只有 10% 的人口受到隐私法规的保护，而到 2023 年，整整 65% 的人口将生活在具有隐私保护法规的国家/地区，这些法规限制了他们的互联网活动可以被跟踪的程度.
本文讨论了推动转化的策略，并以打破围绕不久的将来隐私优先营销现实的三个神话的形式介绍了这些方法。
三个隐私至上的神话
- 误区 #1：弃用 Cookie 会破坏网站标签
- 误区二：准确测量依赖于第三方数据
- 误区 3：保护隐私和推动业务成果相互排斥
误区 1：Cookie 弃用和网站标签
谷歌指出，第三方 cookie 最终将被淘汰，但这不会影响准确衡量和优化互联网营销活动的能力。
他们建议使用全局站点代码 (gtag.js) 或 Google 跟踪代码管理器来优化营销活动。
谷歌表示，这些测量工具提供：
“……准确衡量，对下游产生积极影响，并改进转化建模和出价。”
误区二：第三方数据丢失会影响准确测量
第三方 cookie 使上下文相关的广告能够改善广告商的客户定位，消费者通常开玩笑地称之为令人毛骨悚然的广告。
谷歌建议现在是开始规划第一方数据战略的时候了。
这篇文章链接到一个名为“营销人员应该如何考虑建立第一方数据策略”的视频，主讲人是 Google 全球产品主管 Jaylen Baca。
他首先将第一方数据定义为从各种交互中收集的有关每个客户的所有信息，包括电话交互、店内交互和应用交互。
Baca 建议与相关公司建立 B2B 合作伙伴关系，这有助于建立更多的第一方数据。
他提供了这个场景：
“例如，如果您是一家食品和饮料公司，您可以考虑与 Home Chef 或 HelloFresh 等家常套餐销售商合作，以扩大您的受众范围并建立您的数据。”
误区 3：保护隐私会对业务结果产生负面影响
谷歌承认第三方数据的丢失会导致“测量差距”，并表示这是不可避免的。
然而，他们建议隐私安全的机器学习模型可以介入，以帮助提供关于客户旅程的准确报告。
谷歌解释说：
“机器学习通过分析数据来识别趋势、相关性和其他可能因人为错误或其他原因而被遗漏的见解。”
有一个关于转换建模的五分钟视频解释器的链接，该链接概述了机器学习以及第一方数据如何帮助提高活动绩效，并引用了一项研究表明机器学习工具可以将活动绩效提高 35%。
引用
事实与虚构：阻碍营销的 3 个测量误区