Google消滅第三方cookie，品牌主想找受眾怎麼辦？5種解套方案一次看|數位時代 BusinessNext

Google消滅第三方cookie，品牌主想找受眾怎麼辦？5種解套方案一次看

隨著隱私權的意識高漲，除了政府法規，各大瀏覽器也接連響應第三方cookie的限縮。面對打壓，首當其衝的是數位廣告業，他們該如何從中找到新出路？

一、跟隨業界先行者的腳步吧

也許你悲觀的覺得，數位廣告世界將因失去第三方cookie而隨之崩毀，不過，這或許也是推進數位廣告鎖定技術的開端。對於目前的媒體、品牌而言，當務之急當然是找到足以替代第三方cookie鎖定的其他管道。最聰明的作法，就是尋找與追隨那些早在無cookie的世界中探索下一步的業界先驅。

二、嘗試並開始習慣使用新的衡量基準

遠離第三方cookie的同時，也將讓那些曾習以為常的KPI衡量基準隨之消失。對於數位廣告業而言，開始習慣新的衡量標的，並用它權衡廣告活動的成敗將是當務之急。過去你習慣的展示頻率上限（Frequency Cap）、再行銷（Retargeting）、受眾組成（View Attribution）等成果都將因第三方cookie的消失而有所不同。你可以考慮發展內文取向的鎖定技術、利用第一方數據來更了解媒體所擁有的受眾組成與偏好、或者在每次的廣告活動後，利用多次測試和比對調查數據，也會讓你能更正確的衡量廣告效益。

三、檢查你的DMP（數據管理平台）

你有使用DMP嗎？或者你正在考慮將DMP納入廣告策略的一環？

若是如此，你應該快與你的DMP供應商討論，他們對於不遠的無餅乾世界有何規劃。除了應對政策之外，了解他們所擁有的數據來源也很重要！該DMP提供的是確定性的數據（Deterministic Data），還是概率性的數據（Probabilistic Data）？前者直接來自於消費者提供的資料，而後者可能只是基於統計樣本的推估。

顯然地，確定性數據的準確性會大大高於概率性數據。此時第三方cookie的消亡，很可能大幅降低市場上可用的概率性數據，取而代之的，是更多媒體將投入收集確定性數據的市場。了解DMP提供的數據類型極為重要：概率性數據並非絕對不可靠、確定性數據也可能因收集過程而產生偏誤，你得清楚知道數據從何而來，會如何影響媒體購買的決策。

四、使用者的許可勝過一切

你以為個人化廣告要失蹤了嗎？其實不是，只是他們將面對更多的門檻。消費者在進入網頁時，會看到「是否要接受網站讀取自己的個人資料，投放與自己相關的廣告」等問題，消費者同意與授權後，無論網站或App都仍可對其投放個人化的廣告。

其實可以在這個環節，讓用戶的同意顯得更強大、有效，只要你將「徵得同意」的行為結合「明確的價值描述」 。建議你，在爭取用戶同意個人化廣告時，把問句設計得更容易理解、也更令人信任。你可以在這段文字中描繪同意後的廣告體驗會有多豐富、多讓人享受，也可以在文字中向用戶保證他們的數據資料是安全無虞的：網站會防止不當的資訊暴露、越界的數據使用。向用戶強調他們將得到的優質體驗是最重要的，而不是僅追求合乎法律規範。

五、媒體商應開始建構屬於自己的高牆花園

圍牆花園（walled garden）又稱封閉平台（closed platform），是常見於通訊媒體業的概念。意指服務的供應商可以讓使用者在服務範圍內不接觸到外來的特定應用功能、內容、以及媒體，例如Google、Facebook實際上都創造了高牆花園。相對的概念則是開放平台，它允許使用者不受限制地接觸外來應用功能或內容。

那麼，為什麼要建構自己的高牆花園呢？顯然在第三方cookie缺席廣告市場的狀況下，媒體購買者需要把他們過去鎖定用戶數據的需求，轉向投資第一方所搜集的用戶數據。2018年有項在歐美進行的調查顯示，Google、Facebook等高牆花園讓行銷人員獲得的數據難以評估，因為業者並沒有提供足夠的數據資料來追蹤廣告效益。

跟上這股潮流吧！當媒體開始建構自己的高牆花園，手中收集的第一方用戶數據會吸引代理商或品牌端前來合作，旨在透過媒體搜集的登入、購買、裝置使用、位置等數據來訂定廣告策略。媒體所收集的任何數據，都可能成為廣告投放過程中重要的定位依據。

責任編輯：文潔琳、蕭閔云
本文授權轉載自：TenMax

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。