术语库

Ads.cert

Ads.txt

IAB技术实验室开发的文本文件，旨在帮助您仅通过认定的授权卖家销售您的数字广告资源，防止向广告客户展示仿冒广告资源。

Alexa排名（Alexa Rank）

一个根据用户的浏览习惯对网站进行排名和评估的平台，其样本涵盖所有互联网用户和网站。

ATF / BTF

首屏（Above The Fold）指用户不需要拖动滚动条即可看到的屏幕内容。需要用户滚动才能看到的广告位于首屏下方（Below The Fold）。

安装归因欺诈（Install Attribution Fraud）

某些合作伙伴通过伪造或窃取导致用户安装的行为来骗取绩效营销人员的CPI（每安装成本）佣金。

安装欺诈（Install Fraud）

是一种欺诈手段，通过伪造付费应用安装事件来骗取绩效营销人员的CPI（每安装成本）佣金。

安装追踪（Install Tracking）

安装追踪专门针对移动设备和平板电脑，允许广告主追踪广告营销活动在何时产生了新的安装。很多营销人员设立CPI（每安装成本）项目，以鼓励用户下载并使用应用程序。

由于无法直接在应用商店中触发第三方追踪代码，这意味着不能直接从应用商店事件中检测到安装事件。因此，大多数广告主通常会在检测到应用程序被新用户首次打开时，计算一次应用安装事件。

按帖子付费（Pay Per Post）

按帖子付费（Pay Per Post）是社交媒体网红合作伙伴营销项目中一种常见的付费模式，其中广告主为每个帖子或社交提及支付固定费用，而不考虑绩效如何。

按潜在客户付费（PPL）

按潜在客户付费模式是指广告主在网站访问者提供联系信息时，向流量主支付费用。

按点击付费（PPC）

按点击付费是一种用于推动网站流量的互联网广告模式，当广告被点击时，广告主向流量主（通常是搜索引擎、网站所有者或网盟）支付费用。

按销售付费（PPS）

按销售付费是指广告主按所产生的直接销售量向流量主支付费用。

B2B

企业与企业之间进行产品或服务交易的商业模式。

B2C

企业直接面向消费者销售产品和服务的商业模式。

不友好iFrame（Unfriendly iFrame）

不友好iFrame不允许广告交易平台或验证供应商等第三方参与者访问嵌入iFrame的流量主网站的信息，这给广告可见度衡量带来了很大挑战。

不可信域（Inappropriate Domains）

不可信域是指不适合投放广告且会损害品牌形象的域，例如带有恐怖主义色彩或色情元素的页面。

不可寻址媒体（Non-Addressable Media）

不可寻址媒体是指无法与用户绑定的媒体，因为在投放广告时无法提取用户唯一标识符。例如，当广告通过传统电视、广播投放时，或者印刷在报纸或广告牌上时，该广告通常被归类为不可寻址广告。与之对应的是可寻址媒体，可以通过概率或确定性标识符与用户关联。例如，应用内投放的展示广告可以与用户的设备ID绑定，实现可寻址投放。

人们容易误以为所有的线下渠道都是不可寻址的——这是不准确的。直邮广告就是典型的可寻址广告。有线电视公司也推出了可寻址电视，与IP数字电视（联网电视和流媒体电视）争夺资源。

同样，人们也容易误以为所有的数字广告投放渠道都可以寻址——这同样也是不准确的。大多数营销人员无法从封闭平台中检索特定标识符，从而导致很多数字营销广告仍然无法寻址。

曝光后转化率（Post-impression Conversion Rate）

曝光后转化率是用户被展示广告后触发转化的次数百分比。

计算公式为：
曝光后转化率 = 被展示广告并完成转化的用户的数量/广告印象数

标识符（Identifiers）

标识符是用于建立用户身份的属性或机制。标识符是绩效营销的重要组成部分，因为它有助于将不同的营销接触点（譬如广告曝光和付费搜索点击）与真实成功事件（转化事件）关联起来。

标识符有两种形式：确定性标识符（可用于明确标识用户或设备）和概率性标识符（可用于近似标识用户或设备）。最常见的标识符有Cookie、IFA（广告主标识符）、PII（个人身份信息）以及设备指纹和快照。

白名单/黑名单（Whitelist/Blacklist）

白名单列出的是可以放心投放广告的网站和应用程序。相反，黑名单列出的是应该避免投放广告的网站和应用程序。

Cookie

PC端和手机端网络的主要确定性标识符。Cookie包括是第一方Cookie和第三方Cookie。

Apple Safari一直是限制性最强的浏览器，默认情况下不允许在iPhone上设置第三方Cookie（用户可以在Safari上修改设置），并且通过 智能跟踪防护（ITP）服务限制第一方Cookie的生命周期。

由于大多数网站自行维护Cookie，Cookie格式通常是非标准化的。Cookie也是匿名的。也就是说，它们可以与个人身份信息（PII）相关联，但是通常不储存个人信息。

Cookies

用户在访问网站或单击链接时，计算机存储在网络浏览器中的信息。它帮助网站追踪用户的访问和活动，以及将转化归因给相应的合作伙伴。如果Cookie的域名与用户所在的站点一致，则为第一方Cookie，如果域名不一致，则为第三方Cookie。

Cookie填充（Cookie Stuffing）

一种归因欺诈，网站或浏览器扩展程序在用户未经许可或不知情的情况下，将Cookie丢弃到用户的Web浏览器中。

Cost Importers

Cost Importers是impact.com推出的一款工具，用于从广告主技术堆栈内的第三方系统中提取媒体成本数据。Cost Importers通常无需IT支持（不需要技术专家来实施集成），可以直接由impact.com平台的非技术资源进行配置。

产品归因（Product Attribution）

产品归因是指用户在产品层级而不是订单或转化层级运行归因模型。通常，大多数归因解决方案在绘制转化路径时将转化视为不可分割的单元。但是，事实上，一次转化可以表示包含多件产品的订单。

产品归因让营销人员可以重新计算转化路径，在更细的颗粒度级别分配功劳，而不是简单笼统地在转化层级进行归因。这让营销人员能够获取任何具体产品的归因数量和收入数据，并且非常有利于帮助广告主制定产品层级的营销和媒体策略。

产品清单（Product Feed）

产品清单，也叫作“产品目录”，是指广告主的所有产品的清单，通常包含名称、说明、价格等信息。

出站链接（Outbound Link）

出站链接是从我们的网站指向别人网站的链接。

参与度指标（Engagement Metrics）

用于衡量用户与您的品牌的每种类型的互动。这些指标包括自定义广告可见度指标（譬如视频广告的播放时长）和广告交互度指标（譬如鼠标与富媒体展示广告的交互）。

成交者（Closer）

“完成销售”、促成消费者转化的合作伙伴，包括优惠券网站、折扣网站、会员网站、工具栏合作伙伴和购物车弃置合作伙伴等。另见：“推介者”和“贡献者”。

成功事件（Success Event）

成功事件是广告主希望其网站和应用程序访问用户执行的事件，可以是创收或销售线索生成事件，例如成功结帐或生成销售线索，或值得关注的中间事件，例如创建新帐户、将商品添加到购物车或填写潜在客户表单。

查询（Query）

查询是指用户为满足其信息需求而在网络搜索引擎中输入的基于特定搜索词的查询。研究搜索查询趋势是实现搜索引擎营销（SEM）优化的关键。

超级营销伙伴（Super Affiliates）

为广告主的联盟营销项目带来最多收入的营销伙伴。

重定向（Redirection）

通过各种方法将各种网络请求重新定向转到其它位置。

代理穿透（Proxy Piercing）

代理穿透技术可以让主机能够识别用户是否通过代理服务隐藏身份来进行交易。

单一选择加入（Single Opt-In）

单一选择加入是指只需要由网站访问者在表单中输入信息，而无需通过电子邮件确认。

单触点归因模型（Single-touch Attribution Models）

单触点归因模型是最简单的归因模型，因为它将100%的转化功劳全部分配给某一个接触点。最常见的单触点归因模型是最终点击模型，该模型将100%的转化功劳分配给在转化发生前产生最后一次点击的接触点（前提是该点击发生在设定的回顾窗口内）。

地理定位（Geo Target）

地理定位让广告主可以定位特定国家、州、省、城市、邮政编码、区号或DMA（Designated Market Area，指定市场区域）。

多变量测试（Multivariate Testing）

在市场营销领域，表示向不同用户展示同一网页的若干版本。这些版本是由页面元素（文本、图像、行动号召、标题等）的不同变量组合而成的。然后，通过随机向不同访客展示不同版本，比较它们的绩效。另见：“对比测试”。

多漏斗转化（Multi-funnel Conversion）

大多数转化漏斗都很简单——电商通常只有一种路径：登陆网站 > 搜索产品 > 将其添加到购物车 > 结算 > 订单确认。

然而，有些业务的转化路径更为复杂，可能涉及多个转化渠道，即“多漏斗转化”。转化漏斗往往会带来中间的“成功事件”，营销人员会根据这些“成功事件”来优化营销方案——尤其是当转化路径复杂、冗长，并且只有在用户完成后续转化路径后才能真正完成转化时。例如，在前序漏斗中，营销人员的目标可能只是让用户订阅服务或创建账户。而使用服务或执行创收任务等目标则由后序漏斗实现。

对于多漏斗转化，平台需要能够分析跨多漏斗转化的行为。这可以帮助营销人员定义多个“成功事件”，并有效地将转化漏斗拼接在一起。这样，营销人员可以了解他们的短期转化绩效（哪些渠道推动了最多的用户注册），同时能够确定哪些广告支出推动了最终转化（哪些渠道带来的注册用户最终完成了转化）。

多触点归因（Multi-Touch Attribution）

广告主将功劳归给转化路径中的多个触点，而不是将所有功劳归给首次点击、最终点击或加购前最后点击。

多触点归因模型（Multi-touch Attribution Models）

多触点归因模型（MTA）比单触点归因模型要复杂。多触点归因模型致力于为转化路径的多个触点分配转化功劳。单触点归因模型最大的缺陷之一就是，消费者的数字接触点可能很复杂，而它无法真实地反映这种情况。

转化通常并不只是某一个渠道的功劳。例如，视频广告帮助建立品牌知名度，富媒体广告或邮件广告帮助强化用户兴趣和购买意愿，付费搜索广告最终推动用户下单购买——这些渠道共同作用，促成了一次转化。

大型网红（Macro Influencer）

社交媒体催生了大量大型网红。有些地方网红的名声被社交工具放大，成为了大型网红。有些可能是其他领域的内容创作者。（粉丝数量：1万-100万）

定向营销（Targeted Marketing）

定向营销是指锁定某一个层次的消费群体，或者锁定某一个职业与行业的群体，对群体的消费理念消费行为，消费习惯以及对品牌的要求，如包装色调、功能效果、特点与个性等方面的要求，根据消费者的消费心理为目标顾客量身订做活动方案，成功的系数就会提高。

对比测试（Split Testing）

对比测试，也叫作“A/B测试”，指测试两种不同版本的内容或广告以了解哪一种最适合目标受众的做法。另见：“多变量测试”。

点击（Click）

互联网用户在浏览器中显示某一广告的位置，敲击鼠标键的动作。在移动设备上，“轻击”一词更为准确。

通常，用户点击付费搜索或横幅广告后，会自动导航至广告主的网站或应用程序。不过也有例外——有时用户点击或轻击某些类型的展示广告时，可能会触发视频或其他互动元素，用户始终停留在同一页面上。

点击后转化率（Post-click Conversion Rate）

点击后转化率是用户点击广告后触发转化的次数百分比。

计算公式为：

点击后转化率 = 点击广告并完成转化的用户的数量/广告印象数

点击欺诈（Click Fraud）

为获取商业利润或者其他利益，利用自动化脚本、计算机程序和雇佣自然人的方式，模仿正当合法的网络用户，对网络广告进行恶意点击并且达到一定规模的行为。

点击追踪（Click Tracking）

利用追踪解决方案追踪用户的点击行为。可以直接在网站上追踪点击，也可以通过调用追踪代码在广告主的广告管理系统中进行第三方追踪。在Web环境中，点击追踪器通常为可执行标记，也可以使用像素代码。应用内的点击需要专门的API来进行追踪，因为Javascript代码不能在应用内环境中使用。点击追踪器能够获取关于访问来源的所有必要信息（流量主或媒体合作伙伴来源）。

点击通过率（Click-Through Rate）

广告所获得的点击次数除以其展示次数所得的比值，通常用百分比表示。

独立点击（Unique Clicks）

终端用户独立点击链接或广告的次数，同一个链接或广告的多次点击算作一次。独立点击与总点击不同，前者不包括重复访客或点击。

独立贡献/收入（Unique Contribution/Revenue）

在拼接转化路径时，营销人员很可能会发现很多由一个营销接触点和一次转化组成的单触点转化路径。我们很容易得出结论，如果该营销接触点没有发生，那么转化事件也可能根本就没有发生。因此，我们可以根据单触点转化路径中的接触点推动的转化量或收入来衡量其独立贡献或收入。

独立贡献指的是某个渠道或媒体独立带来的转化数量或销售收入。

如今，营销环境日益复杂，渠道错综杂乱，您需要衡量每个渠道或媒体的独立贡献和收入，以便了解哪些渠道或媒体为您带来了最大价值。

例如，假设某营销人员通过分析转化路径，发现50条转化路径大致是这样的：付费搜索点击 –> 转化，最终共带来了1,000美元的销售收入。那么，付费搜索渠道的独立贡献为50次转化，独立收入为1,000美元。

电视归因（TV Attribution）

电视归因模型让营销人员能够了解电视广告的各个维度对网站流量、线上销售和其他数字活动的影响。长期以来，营销人员一直认为在传统电视上播放广告通常会促成线上转化——但由于电视广告的不可寻址性，其影响难以准确量化。

电视归因模型让营销人员可以收集总收视点数据（GRP），并分析它们对推动线上转化的增量影响。

第一方Cookie（First-Party Cookie）

第一方Cookie是由网络用户访问的域创建的Cookie。

第三方Cookie（Third-Party Cookie）

第三方Cookie是来自别的域名而非所访问的域名的Cookie。

恶意SDK（Malicious SDK）

恶意SDK是网络流量黑产通过“污染”正规应用、利用应用设备进行刷量的一种流量作弊手段。恶意SDK嵌入用户手机后，可以控制应用实施广告欺诈。

恶意应用程序（Malicious App）

恶意流量主通过实施各种欺诈行为骗取广告佣金，具体手段包括模拟用户点击广告、将来自移动广告平台的应用程序安装到虚拟环境中等。

恶意机器人（Malicious Bot）

恶意机器人是指被用以进行广告欺诈的机器人。

恶意流量检测（Automated Traffic Detection）

利用复杂的算法精准识别来自僵尸网络、被劫持设备、恶意脚本注入和其他自动化程序的流量。

恶意软件（Malware）

恶意软件指所有以危害计算机或计算机上运行的软件为企图的软件。恶意软件可通过劫持设备、广告素材、浏览器、应用程序和SDK来实施广告欺诈。

付款（Payout）

单次销售或转化的收入。

付款最低限额（Payment Threshold）

合作伙伴必须达到付款最低限额才有资格获得付款。

付费媒体（Paid Media）

付费媒体一词通常与自有媒体和赢得媒体一起使用。

付费媒体包含了绝大多数的付费广告，指的是以每千人成本（CPM）或固定费用模式支付的媒体曝光。不过，也有很多付费广告是以其他模式支付的，如每点击成本（CPC）、每潜在客户成本（CPL）、每安装成本（CPI）或每获取成本（CPA）。

付费媒体通常包括以下形式/渠道：标准横幅广告、富媒体广告、视频插播广告、数字音频、原生广告、付费搜索、付费社交媒体广告、户外数字广告，以及传统的线下渠道，如电视广告、广播广告、印刷出版物（杂志或报纸）、户外广告、电影院广告等。

付费搜索（Paid Search）

付费搜索是一种数字营销，是指广告主为来自搜索引擎的广告空间付费，为可能与目标相关的关键字词出价，以便可以吸引访问者访问网站、产生潜在客户并提高品牌知名度。

付费营销（Paid Marketing）

付费营销是指营销组织采取的需要付费的营销活动，以从潜在受众中获得曝光、参与或转化。付费媒体是指通过付费或交换资源获得的体现直接成本的营销资源，属于付费营销。除了广告之外，付费营销还包括与营销伙伴、社交媒体网红、B2B战略合作伙伴、地方大使和客户品牌大使等建立付费合作伙伴关系，获得推广机会。

发展合作伙伴关系（Partnership Development）

发展合作伙伴关系是指与战略性B2B合作伙伴、原生应用集成、会员计划、社交媒体网红、app-to-app集成、企业社会责任项目/慈善事业、传统网盟、优质媒体 平台和品牌大使等合作伙伴建立全方位的业务关系和联盟关系，以提高销量、客户参与度和品牌知名度。

复杂无效流量（SIVT）

复杂无效流量（SIVT）属于欺诈性流量的一种，它无法通过简单的规则识别出来，一般需要通过高级分析，多方合作与协调，乃至人工干预等方法以及广告投放活动以外更大范围的数据信号才能分析和识别。

访问时长（Viewtime）

广告满足可见区域标准的持续时间。

非人类流量（NHT）

非人类流量是自动化的无效流量。它虚增了广告主的点击或展示费用，同时损害了绩效指标的真实性。

风险得分范围（Risk Scores and Ranges）

欺诈风险得分范围为0-100%，得分越高，流量的欺诈风险就越大。

具体分为以下几个范围：

< 3% (极低风险): 优质流量，不太可能在活动层级出现无效流量。
3-6% (低风险): 较少可能出现无效流量，可能会在事件层级
6-10% (中风险): 可能出现无效流量，集中在事件层级。有效和无效流量可能混合出现。
10-20% (较高风险): 可能出现无效流量，集中在事件层级。有效和无效流量很有可能混合出现。
20-30% (高风险): 无效流量活动可能会影响整个流量来源。有效和无效流量很有可能混合出现。
30-100% (极高风险): 不建议从此得分段的来源购买流量。

个人身份信息（PII）

个人身份信息（PII）一般是指包含个人身份信息的数据，例如登录信息、电子邮件、电话号码、姓名、社交媒体平台用户名等。它们可用于将其他标识符关联在一起，是一种可靠性很高的确定性标识符。

因为PII是由用户自己输入的信息，所以通常非常可靠。它可以用来整合用户的线上和线下旅程。PII需要符合GDPR等隐私保护条例的规定。

关键字列表（Keyword List）

为广告选择合适的关键字列表有助于向客户更好地展示广告。关键字应当与潜在客户在搜索您的产品或服务时可能使用的字词相匹配。

关键绩效指标（KPI）

关键绩效指标（KPI）是衡量绩效的一种量化管理指标，通过把企业的战略目标分解为可操作的工作目标，建立明确可行的KPI体系，是做好绩效管理的关系。

有时，一个KPI对应一个指标。但更多时候，一个KPI是由多个指标计算得出的。ROAS（广告支出回报率）就是一个常见的广告KPI。ROAS作为一种营销指标，用于衡量在广告上花费的每一美元所赚取的收入。只要知道具体的销售额和广告成本，就能快速计算出相应的ROAS。ROAS = （广告收入 – 广告成本）/广告成本。

广告主（Advertiser）

从流量主处购买广告位以推广产品、服务或品牌的品牌或商家。

广告主标识符（IFA）

广告主标识符（IFA），主要适用于应用内场景。IFA由所在的平台（通常为Apple iOS或Google Android）维护，可用于在该设备上的所有应用程序中识别唯一设备。 但是，它一般无法在移动浏览器上访问。

IFA和Cookie一样都是确定性标识符。它由32个字母和数字字符组成，并且是假名的。 与Cookie不同的是，IFA完全由所在平台控制，并且通常（欺诈性设备重置农场除外）具有较长的生命周期。

广告位欺诈（Placement Level Fraud）

广告位欺诈是一种欺诈手段，其中用户是真实的，但广告位是虚假或伪造的。

广告位验证（Placement Verification）

广告位验证通过分析Header传递的引用源之间的差异，揭露域/应用程序掩蔽和欺骗，以及用户接收广告的实际环境。

广告创意（Creative）

广告主创建的营销工具以吸引访问者点击并采取行动。具体案例包括横幅、弹窗、邮件营销、文本链接、标志等。

广告创意欺诈（Creative Fraud）

广告创意欺诈或恶意广告是指恶意行为者在广告中注入恶意代码以引发某种类型的欺诈活动，例如产生虚假点击或额外的广告调用。

广告堆叠（Stacked Ads）

广告堆叠是一种广告欺诈手段，指在一个广告展示位置中将多个展示广告相互堆叠。用户只能看到最上面的广告，但是后面实际上可以有多个广告。

广告平台（Ad network）

将流量主（利基网站、博主）的广告资源聚合起来，以便广告主（品牌、商家）购买的平台。

广告拦截（Ad Blocking）

广告拦截是指屏蔽网络浏览器或应用程序中的侵扰性广告。

广告支出回报率归因（Attributed ROAS）

广告支出回报率（ROAS）是一种营销指标，用于衡量在广告支出的实际效率。由于广告支出回报率属于衍生指标，归因模型不会向其分配转化功劳。广告支出回报率归因是通过归因收入计算得出的。

计算公式为：
归因广告支出回报率 = 归因收入/广告成本

广告欺诈（Ad Fraud）

广告欺诈也称为“无效流量”，通过制造虚假的广告曝光、点击、转化等事件或指标骗取收入。

广告注入（Ad Injection）

利用恶意浏览器扩展程序向网页注入广告，将用户从正常浏览页面指向到广告页面，从而获取广告收入。

广告软件（Adware）

也称为“间谍软件”。通常在用户不知情或未经用户同意的情况下在用户电脑上安装，以收集用户信息并给用户推送不需要的广告。

归因（Attribution）

指将功劳分配给促成某种结果的一系列用户行为或事件。营销归因是对用户旅程中所经历的不同营销渠道的不同接触点对达成转化目标的贡献价值评估。

营销人员和营销机构利用归因来确定营销策略以及随后的顾客互动对于销量、转化量或其他目标的推动作用的方式。

归因收入（Attributed Revenue）

指归因模型分配给渠道、营销活动、关键字、广告等可归因元素的收入。例如，假设某转化路径包含付费搜索渠道和广告展示渠道，且两个渠道对转化的贡献相等（即采用线性归因模型），则对价值50美元的转化事件归因时，这两个渠道各获得25美元的归因收入。

请注意，广告主可以选择用纯收入进行归因分析，但一般最好用净收入（即收入并减去产品成本）进行归因计算。

归因模型（Attribution Model）

指一种或一组规则，用于确定如何将转化功劳分配给转化路径中的接触点。例如，假如您是一名零售商，上个月有200,000美元的收入来自于付费媒体渠道的客户，您可以利用归因模型将这笔收入的功劳分配给付费媒体的各个接触点。归因模型可以根据营销渠道、营销活动、广告植入、关键字营销产生的收入，分析其推动的价值。

您可以分析比较不同的归因模型，找到最适合您业务的模型，并更加全面地了解不同营销渠道对转化的贡献。没有通用的完美模型，企业应该不断更新完善归因模型，并检验归因模型对未来绩效的预测能力。

归因欺诈（Attribution Fraud）

恶意流量主利用广告主的归因模型，通过点击劫持、Cookie填充等手段来伪造虚假流量，骗取广告佣金。

归因转化功劳（Attributed Conversions）

指归因模型分配给渠道、营销活动、关键字、广告等可归因元素的转化功劳。例如，假设某转化路径包含付费搜索渠道和广告展示渠道，且两个渠道对转化的贡献相等（即采用线性归因模型），则对转化事件归因时，这两个渠道各获得0.5的转化功劳。

概率标识符（Probabilistic Identifier）

概率标识符无法和确定性标识符一样精准识别用户，它通过近似特征来标识用户或设备。这意味着，概率标识符很可能会将拥有近似特征的用户混淆，错误地将其识别为同一个用户。混淆的几率在很大程度上取决于具体的概率标识机制。

规范数据（Normalized Data）

出于营销情报信息收集的目的对数据进行规范化，将来自不同数据源（不同渠道和数据模型）的数据整合到一个集中的存储库中，该存储库的数据结构可以支持所有必要的数据，无论数据来源是哪里。数据规范化还假定数据已经去重、减少冗余，并且以最高效的方式获取数据集之间的所有重要依赖关系。

贡献者（Contributor）

推动消费者进行转化的合作伙伴，在转化路径的中间环节创造价值。贡献者包括内容博主和比较购物合作伙伴等。另见：“推介者”和“成交者”。

高级参数欺骗（Advanced Parameter Spoofing）

一种分布式欺诈手段，将设备ID欺骗和捆绑包ID欺骗相结合，以伪装成向流量主发送请求的真实移动设备。

合作伙伴（Partner）

与广告主合作以为广告主推广产品或服务的任何个人或企业。

合作伙伴营销管理（Partnership Management）

合作伙伴营销管理是指在统一平台上管理一个企业的所有合作伙伴营销项目。

合作伙伴营销项目全生命周期管理（Partnership Lifecycle Management）

用以建立、深化和优化企业与合作伙伴的关系的一系列活动。

合作伙伴营销项目全生命周期包括5个主要阶段：

1) 发掘和拓展合作伙伴
2) 吸引和招募合作伙伴,
3) 培训合作伙伴,
4) 激活合作伙伴
5) 发展和培养合作伙伴关系，从而优化合作伙伴营销项目

合法机器人（Legitimate Bots）

合法机器人是指正常访问网站和使用互联网功能的善意机器人。

回顾窗口（Lookback Window）

回顾窗口表示在转化之前的天数，营销人员认为这是营销接触点实际影响客户的转化决定的合理时间段。回顾窗口适用于单触点模型，和基于规则或机器学习的多触点模型。

如果营销事件发生在窗口期之前，则归因模型不会考虑它。例如，如果营销人员决定将窗口期设为30天，即仅考虑转化前30天的营销事件，那么如果付费社交媒体事件发生在转化前31天，那么无论采用任意一种归因模型，都不会向这个事件分配转化功劳。

对于大多数产品而言，30天的窗口期是合理且标准的。对于某些类型的产品，例如汽车和耐用品，可能会将窗口期设为90天，以反映这些类型产品的较长购买和决策周期。

横幅广告（Banner Ad）

表现商家广告内容的图片，可以使用静态图形、动态图像和富媒体图像。

白名单/黑名单（Whitelist/Blacklist）

白名单列出的是可以放心投放广告的网站和应用程序。相反，黑名单列出的是应该避免投放广告的网站和应用程序。

IAB

IAB（互动广告局技术实验室）是数字广告生态系统中的标准化机构，负责制定行业指南、开展研究并提供法律支持。

iFrame

嵌入流量主网站的HTML文档，用于使第三方广告交易平台和网盟能够在不影响流量主网站安全或质量的情况下插入广告。

Impact Consortium

Impact Consortium是impact.com专有的身份图谱解决方案，支持impact.com平台实现更全面的归因。

已加入impact.com平台的广告主可以选择加入Impact Consortium。 如果广告主将客户身份数据（例如，用户登录广告主网站的安全区域时使用的邮箱地址）传递到我们的通用追踪标记中，Impact Consortium会捕获一组确定性标识符，将用户与设备关联起来。 当用户在多个设备上登录，并且广告主在这些设备上设置通用追踪标记（UTT），impact.com平台能够将用户和所持有的多台设备关联起来。

Impact Consortium完全遵循GDPR等隐私法规 。

Javascript标记（Javascript Tag）

Javascript标记可以直接从网页收集信息，支持服务器端和会话端分析。Javascript标记集成是追踪可见性和其他验证指标的前提。

Javascript追踪（Javascript Tracking）

Javascript追踪适用于启用了Javascript的网页环境，可以向追踪服务发送事件信号。一般而言，大多数台式设备和移动设备的网页都启用了Javascript。在禁用Javascript的网页环境中，通常仍可以通过图像追踪器（Image Tracker）进行追踪。应用内追踪是通过API追踪集成来实现的。

Javascript追踪可用于追踪一切重要的网页事件：展示事件（向用户展示广告）、点击事件（用户直接点击广告，或用户通过点进其他网站的广告或链接、网红帖子内置的提及链接或联盟链接，最终点击广告主的广告）和转化事件（用户进行购买，或提交潜在客户表格等）。它还可以衡量与网页分析有关的其他指标，例如会话级持续时间、页面浏览量等。

交叉对象（Intersection Object）

一种针对Chrome浏览器的可见度衡量方法，可以用来自动监听元素是否进入了设备的可视区域之内，而不需要频繁的计算来做这个判断。如果一个点位于两个对象（广告和广告容器）内，则处于交叉区，即为“可见”。

介绍者（Introducer）

向消费者“介绍”产品或服务、在转化路径早期推动价值的合作伙伴。包括社交媒体网红、内容营销合作伙伴以及新闻网站和杂志等传统媒体流量主。另见：“贡献者”和“成交者”。

僵尸网络（Botnet）

采用一种或多种传播手段，将大量主机感染僵尸程序病毒，从而在控制者和被感染主机之间所形成的一个可一对多控制的网络。

几何分析（Geometric Analysis）

一种数据收集和分析方法，目的是衡量广告可见度。通常利用JS API来衡量页面上的广告单元相对于浏览器视口的坐标。如果广告单元的坐标在浏览器视口以外，则该广告是不可见的。对于在恶意iFrame中投放的广告，几何分析法只能衡量一小部分的印象，这时通常会配合采用其他广告可见度衡量方法一起使用。

加购前最后点击归因（Last-to-Cart Attribution）

广告主将转化归功于消费者将商品加入购物车之前的最后一次点击。

基于用户的视图（People-based View）

基于用户的视图是指不将营销数据视为一系列不相关的触点和事件，而是将其视为与特定用户相关的一系列相互关联的事件。这意味着，营销情报解决方案需要将所有营销事件和相关数据点加以规范化，并拼接到统一的客户旅程中，而不仅仅是提供扁平化且未经协调的曝光率、参与度和财务数据。它需要能够识别发生在同一用户拥有的不同设备（个人电脑、平板电脑和移动设备）的不同事件，以及发生在同一设备的不同领域（移动网页、应用内）的事件，并识别出这些事件都与同一个用户相关。

当营销情报解决方案采取基于用户的视图来分析数据时，它能够更加准确地了解营销项目如何推动潜在客户成功转化，最终更好地帮助改进决策。

基于用户的视图要求客户旅程：

1) 去除重复数据。不同渠道系统可能会重复计算转化，导致转化次数被远远高估。

2) 反映跨设备数据。长期以来，媒体一直在用户的不同屏幕上投放广告。消费者经常在一设备上调研，然后在另一设备上完成转化。如果您只关注到合作伙伴在最终转化设备上的接触点，您可能会忽略重要信息。因此，营销人员需要关注用户在所有设备上的数据。

3) 反映设备内数据。虽然很难将移动网页内的Cookie的概率标识符与移动应用内的广告主标识符（IFA）关联起来，但这样做是很有必要的。用户在移动网页上花费的时间仅占其在移动设备上花费的总时间的15%，但移动网页在移动渠道（增长最快的渠道）中仍然占有重要地位。能够在同一设备内跨移动网页和应用识别同一用户对于构建基于用户的视图至关重要。

基于规则的归因模型（Rules-based Attribution Model）

基于规则的归因模型包括最终接触、首次接触、根据位置、时间衰减和线性等模型。基于规则的模型和算法模型之间的区别在于，基于规则的模型遵循固定的转化功劳分配规则，而算法模型则从数据中学习以不断完善自定义的数据驱动模型。算法模型会考虑不同渠道之间的关联，以及经济形势和季节性因素等外部因素。

基线转化（Baseline Conversions）

在营销归因中，基线转化是在没有对任何营销活动进行归因的情况下也会发生的预计转化次数。例如，基线转化可能是由口碑营销或线下广告等外部因素引起的——这些是无法通过归因模型衡量的。

在进行归因分析之前确定基线转化能够帮助营销人员更精确地衡量营销活动的绩效，将增量转化的功劳仅分配给可归因的可寻址营销活动。

机器学习归因（Machine Learning Attribution）

机器学习算法利用先进的数据挖掘技术，如线性和非线性回归、合作博弈论和其他数据挖掘方法，分析触点对受众转化的贡献，以尽可能公平的方式分配转化功劳。它着眼于所有接触点以及它们对于推动增量价值的作用，同时关注基线转化、转化路径和未转化路径。

机器学习归因通常被认为是最公平的归因模型，但由于其算法的黑匣子性质而受到很多营销组织的抵制，尤其是不熟悉该模型的归因方法和数据处理方式的营销组织。大多数归因解决方案供应商会利用自己的专有数据科学方法，并结合自己的行业经验，为客户提供最优的归因方案。

激励流量（Incentivized Traffic）

被激励用户（例如应用内激励）访问网站产生的流量。如果媒体资源供应商平台将激励流量误报为自然流量，就构成了用户层级欺诈。

激励营销伙伴（Incentivized Affiliates）

通过流量佣金机制激励营销伙伴。 激励可以是奖品、折扣、免费订阅等。

竞价前欺诈检测（Pre-bid Fraud Detection）

在竞价前对广告展示位置进行欺诈风险检测，以做出明智的媒体购买或货币化决策。

竞价前筛选（Pre-bid Filtering）

在竞价前评估广告展示位置的品牌安全性、语境适切度以及是否存在欺诈可能性。只有在各项评估均通过时，才进行竞价。

竞价后欺诈检测（Post-bid Fraud Detection）

竞价后欺诈检测是指在广告被展示后分析相关的用户和展示位置。它可以用于优质广告位购买（广告主/营销代理直接向流量主投放广告）和程序化购买（广告主/营销代理通过DSP投放广告）。竞价后验证也可以用来衡量广告的可见度。

绩效报告（Performance Reporting）

绩效报告是一种视觉和数字报告，目的是为了显示广告主的合作伙伴营销项目或广告系列在一段时间内的表现，例如每个合作伙伴在某一时间段内产生的销售额。

绩效营销（Performance Marketing）

绩效营销是一种营销策略，其中品牌、公司或客户只为可衡量的结果付费，例如转化、点击、销售或注册。

可信责任组织认证（TAG Accreditation）

可信责任组织（TAG）是一家广告行业的自律组织，致力于打击数字广告中的违法行为，维护数字广告供应链条的品牌安全。它为数字广告供应链中满足严格验证要求的买家、买家和中间商提供认证。

可寻址媒体（Addressable Media）

借助各方数据定义用户，帮助广告主实现定向精准广告投放的媒体。例如，应用内投放的展示广告可以与用户的设备ID绑定，实现可寻址投放。在传统电视上播放的广告由于无法获取用户设备信息，无法追溯到特定用户或家庭，因而无法实现可寻址投放。

然而，人们容易误以为所有的数字广告投放渠道都可以寻址——这是不准确的。大多数营销人员无法从封闭平台中检索特定标识符，从而导致很多数字营销广告仍然无法寻址。

同样，人们也容易误以为所有的线下渠道都是不可寻址的——这同样也是不准确的。直邮广告就是典型的可寻址广告。有线电视公司也推出了可寻址电视，与IP数字电视（联网电视和流媒体电视）争夺资源。

可衡量率（Measurability rate）

可衡量率是指可衡量的展示次数占总展示次数的百分比。可衡量率因可见度衡量方法、技术和供应商而异。

可衡量的展示次数（Measurable impressions）

可衡量的展示次数表示广告出现在网站或应用中可以衡量的位置的次数。不友好iFrame会阻碍可见度衡量，它会阻止可见度衡量供应商访问有关iFrame父站点的信息。

可见区域（Viewable Area）

广告可被用户看到的比例，一般用百分比表示。

可见度（Viewability）

描述广告对用户的可见程度。根据IAB标准，可见的条件为：对于展示广告，50%的广告在屏幕上显示至少1秒，对于视频广告，50%的广告在屏幕上显示至少2秒。

可见度欺诈（Viewability Fraud）

恶意流量主通过在网站嵌入一个1×1的像素图像，并堆叠放置多个广告，来制造虚假的曝光数。

可见机会（OTS）

可见机会（OTS，Opportunity To Be Seen）是指有机会收看或收听某个广告的人口数值。

客户旅程（Customer Journey）

归因的价值在于分析客户旅程，衡量各个接触点对转化的影响。归因的对象包括跨渠道（线上、线下）和跨设备（桌面、移动、平板电脑）客户旅程。79%的用户拥有三台及以上设备。最近研究表明，用户每小时在设备之间切换多达27次。

客户旅程分析（Customer Journey Analytics）

客户旅程分析指的是利用营销情报系统，分析与客户旅程相关的指标和结构。

例如，营销人员可以提出以下问题：

* 客户旅程的平均接触点数量是多少？
营销人员可能会选择反定位大幅超过平均值的用户。

* 转化路径最常见的开始方式是什么？
营销人员可能会选择对产生首个接触点的渠道或营销活动增加预算。

* 转化路径的平均时长是多少？
营销人员可能会选择反定位远远超过大多数用户转化所需时长的用户。

这些客户旅程分析很多可以直接利用impact.com提供的报表工具执行。想要深入探索客户旅程的营销人员可以利用impact的专有客户旅程查询语言PAQL来分析各个路径。

未来，我们预计营销人员将利用客户旅程分析调整营销投资，引导用户进入高转化路径。

开放式衡量界面定义（OMID）

开放式衡量界面定义（OMID）API让第三方验证供应商可以直接收集应用内环境的可见度衡量信号，无需在应用内安装SDK。

捆绑包ID（Bundle ID）

移动应用程序的标识符。

捆绑包ID欺诈（Bundle ID Spoofing）

恶意流量主通过修改参数，将低端应用程序伪装成优质应用程序，骗取广告主佣金。

跨设备旅程（Cross-Device Journey）

跨设备旅程揭示了在客户旅程中，营销人员的触点通过哪些自有设备触达客户。它不同于不考虑跨设备场景的客户旅程——后者将在移动设备、平板电脑和台式机上接触过营销人员媒体触点的用户显示为三个独立的用户，是三段不同的单设备客户旅程，而非同一个用户跨多个设备。

能够识别跨设备用户非常重要，而且以后会越来越重要。在美国，每个用户平均拥有3台以上设备，而且这个数字还在逐年上升。要提高客户旅程分析或多点触控归因解决方案的准确度和可靠性，营销人员必须了解用户的跨设备旅程。

利基营销（Niche Marketing）

利基营销仅关注一小部分买家，而不是更广泛的市场。它通过专注于特定的产品或服务来吸引特定的受众群体。

流量（Traffic）

流量是指访问某个网站的所有用户。

流量主（Publisher）

流量主是为广告主投放广告，以获得广告收益的个人或企业。

浏览器和设备分析（Browser and Device Analysis）

通过分析浏览器会话判断是否存在恶意软件、异常的站内网页行为、虚假域名和应用程序ID、恶意制造流量以及移动僵尸网络。

浏览转化率（View-through Conversion）

浏览转化率衡量的是浏览过广告主投放的广告但未点击广告的用户中转化的数量。用户在浏览过广告后，在脑海中留下了印象，可能会在不久之后的某一时间点前往广告主的网站，完成转化。如果广告浏览事件发生在该转化的回顾窗口内，那么我们将这次转化称为“浏览转化”。

粒状数据（Granular Data）

用户层级的客户旅程数据的颗粒度不同于营销组合模型（MMM）的数据颗粒度。将客户旅程接触点正确排列能够为营销活动提供洞见，识别不同营销渠道之间的相关性，继而优化整体营销策略。

联盟营销项目（Affiliate Program）

品牌与联盟流量主为达到某种推广目的而进行的一系列活动。品牌向联盟流量主支付费用，流量主利用联盟链接为品牌进行推广，以吸引潜在客户，促成点击或销售。也称为合作伙伴项目、营销伙伴项目或推荐营销项目。

路径分析（Pathing）

路径分析是指将同一个客户的客户旅程拼接在一起，分析旅程的结构、指标和特征以获得更多信息的过程。这通常是一个乏味、难度系数高且容易出错的过程，如果没有技术解决方案支持，很难依靠人工手动完成。

以下是路径分析过程中可能遇到的一些困难：

1) 厘清客户触点。大多数营销人员平均利用超过12个系统来管理和运行营销活动。需要将这些成本和交易数据提取到一个统一的中央系统，或者通过在各个系统上部署Javascript、图像追踪器或API追踪器，实现数据的单独获取。

2) 协调跨设备触点。如今，大多数用户拥有3-4台互联网设备，而且这个数字还在继续上升。要将同一用户的客户旅程拼接在一起，需要对该用户的设备图谱有深刻的认识，如此才能准确地完成客户旅程拼接。

路径分析和归因查询语言（PAQL）

路径分析和归因查询语言（PAQL）是一种专有语言（专利申请中），致力于帮助营销人员跨多个设备和渠道收集客户旅程信息，以生成自定义路径分析和归因营销洞见。

PAQL还可用于定制基于规则的归因模型的行为，以便满足营销组织所需的几乎所有自定义业务规则。PAQL是一种高度灵活的语言，可以创建满足营销组织的所有归因建模需求的模型。

名人（Celebrity）

与网红相对应，名人通常在社交媒体平台以外的地方成名。可以是电影、电视、音乐或体育明星，也可以是在网上走红，后来受到普遍认可的“网络红人”。（粉丝数量：>100万）

媒体组合建模（Media Mix Modeling）

媒体组合建模是一种分析解决方案，让企业能够衡量其跨多个渠道的营销支出的影响，显示各种元素如何为其目标（例如转化或收入）做出贡献。媒体组合建模是一种自上而下的方法，用于评估历史媒体活动、促销、定价、季节性和不可控因素（如经济活动）如何影响销售。此外，它还提供了可衡量的营销投资回报率，其中考虑了天气、失业等外部因素。

媒体组合模型能够告诉营销人员哪些因素对推动收入或转化的作用最大，从而助力优化线上和线下广告的预算分配。

模型过分拟合（Model Overfitting）

模型过分拟合是一种建模错误，其原因是模型过分地拟合数据的噪声和极端值，或者缺乏足够的代表性样本。使用过分拟合模型的后果是，由于它已经针对测试数据集进行了过度拟合，所以可能无法很好地解释代表一般人群的另一个数据集的行为。

模型验证（Model Validation）

用于生成归因结果的统计模型应该利用抽样和保留样本进行验证，或者利用“对照组数据”（未用于拟合模型的数据样本）进行验证——保留样本用于评估模型性能。

每千人成本（CPM）

CPM，即每千人成本，或每千次展示费用（mille 在拉丁语中表示“千”）是现在购买广告的最常见收费方式之一。CPM被广泛应用于品牌推广和直接响应营销活动，不过它尤其适用于目标为提高品牌知名度的营销活动。

例如，如果CPM定价为2美元，则投放1,000,000次展示的成本为：

（总展示次数/1,000）* 2美元

（1,000,000次展示/1,000）* 2美元 = 2,000美元

许多开展基于CPM付费模式的直接响应营销或效果营销活动的广告主通常会将eCPC（每有效点击成本）或eCPA（每有效行动成本）当做KPI，以追踪营销活动的效果，并不断优化以降低eCPC或eCPA。

每千次可见展示成本（vCPM）

每千次可见展示成本是指每1,000次可见广告曝光的成本，仅对可见的曝光量收费。

每千次可见曝光成本（CPvM）

CPvM，即每千次可见曝光成本，是许多营销活动经常追踪的一个指标。可见曝光次数通常根据IAB标准来衡量——对于展示广告，50%的广告在屏幕上显示至少1秒，对于视频广告，50%的广告在屏幕上显示至少2秒。

由于当今大多数展示广告或视频广告都是按CPM（每观看成本）而不是CPvM付费的，因此CPvM通常由计算得出。

计算公式为：

CPvM = 相关媒体费用总和/可见曝光次数

因此，假设某展示广告花费了2,000美元，获得了200次可见曝光，那么CPvM = 2000美元/200 = 10美元

每安装成本（CPI）

CPI，即每安装成本，是广告主为用户下载应用的每安装事件支付的费用。

每完整观看成本（CPCV）

CPCV，即每完整观看成本，是很多基于视频的营销活动追踪的指标。当观看者完整看完视频，即视为一次完整观看。不过，由于视频播放平台的特殊设置，往往观看进度不足100%时就会达成一次完整观看。

与CPCV相关的一个概念是eCPV，即每有效完整观看成本。按CPM（每千人成本）等模式支付的广告主希望通过计算将成本转换为每完整观看成本，以了解以CPCV方式结算购买广告要付多少。

计算公式为：

eCPCV（每有效完整观看成本）= 相关媒体费用/已完整观看次数

因此，假设某展示广告花费了10,000美元，获得了200次完整观看，那么eCPCV = 10,000美元/200 = 50美元

每日预算（Daily Budget）

您每天愿意为某个广告活动花费的金额。

每次点击收入（EPC）

EPC，每次点击收入，用来衡量合作伙伴为广告主项目产生的每次点击平均会赚取多少佣金。合作伙伴可以根据EPC和预估点击量来估算出以CPA（每获取成本）模式计费的佣金。

每潜在客户成本（CPL）

CPL，即每潜在客户成本，本质上属于CPA（每获取成本）的一类，专门适用于需要受众填写表格及联系信息的垂直行业。例如，在保险行业，感兴趣的用户可能需要输入个人信息才能获取保险报价或让保险经纪人联系他们。

每点击成本（CPC）

CPC，即每次点击成本，是很多品牌营销、直接响应营销和效果营销活动中追踪的指标。点击通常是指用户点击广告链接，链接将用户定向至广告主的网站。富媒体广告将触发互动的点击视为一次点击。例如，用户点击广告开始播放视频，或在广告页面玩小游戏等。在富媒体广告语境下，也可以称为每参与成本（CPE）。

与CPC相关的一个概念是eCPC，即每有效点击成本。按CPM（每千人成本）模式支付的广告主希望通过计算将成本转换为每点击成本，以了解以CPC方式结算购买广告要付多少。

计算公式为：

eCPC（每有效点击成本）= 相关媒体费用之和/总点击次数

因此，假设某展示广告花费了5,000美元，获得了250次点击，那么eCPC = 5,000美元/250 = 20美元

每获取成本（CPA）

CPA，即每获取成本或每操作成本，是在许多直接响应营销和效果营销活动，特别是在追踪用户转化的垂直行业中追踪的指标。这里的转化指的到底是销售订单还是表单提交，具体由广告主决定。因此，CPA通常也被称为每转化成本。

一些营销人员将“点击”视为可行的行动，此时，CPA的计算方法与CPC（每点击成本）一致。

与CPA相关的一个概念是eCPA，即每有效行动成本。按CPM（每千人成本）或CPC（每点击成本）等其他模式支付的广告主希望通过计算将成本转换为每获取成本，以了解以CPA方式结算购买广告要付多少。

计算公式为：

eCPA（每有效行动成本）= 相关媒体费用之和/总获客次数
因此，假设某展示广告花费了1,000美元，获得了20次转化，那么eCPA = 1,000美元/20 = 50美元

每观看成本（CPV）

CPV，即每观看成本，指的是广告主为每次观看视频广告支付佣金的计价方式。

每销售成本（CPS）

CPS，即每销售成本，指的是广告主以实际销售产品数量来换算广告刊登金额的计价方式。本质上是CPA（每行动成本）的一种，用户每成功完成一次购买，流量主可获得佣金。

毛评分点（Gross Rating Point）

毛评分点（GPR）是用于表示在给定的媒介或给定的时间段内，广告活动所达到的人数。它通常被用来衡量传统电视广告的触达率。

毛评分点的计算公式为：

GRP = 100 * 触达率（目标受众的百分比）* 平均频率

譬如，如果营销人员希望触达18-30岁的女性受众，假设有一部5集电视剧能够触达30%的18-30岁女性受众，营销人员在这部电视剧里播出电视广告，则GPR为100 * 30% * 5 = 150。

目标追踪（Goal Tracking）

目标追踪是指数据驱动的营销组织用来衡量和追踪关键绩效指标进度的一种做法。营销组织精心制定营销目标和KPI，以支持更高级别的跨部门业务目标和KPI。

内容农场（Content Farm）

为了牟取广告费等商业利益或出于控制舆论、带风向等特殊目的，快速生产大量低质网络文章来吸引流量的网站。

内容分类（Contextual Classification）

根据特定标准(如 IAB内容分类法) 或自定义分类法对页面进行分类。

内容流量主（Content Publisher）

通过内容为广告主推广商品和服务的合作伙伴。内容流量主种类多样，从个人博主到传统媒体公司或杂志等，均属于其范畴。

内容营销（Content Marketing）

一种营销手段，营销人员发布文字、音频和视频等格式的短篇或长篇内容并将其推送给受众，为受众提供有价值的信息，从而达到网络营销的目的。内容营销的策略多种多样，例如新手指南、教学内容、信息图表、思想领导力文章、研究论文、买家指南等等。

内容营销不同于广告，广告主要是付费营销，用于建立品牌知名度或说服观众采取行动，而内容营销更加注重智力资本。不过，二者本质上高度互补——广告可以帮助促进和提高营销内容的知名度。

内容营销通过多种方法进行分发：

a) 在广告主网站上发布。 通常发布在广告主的网站上，营销人员通过付费广告、社媒自来水帖子、电子邮件等方式来触达受众，吸引受众前往广告主的网站。

b) 在第三方网站上发布。 内容联合可以以多种方式进行。营销人员可以与行业协会合作，在其网站上（以及其他营销渠道，如第三方时事通讯平台等）发布内容。流量主可以将内容作为“赞助文章”发布到网站中——这是以原生广告的形式进行推广。

内部管理（In-House）

广告主使用联盟营销软件或追踪系统，而非网盟，来自行管理联盟营销项目。

偏差（Bias）

您使用的归因模型可能存在偏误。例如，最终点击偏向于出现在购买周期后期的渠道，比如顾客在下单前访问的优惠券网站。但如果没有这些优惠券网站，顾客可能仍然会购买。

品牌安全（Brand Safety）

在进行推广时注重保护品牌声誉，确保无成人、暴力、政治极端主义等内容。

品牌安全类别（Brand Safety Categories）

广告行业和营销人员认为危害品牌安全的广告内容可分为12个标准类别：淫秽、军事冲突、非法毒品、成人、枪支、犯罪、盗版、死亡/暴力、仇恨言论、恐怖主义、垃圾邮件/有害网站、烟草。

品类层级归因（Category-level Attribution）

我们通常会对在某一段时间内发生的所有转化进行归因分析。但是，电商营销人员能够获得更小颗粒度的信息，并对特定品类商品的转化进行归因分析。

他们可以对具体品类进行归因分析，获得以下信息：

* 哪些渠道最适合推广女士鞋包等高利润产品？
* 哪些渠道最适合推广畅销男鞋产品？

披露（Disclosure）

流量主向受众披露内容中包含付费宣传内容。广告披露是FTC（美国联邦贸易委员会）的规定。

全渠道（Omni-channel）

全渠道是一种多渠道销售方法，专注于为客户提供跨所有渠道的综合购物体验。客户在购物时，可能会经历很多接触点，并在线上和线下渠道之间切换，例如线上订购产品，然后前往实体店取货。全渠道战略关注的是多个渠道之间以及客户之间如何互动。一个成功的全渠道方案可以让客户数据和产品数据在各渠道之间保持同步。

全转化漏斗欺诈检测（Detection）

利用涵盖曝光、点击、安装和转化事件的欺诈数据库来评估整个转化漏斗中的欺诈流量，这不仅有利于在转化路径的每个接触点进行更清晰的欺诈检测，还让安装归因欺诈检测等功能成为可能。

欺诈情报数据库（Fraud Intelligence Database）

欺诈情报数据库必须是动态的，以便实时捕获欺诈IP列表和取证数据。它让数字广告领域中重复使用相同策略进行欺诈的恶意流量主无所遁形。

渠道（Channel）

归因分析会对客户旅程中的所有线上和线下渠道进行分析。线上渠道包括付费搜索、社交媒体平台、展示广告、联盟、电子邮件等等。线下渠道包括印刷品、电视、广播和户外广告，它们在客户旅程中也同样重要。二者的区别在于，线下渠道必须是可寻址的，即可以追溯到线上访问者，如此方能出现在客户旅程中。总的来说，线下可寻址和不可寻址广告都以自己的方式反映了消费者对营销活动的整体反应。

渠道预测（Channel Predictions）

预测营销人员的KPI指标在未来30天内的趋势，以便了解现有营销活动对营销目标的推动作用。

借助渠道预测功能，营销人员可以预测何时能够实现当前目标，从而开展后续任务；或者如果预测表明KPI指标可能难以完成，营销人员将及时得到预警，从而加大营销推广力度，以确保目标实现。

确定性标识符（Deterministic Identifier）

确定性标识符是可以与特定用户设备相关联的一种标识符。

最常见的确定性标识符包括：

* Cookies — 尽管Safari和Chrome纷纷采取了措施限制Cookie的使用，但它仍然是电脑端和移动端不可或缺的标识符。

* IFAs — 广告主标识符，主要适用于应用内场景。Android和iOS平台使用不同的设备识别方案。

* PIIs — 个人身份信息，指可以识别个人身份的唯一数据，例如登录信息、电子邮箱、电话号码、姓名、社交账号等。

软件开发工具包（SDK）

软件开发工具包是指一些被软件工程师用于为特定的软件包、软件框架、硬件平台及操作系统等建立应用软件的开发工具的集合。

事件（Event）

事件指的是用户在应用内执行的任何操作，例如查看广告、观看视频广告、点击付费搜索或付费社交媒体广告、点击联盟或网红链接、从邮件或时事通讯点击进入网站，等等。这些事件或触点是客户旅程的基本组成部分，能够清楚地展示品牌与受众互动的方式。

双层联盟营销项目（Two-Tier Affiliate Programs）

营销人员推荐其他营销人员加入联盟营销项目，当被推荐的营销人员获得佣金时，推荐人也可获得一定比例的费用。

双重确认（Double Opt-In）

指的是要求新订阅者在订阅一封电子期刊或加入一个邮件列表后，须通过一个两次确认的一种机制。

搜索引擎优化（SEO）

通过优化网站以使其在搜索结果列表中的排名靠前，最大限度地提高网站的访问量。

搜索引擎营销（SEM）

搜索引擎营销是基于搜索引擎平台的网络营销，利用人们对搜索引擎的依赖和使用习惯，在人们检索信息的时候将信息传递给目标用户。

收益（Yield）

营销收益是营销活动带来的成果。建立具有统计显著性的准确归因模型需要花费大量时间和精力，但一定不要忽视投资回报率。在保持收支平衡的前提下，尽可能提高收益。如果您的收入来源足够庞大，成交率1%的提升都能为您带来可观的收益。

数字媒体（Digital Media）

数字媒体通常是指通过互联网或无线环境传播的所有媒体技术，包括电子邮件营销、短信营销、付费搜索、付费社交、数字视频、展示广告、原生广告、数字音频等。与之对应的是线下媒体，线下媒体指的是报纸、杂志、电视、户外广告等非网络传播的媒体渠道。

数字媒体经常被误称为可寻址媒体。这是错误的，因为许多数字营销活动，譬如YouTube或Twitter上的广告，实际上在封闭平台以外是不可寻址的。

数据中心（Data Center）

大型计算机服务器网络，通常被恶意行为者用来远程进行各类广告欺诈。

数据包嗅探（Packet Sniffing）

数据包嗅探是一种应用内欺诈检测技术，包括监听来自应用的广告请求、加载返回的任何广告，以及记录屏幕上和屏幕外的活动，以便将屏幕上显示的内容与应用加载的实际广告进行比较。嗅探器不使用代理，因此应用程序不会知道网络活动正在被监控。

数据孤岛（Data Silos）

数据孤岛指的是营销情报中海量数据相互阻隔，难以进一步碰撞释放潜能。问题根源在于过去20 年间营销渠道的大爆发。随着营销人员通过数字媒体触达受众的方式越来越多，端点解决方案系统出现，为这些营销渠道提供规划、工作流程和优化工具。这些工具产生了大量数据，营销团队通常将这些端点解决方案的数据单独保存，形成数据孤岛，以精简渠道团队的管理和优化流程。

但不幸的是，数据孤岛引发了许多问题，这些问题阻碍了数据被更深层次地挖掘和应用（很多营销情报系统甚至直接忽略了这些问题）。

* 没有全渠道视图 – 数据彼此阻隔，分散在孤岛中，营销团队就无法从整体层面真正了解各渠道的一举一动。很多营销团队试着从不同的系统导出报告，手动将大量未经协调处理的Excel表格拼凑在一起。这项任务不仅非常耗时，而且容易出错。此外，这项任务一般在营销活动结束后进行，只是为了事后更加全面地了解营销活动，并不能及时地为营销活动提供反馈，指导行动。

* 重复的、未调节的数据 – 大多数系统都有针对自身渠道进行优化的机制。当用户在广告主的网站或移动应用程序中触发转化事件，系统通常需要触发转化标签。但是，每个渠道系统都分别触发和衡量自己的转化事件，导致转化功劳和转化次数被重复计算。

* 潜在偏差 – 一些渠道系统开始尝试集成渠道追踪解决方案，但由于很多渠道都归大流量主所有，如果绩效评估体系也属于这些大流量主，那么产生归因偏差的可能性就非常大。

数据挖掘、人工智能和机器学习（Data Mining, AI, and Machine Learning）

数据挖掘能够发现自动僵尸网络流量、设备农场、模拟器和其他欺诈手段的异常模式。如果有专业的反欺诈数据科学家监控、训练并调试机器学习算法，效果会更佳。

数据质量（Data Quality）

对于数据，很多营销人员坚信一句话：“垃圾进，垃圾出”。归因建模中使用的数据需要通过协调和净化，以达到同一个颗粒度级别，便于后续进行分析和利用。不同来源的数据的格式和特点性质可能各不相同，因此需要将其整合为一组有意义且有价值的数据集。

数据集成（Data Integration）

可用数据如此之多，最大的挑战在于将所有数据集成，获取清晰、可为行动提供指导的洞见。您需要一个可以系统地集成各种来源的数据的平台，帮助您更好地利用大数据。

时间衰减模型（Time Decay Model）

每过一段指定时间，时间衰减模型就会将功劳归属减半，并给最近的触点分配更多功劳。该模型不会考虑转化路径中的各个渠道的相对效率，而且和大多数基于规则的归因模型一样，会忽略外部因素的作用。

请注意，发生在回顾窗口以外的转化事件不会获得任何转化功劳。例如，假设回顾窗口为30天，付费社交媒体事件发生于转化前第31天，那么该事件不会获得任何转化功劳，因为它发生于回顾窗口期之前。

深度链接（Deep Linking）

深度链接是指点击或重定向时，直接将网站访问者导向产品界面。最基础的深度链接是将用户导向广告主的主页。

生命周期价值（Lifetime Value）

生命周期价值（LTV）是指公司从用户所有的互动中所得到的全部经济收益的总和。高生命周期价值消费者是品牌最宝贵的客户，营销人员致力于找到这类客户，提高客户的平均生命周期价值。

社交媒体网红（Influencer）

拥有大量粉丝的社交媒体流量主，通过社交媒体推广品牌。

社会化广告（Social Advertising）

社会化广告是指广告中包含社会化信息，在广告中实现社会化交互。您可以通过社交媒体平台、消息应用、新闻应用甚至外部应用和网站等发布社会化广告。

算法归因（Algorithmic Attribution）

算法归因，也称为机器学习，是根据营销效果为每个营销触点分配转化功劳的过程。算法归因使用先进的统计建模和推理来确定最佳的自定义模型，该模型采用人工辅助机器学习技术，可以根据数据不断改进优化自身。

视口（Viewport）

当前可见的计算机图形区域。

视频广告（Video Advertising）

指利用视觉、声音和动作来传达品牌信息的广告,包括“视频插播广告”和“外播视频广告”。

视频插播广告（In-Stream Video Ad）

通常在影片内容播放前、播放中或播放结束后显示的短广告。

视频播放器广告接口定义（VPAID）

IAB的视频播放器广告接口定义（VPAID）在视频播放器和广告单元之间建立了通用界面，从而提供了丰富的交互式流内广告体验。

设备ID（Device ID）

设备ID是移动设备的唯一标识符。

设备ID欺骗（Device ID Spoofing）

恶意流量主通过修改设备ID信息，伪装成正常的用户浏览行为，以躲过日益灵敏的检测。

设备ID重置马拉松（Device ID Reset Marathons）

设备ID重置马拉松在设备农场执行点击或安装事件，重置设备，获取新设备ID，然后不断重复上述操作，窃取广告收入。

设备内（Intra-Device）

设备内（Intra-Device）指的是在同一移动端设备内跨移动端网页和应用识别用户的能力。在移动端网页中，第三方Cookie常被禁用，除非用户点进广告或联盟营销链接，否则几乎只可能通过概率标识符来识别用户。当用户使用移动应用时，通常可以通过广告主标识符（IFA，一种确定性标识符）来识别用户。

身份解析服务可以在用户从移动网页跳转到应用时识别用户，绘制设备内旅程，有利于加深对用户跨设备旅程的整体理解。

设备农场（Device Farms）

流量主在发展中国家用低成本雇佣大量工人，让工人浏览网站、点击广告或安装并打开广告主的App，伪造转化和应用安装事件，从而骗取广告主的佣金。

设备劫持（Device Hijacking）

当用户在智能手机或平板电脑上下载恶意应用程序时发生，通常来自可信来源如App Store或Play Store。下载的恶意应用程序劫持设备，通过快速加载隐藏广告、伪造点击事件等来制造虚假流量并窃取广告收入。这通常会在后台运行，即使应用程序已最小化或设备处于睡眠状态时仍然会发生。

设备指纹（Device Fingerprinting）

设备指纹通常利用专有或开源方法从数字交易中收集数据，以识别用户。

设备指纹有时可以达到惊人的准确率，不过具体取决于所使用的技术。以一种常见的指纹识别机制为例，它利用用户设备上字体的种类和顺序来进行用户身份验证。

很多企业可能会将其中一些方法与自己的方法结合起来使用。因为这些识别方法只能获得用户的近似特征，并不能得到准确的用户画像，所以指纹识别是一种概率模型——可能存在因指纹相同而相互混淆的两个用户。

由于每个设备指纹识别方案供应商都有自己的一套方案，因此设备指纹的生命周期和范围也各有不同。

设备操纵识别（Device Manipulation Recognition）

是一种通过查找流量异常来识别设备操纵的检测方法。设备操纵指的是虚假用户或机器人通过操作系统和浏览器操纵来伪造用户身份，制造虚假流量。

身份图谱（Identity Graph）

身份图谱，也称设备图谱。根据Digiday的定义，设备图谱是将个人与使用的所有设备关联起来的一张图谱。每个人可能有工作电脑、个人笔记本、平板和智能手机。在物联网时代，用户拥有越来越多的启用IP的联网数码设备，除了电脑、平板、手机以外，常见的设备还有互联网电视、智能扬声器等等。设备图谱不会将同一个用户所拥有的多台设备视为来源于多个不同用户，而是会将其视为来源于同一个用户，因此没有重复值。广告主可以看到用户在一天中的什么时间以及在哪个设备上看到广告，这有助于分析特定广告在促进用户购买时起到的具体作用。

身份图谱将来自各数据集的不同标识符拼接在一起，呈现出用户、家庭和使用设备的统一视图。

简单的身份图谱，譬如Cookie，可能包含两个标识符，通过一些共享的唯一数据资产将它们进行映射：

a) 更为常见的身份图谱通常由一组标识符组成，这些标识符通过用户ID等抽象概念映射到用户。在这种情况下，我们不会将用户的身份与假名个人身份数据信息（譬如哈希邮件）相关联，而是与唯一的用户标识符相关联：

b) 身份图谱将一系列确定性标识符关联起来，以“识别”用户。这些确定性标识符包括：Cookie、IFA（广告主标识符）以及哈希邮件里的假名确定性标识符、通过设备指纹与概率性链接同步的Cookie等等。

身份解析服务（Identity Resolution Services）

身份解析服务是指将数据与真实的人联系起来，并使基于人的营销活动通过数字渠道获得数据。身份解析解决方案供应商有TapAd、Drawbridge、Screen6 等，主要帮助营销人员构建、丰富和维护用户的身份/设备图谱。这些解决方案通常与其他广告系统集成，为营销人员提供准确的触达率数据、维护频次上限、执行更加合理的定位以及提供更可靠的指标，以帮助营销人员与消费者建立联系。

impact.com旗下的Radius和Altitude等解决方案利用第三方身份解析服务及其专有身份图谱，通过设备识别用户，将全渠道客户旅程拼接在一起，提供更深入的客户旅程分析并实现更可靠的归因，以帮助营销人员优化广告投放渠道策略。

隧道（Tunneling）

危害性最强的欺诈手段之一，包括通过VPN建立隧道，例如利用代理来操控僵尸网络。很多“移动网页”欺诈实际上是来自服务器农场的一般无效流量。这些农场通过隧道代理连接到受感染的设备。

首次接触模型（First-Touch Model）

首次接触模型是一种基于规则的模型，它将100%的收入分配给转化路径的第一个接触点。假设您的转化路径包括电子邮件 >> 视频 >> 展示广告 >> 付费搜索 >> 再营销，那么在首次接触归因模型中，您的100%的收入功劳将被分配给电子邮件事件，因为它是转化路径中的第一个接触点。

请注意，发生在回顾窗口以外的转化事件不会获得任何转化功劳。例如，假设回顾窗口为30天，付费社交媒体事件发生于转化前第31天，那么该事件不会获得任何转化功劳，因为它发生于回顾窗口期之前。

首次点击归因（First-Click Attribution）

广告主将转化归功于转化路径中的首次点击。

同质数据（Homogeneous Data）

多源数据杂糅在一起可能会让归因难以进行。将不同来源的数据进行映射是建立同质数据集的必要步骤。建立同质数据集之后才能进行归因。

图像像素（Image Pixel）

帮助建立浏览器到服务器的连接，允许在HTTP Header中传递IP、UA和其他数据点。

投放（Trafficking）

广告投放是指开展和启动广告活动的过程。广告投放流程涉及需求方和供应方双方：需求方——媒体机构的广告运营人员在第三方广告服务器或需求方平台上执行营销活动流程。

供应方——流量主的广告运营人员在广告服务器或供应方平台上执行辅助性的营销活动流程。因为很多归因依靠Javascript或像素追踪器来触发展示、点击和转化追踪，而这些通常是由广告运营人员在需求方平台设置和实施的，是广告投放流程的一部分。

投资回报率/广告支出回报率（ROI/ROAS）

投资回报率（ROI）或广告支出回报率（ROAS）在媒体和付费营销领域中通常可以互换使用，表示特定营销活动产生的价值，可以从渠道或广告系列的角度进行分析。渠道经理可以利用ROI/ROAS数据在更细致的层级上做出优化，例如付费搜索渠道经理可以据此调整广告组和关键字，展示广告和视频广告渠道经理可以据此对广告位和广告内容做出调整。

投资回报率归因（Attributed ROI）

投资回报率（ROI）是一个衍生指标，用于衡量投资活动的盈利能力。

它衡量以下几点：

(a) 企业在投资性商业活动中的支出
(b) 广告成本
(c) 产品成本

投资回报率（ROI）与广告支出回报率 (ROAS) 有一定的相关性，但在计算ROI时会扣除产品成本。由于投资回报率属于衍生指标，归因模型不会向其分配转化功劳。归因ROI是通过归因收入计算得出的。

计算公式为：
归因ROI = 归因收入/（广告支出 + 产品成本）

统计显著性（Statistical Significance）

统计显著性是指零假设为真的情况下拒绝零假设所要承担的风险水平，又叫概率水平，或者显著水平。统计学根据显著性检验方法所得到的P值，可以反映某一事件发生的可能性大小。一般，以P<0.05为有统计学差异。

退单（Chargeback）

产品退回或交易撤销。将扣除相应的合作伙伴佣金。

位置欺骗（Location Spoofing）

一种用户级欺诈手段，恶意应用程序向广告主汇报虚假的位置数据（纬度、经度），以便根据伪造的位置骗取高额佣金。

围墙花园（Walled Gardens）

围墙花园是一个控制用户对应用、网页和服务进行访问的环境。它指的是数字媒体空间中可以购买付费媒体的区域，但在追踪事件时会受到限制，甚至可能完全无法追踪。大多数围墙花园会抓取广告主数据，以优化围墙花园内的广告活动效果，但通常不会向广告主提供数据以帮助广告主优化营销计划。包括Google、YouTube、Facebook、Instagram和Twitter等在内的社交媒体平台是如今最有名的围墙花园。

围墙花园给数字媒体领域的营销人员和其他媒体平台带来了巨大的挑战，因为大多数广告收入和流量都被围墙花园所垄断。

外包计划管理（OPM）

外包计划管理（OPM）公司是为广告主管理合作伙伴项目的代理机构。

外播视频广告（Out-Stream Video Ad）

外播视频广告是专门面向移动设备的广告，此类广告既可在应用内播放，也可在网页中播放。

外部因素（External Factors）

一个强大的归因模型通常会考虑非营销因素，例如季节性、重大节日事件、宏观经济因素和市场竞争，这些因素也会极大地影响销售。

无效流量（Invalid Traffic）

所有可能会虚增广告主费用或流量主收入的点击或展示都属于无效流量，这其中包括蓄意制造的欺诈性流量，也包括误点击。

未转化路径（Non-Converting Paths）

未转化路径是指最终没有发生转化的客户旅程。这可能是因为用户尚未转换，或者可能根本不会转换。对于营销情报解决方案来说，了解转化路径和非转化路径非常重要，以便从归因的角度真正了解不同接触点在推动价值和增加用户转化倾向方面的作用。

网关追踪（Gateway Tracking）

由早期联盟营销网盟开发的追踪方法。在这种追踪方法中，用户点击联盟营销链接后，通过网盟平台托管的“网关”路由，重定向到广告主的内容。当用户通过网关时，网盟平台会在他们的浏览器中放置追踪Cookie。

网盟（Affiliate Network）

通过整合广告投放需求，为广告主和流量主提供连结的平台。通常按销售额（或流量主佣金）的比例计费，而非采用固定费率。

网红欺诈（Influencer Fraud）

网红通过虚报粉丝数量，要求广告主提高品牌赞助内容的推广费用。

像素追踪（Pixel Tracking）

像素追踪用于向禁用Javascript的网页环境中的追踪服务发送事件信号。不过，由于大多数网页环境都启用了Javascript，因此一般会使用Javascript追踪器而非像素追踪器。应用内追踪是通过API追踪集成来实现的。

像素追踪可用于追踪一切重要的网页事件：展示事件（向用户展示广告）、点击事件（用户直接点击广告，或用户通过点进其他网站的广告或链接、网红帖子内置的提及链接或联盟链接，最终点击广告主的广告）和转化事件（用户进行购买，或提交潜在客户表格等）。

小微网红（Micro Influencer）

小微网红数量很多，而且往往非常分散，无法以高接触方式进行管理。小微网红一般都是通过社交媒体平台发布内容。（粉丝数量：<1万）

消费者旅程（Consumer Journey）

指消费者在一段时间内接触或参与的营销触点。消费者旅程与转化路径很容易混淆，但它们并不相同，因为许多消费者旅程最终不会带来转化。

最终转化的消费者（在零售业，转化通常指的是成功完成订单；在汽车行业，转化通常指的是用户预约试驾在转化前，消费者通常会经历许多触点。当消费者旅程最终发生转化时，该消费者旅程即称为转化路径。

并非所有转化都是由广告驱动的，有些消费者没有受到任何付费媒体广告的影响，自行访问广告主的网站并进行购买。这类消费者为自然流量用户，其转化路径长度为零。

线下媒体（Offline Media）

线下媒体通常是指互联网兴起之前的传统媒体，如电视、广播、印刷出版物、直接邮件、呼叫中心、电影广告、广告牌等。与之对应的是互联网兴起之后的数字媒体，数字媒体是指与互联网相关的媒体。

线下媒体经常被误称为不可寻址媒体，这是不准确的——因为很多直接邮件和呼叫中心是高度可寻址的营销活动。

线下转化（Offline Conversion）

线下转化是指在可寻址数字渠道之外发生的成功事件，例如实体店的销售、通过广告主的呼叫中心完成销售，或通过第三方代理或特许经营商吸引潜在客户成功下单。通常，从线下转化中收集的个人身份信息（PII），例如姓名、信用卡号等信息，足以让营销人员成功识别客户的身份。

通过与客户关系管理（CRM）系统集成，营销人员可以将用户的线上活动（包括营销旅程和线上转化）与线下转化事件关联起来。

营销人员为什么要这样做？

因为无论是线下还是线上转化，都是彼此关联的。而且，实践证明，线上营销信息能够有效地推动线下销售。由于线上和线下渠道之间的鸿沟难以跨越，太多营销人员只是简单地将它们分开处理——将线下转化归给线下营销，将线上转化归给线上营销。但是，客户的真实转化路径却并非如此。将推动线上和线下转化的客户旅程结合起来分析，营销人员能够更准确地了解他们的数字营销对所有类型的转化事件的增量影响。

线性归因模型（Linear Attribution Model）

线性归因是基于规则的一种模型，是多触点归因模型中的一种，也是最简单的一种。它将功劳平均分配给转化路径的所有相关接触点。假设您的转化路径包括电子邮件 >> 视频 >> 展示广告 >> 付费搜索 >> 再营销，线性归因模型将转化功劳平均分配给每个接触点，因此电子邮件、视频、展示广告、付费搜索和再营销各获得20%的归因。

线性平均划分转化功劳的方法不适用于某些渠道价值特别突出的业务，没有给予季节性因素或宏观经济因素等外部因素相应的权重。线性归因的弊端在于没有考虑到收益递减法则以及渠道的相对效率。它将功劳平均分配给每个接触点，因此容易误认为只要提高营销支出，就能实现转化的线性增长。

请注意，发生在回顾窗口以外的转化事件不会获得任何转化功劳。例如，假设回顾窗口为30天，付费社交媒体事件发生于转化前第31天，那么该事件不会获得任何转化功劳，因为它发生于回顾窗口期之前。

行为和网络分析（Behavioral and Network Analysis）

将IP地址和ISP信息等与基于历史欺诈活动的欺诈数据库进行对比，通过过滤机制检测无效流量。

一般无效流量（GIVT）

一般无效流量指的是包括应用列表或其他标准化的参数在检查执行过程中使用常规的过滤方法就可以识别的流量。

仪表盘（Dashboard）

仪表盘是一组可视化小部件，帮助数据驱动的营销部门开展业务并做出决策。可视化小部件包括纵向图表、实时快照细分图表、表格、列表、趋势或预测图表、实时KPI计分板、目标衡量器以及许多其他创新机制，以实现数据可视化，简化数据分析，提升洞察力。

一般来说，营销团队里的不同角色都希望能够建立、组装和定制自己的仪表板，以满足自己的角色需要、根本原因分析方法和视觉偏好。例如，CMO仪表盘通常比付费搜索管理器或展示广告仪表盘针对性更广，但后者是特定于具体渠道的，颗粒度更细。

仪表盘主要有以下用途：

* 监测营销效果 – 通过高级任务控制视图对营销效果进行定期监测，确保每日营销效果达标，并且数据没有重大异常（例如，如果您的某个渠道出现问题，营销团队管理层可能很快就会发现广告的展示数下降）。

* 监测KPI和目标 – 数据驱动的营销团队通常会衡量KPI，并将KPI与战略营销目标联系起来。营销团队的每个成员都需要密切关注目标的实现进展情况，并不断进行必要的调整以确保最终能够达到目标。

* 纵向比较 – 时间是营销分析中最重要的维度之一，大多数成长型组织都希望确保某些重要指标（如归因收入或广告支出回报）逐月或逐年增长（特别是对于季节性业务）。

* 根本原因分析 – 向下分析小部件助您发现异常情况，深入挖掘可能导致特定情况的原因。更详细的信息有助于解答营销中的很多问题，获得深度洞见，以指导后续行动并优化营销策略。

优惠券流量主（Coupon Publisher）

通过向用户提供折扣代码（如代金券代码或优惠券代码）为广告主推动销售的流量主。

佣金（Commission）

也称为推荐费，指的是流量主向广告主网站推荐潜在客户而获得的收入。

印象数（Impression）

用来衡量广告被用户浏览次数的标准，也称之为“曝光”。 一个广告被显示了多少次，它就计数多少。

印象欺诈（Impression Fraud）

是一种欺诈手段，通过伪造曝光事件来骗取广告主的CPM（每千人成本）佣金。

印象追踪器（Impression Trackers）

印象追踪器允许impact.com等平台凭借其强大的追踪功能来追踪曝光在何时产生，即用户何时查看展示广告或视频广告。

印象追踪器通常在广告主的广告管理系统中作为第三方印象标注工具。在Web环境中，印象追踪器通常是一段可执行的 Javascript代码，并包含像素追踪器以在不允许执行Javascript的环境中运行。应用内的印象数需要专门的API来进行追踪，因为Javascript代码不能在应用内环境中使用。 图像追踪器会传递有关流量主的所有必要信息。

原因代码（Reason Code）

向有欺诈风险的可疑流量分配的分类代码。

原生广告（Native Advertising）

原生广告是从网站和应用用户体验出发的广告模式，由广告内容所驱动，并整合了网站和应用本身的可视化设计。

域伪装（Domain Cloaking）

恶意流量主在一系列嵌套iFrame框架中投放广告，然后通过将其中一个中间iFrame框架伪装成来源于优质流量主来制造虚假流量。

域欺骗（Domain Spoofing）

恶意流量主修改域名以伪装成优质流量主的网站，然后将广告位高价出售给广告位经销商（网盟和广告交易平台）。

幽灵站点（Ghost Site）

幽灵站点指的是一个仍处于活动状态但不再更新或维护或很少进行更新的网站。

应用安装（App Install）

许多营销人员的目标非常有针对性，譬如推动最近发布的应用程序的安装。这些目标通常由CPI（每安装成本）营销项目驱动，营销人员向媒体合作伙伴支付费用以推动新用户安装应用程序。

应用安装常被定义为CPI营销项目的衡量指标，尽管许多CPI营销项目只在用户完成应用安装并产生交易后才会付款。由于封闭平台的存在，实际上很难精准衡量应用安装量。通常只有当用户完成下载并首次启动应用程序后，才能算作一次“安装事件”。

应用程序接口（API）

API（应用程序接口）由一组规则、例程和协议组合而成，用于构建图形用户界面软件。API允许用户以自动化方式访问数据。

引用域（Referring Domain）

引用域是将访问者引导至您的网站的外部网站。

有机网红（Organic Influencer）

有机网红，即“自来水”，可以是任意规模的网红，他们自发免费地宣传品牌，无需任何报酬。

浴缸模型（Bathtub Model）

一种基于规则的模型，首先给转化路径的第一个和最后一个接触点分配一定的转化功劳，然后将剩余功劳均匀地分配给中间的接触点。假设您的转化路径包括电子邮件 >> 视频 >> 展示广告 >> 付费搜索 >> 再营销，如果我们将浴缸模型设置为将70%分配给第一个和最后一个接触点（电子邮件和再营销各分配35%），再将剩余功劳平均分配给中间的接触点（视频、展示广告和付费搜索各分配10%）

请注意，发生在回顾窗口以外的转化事件不会获得任何转化功劳。例如，假设回顾窗口为30天，付费社交媒体事件发生于转化前第31天，那么该事件不会获得任何转化功劳，因为它发生于回顾窗口期之前。

用户层级欺诈（User Level Fraud）

一种广告欺诈手段，其中用户是虚假的，广告位可能是真实的，也可能是虚假或伪造的。

移动富媒体广告接口定义（MRAID）

移动富媒体广告接口定义（MRAID）是IAB技术实验室推出的标准API，适用于在移动应用中投放的富媒体广告。MRAID帮助富媒体广告制作人员在广告和应用之间通信。目前，它还被广泛用来衡量应用内广告的可见度。

移动广告（Mobile Advertising）

移动广告是利用移动设备展示的广告，包括移动网页广告和应用内广告。移动设备通常指智能手机、平板电脑等。

营销情报（Marketing Intelligence）

营销情报是与公司市场相关的日常信息，这些信息是专门收集和分析的，目的是在确定市场机会，市场渗透战略和市场发展指标时做出准确而明智的决策。营销情报有助于解决一个特别重要的营销问题，即如何根据不同营销投资的投资回报率（ROI）和增量价值，最有效地分配营销支出。

为了做出明智全面的决策，尤其是营销支出分配决策，营销人员需要考虑到方方面面的因素。因此，营销人员必须能够跨多个营销领域获取信息，包括客户（包括当前客户和潜在客户）、渠道、媒体、客户行为、销售等。营销情报系统将这些信息整合到一起，以便为营销人员提供总体视图，做出明智的营销计划和支出决策。

注意： “营销情报”一词的使用可能会令人困惑，因为它的使用范围非常广泛。例如，您可以阅读各种贸易期刊和杂志，以获取有关行业最新发展的“营销情报”。不过，这里的“营销情报”并不是我们所说的“营销情报”。

很多Martech（营销技术）工具有复杂的KPI追踪器、可视化或查询平台，以便为营销中的具体问题提供情报。例如，Salesforce客户关系管理解决方案可以为企业提供营销情报，促进客户转化；Marketo，一款营销自动化工具，可以在营销人员的电子邮件或登录页面上提供有关客户参与度的营销情报。

但是，这些都并不是真正的“营销情报系统”，因为它们只专注于某一领域的问题，无法跨渠道、活动、设备、受众类型和供应商提供更广泛的营销情报——而这些对于优化广告支出策略是非常关键的。

营销记录系统（Marketing System of Record）

营销记录系统允许用户将所有数据整合到一个平台中，并通过KPI/目标追踪、营销计分、仪表盘、报表和归因等方式利用数据，生成营销情报。

营销组织为什么需要营销记录系统？

因为在过去几年中，营销组织经历了营销技术的爆炸式增长，营销记录系统能够帮助它们管理日益复杂且分散的营销渠道。目前已有超过5,000种营销技术，营销组织越来越难以了解自己的营销支出情况，哪些渠道真正对客户产生了作用，以及哪些营销计划正在推动价值。

营销记录系统执行以下操作：

收集数据：自动获取和整合来自不同系统和来源的营销活动数据。协调/规范数据：整合至同一个系统的数据需要进行清理、统一和规范。系统A中的电子邮件地址、系统B中的Cookie和系统C中的设备ID如果是来自于同一个用户，则需要对这些数据进行协调，与该用户关联。然后将这些被协调和规范的数据作为可靠的营销真相来源，进行数据应用。数据应用的范围广泛，从报表、KPI衡量和可视化工具等基础数据应用，到客户旅程梳理和归因分析等高级数据应用。

营销诱饵（Marketing Offer）

由广告主（商家）创建并由合作伙伴推广的任何类型的内容，以吸引受众给出联系信息。

赢得媒体（Earned Media）

赢得媒体一词通常与付费媒体和自有媒体一起出现。与付费媒体或自有媒体相反，赢得媒体指的是口碑营销（即不付费的内容），有助于建立品牌知名度，将用户吸引到广告主自有媒体。

赢得媒体包括社交提及、点赞、评论、搜索引擎优化、转发、推荐等。发布优质内容（譬如电子书、网络研讨会、博客文章等）也有助于获得赢得媒体，因为这些内容可以实现内容关联、生成导入链接等。

隐藏广告（Hidden Ads）

是一种广告展示位置欺诈：恶意流量主在页面上的其他元素后面放置广告，将广告填充为不可见的1×1像素或将广告加载到屏幕外。

预测（Forecast）

归因的目的不仅在于分析导致所需行动的原因，更在于能够预测营销支出变化最终将如何影响您的收入。预测或营销组合建模是帮助营销人员确定最佳广告投放方案的重要工具。

验证（Verification）

在广告技术生态系统中，验证包括欺诈检测、可见度衡量、品牌安全保证和语境分类。

再营销（Retargeting）

再营销是指直接向已经访问过广告主网站的用户再次投放广告的策略，这些用户有可能未完成转化或仍保有兴趣。在电商领域，再营销需要关注用户的转化进度：访问产品页面、将产品添加到购物车、下单但并未真正完成结账。洞察用户的转化进度有利于营销人员实施再营销优化策略，例如加大对已经非常接近转化点的用户的营销力度，或利用动态创意功能推送个性化广告。

再营销欺诈（Retargeting Fraud）

机器人通过获取再营销Cookie以及模仿人类浏览行为，骗取再营销活动的佣金。

增量（Incrementality）

增量是指对广告效果的衡量，可以通过多个粒度维度的归因模型来衡量：渠道、营销活动、关键字营销、展示位置等等。它表示的是由营销活动导致的特定指标的提升量，如增量销售、增量转化等。评估增量的具体做法是将接触或点击特定渠道、营销活动、关键字、展示位置等的用户与没有这些接触点的用户进行对比。

增量通常可以通过更高级的归因算法来有效衡量，例如利用高级统计或机器学习技术的算法，对成功转化和没有成功转化的两段客户旅程进行分析，通过分析两段旅程的接触点的差异，判断其对目标指标的影响。

展示广告（Display Advertising）

展示广告是一种在线广告，也包括富媒体广告。展示广告可以是静态的或动态的，可以显示在流量主页面上的广告位，也可以被展开，通常为基于标记的广告。

忠诚度营销伙伴（Loyalty Affiliates）

与激励营销伙伴类似。忠诚度营销伙伴为用户提供返现，激励用户从营销伙伴的忠诚度门户网站购买广告主的产品并参与活动。

总点击（Raw Clicks）

对同一个链接的总点击次数。

战略合作伙伴关系（Strategic Partnership）

战略合作伙伴关系，也称为品牌对品牌合作伙伴关系、B2B合作伙伴关系或业务开发合作伙伴关系，指广告主或品牌为另一个广告主或品牌推广产品或服务。

最终点击归因（Last-Click Attribution）

广告主将转化归功于转化路径中的最终点击。

最终点击模型（Last-Click Model）

最终点击归因将100%的功劳分配给销售或转化之前的最后一次点击。虽然最后一次点击对于找到促成交易的合作伙伴很重要，但营销人员还应该考虑介绍者（促成首次点击的合作伙伴）和影响者（促成中间接触点的合作伙伴）的贡献。

自动下载（Auto-Download Offers）

当网站访客点击横幅时，会在未经用户同意的情况下自动下载内容。

自定义模型（Custom Model）

自定义模型是完全由营销人员的业务规则定义的基于规则的归因模型。可以以基于规则的基本模型如线性归因模型为基础，进行定制以满足营销人员的几乎任何业务规则。例如，营销人员可以设置一条自定义规则，规定“将30%的功劳分配给第一个接触点，除非第一个接触点是网站访问。将20%分配给最后一个接触点，并将剩余的功劳分配给中间接触点。”

impact.com的Altitude归因模型具有很强的可塑造性，提供了非常灵活的方法来塑造和自定义归因模型，以完全适应所需的任何业务规则。

自有媒体（Owned Media）

自有媒体一词通常与付费媒体和赢得媒体一起使用。

自有媒体是指广告主自身能够完全掌控的，无需另外付费的媒体。与之对应的是付费媒体，付费媒体是指广告创意可能完全由广告主设计和制作，但需要向流量主付费，以获得广告投放机会的媒体。自有媒体包括广告主的网站、媒体资产或微型网站、开发的移动应用程序、发布的博客、社交媒体平台上发布的帖子和推文、邮件营销等等。另外，广告主发展自有媒体对赢得媒体和付费媒体也有好处。例如，优化广告主网站的登录页面将有助于提升付费搜索性能。

资源流量（Sourced Traffic）

提供广告平台的公司通过购买伪造的资源流量并将其“转售”，广告主无法获得实际利益，得到的仅是虚假数据。

转化（Conversion）

在营销中，当用户响应广告、优惠或其他行动号召时，就会发生转化。转化分为线上转化和线下转化。线上转化是在数字渠道发生的成功事件；线下转化是发生在线下的成功事件。用户在广告主的电商网站上成功下单，这就是线上转化。用户去广告主的实体店铺购买产品，这就是线下转化。

转化去重（Conversion De-duplication）

营销人员通常会使用多个系统来管理不同的渠道。例如，他们可能会使用Kenshoo或Marin等SEM（搜索引擎营销）管理工具来管理付费搜索，使用Doubleclick、Sizmek或Trade Desk等广告服务器或DSP（需求方平台）来管理展示广告。每个平台可能会独立追踪转化——如果渠道经理之间不沟通，很可能出现的情况是：所有渠道经理都在追踪自己的转化数据，最终转化数据的总和远远超过了真实的转化数量，因为有些转化被重复计算了。

就上例而言，假设营销人员使用不同的搜索引擎营销和展示广告管理系统， 并且两个系统在过去一天各有50次转化，那么如果不进行转化去重的话，营销人员可能会得出错误的结论——过去一天的转化共100次，其中50次来自付费搜索渠道，另外50次来自展示广告渠道。

这就是为什么跨渠道营销必须要进行转化去重。转化去重确保一次转化只计算一次，不同系统的转化不会被重复计算。这是进行客户旅程分析或多点触控归因分析的必要步骤。

转化图谱（Subway Graph）

转化图谱可以直观地显示转化路径上的营销接触点。

转化欺诈（Conversion Fraud）

通过伪造转化事件获取转化佣金。

转化率（Conversion Rate）

在一个统计周期内，转化的次数占推广信息总点击次数的比率，以百分比表示。计算公式为：转化率 =（转化次数/点击量）×100%。

转化路径（Conversion Path）

用户在转化前所经历的一系列“接触点”，包括广告主通过自己的营销渠道（例如展示广告或电子邮件）或合作伙伴“触达”消费者。

转化路径（Conversion Paths）

用户在转化前所经历的一系列“接触点”，包括广告主通过自己的营销渠道（例如展示广告或电子邮件）或合作伙伴“触达”消费者。

转化追踪（Conversion Tracking）

利用追踪解决方案追踪用户转化。在Web环境中，转化追踪器通常为可执行标记，也可以使用像素代码。应用内的转化需要专门的API来进行跟踪，因为Javascript代码不能在应用内环境中使用。

追踪软件（Tracking Software）

类似于MediaRails的平台，以可靠的方式追踪和分析合作伙伴的营销活动。

追踪链接（Tracking Link）

追踪链接是一个独特的链接代码，用于为品牌追踪流量主及访问者的活动。广告主必须在推广活动中插入追踪链接，才能衡量推广活动的表现。