Meta AMM 回归：出海广告主还能重回黄金时代么？
6/19/2025
美国时间 6 月 17 日，Meta 重新向开发者开放了高级移动衡量（Advanced Mobile Measurement，AMM）功能。这意味着广告主又能直接获取到媒体设备粒度级的归因数据了（AMM 不开启前，只能与 MMP 共享设备粒度级数据）。
从此以后，你不再需要完全依赖 MMP 提供的那些聚合报告，而是可以把 Meta 的归因数据直接拉到自己的 BI 系统里，自己动手聚合数据，构建完整的用户生命周期报表，回到曾经数据驱动投放的年代。
安卓和 iOS 之间原本那道深深的隐私巴别塔，影响也将大大降低。
AMM 未回归前，Facebook 归因方法介绍与对比
在新 AMM 回归之前，Meta（Facebook）为了应对日益严格的隐私政策，尤其是 Apple 的 ATT 框架，在安卓和 iOS 平台上推出了不同的归因方案。
让我们来回顾一下这些方案，看看它们是如何在隐私和效果之间寻找平衡的。
安卓端归因：GPIR 与 MIR
在 AMM 缺席的日子里，安卓端的归因主要依靠两种 Meta Install Referrer（安装来源）技术：Google Play Install Referrer（GPIR）和 Meta Install Referrer（MIR）。
GPIR
GPIR 主要用于匹配同一会话内的点击安装。当用户点击 Meta 广告，然后直接跳转到 Google Play 商店并安装应用时，GPIR 能够提供归因数据。
但它的局限性在于，无法覆盖跨会话的点击或展示归因，导致很多安装无法被正确归因到 Meta 的广告活动。
MIR
为了弥补 GPIR 的不足，Meta 推出了 MIR。MIR 是专为安卓端设计的监测解决方案，它能将 Meta 应用中的广告展示和点击匹配到相应的应用下载，并且同时支持查看归因（view-through attribution）和非同一会话的点击归因（non-same session click-through attribution）。
这意味着，即使是没有直接点击广告的展示，或者用户在点击广告后隔了一段时间才安装应用，MIR 也能进行更全面的归因，大大提升了 Meta 安卓端推广活动的可见性。
行业内的资深玩家们都对这段归因历史有全面且深刻的总结，请参考下面两篇文章
iOS 端归因：AEM 与 SKAN
对于隐私政策更为严格的 iOS 平台，Meta 主要依赖于 Aggregated Event Measurement（AEM）和 Apple 的 SKAdNetwork（SKAN）进行归因。
AEM
这是 Meta 针对 iOS 14 及更高版本设备推出的一种归因方法。AEM 的核心在于聚合事件数据，并通过隐私保护措施（如移除设备标识符、添加随机归因延迟和噪声）来保护用户隐私。
它不依赖设备标识符，这意味着 Meta 不会看到或存储原始的用户级日志，只会返回聚合的、经过建模的指标。AEM 能够捕获关键的转化行为（如安装和应用内购买），并提供接近实时的报告，这对于广告主进行快速决策非常有利。AEM 可以与 SKAN 同时使用。
SKAN
SKAN 是 Apple 推出的一套隐私保护归因框架。它通过设备端归因，将转化数据以延迟和聚合的方式回传给广告平台和 MMP，不提供用户层级的详细数据。
SKAN 的特点是归因信号的延迟性，通常会有不同的转化窗口（例如 0-2 天、3-7 天、8-35 天），这使得实时优化和准确的 LTV 评估变得更具挑战性。
在应用安装广告中 AEM 广告与 SKAN 广告会同时工作，进行混合归因。
安卓端 VS iOS 端
| 特性 | 安卓归因（GPIR/MIR） | iOS 归因（AEM/SKAN） |
|---|---|---|
| 主要方式 | GPIR 和 MIR | AEM 和 SKAN |
| 数据粒度 | • GPIR 提供同会话点击安装数据 <br/> • MIR 在 GPIR 不工作时提供 VTC 与三方商店数据，可提供设备层级的原始数据（通过解密），会有上报 restricted 的情况 | • 广告 Campaign 级聚合数据，无法提供设备粒度级归因，且 SKAN 会存在延迟 |
| 隐私保护 | • 通过加密的 Install Referrer 数据传递，需解密才能获取详情 | • AEM 移除设备标识符，添加噪声<br/>• SKAN 在设备端进行归因，并以聚合形式回传数据，严格保护用户隐私 |
| 归因窗口 | • 通常取决于 MMP 和广告主设置的点击归因窗口（例如 7 天点击、1 天查看）<br/>• MIR 支持查看归因和非同会话点击归因，带来更长的可见性 | • AEM 通常提供 1 天点击、7 天点击和 28 天查看的归因窗口，数据相对接近实时<br/>• SKAN 有固定的转化窗口（0-2 天、3-7 天、8-35 天）且数据延迟 |
| 实时性 | • 秒级 | • AEM 提供接近实时的报告<br/>• SKAN 数据有明显延迟，不利于实时优化 |
新版 AMM 原理讲解
新版 AMM 的回归，标志着 Meta 在后隐私时代，为广告主找回了久违的行级（row-level） 归因数据能力。这可真是投放人梦寐以求的，可以告别「黑盒」猜谜，重新拿回对数据的掌控！
AMM 归因工作流程
- 用户互动
用户在 Meta 旗下的平台（Facebook、Instagram 等）看到了你的广告，并产生了点击或展示（Engaged View）行为。
- 数据传输（媒体侧）
Meta 服务器记录用户的广告互动信息，并根据其先进的归因逻辑进行初步判断。
- MMP 与 BI 工具直连
关键来了！不同于以往的聚合报告，现在 Meta 可以直接将归因后的行级数据（attributed last-touch data）以非聚合格式（non-aggregated format） 提供给 MMP 和广告主自己的 BI 工具。
这意味着数据不再经过 MMP 的「二次加工」，而是由 Meta 直接回填。
- 安卓端：ID 匹配驱动
对于安卓设备，Meta 会利用其内部的 ID 匹配能力，将广告互动数据与应用安装或激活数据进行精准匹配。
核心：媒体直接对 MMP 数据进行回填，不经过传统的归因链接。这种方式绕过了第三方归因链接的限制，实现了更直接、更精准的数据匹配。
- iOS 端：较为精准的模糊匹配
由于 iOS 的隐私限制，特别是 ATT 框架，Meta 无法直接获取设备 ID。因此，它会采用一种较为精准的模糊匹配技术，这也是与以往完全使用 IDFA 归因存在区别的地方。
核心：媒体通过用户请求原生广告版位时的设备上下文信息（例如，粗粒度 IP 地址、设备类型、操作系统版本等），以及应用激活时 SDK 上报的激活信息（同样可能包含 IP 信息、时间戳等），进行概率性地匹配。
这种匹配大概率会利用归因窗口内的 IP 信息等非个人身份标识符来提高匹配的准确性。
- 数据入库与分析
MMP 收到这些未经聚合的行级数据后，可以将其整合到广告主的报告中。更重要的是，广告主可以将这些原始的、设备粒度级的数据直接导入到自己的 BI 系统中，与内部的其他业务数据（如 CRM 数据、应用内行为数据）进行聚合，构建完整的用户生命周期报表，从而进行深入的用户行为分析和广告投放优化。
新版 AMM 回归后的数据质量观测情况
同意 AMM 协议后，Meta 立刻返回 iOS 用户概率归因结果（精确到设备广告粒度来源）给广告主。
自建 BI 观测到，restricted 归因用户数量明显下降（安卓端）。
AMM 回归原因的推测
AMM 的回归绝非偶然（做慈善），这背后可能隐藏着 Meta 对市场变化、经济压力以及自身广告产品策略的调整。
市场行情的变化
- 经济不景气
全球经济下行，广告预算普遍收紧，广告主对每一分钱的效果都更加斤斤计较。提供更透明、更精细的归因数据，无疑能增强广告主对 Meta 平台的信心和投入。
- 谷歌开放 ICM，以及其他媒体平台的扩张
竞争对手如谷歌，也在探索并开放类似的颗粒度数据能力（例如 Google 的 ICM - Incremental Conversions Measurement）。
其他媒体平台也在不断提升自身的归因和测量能力，Meta 需要保持竞争力，避免广告主流失。
- 急需提振收入
面对经济逆风和日益激烈的市场竞争，Meta 急需通过提升广告主 ROI 的可见性来提振广告收入。
- AEM 一直有被诉讼风险
虽然 AEM 在隐私合规方面做了努力，但作为一种基于聚合和建模的归因方式，其准确性和透明度一直受到质疑，并存在潜在的隐私诉讼风险。
广告投放模式的变化
- Meta 进阶赋能型广告已经全量，走向全面 AI 时代
随着 Meta 进阶赋能型广告的全面推广，广告平台越来越智能化，AI 在广告投放中扮演的角色越来越重。这意味着广告主对广告的控制力显著下降，很多决策都交由 AI 系统自动优化。
- 需要一定的补偿
当广告主对投放流程的控制权减少时，他们自然会要求在数据透明度上获得更多补偿。
AMM 的回归，正是 Meta 对广告主的一种「交代」和「补偿」，在前端的控制权少了，但后端的数据看得更清楚了，从而增强了广告主对 AI 投放的信任感和掌控感，让他们有一种「爽感」：钱虽然交给 AI 烧了，但每一分钱烧到哪里，我心里门儿清！
AMM 和 ICM 等更有效率的衡量方法的回归并非是要让广告主将自己陷入拥有大量数据，但无法找到增长方向的困境中，它更像是一把利剑（工具），赋予广告主更好的「观测能力」。
然而，这把剑的真正价值在于如何使用。
数据驱动的本质，是帮助我们发现更好的素材与人群匹配方向，实现业务内部更有机的用户分层（参考多邻国），当广告主能够更深入地理解用户生命周期，并根据不同的用户群体制定精细化的运营策略时，才能真正释放他们的潜力，迎来增长的下一个阶段。