定义您的转换架构。如果您的品牌使用 Facebook SDK 和 App Events API，请考虑如何重新配置您的转换架构来处理更新。
学习使用“广告商跟踪已启用”标志。如果您使用基于应用的业务工具（如 FB SDK、应用事件 API 或 MMP SDK），则需要转而利用“广告商跟踪已启用”标志来告诉 Facebook 根据每个事件限制客户数据。如果您仅使用应用事件 API，则预计在事件管理器说明中集成 SKAN API。
负责安装广告系列。品牌需要在每个应用的一个广告帐户内运营所有 iOS 14 应用安装广告系列。此外，每个应用只能有 9 个广告系列，每个广告系列只能有 5 个具有相同优化类型的广告组。
Facebook 的回应
一旦苹果推迟发布更新，Facebook 就会改变逐步淘汰 IDFA 的方针，现在将“继续在 iOS 14 上收集 IDFA，以减少对客户业务不必要的干扰”：
使用基于网络的商业工具的广告商仍将通过 Facebook 的聚合事件测量 (AEM) 协议对某些网络事件进行有限的测量。
使用基于应用程序的商业工具的广告商仍将获得 Facebook 对 Apple 的 SKAdNetwork API 的支持。
重新定义归因
尽管 iOS 14 更新的时间不太方便，但对于营销人员来说，这是一个做出多年来一直需要的重大转变的机会。
Facebook 使用的归因模型从未提供营销人员完成 1:1 营销所需的分析。我们一直痴迷于 Facebook 广告活动指标，以至于我们从未真正评估过我们衡量的指标是否最能反映活动的成功。
Baartse 主张重新定义归因：“所有归因都只是估算，远非完美。它们是任意数字。如果有人在八天后购买，他们仍然购买了。只是报告方式不同。因此，客户行为不会改变，只是我们报告的方式不同。”
Mutiny 管理合伙人亨利·伊尼斯 (Henry Innis) 的说法更为直白。“我们应该问问自己，我们为什么要讨论归因模型；这是糟糕的数学，”他说。“我们应该考虑转向排名和贡献模型。”
Innis 认为，广告行业被归因的概念“蒙蔽了双眼”。“有了归因，广告商就会争论或争吵他们在销售转化中所扮演的角色——但你可能在 15 个不同的来源看到同一条信息，却无法对结果进行排名影响他们购买了该商品。”
现实情况是，Facebook 并不允许品牌以 1:1 的比例向客户营销。您无法使用推荐，唯一可以实现的个性化是使用 Facebook 的专有工具。从长远来看，这并不是吸引客户的最佳渠道。
重新评估你的衡量和创新
技术会不断发展。Baartse 相信我们将会看到比现有方案更好的解决方案。
“解决这些 cookie 问题的方法是服务器端技术。当你从技术角度考虑 cookie 和跟踪像素等时，你会发现这实际上是一个很大的、非常令人不快的黑客行为。我们的转化率、转化率的衡量依赖于一段 JavaScript。我是一台服务器，我说，‘Alex，你是一个网络浏览器，这是一段 JavaScript。我相信你会按照我的意图运行它。我相信你不会安装广告拦截器。我相信你不会关闭 JavaScript。我相信你有一个快速的互联网连接。我相信你不会太快关闭浏览器窗口。’”
马克·巴特斯 (Mark Baartse) 头像
马克·巴特斯
首席营销官兼电子商务营销顾问
您的品牌必须重新考虑识别客户的方式。例如，当澳大利亚 智利 WhatsApp 数据 零售商Cue Clothing适应 2020 年电子商务的兴起时，他们发现简化结账流程可以提高他们识别 80% 客户的能力。
“所以这很容易，特别是当你看到大多数客户都是通过移动设备进行交易时。拥有这个入门部分至关重要。然后，通过结账，你再次要求客户输入付款详细信息，或者让他们选择使用他们保存的详细信息。所以，这与客人结账没什么不同，只是我甚至不必问他们这个问题。因此，我们立即发现，通过询问他们是否会回来，结账过程中的摩擦就消失了。简化该流程，这也意味着让 100% 的客户在网上被熟知，在店内购物的客户，他们熟悉这样一个事实，嗯，在大多数情况下，如果他们在网上购物过，他们肯定已经是客户了，是已知客户，是那些在网上购物过的客户。所以这是关键。”
Shanelenton Cue 服饰公司
谢恩·伦顿
CUE 服装公司首席信息官
最后的想法
数据隐私的实现需要很长时间。iOS 14 比预期更快地实现了这一目标，而且最直接地体现在 Facebook 内部。品牌将在移动设备上跟踪更少的客户，收集更少的数据。定位、数据分析和优化一开始会有些困难。
当然，如果你使用 iOS 设备的客户选择加入 Apple、你的网站和你的应用，那么一切都很好。但我们已经看到 2020 年的数字营销是多么难以预测。明智的做法是计划如何开始应对影响今天发布了 iOS 14。
也许我们会看到可靠的解决方案，可以跨设备识别客户。也许机器学习将得到进一步利用，以改善情境营销。
短期内将会面临挑战，但总体而言，品牌将会发现更好的方式来吸引客户，找到在每个渠道上进行个性化的更少限制的方式，并将创造更好的购物体验以换取第一方数据。