Attribuly 的新功能、改进与修复。
6 条更新
我们新增了一项关键模板，应对 iOS 26 隐私模式移除 Google 的 gclid、wbraid、gbraid 以及 Bing 的 msclkid 参数所带来的广告追踪变化。
以下是这对你的影响：
att_gcid、att_gbid、att_wbid 来替代 Google 被移除的参数，并用 att_mscid 替代 Bing 的 msclkid。这些参数会自动捕获、保存与原参数相同的核心广告表现数据，并在数据重定向时替换使用。为什么重要：iOS 26 的隐私变化可能影响电商品牌对广告表现的可见性。该模板旨在让你在保持合规的同时继续使用可采取行动的广告数据，优化广告活动并推动收入增长。
全部渠道归因工具用于分析哪些广告促成订单，帮助避免将预算浪费在影响较低的广告活动上。现在，“Compare to”筛选器新增三个选项：
在 DTC 营销中，数据差异会悄悄消耗预算。你可能正根据广告平台声称发生的事来优化，而不是实际发生的事。
认识 Ally AI：首个以利润优先的多智能体系统，基于 Attribuly 的 Shopify 原生像素数据构建。Ally 不只是另一个仪表板，而是主动帮助提升 LTV 和利润的副驾驶，而不只关注表面指标。
多数优化工具被动响应。Ally AI 通过专业化的多智能体系统，主动处理营销漏斗中的具体低效环节。
多数工具提供报告与自动化，却可能依赖碎片化数据或受平台归因模型偏差影响的数据。
广告平台希望获得下一次点击，而我们希望你获得更有价值的客户。
一个算法无法解决所有问题。Ally 使用多种专业智能体：
普通 AI 工具经常给出泛泛的回答。Ally AI 具备 Deep Research 能力，可以深入分析你的数据背景与业务特点。
Ally AI 多智能体系统是我们的核心愿景，当前状态如下：
不必等到 AI 优化的未来，现在就开始准备数据。和使用 Attribuly 的品牌一起，看清业务实际发生的情况。
体验为你服务、而不是为广告平台服务的数据。
新增内容：现在会把用户点击品牌搜索广告之前的展示广告浏览纳入分析。
🔍 识别品牌广告背后的认知贡献：此前，很难判断搜索广告带来的销售是否由更早的展示广告推动。现在系统会关联这些信息，让你看到 Meta 轮播广告是否促成了后续 Google 搜索，帮助将预算转向表现更好的品牌认知活动。
📉 减少浪费支出：错误归因可能让你误以为搜索广告独立发挥作用，从而过度投入。通过本次更新，可避免重复计算，并优化跨渠道支出。
💡 示例：一个使用本工具的服装品牌发现，Meta 广告（认知阶段）带来了 30% 的 Google 搜索流量。该品牌将 20% 的搜索预算转向 Meta，ROI 提高了 15%。
想了解收入究竟从哪里来？欢迎联系我们！
什么是 LTV？ 简单来说，是客户在与你的品牌建立完整关系期间带来的收入。可以把它看作广告获取客户的“终身得分”，帮助理解哪些渠道带来长期价值，哪些只带来一次性高峰。
✅ 避免过度投入低影响渠道：不再只追逐短期 ROAS，而是将预算分配给带来高 LTV 客户的渠道。例如 Instagram 广告带来的客户两年各消费 500 美元，而 TikTok 广告带来的是一次性消费 100 美元的客户，你就能判断投资方向。
✅ 更快做出明智决策：新表格按团队使用的货币显示 LTV，并支持排序，方便发现表现更好的渠道。汇总行计算加权平均 LTV，帮助了解整体渠道盈利能力。
✅ 减少猜测：在归因表格中并排查看各渠道客户的 LTV。例如 Facebook 广告为 300 美元、Google 广告为 250 美元时，可实时调整竞价或素材。
🔍 打开“Edit columns”列选择器，把“LTV”加入视图。
💡 将鼠标悬停在表头，查看公式：历史总销售额 / 唯一客户数。
#AttributionInsights
