《Journal of Theoretical and Applied Electronic Commerce Research》:Privacy Regulation and Online Retailer Resilience: The Roles of Customer-Acquisition Dependence and Traffic Architecture
编辑推荐:
本研究考察了在Apple的App跟踪透明度(App Tracking Transparency, ATT)限制基于标识符的广告之后,在线零售商归因于Meta的流量和销售份额是否下降,以及收入是否随之下降。研究人员采用连续暴露双重差分(continuous-ex
本研究考察了在Apple的App跟踪透明度(App Tracking Transparency, ATT)限制基于标识符的广告之后,在线零售商归因于Meta的流量和销售份额是否下降,以及收入是否随之下降。研究人员采用连续暴露双重差分(continuous-exposure difference-in-differences, DID)设计,基于平衡的月度零售商面板,结果发现,执法后,事前Meta依赖较高的零售商从Meta中介流量中获得的会话、订单和收入份额低于依赖较低的零售商。由于数据记录的是份额,且未区分付费与自然推荐,这一下降本身并不能证明通过Meta获取的客户减少。该下降随时间扩大,并在疫情后窗口起点、暴露测量以及类别和规模冲击下保持稳定;其归因于ATT依赖于平行趋势假设,而执法前较短的时期只能部分检验该假设,且零售商特定趋势和敏感性边界使该假设仍悬而未决。在整个冲击前一年保持活跃的零售商中,有销售月份的收入和订单没有统计上可检测的相对下降;等价检验将这些反应限制在几个百分点以内,但无法区分受收缩渠道被完全替代与较小的未检测损失。先前研究报告的较大收入下降(在转换后的结果上比较高于和低于中位数暴露的所有企业)在同一数据中源于多数为小型零售商的无销售月份。桌面网页份额未能可检测地调节Meta份额的下降。
过去十年,在线零售商在服务客户之前先购买客户,依靠Meta等平台的标识符广告:平台跨应用和网站观察购物者,预测接近购买的人群,并精准销售给零售商。这种客户获取机器面临日益增长的监管和公众审查。Apple的App跟踪透明度(App Tracking Transparency, ATT)框架于2021年4月随iOS 14.5强制执行,要求每个iOS应用在跨其他公司应用和网站追踪用户前获得明确同意,而多数消费者拒绝被追踪。ATT属于更广泛的限制跨上下文标识符的运动,其关闭了客户获取依赖的追踪,可能切断依赖社交媒体广告增长的零售商的新客户流入。已有研究记录了ATT削弱广告效果、广告支出向Google转移以及企业间异质性收入损失;最直接的是Aridor等(2022)使用同一公开研究发布数据报告Meta依赖高的企业相对收入下降8%至40%,且损失集中在小企业。然而,三个问题留待解答:受影响的渠道在依赖型零售商流量和销售中的权重是否下降并持续?收入差距出现在哪个边际和哪类零售商?事前流量架构(尤其桌面网页份额)是否调节响应?本研究基于该公开发布数据,用严格平衡的654家零售商月度面板(2020年1月至2022年12月)回答这些问题。
研究人员发现,执法后,事前Meta依赖较高的零售商从Meta中介流量中获得的会话、订单和收入份额相对下降更多;但收入在有销售月份无显著相对下降,差距主要来自少数小零售商的无销售月份。研究意义在于区分了渠道权重下降与收入损失,定位了先前估计的广延边际来源,并对流量架构观点提供了识别检验。
数据来自Grips Intelligence编制的企业-月度电商面板,其记录源自零售商自身第一方Google Analytics跟踪,并以Aridor等(2022)的公共研究发布形式获取;分析样本为2020年1月至2022年12月严格平衡的654家在线零售商。主要方法包括:连续暴露双重差分(continuous-exposure difference-in-differences, DID)模型及其事件研究推广,用于估计事后Meta份额和收入的相对变化;通过等价检验(two one-sided tests, TOST)为收入零结果提供边界;通过规范桥接将先前估计逐一分解到样本、暴露测量和结果转换;通过交易边际(任何订单指示、log(1+收入)、log收入、log订单、log平均订单价值)分离广延与密集边际;通过交互模型和动态事件研究检验桌面份额调节;并辅以安慰剂日期、相对幅度敏感性边界、零售商特定趋势、随机化推断等稳健性检验。
5.1 描述性模式与评价窗口:通过绘制Meta依赖三分位组的Meta会话份额、Meta收入份额和log(1+收入)的月度轨迹,发现最依赖组在2020年春夏经历疫情流量激增并回落;为保证评价不受激增消退干扰,渠道结果采用2020年10月至2022年12月窗口,而收入结果采用全36个月窗口。
5.2 渠道收缩:在评价窗口上估计连续暴露DID,会话份额每标准差下降0.78个百分点(s.e. 0.20),收入份额下降0.61(s.e. 0.29),订单份额下降0.66;事件研究显示前周期系数围绕零,后周期逐渐下移;该收缩对窗口起点、暴露测量、类别和规模固定效应稳健,但会话份额前周期检验在部分起点拒绝,归因需谨慎。
5.3 时间跨度与暴露梯度:将事后窗口分为1-6、7-12、13-20个月,发现收缩在头六个月很小,2022年最大;按依赖四分位,最依赖组(平均事前依赖11.6%)的会话份额相对最不依赖组下降2.3个百分点,约占其事前水平(20%)的12%,且梯度单调。
5.4 收入基准差距及其来源:用活动敏感暴露测量(未加权月均份额)得到log(1+收入)下降0.104 log点,但改用收入加权份额后降至-0.029且不显著;剔除37家冲击前间歇活跃的小零售商后进一步趋近零。这些变化表明差距是无销售月份进入暴露测量和结果转换所致,并非活跃月份收入下降。
5.5 收入韧性与等价边界:对事前活跃零售商在有销售月份的对数收入做TOST等价检验,最小边界为0.037 log点(评价窗口)和0.034(全窗口),log订单边界约0.038,log AOV约0.021-0.027;分解显示log Meta收入系数-0.044(不显著),log非Meta收入0.010,说明权重转移而非完全退出;边界与先前估计不矛盾,但排除了活跃月份大额下降。
5.6 交易边际:无订单月份共409个,由59家零售商贡献,其中48家低于收入中位数;零月多为连续运行;事前活跃零售商中,物质依赖组(四分位2-4)的任何订单概率下降1.2个百分点(边际),但仅基于10家有事后零月的零售商,Fisher精确检验不拒绝独立;有活动月份的对数订单无下降,log AOV在评价窗口下降约1.5%,Holm校正后不显著。
5.7 流量架构调节:在617家事前活跃零售商中,桌面份额与Meta依赖负相关;静态交互显示桌面份额每高一个标准差,Meta-收入关联改善0.098 log点,但交互事件研究的前趋势联合检验拒绝,说明交互在执法前已移动;渠道层面,桌面份额对Meta份额收缩的交互不显著,因此流量架构未提供可归因于ATT的缓冲。
讨论部分指出,渠道收缩与收入损失分离,支持假设1和2;收入韧性与假设3部分一致,但边际排序相反(唯一显著的密集边际是AOV小幅下降,而非订单计数);假设4不支持。理论含义上,研究区分了获取技术破坏与销售收入损失,并展示了站方数据对活动构成和结果变换的敏感性。实践含义上,零售商应单独监控获取渠道构成,小商店面临休眠风险,分析供应商应分别报告广延边际和密集边际,政策制定者应将评估聚焦于小企业。局限包括识别依赖平行趋势假设、测量噪声、缺乏广告支出和客户身份数据、零月解释模糊、平衡面板无法观察进入退出等。未来研究需要更长事前窗口、会话计数和客户层面数据、广告方支出、面板进入退出等。
研究结论(翻译):站端面板数据展示了那些建立在跨上下文标识符上的客户获取的零售商在标识符被撤回后的表现。相对于依赖度较低的零售商,它们的会话、订单和收入中归因于Meta中介流量的份额在执行后下降,依赖越深下降百分点越多,并持续下降超过一年。这是Meta渠道权重的下降,不一定是通过其获取的客户数量下降,因为数据记录的是份额且未区分付费与自然推荐;其归因于ATT依赖于平行趋势假设,而执行前仅有的几个月只能部分检验该假设。收入表现不同。在冲击前全年活跃的零售商中,有销售月份的收入和订单没有统计上可检测的相对下降,平均订单价值在评价窗口上仅小幅下降;等价检验将这些反应限制在几个百分点内,但无法区分收缩的Meta归因收入被完全替代与较小的未检测损失;这些检验描述的是观察到的有销售月份,而非预先固定的零售商总体,也不表明所有零售商的总收入未受影响。全面板中的收入差距,如同先前研究中更大的估计一样,产生于少数小零售商的广延边际。桌面网页份额未能可检测地调节渠道收缩,其与收入的关联早于执行,因此流量架构是不同轨迹零售商的标记,而非已识别的韧性来源。对于冲击前活跃的零售商而言,执行后发生的变化因而体现在其流量和销售的来源构成中,而不是有销售月份收入的可检测变化中,这一模式与其他来源替代的证据一致,但并非证明;该证据基于少数零售商,且一旦将比较限制在活动筛查覆盖的月份便不再显著,但提示小型获取依赖型商店存在休眠风险。隐私监管的站端证据因此应报告受影响渠道的份额和广延边际以及收入,说明每个估计的暴露对比、活动条件和结果转换,并寻求足够长的执行前时期以检验平行趋势假设。对于管理者而言,重要的暴露是对标识符依赖平台的依赖,而非客户的设备组合;无论下降的确切原因是什么,这种集中都承载风险,小型暴露商店的订单流连续性最值得密切监控。