¿Cómo se define cada métrica?
La lista completa de las 17 métricas y sus definiciones pueden consultarse aquí.
La lista completa de las 17 métricas y sus definiciones pueden consultarse aquí.
La única fuente de datos utilizada para este sitio procede de AppsFlyer, líder de la industria en medición de marketing con un share de mercado mundial de aplicaciones que supera el 60%. Esto se realiza a través de integraciones con los principales partners de medios, así como su propio SDK implementado en las aplicaciones de sus clientes. Para garantizar la validez estadística, seguimos estrictos umbrales de volumen y metodologías. Todos los datos son anónimos y agregados.
Actualizamos los datos trimestralmente, normalmente antes del 7 de enero/abril/julio/octubre. Se aplica una cohorte de dos meses para las métricas posteriores a la instalación, como la tasa de retención y el porcentaje de usuarios de pago, que abarcan datos hasta 30 días después de la instalación.
La sección de benchmarks de rendimiento utiliza un enfoque de promedio por aplicación. Cada aplicación que cumple los umbrales estadísticos recibe la misma ponderación, independientemente de su tamaño. Puedes filtrar por tamaño de la aplicación, definido como:
Si una cohorte de tamaño de aplicación específica no alcanza el umbral, los datos incluirán todas las categorías de tamaño que sí lo hagan.
En cambio, en otras secciones se utilizan datos agregados. Esto significa que las aplicaciones con más puntos de datos tienen una influencia proporcionalmente mayor en los resultados. Esto se aplica a las tendencias normalizadas (por ejemplo, en la Sección 1), las divisiones porcentuales (Secciones 3 y 5) y el cambio porcentual (Sección 4).
La clasificación de los tipos de medios se basa en el tipo de actividad de marketing de pago:
Adquisición de usuarios (UA) gasto / métricas de instalaciones de pago
Gasto publicitario de remarketing / conversiones de remarketing de pago
En la sección de benchmarks de rendimiento, se excluyen el 10% superior y el 10% inferior de los valores de la métrica seleccionada. Por ejemplo, si se selecciona Retención del Día 7, el 10% de las aplicaciones con los valores de retención más altos y más bajos en ese día se eliminan antes de calcular el promedio.
En las secciones que utilizan datos agregados (lee la pregunta anterior), nuestra detección de anomalías combina tres reglas. Valores que representan el 20% o más del total, o que son 10 veces mayores que el segundo valor más alto, lo que indica predominio o valores atípicos extremos. La tercera regla utiliza Median Absolute Deviation (MAD) para detectar valores que se desvían de los patrones típicos, ya sea entre trimestres (detección de cambios a lo largo del tiempo) o dentro de un trimestre (detección de valores atípicos a nivel de grupo).
Nuestra metodología aplica umbrales estadísticos estrictos, que incluyen un número mínimo de aplicaciones, un número mínimo de empresas, un número mínimo de instalaciones y la exclusión de valores atípicos. Los datos sólo se muestran cuando cumplen nuestros umbrales. Como resultado:
Cada trimestre ejecutamos los datos para actualizar la herramienta. A medida que AppsFlyer añade constantemente más y más aplicaciones a su base de clientes, aumenta la posibilidad de superar los umbrales.
Si no se alcanzan los umbrales para un país concreto, seguimos esta lógica: cuando los datos son suficientes a nivel de subregión (pero no de país), el país aparecerá en el desplegable, pero los resultados mostrados reflejarán la subregión, claramente etiquetada como tal. Si no se alcanzan los umbrales ni siquiera a nivel de subregión, el país no aparecerá en absoluto en el dropdown.
Las subregiones se agrupan en función de los siguientes países:
Usamos la taxonomía de Sensor Tower para gaming y non-gaming basada en sus soluciones Game IQ y App IQ.
Nos encantaría escuchar tu opinión en este formulario.