Padronização de Dados: Como Garantir a Eficácia das Análises - AppsFlyer (Portuguese)
4 Min. Read

Padronização de Dados: Como Garantir a Eficácia das Análises

Jillian Gogel Jillian Gogel Jul 03, 2019

 

Nessa era de mobile marketing altamente competitiva, em que novos aplicativos surgem todo dia e o nível de experiência dos profissionais de marketing cresce cada vez mais, não há espaço para erros. 

Na base disso tudo está a necessidade de padronização de dados em todas as suas fontes. Os profissionais de marketing têm que assumir a responsabilidade pelos dados enviados pelas redes de anúncios em links de atribuição, garantindo que os dados estejam alinhados com suas necessidades analíticas e tenham a granularidade desejada. Além disso, eles devem garantir que as macros inseridas (placeholders dinâmicos no lado da rede) correspondam aos parâmetros dos links de atribuição (placeholders dinâmicos no lado do MMP), ou, pelo menos, que os dados possam ser reconhecidos pelo MMP. 

Sem consistência nas convenções de nomenclaturas e correspondências de parâmetros de macros, só haverá, como diz o ditado, "lixo entra, lixo sai". 

O que você pode fazer para evitar discrepâncias nos seus dados e manter sua medição precisa? Essas são nossas quatro melhores recomendações. 

 

1. Sempre use IDs de rede; não use código rígido para seus medidores de parâmetros.

A realidade ao trabalhar com redes de anúncios é que a rede sempre enviará dados usando suas próprias convenções de nomenclatura e macros, independentemente da configuração no seu próprio painel. Portanto, ao invés de usar código rígido em seus macros e possivelmente criar muitas discrepâncias entre os dados da rede e os seus, use as macros fornecidas. 

Essa lacuna de dados resulta em uma não correspondência, já que, se a rede relata dados em seu ID quando você usa seus próprios IDs, você não poderá juntar dados de desempenho, gastos e atribuição de modo algum.

padronização de dados

 

2. Simplifique

Para conseguir certos níveis de granularidade, pode ser tentador carregar os parâmetros dos links de atribuição com muitas camadas de macros. No entanto, quando há mais do que uma única macro por parâmetro a capacidade de corresponder dados diminui significativamente. Em vez de sobrecarregar seus dados, insira cada macro no seu lugar reservado exclusivo para diminuir a possibilidade de erro em suas análises.

Subscribe to AppsFlyer content

The latest mobile marketing tips & trends delivered to your inbox.

Essa lacuna de dados resulta em uma correspondência incorreta ou incompleta no melhor dos casos, pois alguns ou a maioria dos parâmetros complexos podem não ser reconhecidos, ou, no pior dos casos, pode haver uma não correspondência.

padronização de dados

 

3. Padronize suas macros

No seu lado, é importante usar a mesma macro em todos os parâmetros correspondentes em redes diferentes. Como as redes costumam mandar macros diferentes das de outras redes, o conjunto de macros que você pode receber de suas redes pode ser variado, mesmo se todos forem destinados a um mesmo parâmetro. Ainda que a padronização exija um investimento de tempo para classificar essas diferentes macros e mudar para seu próprio nome de macro, suas análises se beneficiarão muito com isso, permitindo uma análise granular completa e unificada de seu desempenho de marketing, gastos e retorno sobre investimento.

Essa lacuna de dados resulta em uma correspondência errada, já que o parâmetro dos seus links de atribuição, af_ad, pode ser consistente para as macros que você envia, mas os nomes de macros em si diferem entre as redes e, portanto, talvez não correspondam sempre aos seus parâmetros.

padronização de dados

 

4. Certifique o significado das macros

Pode parecer simples, mas certifique-se de que suas macros significam o que você acha que elas significam. Como podemos ver no exemplo acima, as redes de convenções de nomenclatura nem sempre coincidem, então {adname} da Rede 1 pode não ter o mesmo significado que {adname} da Rede 2 e deve ser mapeado com mais precisão para um diferente parâmetro de atribuição de link. Por essa razão, sempre certifique-se de que você entendeu a terminologia da sua rede antes de configurar os parâmetros do seu link. 

Esse desalinhamento significa que você analisará um parâmetro como uma dimensão quando, na verdade, ele reflete múltiplas dimensões, o que levará você a fazer decisões com base em dados incompletos ou incorretos.

padronização de dados

 

Ponto Decisivo

Listamos acima algumas das recomendações que você pode integrar em sua rotina de análise de dados, mas, no fim das contas, cabe a você colocá-las em prática. Ainda não está convencido? Pense por esse lado: a padronização de dados não só ajuda a organizar conjuntos complexos de dados, mas ela simplesmente torna a análise mais fácil – recorta os dados em várias dimensões -, e, mais importante que isso, transforma seus dados brutos em informações úteis. 

Afinal, enquanto a indústria mobile está fragmentada e esforços são feitos para padronizar a complexidade que vem disso, ainda é responsabilidade dos profissinoais de marketing ter controle dos seus dados e se certificar que eles garantam a consistência necessária para manter as análises eficazes.