Marketing preditivo na era da privacidade do usuário | AppsFlyer
3 Min. Read

Marketing preditivo na era da privacidade do usuário

Michel Hayet Michel Hayet Jun 25, 2021

Após uma longa espera, diversos atrasos e muita ansiedade, no dia 26 de abril a Apple oficialmente colocou em prática a ativação da ATT.

A boa notícia é que entramos oficialmente em uma nova era centrada na privacidade do usuário em anúncios online.

Ao reduzir a dependência do IDFA e introduzir limites adicionais sobre o rastreamento e direcionamento de usuários, a Apple forçou a indústria a dar o próximo passo inevitável.

A comunidade de usuários online se tornou cada vez mais sofisticada e experiente nos últimos anos. Assim, o usuário médio já não aceita mais abrir mão de sua privacidade apenas para utilizar um app ou um serviço.

Mas, em 2021, um anunciante realmente precisa que seus usuários paguem esse preço?

Saindo da zona de conforto

Durante anos, a grande vantagem dos anúncios mobile em relação à publicidade tradicional foi o fato de que, no mobile, o anunciante pode utilizar inúmeros dados de performance mensuráveis para identificar seu público-alvo ideal. Exibir campanhas para um grupo de pessoas específico significa maior probabilidade de gerar mais LTV de cada usuário, com um gasto eficiente de seu orçamento.

Por outro lado, como seria se você pudesse abrir as portas para um grupo de amostra maior e obter insight imediato sobre seu potencial valor?

As análises preditivas permitem que você faça exatamente isso.

As análises preditivas permitem que você aumente a audiência em potencial das suas campanhas. Ao criar diferentes clusters de características comportamentais, a sua audiência pode ser categorizada não por sua identidade de fato, mas pela maneira como ela interage com a sua campanha nos estágios iniciais. Essa interação pode indicar seu potencial futuro com o seu produto.

Por exemplo, um desenvolvedor de um aplicativo de jogos pode prever o LTV potencial que pode ser obtido de seus usuários em um período de tempo de 30 dias. Isso se baseia no período de tempo que passou desde que os usuários completaram o tutorial (engajamento), no número de vezes que eles retornaram ao app (retenção) ou na quantidade de exposição aos anúncios entre cada sessão (monetização).

Cada um dos fatores citados acima, ou uma combinação deles, pode ser correlacionado com a compatibilidade do usuário e a lógica de LTV do desenvolvedor, recebendo uma pontuação de pLTV inicial correspondente logo no início de uma campanha.

Claro, esse processo requer que uma máquina seja treinada para fazer essas correlações. Ela se baseará em sua definição de sucesso e em sua lógica de LTV, aplicando essas definições a uma grande quantidade de dados, gerando a correlação necessária entre sinais de engajamento inicial e uma eventual matriz de sucesso.

Isso significa que os anunciantes não precisam mais saber QUEM é o usuário, mas sim em QUAL cluster de pontuação de pLTV (predicted lifetime value, ou lifetime value estimado) ele se encaixa. Essa pontuação deve ser o mais precisa possível, estar disponível logo nos primeiros dias de uma campanha e representar os requisitos de LTV do anunciante para ser considerada válida e acionável.

Batman begins“Não é quem eu sou por dentro, e sim o que eu faço é que me define.” – Warner Bros. Pictures

Ter esses insights permite decisões mais rápidas na hora de iniciar, pausar ou otimizar campanhas de maneira confiante.

Visando a privacidade em primeiro lugar, esse método revoluciona a interação online entre anunciantes e usuários.

Não estamos reinventando a roda aqui

Não é segredo que a ciência da análise preditiva existe há anos. É usada pelas maiores empresas e setores do mundo para aperfeiçoar suas operações, antecipar mudanças de oferta e demanda, prever mudanças globais e usar dados históricos para antecipar e se preparar para eventos futuros.

Introduzir esta tecnologia sofisticada no cenário de marketing e aplicá-la para se adaptar à evolução da indústria é fundamental.

Não há como voltar atrás e a privacidade do usuário veio para ficar.

A equipe da AppsFlyer tem desenvolvido nossa solução de Análises Preditivas desde o final de 2019. Isso foi parte dos esforços contínuos de inovação da empresa e nosso compromisso em oferecer valor substancial ao nosso ecossistema, anunciantes, parceiros e usuários.

Desenvolver uma solução que pode gerar insights de marketing usando poucos dados em um período muito curto de tempo foi uma decisão lógica, muito antes de a Apple introduzir o conceito de SKAdNetwork e ATT.

As limitações da SKAdNetwork foram complementadas perfeitamente por uma solução orientada pela privacidade do usuário.

Uma janela de mensuração de 24 horas.

Um valor de conversão.

É tudo o que você precisa para fazer Análises Preditivas.