Prepare-se para o
iOS 14 com a AppsFlyer

Glossário e FAQ
Respostas claras para suas dúvidas a respeito do iOS 14

Glossário

IDFA

O identificador para anunciantes, ou IDFA, é único para cada dispositivo iOS. O IDFA é um padrão adotado pela Apple que permite que as redes de anúncios mobile rastreiem usuários e mostrem a eles anúncios específicos. Com o iOS 14, tanto um aplicativo de publisher como de destinação deve receber separadamente a permissão do usuário para ser rastreado, de maneira que o IDFA possa ser identificado, tornando-o um recurso exclusivamente opcional.

IDFV

O identificador para fornecedores, ou IDFV, é uma string alfanumérica que identifica exclusivamente um dispositivo para o fornecedor do aplicativo. Um IDFV é atribuído e compartilhado por todos os aplicativos de uma mesma empresa.

SKAdNetwork

A SKAdNetwork é uma solução de atribuição desenvolvida pela Apple há dois anos atrás como parte de seu framework de StoreKit, desenvolvido para oferecer insights agregados, a nível de campanha, para redes de anúncios e anunciantes. A SKAdNetwork permite que apenas redes de anúncios pré-registradas atribuam instalações através da “sinalização” da conversão, sem que o IDFA seja efetivamente compartilhado.

Com o anúncio do beta do iOS 14, a Apple também incluiu algumas atualizações na SKAdNetwork. O gráfico abaixo descreve o atual caminho (path) de uma validação de instalação. O App A é o aplicativo de origem que exibe um anúncio. O App B é o aplicativo do anunciante, que foi instalado pelo usuário.

AppTrackingTransparency (ATT)

O framework de AppTrackingTransparency (ATT) é o mecanismo de opt-in do IDFA da Apple. Esse mecanismo irá pedir a autorização do usuário para o acesso a dados relacionados ao aplicativo através de uma caixa de diálogo.

FAQ

Quais são os principais aspectos introduzidos pela Apple no iOS 14?

Dentre os novos e empolgantes recursos disponíveis no iOS 14, uma parte fundamental é a privacidade e a garantia de que o usuário não poderá ser rastreado. Assim, uma de suas características é que o uso da ID do dispositivo (IDFA) se tornará opcional (um recurso opt-in) no nível do aplicativo no iOS 14. Isso significa que, uma vez que as diretrizes de privacidade do iOS 14 forem implantadas, os desenvolvedores de aplicativo terão que pedir a permissão dos usuários para usar o IDFA para fins de mensuração.

Como a AppsFlyer está reagindo a essas mudanças?

Com as mudanças introduzidas pela Apple no iOS 14, a AppsFlyer tomou amplas medidas para alinhar a plataforma com as novas diretrizes da Apple. Diversas soluções foram desenvolvidas em torno das novas diretrizes de privacidade da Apple – a Atribuição Centrada em Privacidade da AppsFlyer, suporte para SKAdNetwork, recursos de Web-campaign-to-app e mais (veja mais informações acima), colocando os anunciantes “no volante” e permitindo que eles tenham total controle sobre quais dados eles gostariam de compartilhar com parceiros integrados.

Quais são os recursos adicionais desenvolvidos pela AppsFlyer para a SKAdNetwork?

Os principais destaques da nossa solução são:
Eventos de conversão: Eventos do lado do servidor, dinâmicos e flexíveis para a configuração do valor de conversão.
Dados agregados: Será feita a coleta de toda a informação de SKAdNetwrok de cada rede de anúncio, em nome do anunciante.
Validação de dados: Garantia de que todos os postbacks são da Apple e não foram manipulados no processo.
Enriquecimento de dados: Será feita a combinação da informação de SKAdNetwork com outros pontos de dados como impressões, cliques, custo, tráfego orgânico e mais, para uma análise completa do ROI.
Habilitação dos dados: Facilitaremos os dados de SKAdNetwork para uso oportuno pelo anunciante, através de dashboards e APIs dedicados.
Integração ininterrupta: Encapsulação total, sem precisar de quase nenhum esforço do anunciante, válida inclusive para alterações futuras no protocolo de SKAdNetwork.

O Modelo Probabilístico da AppsFlyer está alinhado com as diretrizes do iOS 14 da AppsFlyer?

A AppsFlyer é um software como serviço (SaaS) primário usado por desenvolvedores de aplicativos e anunciantes como uma extensão de suas estruturas tecnológicas, semelhante a um CRM.

A AppsFlyer permite que os desenvolvedores gerenciem, analisem e protejam os dados primários do usuário final, enquanto se mantêm em compliance com regras de privacidade e políticas das plataformas, como as que foram recentemente apresentadas pela Apple.

O Modelo Probabilístico da AppsFlyer é uma técnica estatística que estima a performance das campanhas e não pode ser usada exclusivamente para identificar um usuário e/ou dispositivo. Esse modelo usa machine learning para estimar a performance de uma campanha sem comprometer a privacidade. Ao contrário do fingerprinting, que busca maximizar pontos de dados coletados de cada usuário para criar um identificador duradouro e quase permanente para rastrear usuários entre sites por um longo período de tempo, o modelo probabilístico da AppsFlyer busca exatamente o oposto; seu intuito é minimizar os pontos de dados registrados e evitar a criação de um identificador único duradouro ou permanente que poderia ser usado para rastrear um usuário.

O modelo probabilístico busca responder uma questão muito simples: os consumidores encontraram valor em minhas mídias próprias, orgânicas ou pagas como sites, plataformas de redes sociais, e-mails e recomendações? O modelo probabilístico mensura os detalhes de campanha e criativo próprios dos desenvolvedores de aplicativos, não os dados dos aplicativos nos quais os anúncios são exibidos. Além disso, na maioria dos casos, o aplicativo no qual o anúncio foi exibido é desconhecido. O modelo probabilístico, unido à nossa atribuição centrada na privacidade, que permite a integração de dados de atribuição agregada com parceiros, está alinhado com as diretrizes do iOS 14 da Apple. Assim, recomendamos que nossos clientes façam uma revisão das diretrizes e do contrato do desenvolvedor de aplicativos da Apple, das integrações de seus parceiros e das políticas de coleta de dados para garantir que seu aplicativo está em compliance com as diretrizes do iOS 14.

Qual é a diferença entre o Fingerprinting e o Modelo Probabilístico?

Fingerprinting:
Fingerprinting (também conhecido como impressão digital do navegador) é um termo associado ao processo de coleta de uma ampla variedade de informações do computador e do navegador, feita através do navegador da web de um usuário, para identificar um usuário ou dispositivo específico. Fingerprints (impressões digitais) são usados para identificar um dispositivo quando outros identificadores persistentes, como os cookies, não podem ser lidos ou registrados por um site. Um fingerprint é criado através da combinação de diversos pontos de dados do seu dispositivo e/ou navegador, que são acessíveis a qualquer site quando você visita a página de seu domínio. Isso pode incluir a versão do navegador, extensões e plugins instalados no navegador (incluindo suas versões), propriedades de hardware, lista de fontes, canvas e WebGL, benchmarking de HW, idioma, fusos horários, versão do sistema operacional, configurações da tela e barras de menu.

Estatisticamente, ainda há uma chance muito pequena de que dois ou mais dispositivos tenham instalações e configurações idênticas. Você pode ver o quão únicas suas configurações e instalação são aqui. Fingerprints são especialmente fortes, pois podem detectar um dispositivo por um longo período, mesmo se certos parâmetros de fingerptint forem alterados, com endereços de IP alternativos, ou mesmo pelo uso de VPN.

Embora as técnicas de fingerprinting tenham sido criadas inicialmente como uma maneira para bancos detectarem a fraude e prevenirem o roubo de identidade, hoje esse método é usado para rastrear usuários entre sites a fim de compilar registros de longo prazo dos históricos de navegação de indivíduos, possibilitando a exibição de anúncios ou exploits direcionados aos usuários; assim, ele levanta sérias questões de privacidade. Por esse motivo, recentemente os navegadores (dentre eles Safari, Chrome e Firefox) começaram a fazer alterações com o objetivo de limitar a quantidade de dados que eles expõem aos sites e tornar os usuários mais parecidos, criando um tipo de “imunidade de rebanho”. A boa notícia é que os navegadores mobile disponibilizam muito menos dados e já oferecem a mencionada “imunidade de rebanho” contra o tipo de fingerprinting comum em desktops. Os dispositivos iOS, em especial, são muito menos fragmentados, o que os torna bastante imunes ao fingerprinting.

O Modelo Probabilístico da AppsFlyer:
O modelo probabilístico é uma técnica estatística para estimar a performance da campanha e não pode ser usado para identificar exclusivamente um usuário e/ou dispositivo. Ele usa machine learning para estimar a performance da campanha sem comprometer a privacidade. Ao contrário do fingerprinting, que visa maximizar os pontos de dados coletados de cada usuário para criar um identificador único que pode ser usado para rastrear usuários por um período prolongado entre sites, o modelo probabilístico da AppsFlyer busca fazer exatamente o oposto; minimizar os pontos de dados coletados e evitar a capacidade de criar um identificador único persistente ou permanente que pode ser usado para identificar um usuário e/ou dispositivo.

Onde os fingerprints são usados para criar perfis detalhados de usuários para permitir uma segmentação precisa (em qualquer ponto no tempo e em qualquer site), o modelo probabilístico é usado com o único propósito de estimar a performance das campanhas de mídia paga e própria (como sites, plataformas de mídias sociais, e-mails e recomendações de usuários). O modelo probabilístico mensura os detalhes dos criativos e campanhas próprios dos desenvolvedores de aplicativos, não os dados dos aplicativos nos quais os anúncios são exibidos. Além disso, na maioria dos casos, o aplicativo no qual o anúncio foi exibido é desconhecido.

O modelo probabilístico utiliza muitos poucos pontos de dados que mudam com frequência. Por esse motivo, técnicas de machine learning e de estimativa estatística são usadas (ao contrário da criação e da correspondência de IDs únicas), porque as janelas de lookback não podem ser definidas.

Como explicamos acima, o modelo probabilístico é um método centrado na privacidade, utilizado para estimar a performance das campanhas de anúncios. É muito diferente do fingerprinting. Ele não gera uma ID única que é persistente ou permanente ou que tem a capacidade de identificar exclusivamente qualquer dispositivo entre sites ou aplicativos durante um longo período de tempo. Ele não é usado para rastreamento ou para criar perfis. Na realidade, o modelo probabilístico é uma das maneiras mais favoráveis à privacidade para a atribuição e a estimativa da performance de campanhas.

A tabela abaixo mostra uma maneira fácil de visualizar as diferenças significativas entre o fingerprinting do navegador tradicional e o modelo probabilístico:

	Fingerprinting	Modelo Probabilístico da AppsFlyer
Equivalente a ID única e/ou persistente	Sim	Não
Pode ser usado para identificar exclusivamente um dispositivo	Sim	Não
Pode ser usado para rastrear usuários entre sites/apps (rastreamento entre sites)	Sim	Não
Depende de uma grande quantidade de dados do dispositivo do usuário e do navegador	Sim	Não
Pode ser usado para criar perfis	Sim	Não
Pode ser usado para direcionar usuários	Sim	Não
Pode identificar um dispositivo mesmo quando o usuário usa VPN ou IP alternativa	Sim	Não
Determinístico	Sim	Não
Privacidade	Pode ser usada de maneira invasiva	Favorável