4 Min. Read

AppsFlyer 预测分析工具 PredictSK 测试版正式上线

Michel Hayet Michel Hayet Jul 13, 2021

我们很高兴向大家宣布,AppsFlyer 针对 SKAdNetwork 的预测分析产品 PredictSK 经过数月的研发,现在已正式进入广告主测试阶段。

早在一年前,AppsFlyer 预测分析解决方案历经数月研发,已经准备好进入测试阶段。原本预测分析解决方案的初衷,是帮助 AppsFlyer 客户在广告投放早期就能进行数据预测、总结数据洞察,从而更加高效地管理获客广告系列。

预测分析方案能够解决广告投放早期获取数据维度不足、广告主难以判断用户 LTV 的痛点,将广告优化决策过程中的不确定性降至最低,从而作出数据驱动且成熟明智的优化决策。

我们的市场调查显示,广告主从广告系列上线,到作出下一步优化决策之前,平均需要等待至少 30 天,这是众所周知的获取 LTV 数据所需的决策周期。因此,在广告投放的这段时间内,广告主为了获取“未干扰”的数据,不会执行广告优化动作。

使用内部或第三方高级 BI 系统或数据分析软件的广告主,就可凭借工具优势,将等待期缩短到 10 天。一些采用预测分析工具的头部广告主,甚至能够将这段时间压缩到短短几天,但是,这类工具维护运营成本极高。

这些操作都是通过增加成本来缩短决策所需时间。等待决策的过程的确不需要投入成本,但是,等待过程中广告预算逐渐流失,直到明确的数据洞察出现才进一步优化广告。对广告主来说,最关键的是要判断,为缩短决策周期的数据洞察所投入的成本是否值得。

AppsFlyer 预测分析解决方案在研发之初,旨在降低预测分析工具的高昂成本,使得各个量级的广告主都能够享受这一高阶解决方案。

 

SKAdNetwork 进入移动生态

SKAdNetwork 作为 Apple 此前公布的隐私新政中的一项新归因机制,给从业人员带来诸多困惑与不解。IDFA 即将淡出历史舞台,SKAdNetwork 则成为移动行业的关注焦点。仅发送一次的转化值中包括 24 小时内衡量的、用于判断用户价值的数据维度,为衡量数据的丰富度添加了层层限制。SKAdNetwork 归因机制中的六比特需要营销人员精心设计,根据业务相关的效果指标,权衡各种比特配置模式的利弊。

AppsFlyer 一直以来都将隐私保护置于产品设计的核心。在设备标识符难以获取的行业现实下,我们转向关注“这样的用户行为对我们有什么启发意义”,而不是“用户是谁”。

如果我们快速回顾一下 MVP (最简可行产品)阶段的预测分析,可以清楚看到,在有限的时间框架下,借助已获取的数据维度预测用户 LTV,及时提炼可执行的数据洞察,这对于当前行业现实中的营销人员来说不再是锦上添花,而是一项极为关键、必不可少的解决方案。

要适应新的 SKAdNetwork 机制,我们就需要对已有解决方案作出优化与调整。我们现在用来预测用户价值的数据来源将变成转化值;但是,PredictSK 的预测机制不是利用 SKAdNetwork 常规回传的转化值,而是会利用 24 小时内所有的可衡量事件。在保证数据准确度的前提下,我们将衡量周期从 72 小时缩短到 24 小时,利用机器学习算法,将数百种可能的分数组合转换成相应的 0-63 的某个转化值。

这项方案启动研发之后,我们已经将上述挑战逐一攻克,最终成型的解决方案对全行业来说都是好消息。

 

脚踏实地 一路向前

今天,我们宣布 PredictSK 测试版正式上线,并且迎来了第一位开始测试的广告主,由此,AppsFlyer 预测分析解决方案 PredictSK 进入了优化与完善的全新阶段。

如需为每个 App 打造一套专门的预测分析模型,PredictSK AI 需要学习每个 App 独有的用户生命周期逻辑,并将早期数据源与最终结果进行关联匹配。这项功能我们会在之后的文章里做详细阐释。

近期,AppsFlyer 面向客户的调查结果显示,50% 的受访客户将预测分析视为 iOS 端衡量方案中最期待的新功能之一。

接下来的几个月,将会有更多 AppsFlyer 客户申请测试这项解决方案,我们强烈建议广告主能够学习并掌握预测分析,释放广告活动的最大潜力。