7 Min. Read

通过 AppsFlyer 预测分析方案,提早获知 iOS 广告效果全貌

Michel Hayet Michel Hayet Oct 19, 2022

从 2019 年底,我们开始研发预测分析解决方案,到目前为止已经取得了很大的进展。

研发这款产品的初衷是为获客经理快速提供预测分析数据洞察,消除广告效果衡量与分析中的不确定性,为做出优化决策节约宝贵的时间成本。

2020 年 6 月,Apple 宣布推出 SKAdNetwork (SKAN) 归因框架的计划,这项举措将移动生态引入了隐私至上的新时代,但同时也带来了一系列全新挑战。

这些变动发生后,移动营销市场面临着诸多挑战,而我们的预测分析工具 Predict 就是攻克这些难题的钥匙。在有限的衡量窗口期内,快速获取匿名化处理的数据洞察,这是我们当时的首要任务和努力目标。

最新版的预测分析工具,以广告花费回报率 (ROAS)、每用户平均收入 (ARPU)、留存率和付费用户占比的报告形式,为获客经理提供第 30 天的汇总型预测数据洞察。并且,我们的产品做到了全面适配 SKAN 归因框架。

那么,下一步我们还将启动哪些工作?

我们将为所有类型的流量提供准确的营销效果预测。随着 SKAN 预测分析衡量功能的实现,iOS 端流量中最具挑战性的难题已经被我们攻克,并且这项功能仍在不断优化完善。

下一步,我们将会为 iOS 端所有类型的流量提供预测分析数据洞察。

iOS 端的所有流量包括哪些类型的流量?

iOS 14+ 时代,iOS 端的流量可能包括以下类型:

  • 自有媒体
  • 自然流量
  • Apple Search Ads
  • 用户在广告主应用和广告展示应用均授权许可 ATT 的设备
  • AppsFlyer 归因的激活
  • SKAN 归因的激活

在以上所有渠道的采用各种衡量方法,都需遵守与各个渠道不尽相同的隐私与衡量限制政策。

我们主要通过两大归因衡量框架来解决:

仅执行 SKAN 归因

严格依靠 SKAN 回传的移动 App 广告系列归因。

仅执行移动成效衡量合作伙伴归因

* 通过对授权 ATT 弹窗的用户(即允许与其他公司分享用户级数据的用户)进行 ID 匹配或对所有用户进行概率建模进行的归因。

为每种归因方法生成预测分析数据洞察,需根据每种解决方案的具体要求和限制条件对产品做出调整,这无论如何都是一项挑战。

对我们而言,为广告主和媒体合作伙伴提供兼顾两种归因方法的完整数据方案势在必行,因为如果手头没有完整全面的数据,对营销活动进行管理和优化就无从谈起。

如何实现预测分析?

转化值操作台中的 Predict 模式

在 SKAN 对接方案搭建完毕且顺利完成现场测试后,我们就将 Predict 纳入了 AppsFlyer 的转化值操作台 (Conversion Studio) 。

转化值操作台为广告主提供了极大的灵活性,可让六个比特位都有用武之地。您可以准确定义在转化值中配置哪些维度的数据,包括要衡量的事件以及激活后衡量窗口的时长。

Predict 已经成为转化值操作台中众多衡量模式中的一种,其他衡量模式有收入(Revenue)、转化(Conversion)、互动(Engagement)和自定义(Custom)等模式。

Predict in SKAN conversion studioSKAN 转化值操作台中的 Predict

在转化值操作台中,Predict 使用六个可用比特位中的五个来为第 30 天的关键绩效指标 (KPI) 生成预测分析数据洞察。

转化值操作台中的其他衡量模式实际展示了 24 至 72 小时窗口内衡量的种种事件,但 Predict 基于先进的机器学习分析技术,可展示在窗口之外可能发生的事件和衡量工作。

如果广告主能够结合这些后来发生的事件(如订阅、购买、升级等)来制定优化决策,(现有的 SKAN 归因无法获取这种漏斗转化信息)Predict 将会为广告主带来巨大的价值。

通过转化值操作台使用 Predict 的一个好处是:结合前五位比特提供的预测信息,获客经理可以使用最后一位比特衡量一个窗口期内的事件,获得更好的效果数据。

将 Predict 整合到转化值操作台中意味着与 SKAN 的对接已准备就绪。

使用 Predict beta 测试的广告主现在可以完全掌握转化值配置,并根据自身需要额外分配第六个比特位,并且全部在一个数据面板中实现。

AppsFlyer 归因

如前所述,AppsFlyer 归因可以通过对授权 ATT 弹窗的用户进行 ID 匹配,或通过对所有用户进行概率型建模来实现。

而对由 AppsFlyer 归因的激活运用预测分析建模则可进一步提升准确度。

由于严格的 SKAN 工作模型和隐私限制条件仍然适用,预测分析数据洞察仍会在 24 小时内提供。但是,预测的每用户平均收入 (pARPU)、广告花费回报率 (pROAS)、留存率等 KPI 都可以与预测值一道提供,取代了 SKAN 中使用的数值范围。

没有第六个比特位的限制,这些值无需落入预定义范围,每项预测分析数据洞察的准确性也就更高。

而且,除了无需将预测分析数据洞察转化为 SKAN 转化值并传达给 SKAN 协议外,流程过程本身也变得更加容易。

汇总的匿名预测 KPI 只需与相关媒体合作伙伴关联,并清楚展现在数据面板上。

单一来源的预测分析数据洞察

虽然同时使用两类归因方法可以覆盖整个 iOS 端的流量,但这也有可能导致归因数据重复记录。

如果同时执行 AppsFlyer 和 SKAN 归因,就会出现重复记录的情况。

AppsFlyer 单一可信数据源 (SSoT) 解决方案直面这一挑战,力求向广告主准确展示 iOS 端归因数据。

所有归因激活都会经过去重处理,即在同时发现 SKAN 和 AppsFlyer 归因记录时,只记录 AppsFlyer 归因。

请记住,在展示预测分析数据洞察时,也应运用此去重逻辑,因为每次激活都会生成预测,而我们不希望因为重复预测,而改变特定用户群的预测 KPI。

另一个需要考虑的重要方面是自然激活不在 SKAN 的归因范围之内。因此,为了准确预测自然用户群组的行为,必须对 SSoT 进行记录。

自然用户现在代表的是既非 AppsFlyer 也非 SKAN 归因的用户,这使他们成为攻破 iOS 端营销效果难题的重要一环。

既然六个可用比特位中只有五个用来产生预测分析数据洞察,那么第六位的替代(和推荐)用法就是区分哪些用户是由 AppsFlyer 归因的,哪些是由 SKAN 归因的,从而呈现单一来源的实际归因情况。

预测 iOS 环境下的一切动态

Predict 能够将 AppsFlyer 围绕 iOS 新形式下打造的各种解决方案整合在一起,从而产生基于所有归因框架之上的预测分析数据洞察。

借助数据面板的切换功能,您可以在 AppsFlyer 归因预测分析数据洞察、SKAN 数据洞察以及去重 SSoT 视图之间轻松切换,掌握各种数据。

Predicting everything under the iOS umbrella

持续迭代更新的 Predict 的价值始终如一,坚持为您带来准确的预测分析数据洞察。

营销人员如今可以利用对 ARPU、ROAS、留存率以及整个 iOS 端中付费用户占比等关键生命周期价值 (LTV) 元素的早期数据信号,比以往更快、更准确地做出优化决策。

Shifting between Predict iOS modes
在 Predict 各 iOS 端数据模式间切换

针对效果差强人意的广告,获客经理无需再耗费两到四周的观察期,浪费宝贵的营销预算,也不必为获得确凿的 LTV 结果而延误行动时机。

现在您可以尽早利用营销效果较好的广告系列,从第一天开始,从每笔投资中收获更多价值。

iOS 端的预测分析数据洞察现已可用,我们将全心全力投入下一个前沿领域,为您带来 Android 端预测分析解决方案。

更多精彩功能,敬请继续关注。