7 Min. Read

如何发挥 SKAdNetwork 转化值的最大优势?

Avatar Shani Rosenfelder May 19, 2021

SKAdNetwork 是 Apple 推出的将用户隐私保护置于核心的确定性归因机制,不仅有其局限性与复杂性,较此前的归因机制还添加了诸多限制。 

不过,我们仍然可以通过多种途径克服挑战,衡量并预测 App 获取的用户价值。

如何发挥 SKAdNetwork 机制的最大价值?我们需要理解 Apple 引入的这一独特的转化值机制。在这篇博客文章中,我们将为大家由浅入深地介绍转化值相关的基础概念,到如何玩转比特值,让比特值为您所用。

 

比特是什么?如何配置比特?

SKAdNetwork 机制中采用的转化值由开发者进行配置,也就是开发者所定义的,能够判断一位用户在安装应用之后,执行的应用内活动价值高低的指标。

* For DE subtitle scroll down

 

iOS 向广告平台仅发送一次数据回传,其中仅包含一个转化值。这个转化值传递的信息,就是一位未授权 ATT 框架的用户在安装应用之后执行的活动,这个信息对营销人员来说至关重要。

但是,在实际生产环境中,开发者究竟如何配置转化值?如何根据应用的商业目标,合理分配六个比特,从而带来极具指导意义的数据洞察?

Apple 推出的转化值为开发者提供六比特。我们可以将二进制的比特想象成一个开关:关上时,二进制数值为 0;打开时,二进制数值为 1。

SKAdNetwork Conversion values six bits

通过打开或关闭这六比特,一共产生 64 种不同的组合:最小值为 0,最大值为 63。

SKAdNetwork 64 bit conversion value table

虽然上限为 64 种不同的组合,我们仍然可以在这个框架下充分探索,试图衡量收入、互动、用户的漏斗转化进程、性别、设备等数据维度。

开发者可以按照产品的内部逻辑定义转化值,与应用的关键绩效指标挂钩。

开发者设定转化值规则,一次安装发生后,将六个比特解码即可归因该安装,从而进一步衡量并优化广告效果。

 

合理利用比特 衡量用户价值

只有完全掌握了六比特的配置规则,才能够完全克服 SKAdNetwork 机制的局限,发挥其最大价值。

有了这六个比特 ,广告主就可以衡量早期的互动、留存与变现数据,在此基础上预测用户生命周期价值。

首先,开发者需要仔细考虑哪些事件对用户生命周期价值的意义最大,并将六个比特与这些关键事件进行关联配置,形成应用自己的比特配置策略。

建议开发者灵活运用六比特,来实现应用的商业目标。我们向开发者提供三种转化值配置模式:

 

1. 统一型

采用这种方法,六个比特只衡量收入这一个 KPI。下图示例中,开发者将六个比特均用于衡量收入。

如下所示,六个比特展示的二进制值为 110001,解码后为 49 美元(参看前文中的转化值解码表),通知应用,该用户带来了价值为 49 美元的收入。

SKAdNetwork conversion values: six bit flat revenue split

2. 拆分型

除了将六个比特都用来服务一个 KPI,我们还可以分别指定不同的比特来衡量不同的用户行为。比如,三个比特衡量收入,三个衡量游戏进程,您就可以通过一位用户获得多重维度的数据洞察。

SKAdNetwork conversion values: revenue split

在上图示例中,开发者根据下图逻辑,采用拆分型模式定义转化值:

SKAdNetwork conversion value mapping

如下所示,转化值为 46,意味着用户已经通关到 25 级,应用内花费已超过 20 美元。

 

3. 组合拆分型

第三种转化值配置模式较为复杂。这种方法在拆分型的基础上,添加了一个确定性、是或否的数据信号。在下图示例中,在收入加游戏进程的拆分型模式的基础上,将一个比特用来确定用户是否登录了应用。

SKAdNetwork conversion value

 

利用转化值 实现预测分析

在了解转化值的技术细节之后,我们来看看转化值为什么对预测分析具有重大意义。

如上所述,SKAdNetwork 机制中的转化值只提供用户转化路径早期的数据信号。另外,SKAdNetwork 机制仅发送一次数据回传、不包含时间戳,这些局限都将对应用建立用户群组、预测用户价值的能力带来冲击。

因此,建立一套有效的预测分析模型、释放早期数据信号的潜力,已经变得愈加重要。

资深的营销人员在 Apple 正式启用 SKAdNetwork 机制之前,就已经配备了类似的工具技术用来尽早预测用户价值、快速行动优化广告。

目前,SKAdNetwork 作为 iOS 端主要归因机制,仅提供早期数据源,预测分析模型将成为营销人员的必备工具。

 

贯穿 SKAdNetwork 归因全程进行预测

每款应用有其特定的应用内事件、该品类的表现基准、不同事件的权重,计算用户生命周期价值的方式各不相同,因此,在 SKAdNetwork 机制进行归因之前,就需要基于移动成效衡量伙伴(MMP)的 SDK 衡量的历史数据,运用机器学习技术,将该用户后续完成的应用内事件纳入统计过程,形成一个打分机制。在下图示例中,越是在用户转化路径后期发生的行为,在预测 LTV 中所占的权重就越高。

SKAdNetwork conversion values: predictive analytics

SKAdNetwork 机制正式进入到归因链路之后,我们还需追加一层操作。在机器学习前期训练模型、转化值规则已妥善配置的基础上,开发者需决定如何分配六个比特,使之能够捕获核心事件价值,并结合其他判断因素定位高价值用户。

SKAdNetwork conversion values: machine learning conversion

SKAdNetwork 机制,使得一套基于转化值的高阶预测分析模型呼之欲出,成为广告主的必备营销工具。这样的预测分析模型可以帮助开发者在用户登入应用的早期阶段,基于用户行为数据持续评估,预测该用户中长期的生命周期价值。

当然,预测分析还有许多优势,从帮助广告主评估风险、即刻减免损失,到第一时间挖掘潜在增长点,就此发力等等。这些都可以最大程度上减少资源浪费,支持广告主快速行动。

建议广告主充分利用转化值规则所提供的灵活度,结合强健的工具技术预测用户价值,有针对性地优化广告。

 

玩转转化值

要释放 SKAdNetwork 机制的潜力,应用开发者需透彻掌握转化值的配置规则,让转化值为你所用,攻克转化值的复杂性和局限性,打造高度优化的广告。

作为广告主,玩转转化值的诀窍就在您手中。在此期间可能会遇到种种挑战,建议您选择一家平台,转化值统一配置。MMP 就是最好的选择。

MMP 不仅拥有令人信赖、不偏不倚的行业地位,还能提供一键对接广告平台网络的便利。SKAdNetwork 机制并不只存在于象牙塔之中,只有与其他归因机制结合使用,扩充丰富数据维度,广告主才能够最大程度优化广告效果。

除了完备的技术支持,MMP 还可实时同步客户端与服务器的 SKAdNetwork 配置,加上基于海量数据的机器学习技术、强大的软件工程支持,让广告主没有后顾之忧,即使后续 SKAdNetwork 更新版本,也能够第一时间保持同步。

 

关键结论

在 iOS 14.5 和 SKAdNetwork 为移动生态持续带来震动的当下,我们始终伴随广告主平稳度过这些变化,同时确保精准衡量用户生命周期价值。

注意:

  1. 仅提供六比特的转化值看似不够灵活,但如果能够采用有效的分配策略,完全可以实现高阶的价值衡量。
  2. SKAdNetwork 机制的固有局限,使得预测分析模型成为广告主的必备营销工具。
  3. MMP 帮助广告主打造高度优化的广告,借助 MMP 管理转化值将为广告主带来极大价值。

订阅 AppsFlyer 内容

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