Probabilistische Modellierung
Die probabilistische Modellierung ist eine statistische Methode zur Schätzung von Ergebnissen unter Bedingungen von Unsicherheit. Anstatt sich auf exakte Übereinstimmungen oder deterministische Datenpunkte zu verlassen, nutzt sie statistische Schlussfolgerungen (Inferenz), um die wahrscheinlichste Erklärung für ein beobachtetes Ergebnis zu ermitteln.
Was ist probabilistische Modellierung?
Im Mobile Marketing wird die probabilistische Modellierung (manchmal auch probabilistische Attribution genannt) eingesetzt, um die aggregierte Kampagnen-Performance zu schätzen, wenn deterministische Identifier – wie etwa Werbe-IDs auf Device-Ebene – nicht verfügbar sind. Dies gewann massiv an Relevanz, nachdem Apple das App Tracking Transparency (ATT) Framework einführte. Dieses verpflichtet Apps dazu, die Zustimmung der User einzuholen, bevor sie auf die Werbe-ID des Geräts zugreifen dürfen. Da sich die meisten User gegen das Tracking entscheiden (Opt-out), benötigten App-Entwickler neue Methoden, um zu verstehen, ob ihre Marketingkampagnen Ergebnisse erzielen – ohne dabei einzelne Geräte oder User identifizieren zu müssen.
Während die deterministische Attribution darauf basiert, einen bekannten Device-Identifier einem spezifischen Install zuzuordnen, verfolgt die probabilistische Modellierung einen anderen Ansatz: Sie liefert aggregierte Schätzungen der Performance auf Kampagnen-Ebene. Die Frage, die sie beantwortet, lautet: „Hat diese Kampagne funktioniert?“, und nicht: „Welches Gerät hat die App installiert?“.
Probabilistische Modellierung bei AppsFlyer
AppsFlyer nutzt die probabilistische Modellierung als datenschutzfreundliche statistische Methode, um die Performance der Marketingkampagnen von App-Entwicklern zu messen. Das Verfahren erstellt aggregierte Performance-Reports auf Kampagnen-Ebene.
Es schätzt, wie viele Installs oder Engagements auf die eigenen Marketingkampagnen eines Entwicklers folgten – sei es über Ads, Website-Links, E-Mails, QR-Codes, SMS oder andere Owned-Media-Kanäle – innerhalb der eigenen App des Entwicklers. Dieser Ansatz basiert auf dem Prinzip der Datenminimierung: Es werden nur die Signale verwendet, die zwingend erforderlich sind, um einen aggregierten Report zu erstellen. Das Ergebnis ist ein Kampagnen-Performance-Report und keine Identifizierung eines einzelnen Geräts oder Users.
Sämtliche Messungen sind auf den Account eines einzelnen App-Entwicklers beschränkt. Es werden keine Daten entwicklerübergreifend geteilt oder verknüpft. Das Modell erstellt keine Device-Fingerprints, Device-Graphs, User-Profile oder permanenten Identifier, die von Gerätesignalen abgeleitet werden könnten.
Die probabilistische Modellierung ist eine von mehreren Komponenten des Multi-Methoden-Messansatzes von AppsFlyer. Dieser umfasst zudem die Integration von SKAdNetwork / AdAttributionKit, Aggregated Advanced Privacy (AAP) sowie die deterministische Attribution für User, die ihre ATT-Zustimmung (Consent) erteilt haben.
