SSOT: Un centro integral para cerrar las brechas de datos en iOS

El 16 de septiembre de 2020, los mobile marketers vivieron un momento decisivo. 

iOS 14 provocó un cambio masivo en la industria: de centrarse en perspectivas individuales de datos a adoptar un enfoque agregado. Como parte de esta transición, tuvimos que familiarizarnos con SKAdNetwork (SKAN) para analizar el rendimiento de nuestras campañas en iOS.

No fue una tarea sencilla, pero con el tiempo comprendimos los matices de SKAN. Desarrollamos estrategias de valor de conversión solidas y obtuvimos una mejor comprensión del lifetime value (LTV) del usuario y de la granularidad de las campañas. 

SKAN siguió evolucionando y, a diferencia de sus versiones anteriores, SKAN 4.0 ahora ofrece una ventana de medición ampliada de hasta 35 días, mayor granularidad en el reporte por dimensiones de campaña y soporte para atribución web-to-app.

Pero aunque SKAN 4.0 representa un avance positivo, aún presenta los siguientes desafíos:

• Atribución parcial: Solo se reporta entre el 70% y el 90% del rendimiento real por canal. 
• Incompletitud: SKAN no reporta datos de orgánico, Apple Search Ads, muchas redes integradas, influencers, medios propios y más.
• Retraso en el reporte de conversiones: Los datos de SKAN se reciben solo entre 24 y 144 horas después del evento, lo que limita la capacidad de optimizar campañas rápidamente (una metodología de “move fast and break things” es imposible).
• LTV limitado: Solo hay 64 opciones para medir el rendimiento in-app durante los primeros 1 o 2 días, lo que afecta la precisión y la visibilidad. Aunque SKAN 4.0 amplía la ventana de LTV, aún carece de granularidad, especialmente en el segundo y tercer postback, que devuelven valores coarse.
• Granularidad limitada: Faltan dimensiones críticas como país, adset, creatividad publicitaria y más.
• Solo adquisición de usuarios: SKAN no cuenta con la capacidad de medir el re-engagements.

Introduciendo la Single Source of Truth:

La Single Source of Truth (SSOT) de AppsFlyer se lanzó en mayo de 2022 para abordar los desafíos mencionados anteriormente. Es una solución pionera que permite a los anunciantes consolidar datos de distintas fuentes, abordar instalaciones duplicadas y obtener insights valiosos.

SSOT ofrece una medición completa tanto de la actividad no orgánica como orgánica, además de un dashboard unificado que reúne todas tus fuentes de tráfico: orgánico, medios de pago, medios propios, influencers y más.

Al combinar las fortalezas de AppsFlyer y SKAN, SSOT mejora la precisión, potencia las capacidades de remarketing y ofrece insights en tiempo real. 

De hecho, según nuestra investigación, las apps que utilizaron SSOT registraron un aumento del 29% en la atribución de instalaciones no orgánicas. Además, al priorizar la atribución de AppsFlyer cuando los datos de SKAN son insuficientes, los marketers pueden reducir el eCPI de las campañas entre un 20% y un 60% (según la categoría), al mismo tiempo que aumentan la atribución de ingresos. Esto les da la flexibilidad para aumentar sus presupuestos. 

También vale la pena señalar que muchos marketers ejecutan campañas de re-engagement dirigidas a usuarios que han interactuado con una app que ya instalaron. Aquí es donde SKAN se queda corto, ya que no tiene en cuenta estos ingresos y, por lo tanto, no puede proporcionar cifras sobre el retorno de la inversión en remarketing.

SSOT no se limita a consolidar datos: también destaca por ofrecer insights en tiempo real, una ventaja clave para los marketers que buscan resultados instantáneos (es decir, todos nosotros, ¿no?). Mientras que los insights de SKAN llegan con un retraso de entre 24 y 144 horas, SSOT garantiza que las atribuciones de eventos in-app sean visibles a medida que ocurren. Este ciclo de feedback rápido permite a los marketers reaccionar con agilidad ante cambios en campañas, nuevas oportunidades de canales o expansiones a distintas regiones geográficas. 

Con la atribución de AppsFlyer como base de SSOT, los marketers pueden monitorear de inmediato las tasas de conversión, como instalaciones, registros, inicios de prueba, finalización de niveles en juegos y más. Esta agilidad les permite ajustar sus campañas sin tener que esperar días para obtener insights.

Adoptar modelos probabilísticos para cubrir las brechas

SSOT no es solo otro producto: es una forma completamente nueva de abordar la atribución y la medición en la era posterior a iOS 14. Lo más importante es que permite a los anunciantes tomar decisiones basadas en datos con todas las piezas en su lugar, en lugar de ver una vista fragmentada de sus datos.

Uno de los principales desafíos que enfrentan los anunciantes es la necesidad de tomar decisiones basadas en datos incompletos o no disponibles de SKAN.

Por ejemplo, las versiones anteriores de SKAN ofrecían datos de ingresos limitados dentro de una breve ventana de 24 horas. Aunque SKAN 4.0 cuenta con una ventana de medición extendida de 35 días, sigue ofreciendo una visión imprecisa del rendimiento de las campañas debido al uso de valores coarse. Además, aún puede haber un retraso de hasta 144 horas en la recepción de los datos de ingresos del día 7.

SSOT aborda estos desafíos con un enfoque diferente, alineado con la forma en que probablemente mides el LTV del usuario. Esto requiere un cambio de mentalidad: pasar de un método determinista a uno probabilístico que se apoya en machine learning para ofrecer un alto nivel de precisión en la medición de campañas. Es un cambio práctico hacia el futuro del análisis de datos, centrado en la adaptabilidad y la precisión.

Las soluciones de modelado de SSOT están diseñadas teniendo en cuenta este enfoque. Aprovechan el poder de los datos disponibles de usuarios con consentimiento para ofrecer métricas de LTV valiosas, incluidos insights sobre ingresos del día 7, desgloses por GEO y mucho más.

Por ejemplo, el modelo de ingresos del día 7 identifica un subconjunto de usuarios que muestran un comportamiento similar tanto en AppsFlyer como en SKAN, hasta el nivel de campaña. Luego analiza los datos de los usuarios con consentimiento después de siete días y calcula la proporción entre el día 7 y el día 1. Después, aplica esa misma proporción para modelar los datos de SKAN del día 7 para el grupo equivalente que identificamos previamente.

Los ingresos acumulados del día 7 incluyen tanto los ingresos reportados por AppsFlyer como los ingresos modelados de SKAN.

El “objetivo final”

Hasta la fecha, hemos introducido cinco nuevas funcionalidades en nuestro dashboard de Single Source of Truth, que abarcan datos orgánicos, métricas de ingresos del día 7, métricas geográficas, moneda de la app y soporte de zona horaria. 

Nuestra mejora más reciente permite a los anunciantes monitorear el rendimiento de eventos in-app. Ofrece datos de rendimiento de usuarios in-app en tiempo real, proporcionando insights inmediatos sobre acciones de usuarios como registros, inicios de prueba y compras. Estos datos en tiempo real, que priorizan la atribución de AppsFlyer cuando no hay suficientes datos de SKAN, permiten a los marketers evaluar rápidamente el impacto de los cambios, monitorear tasas de conversión y evitar errores costosos.

A medida que seguimos mejorando SSOT, es esencial conectar estos avances con nuestra visión más amplia. Seguimos apoyando a nuestros clientes en su búsqueda por cubrir puntos ciegos de datos, ofreciendo una solución integral y en tiempo real de reporte para campañas de iOS y, en el futuro, también para Android.