Anuncio oficial del lanzamiento de la versión beta de PredictSK

Michel Hayet
Announcing the official beta launch of PredictSK - square

Tras meses en el laboratorio de desarrollo, nos complace anunciar que PredictSK entra oficialmente en fase beta esta semana.

La solución original de análisis predictivo de AppsFlyer estaba lista para entrar en fase beta hace aproximadamente un año. Tras meses de desarrollo, la solución original pretendía proporcionar a los clientes de AppsFlyer los medios para gestionar mejor sus campañas de adquisición de usuarios, introduciendo insights predictivos en las primeras fases del lanzamiento de sus campañas.

Esta solución pretendía resolver la incertidumbre causada por el periodo de tiempo que los gestores de la UA tenían que esperar entre el momento del lanzamiento de la campaña y el momento en el que se recogían suficientes datos de LTV.  Todo con el fin de tomar decisiones de optimización fundamentadas y basadas en datos.

Nuestro estudio de mercado mostró que el anunciante medio esperaba aproximadamente 30 días o más (desde el momento en que se lanzaba una campaña, antes de tomar cualquier decisión de optimización). Este periodo de tiempo se consideraba necesario para recoger datos de LTV. Además, los gestores de UA no optimizaban las campañas durante este periodo, en aras de recoger datos “limpios”, a pesar de que la campaña seguía produciéndose.

Algunos anunciantes que aplican herramientas avanzadas de BI y ciencia de datos (ya sean internas o de terceros) podrían acortar este periodo de espera a tan solo 10 días utilizando los conocimientos proporcionados por estas herramientas. Algunas de las principales compañías de nivel empresarial son incluso capaces de reducir este período a sólo unos días a través de la ciencia del análisis predictivo, pero por lo general a un costo significativo.

Todo lo anterior implicaría una forma de costo de retorno por el tiempo de decisión. La espera, por supuesto, no supone ningún costo directo, pero hace que los presupuestos de las campañas se desvanezcan hasta que se disponga de insights claros. Los anunciantes deben decidir el “precio” que están dispuestos a pagar y el equilibrio entre el costo y el tiempo de obtención de insights.

La misión inicial de Predict era reducir el factor de costo de la parte de análisis predictivo de la ecuación, haciendo que esta solución avanzada fuera asequible para los marketers móviles de todos los tamaños.

Y entonces llegó SKAdNetwork

El anuncio por parte de Apple de los (entonces) próximos cambios en su normativa sobre la privacidad de los usuarios también introdujo un nuevo mecanismo de atribución que rápidamente se convertiría en sinónimo de ofuscación. Los IDFAs quedarán ahora obsoletos, pero SKAdNetwork se convertirá en el principal punto de discusión. El uso de un valor de conversión medido a lo largo de 24 horas para medir y determinar el valor del usuario significó que los datos de medición ya casi no estarían disponibles. El uso de un mecanismo de seis bits para comunicarse con SKAdNetwork hizo que los marketers tuvieran que hacer cálculos sobre qué valor podía o debía utilizarse, y qué táctica de bits adoptar.

Sin embargo, AppsFlyer siempre ha apostado por la publicidad centrada en la privacidad. La eliminación de los identificadores de usuario simplemente nos animó a cambiar la pregunta de: ¿Quién es el usuario? a: ¿Qué puede decirnos su comportamiento?

Una rápida revisión de nuestro MVP de análisis predictivo dejó claro lo que había que hacer. Una solución de análisis predictivo que puede utilizar las mediciones de LTV en un marco de tiempo limitado para producir insights rápidos y procesables no era ahora una buena solución para tener, sino una necesidad para cualquier persona que quiera operar en esta nueva realidad.

Hubo que hacer varias modificaciones y mejoras para acomodar la nueva tecnología de SKAdNetwork. Nuestra puntuación de beneficio predictivo asociada a cada usuario se convertiría ahora en el valor de conversión; pero, a diferencia de los valores de conversión habituales, encapsularía la totalidad de los eventos medibles a lo largo de 24 horas. Nuestro marco temporal de medición tendría que modificarse de 72 a 24 horas, manteniendo su nivel de precisión. Y se añadirían algoritmos adicionales de aprendizaje automático para traducir cientos de posibles combinaciones de puntuación en 64 valores posibles.

Estos fueron sólo algunos de los desafíos a los que nos enfrentamos desde que nos embarcamos en este viaje, pero el resultado es una solución mejor para toda la industria.

Pies sobre la tierra

Hoy comienza oficialmente la fase beta de PredictSK, con los primeros clientes de AppsFlyer que se incorporan a la solución, iniciando la fase de optimización y perfeccionamiento de la misma.

La generación de un modelo predictivo único para cada aplicación requiere un periodo de adaptación en el que el motor de IA de PredictSK se entrena en la lógica de LTV única de cada desarrollador y traza correlaciones entre las primeras señales y los resultados finales (más información sobre esto en futuros posts).

En una encuesta reciente realizada entre los clientes de AppsFlyer, casi el 50% de los encuestados calificó el análisis predictivo como uno de los dos lanzamientos más esperados para las mediciones de iOS.

Dado que más clientes de AppsFlyer se incorporarán gradualmente a la solución en los próximos meses, te animamos a que estudies y comprendas las ventajas del análisis predictivo en el marketing móvil para sacarle el máximo partido a tus campañas.

Michel Hayet

Antiguo empresario digital, Michel es un veterano del sector de la publicidad digital. Durante la última década, Michel ha estudiado los detalles del panorama de la publicidad digital, dirigiendo su atención a las innovaciones tecnológicas que pueden impulsar el sector; con un enfoque principal en las técnicas de detección y prevención del fraude, así como en las aplicaciones de análisis predictivo.

SEGUIR A Michel Hayet

¿Listo para empezar a tomar buenas
decisiones?

blog