Attribution mobile à 360°

Le fingerprinting est le composant principal de toutes les attributions mobiles. Ces dernières années, nous avons développé un nouvel ensemble de technologies que nous appelons fingerprinting dynamique, améliorant la précision de notre attribution jusqu'à 50 %. En d'autres termes, les marketeurs qui passent à AppsFlyer constatent souvent que jusqu'à 50% de leur croissance payée était en réalité une croissance organique, incorrectement attribuée en raison de données IP trompeuses.

Pourquoi choisir le fingerprinting dynamique ?

Dans le fingerprinting mobile, les fournisseurs d'attribution cherchent généralement à faire correspondre quelques signaux de données tels que le système d'exploitation de l'appareil, la version du système d'exploitation et l'adresse IP de l'utilisateur. Dans un monde idéal, chaque appareil utiliserait sa propre adresse IP unique. Cependant, la plupart des réseaux mobiles utilisent un nombre limité d'adresses IP publiques dans une région donnée, en les fournissant de manière dynamique à des dizaines de milliers d'utilisateurs. Lorsque des dizaines de milliers d'utilisateurs partagent une adresse IP, le fingerprinting perd en précision.

Lorsqu'une plate-forme d'attribution repose sur des adresses IP partagées, la probabilité de trouver un faux positif, faisant correspondre un clic sans rapport avec un téléchargement organique aléatoire augmente considérablement. Dans l'exemple ci-dessus, deux actions totalement indépendantes ont été mises en rapport par erreur, amenant l'annonceur à payer pour une installation organique. Cette mauvaise distribution engendre en outre un cycle de fuite d'argent qui coûte beaucoup plus cher aux annonceurs à long terme.

AppsFlyer est le seul fournisseur d'attribution à adapter dynamiquement le fingerprinting en fonction de l'unicité de chaque adresse IP. Avec des milliards de nouvelles interactions enregistrées tous les jours, notre échelle unique et notre machine learning permettent de classer les adresses IP en fonction de leur degré d'unicité. NativeTrack raffine ensuite le fingerprinting en fonction du degré d'unicité des IP, réduisant jusqu'à 50% vos fausses attributions et votre cannibalisation organique.

iOS, Windows et Android sont des plates-formes très différentes, qui ont toutes besoin d'une solution d'attribution unique. Afin d'évider la fraude, nous ne pouvons pas révéler l'étendue de notre méthodologie. Vous trouverez ci-dessous une présentation technique du fonctionnement interne de NativeTrack™. Pour plus d'informations, n'hésitez pas à nous contacter.

Pour l'attribution sur iOS et tvOS, NativeTrack™ analyse des points de données multiples, tels que le profil de l'appareil, le profil détaillé de l'empreinte, la fréquentation, le trafic et l'application des données, entre autres pour déterminer statistiquement l'utilisateur unique de l'appareil, du téléchargement de l'application et de la conversion avec une précision inégalée. Ensuite, AppsFlyer attribue alors un identifiant utilisateur unique au profil utilisateur développé pour cet individu. L'identifiant utilisateur n'est pas fondé sur un UDID ou une adresse MAC, il est complètement anonyme et respecte ainsi les paramètres de confidentialité du client sans compromettre les données ou informations des marketeurs

AppsFlyer prend également en charge l'attribution basée sur l'ID (lorsqu'elle est disponible) en lien avec le fingerprinting pour l'attribution iOS. Contrairement aux navigateurs PC et à beaucoup d'appareils Android où les empreintes des appareils individuels sont relativement uniques, les appareils iOS présentent souvent des empreintes similaires. C'est ce qui rend l'attribution précise basée sur le fingerprinting particulièrement difficile pour les appareils iOS. AppsFlyer a été la toute première plate-forme au monde à mettre en place le fingerprinting d'appareil sur iOS. Depuis, elle a développé un certain nombre de solutions nouvelle génération qui ont considérablement amélioré l'étendue et la précision du fingerprinting iOS.

L'attribution AppsFlyer pour Android prend en charge les installations issues de Google Play, de l'Amazon App Store, les applications pré-installées ou regroupées, ainsi que les installations out-of-store. Sur le plan technique, NativeTrack™ utilise des signaux dont le paramètre de référence Google Play, et une technologie d'attribution basée sur l'identité et le fingerprinting des profils complets des utilisateurs, afin d'offrir une couverture optimale sans sacrifier la qualité.

AppsFlyer fonctionne avec tous les appareils utilisant Windows 10, tels que les téléphones portables, les ordinateurs portables et les tablettes. Les points de données d'attribution comprennent à la fois l'identifiant de l'appareil et le référent de l'installation.

Les utilisateurs interagiront souvent avec plus d'une publicité avant d'installer une application. Par conséquent, les marketeurs mobiles ont besoin de connaissances sur l'intégralité de leur parcours client. Les annonceurs désirent comprendre quelles promotions ont facilité chaque installation et quelles promotions ont conduit à l'installation. NativeTrackTM d'AppsFlyer fournit aux marketeurs les connaissances dont ils ont besoin pour comprendre chaque étape du parcours client en exploitant les modèles d'attribution last-touch, multi-touch et fractionnée.

Le tableau de bord principal d'AppsFlyer exploite l'attribution last-touch, en attribuant chaque installation à la dernière promotion qui a intéressé l'utilisateur avant l'installation de l'application. Nos rapports d' installation assistée et de données brutes fournissent davantage d'informations sur les réseaux qui ont contribué à ou qui ont « assisté » à l'installation de chaque application, en offrant des informations sur l'attribution multi-touch.

Some advanced marketers also leverage fractional attribution models. Fractional attribution models use a statistical breakdown to award an increasing percentage of the install to each promotion across the user-acquisition funnel. For example, using a fractional attribution model, a customer who saw three ads before an app install could be 20% attributed to the first network, 30% attributed to the second network and 50% attributed to the third network. Our robust Raw Data Reports contain the full customer journey, starting with first impression attribution (on supported networks) and on down the funnel, providing marketers with the data they need to optimize based on their preferred fractional attribution models.