Anunciamos o lançamento oficial da versão beta do PredictSK
Após meses em desenvolvimento, estamos empolgados em anunciar que a versão beta do PredictSK ficará oficialmente disponível nesta semana.
A solução original de análises preditivas da AppsFlyer já estava pronta para ser lançada em sua versão beta há cerca de um ano. Após meses em desenvolvimento, essa solução tinha como objetivo oferecer aos clientes da AppsFlyer os recursos necessários para melhorar a gestão de suas campanhas de aquisição de usuários, introduzindo insights preditivos logo no início do lançamento de suas campanhas.
Em teoria, essa solução seria utilizada para acabar com a incerteza causada pelo período de tempo no qual os gerentes de UA tinham que esperar desde o lançamento da campanha até o momento em que insights de LTV o suficiente estivessem disponíveis. Tudo isso em um esforço para permitir uma tomada de decisões de otimização mais bem-informada, baseada em dados.
A nossa pesquisa de mercado mostrou que o anunciante médio tinha que esperar cerca de 30 dias ou mais (desde o momento de lançamento de uma campanha, antes da tomada de qualquer decisão) para obter esses insights e dados de LTV. Além disso, os gerentes de UA não otimizavam suas campanhas durante esse período, pois buscavam obter dados “limpos”, embora a campanha continuasse ativa.
Alguns anunciantes que utilizavam BI avançada e ferramentas de ciência de dados (sejam elas internas ou de terceiros) poderiam encurtar esse período de espera para apenas 10 dias, usando os insights fornecidos por essas ferramentas. Algumas das principais empresas de nível enterprise eram capazes até mesmo de reduzir esse período para poucos dias com o uso da ciência da análise preditiva. No entanto, essa estratégia geralmente possuía um alto custo.
Tudo o que mencionamos acima envolve um tipo de custo-de-retorno para o tempo-de-decisão. A espera, é claro, não requer nenhum custo direto, mas resulta em desperdício de orçamentos de campanha até que insights claros estejam disponíveis. Cabia aos anunciantes decidir qual “preço” eles estariam dispostos a pagar e a encontrar um equilíbrio entre o custo e o tempo necessário para obter insights.
A missão inicial do Predict era reduzir o fator custo da parte de análises preditivas da equação, tornando essa solução avançada mais financeiramente acessível aos profissionais de marketing de todas as dimensões.
E então veio a SKAdNetwork
O anúncio da Apple sobre as (então) futuras mudanças em suas diretrizes de privacidade do usuário também introduziu um novo mecanismo de atribuição que rapidamente se tornaria sinônimo de ofuscação. IDFAs agora seriam obsoletos, mas a SKAdNetwork se tornaria o principal ponto de discussão. O uso de um valor de conversão que somente pode ser mensurado após 24 horas para a definição do valor do usuário significa que, agora, os dados de mensuração estão quase indisponíveis. O uso de um mecanismo de seis bits para se comunicar com a SKAdNetwork fez com que os profissionais de marketing fizessem cálculos sobre qual valor poderia ou deveria ser usado, e qual tática de bit seria adotada.
No entanto, a AppsFlyer sempre teve como foco a publicidade centrada na privacidade. A eliminação dos identificadores de usuários apenas nos encorajou a mudar a pergunta sobre quem é o usuário para: o que o comportamento do usuário nos diz?
Uma revisão rápida de nosso MVP de análises preditivas deixou claro o que precisava ser feito. Uma solução de análises preditivas que consegue utilizar as mensurações de LTV ao longo de um período de tempo limitado para obter insights rápidos e acionáveis não é apenas útil, mas indispensável para qualquer empresa que busque ter sucesso nessa nova realidade.
Diversas alterações e melhorias tiveram que ser feitas para acomodar a nova tecnologia da SKAdNetwork. Nossa pontuação de benefício preditivo associada a cada usuário se tornou o valor de conversão; mas, ao contrário de valores de conversão regulares, ele encapsula todos os eventos mensuráveis dentro de 24 horas. Nosso período de tempo de mensuração teria que mudar de 72 horas para 24 horas, sem afetar o nível de precisão. Além disso, algoritmos adicionais de machine learning foram incluídos para traduzir centenas de possíveis combinações de pontuações para apenas 64 possíveis valores.
Esses foram alguns dos desafios que enfrentamos desde que embarcamos nessa jornada, mas o resultado é uma solução melhor para toda a indústria.
Mãos à obra
Hoje marca oficialmente o início da versão beta do PredictSK, e os primeiros clientes da AppsFlyer estão integrando a solução e iniciando a sua fase de otimização e aperfeiçoamento.
Gerar um modelo preditivo exclusivo para cada app requer um período de integração necessário, no qual o mecanismo de IA do PredictSK será treinado segundo a lógica exclusiva de LTV de cada desenvolvedor, mapeando as correlações entre sinais iniciais e resultados finais (falaremos mais sobre isso em publicações futuras).
Em uma pesquisa recente feita com os clientes da AppsFlyer, quase 50% das respostas classificaram as análises preditivas como um dos dois lançamentos mais esperados para a mensuração no iOS.
À medida que mais clientes da AppsFlyer fazem a integração gradual da solução nos próximos meses, encorajamos que você conheça e compreenda os benefícios da análise preditiva no marketing mobile para aproveitar ao máximo suas campanhas.