Атрибуция в iOS 14+: От разрозненных данных к единому источнику истины

Автор: Barak Witkowski

Давайте совершим небольшое путешествие в прошлое, к 23 июня 2020 года, когда Apple представила обновления iOS 14, которые навсегда изменили экосистему мобильных приложений.

Все участники экосистемы начали задавать одни и те же вопросы:

Будет ли SKAdNetwork хорошим способом измерения маркетинговых усилий или нет? (hint: both)
Каковы будут показатели согласия на всплывающее окно App Tracking Transparency (ATT)? (подсказка: выше ожидаемого)
Если большинство пользователей все равно не согласится, зачем вообще показывать всплывающее окно ATT? (подсказка: даже эта выборка поможет ответить на многие вопросы обо всей аудитории)

Все перечисленные выше вопросы, безусловно, были вполне обоснованными, но со временем стало ясно, что наиболее критичным является следующий:

Как я могу объединить все эти изолированные источники данных в единый источник истины?

Реальность этой новой реальности заключается в том, что существует множество реальностей. С выходом iOS 14 маркетологи начали получать потоки данных из множества различных источников: SKAdNetwork, пользователи, согласившиеся на ATT, агрегированные данные из вероятностного моделирования, инсайты на основе инкрементальности, специальные API для Apple Search Adsи многое другое…

Но какой поток данных на самом деле отражаетистину? Как маркетологам анализировать все эти поступающие данные и быть уверенными в своих решениях? Очень хороший вопрос.

Мы рады сообщить, что у нас есть решение этой критической проблемы. Прежде чем мы перейдем к этому, давайте более внимательно рассмотрим рассматриваемую проблему.

Проблема

Для целей этого анализа давайте сосредоточимся на следующих трех наборах данных атрибуции:

SKAdNetwork: атрибуция, выполняемая iOS на самом устройстве
Пользователи, давшие согласие на ATT: атрибуция на основе совпадения идентификаторов
Несогласованный трафик: агрегированное измерение на уровне кампании через Aggregated Advanced Privacy (для платных медиа) или вероятностное моделирование (для собственных медиа). Эти методы позволяют создавать отчеты об эффективности кампаний без идентификации отдельных устройств или пользователей.

У SKAdNetwork есть два значительных преимущества перед другими решениями: он детерминирован и охватывает всех пользователей. Однако у него также есть серьезные недостатки: Измерение LTV ограничено (мягко говоря), оно не охватывает все потоки (например, мобильный веб), постбэки приходят с задержкой, а кроме того существуют потенциальные лазейки для мошенничества.

С другой стороны, сопоставление идентификаторов, агрегированная расширенная конфиденциальность и вероятностное моделирование имеют свои преимущества, но также и свои недостатки.

Предлагаемое решение: Выбрать предпочтительную модель в зависимости от конкретной потребности.

Почему это не сработает: Теоретически проблема решена. На практике… это невозможно. Поскольку данные SKAdNetwork анонимизированы, ни одна сторона не может узнать, были ли те же конверсии атрибутированы другими моделями. Обратное тоже верно.

Потенциально каждая установка может быть:

Атрибутирована только SKAdNetwork
Атрибутирована только другими моделями атрибуции
Атрибутирована обоими методами
Вообще не атрибутирована

В этом и заключается суть SKAdNetwork: анонимизация. SKAdNetwork смоделирован так, что предотвращает обратную разработку для сопоставления на уровне пользователей благодаря таким функциям, как рандомизированные задержки при отправке постбэка.

Однако на самом деле рекламодатели столкнулись с двумя параллельными реальностями.

Большинство решений для новой эпохи iOS 14 в настоящее время выглядят следующим образом:

Рекламодатели были вынуждены полагаться на предположения при анализе эффективности маркетинга.

Использование множества API и дэшбордов делает практически невозможным для рекламодателей получение полезных инсайтов. Единственное решение — это консолидированный дэшборд или API, где данные объединяются и унифицируются, а дубликаты удаляются, при этом сохраняется конфиденциальность пользователей и соблюдается политике Apple. Однако, как было объяснено выше, это было невозможно.

Проблема решена

SKAdNetwork имеет ограничения, и многие из них можно преодолеть, внедряя инновации поверх значений конверсии протокола. Этот случай не является исключением.

Мы будем использовать значение конверсии, чтобы создать единую реальность – единый источник истины для различных источников атрибуции.

Значения конверсий — это единственный способ для рекламодателей iOS измерить LTV пользователей в кампаниях SKAN. Правильно распределив все 64 возможных значения, рекламодатели смогут измерять доход после установки, активность и удержание.

Наш недавний релиз AppsFlyer Conversion Studio предоставляет нашим клиентам гипергибкую конфигурационную среду, где каждое значение может быть максимизировано и полностью учтено в отображении.

Хотя значения конверсий ограничивают возможность рекламодателей измерять LTV (как во времени, так и в диапазоне), они предлагают решение для устранения дублирования.

Давайте разберемся вместе:

Когда пользователь запускает только что загруженное мобильное приложение в первый раз, AppsFlyer пытается атрибутировать установку.

Если AppsFlyer может атрибутировать установку, один бит значения конверсии SKAN используется как флаг «найдена атрибуция» в значении конверсии через вызов updateConversionValue.

Если позже AppsFlyer получает постбэк SKAN, AppsFlyer агрегирует данные единого источника истины по следующему уравнению:
Пользователи, атрибутированные AppsFlyer + постбэки SKAN, для которых флаг «найдена атрибуция» равен false.

Критические этапы на пути к единому источнику истины

Чтобы это работало, необходимо выполнить один важный шаг: рекламодатели должны выделить часть значения конверсии на дедупликацию. Этот выбор должен быть таким, чтобы рекламодатель мог контролировать его и иметь возможность включать или отключать его по своему усмотрению.
Эту функцию мы добавили в недавно выпущенном Conversion Studio, где рекламодатели могут легко настраивать сопоставление значений конверсий по нескольким метрикам.

Когда эта настройка включена, она консолидирует, устраняет дублирование и объединяет отчетные данные в сводных отчетах.

guide

Inside SKAN: SKAdNetwork insights

Но подождите, разве это не нарушает конфиденциальность конечного пользователя?

Ни в коем случае. Данные остаются полностью анонимными; пороговые значения, таймеры и задержки по-прежнему гарантируют, что никто не сможет получить детализацию на уровне пользователя. Все защитные слои SKAdNetwork по-прежнему работают, чтобы гарантировать, что конфиденциальность конечного пользователя нисколько не пострадает.

Итоговый результат остается полностью агрегированным, и нет никаких способов деанонимизировать данные. Это просто помогает исключить дублирование агрегированных данных и достичь полностью агрегированному единому источнику истины.

Давайте кратко подведем итоги:

Плюсы

Разрозненные точки данных → Единый источник истины

Формула проста:

Параллельные реальности → сложно принимать решения

Единый источник истины → полезные маркетинговые инсайты

Максимизируйте преимущества каждой модели

Как только рекламодатели смогут объединить данные из обеих агрегированных моделей, они смогут воспользоваться преимуществами каждой из них, например:

Полная LTV на основе традиционных моделей атрибуции
Полное покрытие и детерминированные данные из SKAdNetwork

Умелое использование этих преимуществ поможет маркетологам принимать более взвешенные решения даже в условиях iOS 14+.

Никаких компромиссов в отношении конфиденциальности конечных пользователей

Рамки конфиденциальности SKAdNetwork остаются неизменными.

Оптимизация кампаний SKAdNetwork остается прежней

Тот факт, что постбэки SKAdNetwork отправляются для всех пользователей — независимо от того, были ли они также атрибутированы параллельными методами или нет, — гарантирует, что сети могут и дальше оптимизировать кампании на основе значений конверсии SKAN.

Итог: реальность SKAN остается полностью охваченной и точной, поэтому все, кто использует эти данные, не пострадают.

Минусы

6 бит значения конверсии → 5 бит значения конверсии

Как уже упоминалось, один бит будет выделен для указания, была ли текущая установка также атрибутирована параллельным методом. Чтобы это реализовать, столь драгоценный ресурс значений конверсии станет немного более ограниченным (каламбур уместен).

Несколько наших крупнейших клиентов участвовали в разработке решения в качестве партнёров по дизайну и без колебаний согласились выделить один бит ради обещания единого источника истины. Тем не менее, это все равно решение, которое должен принять рекламодатель.

Заключение

По мере того, как индустрия продолжает адаптироваться к новой эпохе, крайне важно, чтобы точность данных и конфиденциальность пользователей продолжали сосуществовать. В AppsFlyer наша миссия — помогать рекламодателям в процессе этих изменений.

Полная уверенность в подлинных результатах ваших маркетинговых усилий имеет решающее значение. Единый источник истины для измерения эффективности маркетинга гарантирует, что маркетологи оптимизируют свои расходы на рекламу, развивают свой бизнес и предоставляют конечным пользователям превосходный опыт.