Вероятностное моделирование
Вероятностное моделирование – это статистический метод, используемый для оценки результатов в условиях неопределенности. Вместо того чтобы опираться на точные совпадения или детерминированные данные, метод применяет статистический вывод для оценки наиболее вероятного объяснения зафиксированного результата.
Что такое вероятностное моделирование
В мобильном маркетинге, когда детерминированные идентификаторы (например, рекламные ID на уровне устройства) недоступны, для оценки совокупной эффективности кампаний применяют вероятностное моделирование (или вероятностную атрибуцию). Это стало особенно актуально после того, как Apple представила фреймворк App Tracking Transparency (ATT), обязывающий приложения получать согласие пользователя, прежде чем обращаться к рекламному идентификатору устройства. Поскольку большинство пользователей отказались от отслеживания, разработчикам пришлось искать новые способы измерять эффективность своих маркетинговых кампаний — без идентификации конкретных устройств и пользователей.
В то время как детерминированная атрибуция сопоставляет известный идентификатор устройства с конкретной установкой, вероятностное моделирование действует иначе: оно формирует совокупные оценки эффективности на уровне кампании. Вопрос, на который оно отвечает, – “сработала ли эта кампания”, а не “какое устройство установило приложение”.
Вероятностное моделирование в AppsFlyer
AppsFlyer применяет вероятностное моделирование как статистический метод, сохраняющий конфиденциальность, чтобы сообщать разработчикам приложений о результатах их маркетинговых кампаний. AppsFlyer формирует сводные отчеты об эффективности кампаний для разработчиков приложений. Он оценивает, сколько установок или взаимодействий произошло благодаря собственным маркетинговым активностям разработчика — рекламе, ссылкам на сайте, электронным письмам, QR-кодам, SMS и другим собственным медиа — для собственного приложения разработчика. Подход основан на минимизации данных: он использует только те сигналы, которые необходимы для составления совокупного отчета. В результате мы получаем отчет об эффективности кампании, а не идентификация конкретного устройства или пользователя.
Все измерения ограничены учетной записью одного разработчика приложений. Данные не передаются и не сопоставляются между различными разработчиками. Модель не создает отпечатки устройств, графы устройств, профили пользователей или какие-либо постоянные идентификаторы, полученные из сигналов устройства.
Вероятностное моделирование — лишь одна из составляющих многокомпонентного подхода AppsFlyer к измерениям, который также включает интеграцию с SKAdNetwork / AdAttributionKit, механизм Aggregated Advanced Privacy (AAP) и детерминированную атрибуцию для пользователей, давших согласие по ATT.
