快出海  > 出海资讯  >  干货长文|单一来源iOS14.5+归因的真相:牺牲一个比特位的代价

干货长文|单一来源iOS14.5+归因的真相:牺牲一个比特位的代价

来源:AdjustGmbH
作者:Katie Madding
时间:2022-09-09
对于移动营销人员和广告主来说,当前iOS14.5+端的监测工作变得愈发复杂了。自2020年4月Apple宣布更新以来,为帮助客户化繁为简,各大移动监测合作伙伴(MMP)和数据分析平台都在紧锣密鼓地研发解决方案。在拥抱各种变化的同时,Adjust也在努力打造新一代解决方案,帮助客户在保护数据隐私的前提下推动增长。

对于移动营销人员和广告主来说,当前iOS14.5+端的监测工作变得愈发复杂了。自2020年4月Apple宣布更新以来,为帮助客户化繁为简,各大移动监测合作伙伴(MMP)和数据分析平台都在紧锣密鼓地研发解决方案。在拥抱各种变化的同时,Adjust也在努力打造新一代解决方案,帮助客户在保护数据隐私的前提下推动增长。

我们的解决方案通过参考设备层级和SKAdNetwork(SKAN)数据,以高精准度的列表形式打造综合报告。而市面上的另一些解决方案则采用了"一体化"或"单一来源"的方法。从本质上讲,这种方法试图估算通过SKAN框架归因的安装与通过App Tracking Transparency(ATT)框架归因的安装之间的重叠部分。这在理论上看似可行,但实际上存在重大缺陷,最重要的是,这种方法要占用整整一个比特位。?

01 一体化iOS推广活动数据的缺陷

从理论上来说,通过估算SKAN和ATT之间的重叠安装,就能够看到哪些SKAN安装已经被ATT框架归因了。也就是说,营销人员可以从聚合层面上确认SKAN安装总量=付费MMP安装总量,从而确认两个数据集之间的意外偏差。然而,这种排错式流程缺乏必要的后续步骤,相当于您浪费了一个宝贵的比特位来证明数字不匹配。

02 举例说明

1.第一个例子中,一些营销人员会对数据抱有不切实际的希望:

时间范围:2022年7月

MMP付费安装:80,000

MMP自然安装:40,000

SKAN安装:100,000;使用比特值查看归因状态,有80,000次安装返回"1",即已经归因

“看到这些数字,UA经理可能会认为所有SKAN安装都已归因,MMP的付费安装数量相同,所报告的数字也没有错误。但事实并非如此!”

从整体层面来看,这些数字的确对得上,但让我们更进一步仔细检查。假设在80,000次SKAN已归因安装中,有40,000次归因给了Facebook,另外40,000次归因至Google,推广活动信息很少;而MMP数据显示,Facebook、Google和AppLovin分别获得了20,000次安装归因,还有20,000次被归因给了某次网页推广活动(注意:当前无法通过SKAN开展网页推广活动)。虽然总量匹配,但获得归因的合作伙伴却不一样。

当然,您可以通过MMP交叉检查归因窗口,但因为SKAN窗口不可见,所以您无法正确比较不同数据集。总数匹配并不意味着您离单一真实数据来源更近了一步。??

2.在第二个更常见的例子中,营销人员则被带入了死胡同:

时间范围:2022年7月

MMP付费安装:80,000

MMP自然安装:40,000

SKAN安装:60,000;使用比特值查看归因状态,有40,000次安装返回"1",即已经归因

UA经理看到,MMP的付费安装中仅有一半体现在了SKAN安装总量中。下一步,UA经理可以检查"缺失"的40,000次安装是否来自SKAN不支持的推广活动,例如网页、电子邮件、网络红人推广等。假设MMP将50,000次安装归因给了各类网页推广活动,20,000次给了Google,10,000次给了Facebook。SKAN安装被归因至Google和Facebook,即分别为30,000。

那么应该如何统一这些数字呢?

SKAN缺失的40,000次安装与来自网页推广活动的50,000次安装不匹配。此外,SKAN和MMP的Google和Facebook归因数字为何存在如此大的不同?从理论上来说,您可以深入了解MMP方面的归因情况,但在SKAN中就做不到了。换言之,到此,您就走进了"死胡同"。?

“理论上说,从单一来源可以推算出的效果KPI有整体eCPI*、*CPE和ROAS,但由于数据准确性方面的固有局限性,我们非常不建议根据预估表现的计算结果优化推广活动(如暂停、终止或扩大推广活动)。对于准确性方面的局限性,我们会在下文详细说明。”

640 (3).jpg640 (4).jpg

简言之,单一来源模型能够从高层面预估来自SKAN和ATT框架的iOS安装总量,但需要付出1个比特位的代价。

03 比特位逻辑详解

在单一来源模型中,第6个(即最高的)比特位会被指定为TRUE/FALSE标记。这也就意味着,在可用于事件映射和/或收入范围条件的63个转化值中,有一半不可用。用二进制形式表示如下:

640 (5).jpg

每个比特位的值可以是0或1。在第一种情况下,比特值范围为000000-111111,即十进制的0-63。也就是说,所有63个转化值都可用于条件映射。但在第二种情况下,比特值范围只有00000-11111,即十进制的0-31,第6个比特位变成了TRUE或1。也就是说,映射到转化值1至31的任何事件条件都会假定没有发生ATT归因;类似地,映射到转化值32-63的任何事件条件都会假定已经发生ATT归因。用一个比特位标记ATT归因,设备发送的转化值就会包含一个TRUE或FALSE,翻译成二进制即1或0。

出于上述考虑,您就需要在转化值方案中重复映射两遍相同的事件条件(转化值1-31一次,32-63再一次),以覆盖ATT归因发生和未发生两种情况。最重要的是,您花费了一半的转化值,仅仅为了使SKAN回调中包含一个专门的转化值,以此了解SKAN安装是否已被ATT框架归因。

注意,与ATT框架不同,该回调中不会显示获得归因的合作伙伴。从理论上来说,您可以通过回调接收合作伙伴信息,但这需要使用更多的比特位来编入这些信息,将比特全部用完也不一定够。

要让这种方法站住脚,获得"一体化"或"单一来源"数据集,就需要用到下列计算方法:

安装总量=ATT付费安装+ATT自然安装+SKAN付费安装(无ATT标记)

这个公式假定在给定时间范围内,(带有ATT标记的)SKAN付费安装数量与ATT付费安装数量相同,这是错误的。?

04 估算过多带来的风险

在一个以"精准度"为支柱的生态中,单一来源等模型太过依赖估算。下面,让我们分别列出此类模型的四个关键估算过程,逐一解释其内在问题。

1.不同和未知的估算模型:安装总量计算方法本身会假定带有ATT标记的SKAN归因付费安装数量与ATT框架中归因的付费安装总量相同。从我们的经验来看,这种假定是错误的,原因包括以下几点:

您的合作伙伴需要同时支持SKAN和ATT框架,数据才能匹配。但当前网络红人(influencer)和网页流量无法同时支持这两个框架。

由于未得到用户许可,SAN可能无法在ATT框架中认领安装。但在SKAN框架中,无论用户是否授权,归因都会发生,因此,同样一部分用户很可能会在SKAN框架中被归因给SAN。

来自SKAN框架的交互信息有限,归因瀑布也不够清晰,因此,您无从得知安装是如何归因给特定合作伙伴的。SKAN与ATT的归因窗口不同。

2.不同框架中的合作伙伴归因:单一来源模型计算方法假定,如果SKAN已经将某次安装归因给了特定合作伙伴,那么MMP也进行了同样的归因。我们已经在上文中提到,用于确认安装是否通过ATT框架归因的比特值并不包含合作伙伴来源信息。我们无法验证此信息的真伪,因此不能据此开展营销。

当然,从总量上来看,您可以认为两个框架的安装数量可以相互弥补,但前提是两个框架中的合作伙伴完全相同。这也就意味着,如果出现不同的合作伙伴,那么问题就会变得更加复杂。考虑到SKAN的运作原理,上述情况并不少见。

在ATT框架中,广告主只能开展内部营销活动,如交叉推广、电子邮件营销、网络红人和移动网页推广活动等。但是,在单一来源模型中,这些安装会带有"TRUE"归因标记。假设由于广告位重叠,SKAN会将同样的设备归因到某个广告渠道中,那么这些安装就会被计入带ATT标记的SKAN安装。换言之,您不能认为ATT付费安装=SKAN付费安装(带ATT标记),否则,任何基于此逻辑的总体eCPI或ROAS都会有误差。

3.安装日期:SKAN回调中并不包含确切的时间戳,因此安装日期也属SKAN估算。估算基于所使用的转化值窗口,以及回调是否包含非0转化值。但关键问题在于Google与其他合作伙伴不同,SKAN时间戳并不代表其收到回调的日期,而是估算的交互日期,而这个交互时间本身已经是Google的估算。也就是说,您需要根据Google估算的交互时间估计SKAN安装日期,精准度堪忧。

4.隐私阈值(privacy threshold):由于Apple的隐私阈值,单一来源计算会遇到更多的困难。SKAN发送给合作伙伴的部分回调包含null转化值,也就是说,回调中没有您需要的信息,也无法回答"SKAN安装是否已在ATT框架中归因"的问题。

在不同的合作伙伴和推广活动中,带null转化值回调的占比差异很大(~10%-40%)。我们有时并无法了解为什么某个推广活动null转化值多,而另一个推广活动少。只有Apple能准确回答哪些情况达到或未达到隐私阈值。对于SKAN付费安装(不带ATT标记),我们无法借助倍数因子进行估算,因为隐私阈值的应用方法不够清晰。与之前提到的一样,任何计算都只能是"估算"。?

05 构建iOS推广活动报告

单一来源或"一体化"iOS推广活动数据模型包含太多估算。当前市面上旨在结合SKAN和ATT数据的诸多解决方案都建立在多层估算的基础之上,且会牺牲掉一半的转化值。占用一个比特位,换来的是不精确也不实用的数据——这笔交易并不划算。

如果您希望获得质量最高的数据来推动增长,就绝不能依赖漏洞百出的粗劣方法,如何分配预算?应该暂停或扩大哪些推广活动?哪些推广渠道值得重点关注?进行这一系列重要战略决策时,精准实用的数据都是必不可少的。

考虑到SKAN的种种局限,Adjust推荐您采用我们的数据分析解决方案Datascape,在同一处查看所有数据。Datascape中的数据稳扎稳打,不走捷径,用清晰易懂的形式呈现所有数据,是真正值得信赖的单一数据来源解决方案。借助Datascape的多种SKAN相关KPI,如转化、收入和事件等,您可以打造综合全面的SKAN报告,同时查看正常Adjust归因数据。这是确保数据准确的最佳方法。

在复杂的iOS生态中,最有效的监测方法是借助机器学习和预测,获得精准eCPI、CPE和ROAS——这也正是Adjust新一代解决方案的研发方向。归根结底,营销人员的需求很简单,那就是一款能清晰展示推广活动收益的工具,并借助这一工具快速做出决策,自信地暂停或扩大推广活动。?

↟点击阅读全文
版权说明

本文内容来自于AdjustGmbH,本站不拥有所有权,不承担相关法律责任。文章内容系作者个人观点,不代表快出海对观点赞同或支持。如有侵权,请联系管理员(zzx@kchuhai.com)删除!

相关文章
Lazada无货源模式开店成本问题
Lazada无货源模式开店成本问题
无货源模式是许多跨境电子商务卖家的首选模式,因为它不需要自己的库存、交付等操作,不仅可以节省成本,而且可以提高商店的运营效率,所以在Lazada适合做无货源模式了吗?Lazada做无货源模式,时间上来得及吗?费用是多少?
连连跨境支付
4天前
快来查收您的虚拟活动主持人速成指南!
快来查收您的虚拟活动主持人速成指南!
想举办一场虚拟活动但却感到手足无措?不确定如何远程与观众互动?如果您正在寻找这方面的帮助,那么我们可以助您一臂之力,帮您打造与线下活动一样令人难忘并且富有影响力的虚拟活动体验。
Zoom视频通讯
4天前
速卖通上架多少商品才能有一点流量?
速卖通上架多少商品才能有一点流量?
很多新手在做速卖通时也有一个疑问,就是自己虽说上架了商品但是却没有多少流量,所以,想问到底上架多少商品才能有一点流量?那么,接下来,我们就来讲讲,关于速卖通上架商品的信息,大家可以了解下。
逍遥子
5天前
速卖通流量怎么这么少?你没做好这三点!
速卖通流量怎么这么少?你没做好这三点!
全球速卖通商品信息内容题目、关键字和信息内容品质立即危害着顾客的自然排名,决策商家交易量的結果。可是许多店面的总流量非常少,不清楚该怎么优化?今日开淘我就跟大伙儿聊一聊那么该怎样优化标题和信息内容品质的难题!
逍遥子
5天前
速卖通新店为什么会没流量、曝光低?
速卖通新店为什么会没流量、曝光低?
对于新手网店卖家来说,在做之前就需要明白,是要做高档产品还是中低档产品,不能掉到一个子类目中,不能一味的去上传产品。建议卖家前期可多选几个子类目上新,根据店铺曝光情况,来圈定到底哪几个子类目更适合你。
逍遥子
5天前
扫描关注获取更多 出海资讯 的相关信息
扫码登录
打开扫一扫, 关注公众号后查看更多
加载中
二维码已失效 请重试
刷新
账号登录/注册
小程序
公众号
商务合作
投稿采访
出海管家
活动推荐
报名中 亚马逊云科技中国峰会