Blog Donner un sens à iOS 14.5 : méthodes d'attribution

Donner un sens à iOS 14.5 : méthodes d'attribution

Depuis l'annonce par Apple de iOS14 et du framework AppTrackingTransparency framework (ATT), il y a eu beaucoup de confusion dans l'écosystème concernant ce qu'il est permis de faire ou de ne pas faire.

Il est important de garder à l'esprit que l'objectif de Apple avec l'ATT est très similaire à celui des règlements sur la confidentialité comme le RGPD. Les règles existent pour permettre aux utilisateurs de choisir si une première partie peut partager leurs données uniques, identifiables et persistantes avec une tierce partie.

Ça a l'air plutôt simple, non ? Alors pourquoi tant de discussions si tout est prévu par les règles ?

La confusion provient en partie de l'absence d'un langage commun au sein du secteur. De nombreux acteurs du secteur emploient des termes différents pour se référer à des concepts similaires.

Par exemple, le secteur a utilisé « fingerprinting » comme un terme fourre-tout, alors qu'il englobe aussi bien le fingerprinting que les méthodes d'attribution probabilistes. Avec les nouveautés à venir dans la version iOS 14.5, certaines entreprises (dont Adjust) sont passées du fingerprinting à l'attribution strictement probabiliste. Cela a nécessité de faire le point sur ce que chacun entend par « fingerprinting » et d'expliquer ce qu'il est encore permis de faire.

Je souhaiterais revenir sur certains termes afin qu'ils soient bien compris et différenciés :

  1. Qu'est-ce que le fingerprinting ? Il s'agit d'une méthode de suivi des utilisateurs inter-site qui utilise des informations d'appareil pour créer un ID unique et persistant. Parmi les techniques employées pour le fingerprinting se trouvent la capture des métriques de polices, l'utilisation des propriétés WebGL (et de canvas), ainsi que de certaines propriétés matérielles. Avec ces données, le fingerprint devient persistant et permet d'identifier de manière unique chaque utilisateur. Le fingerprinting et les ID de fingerprinting sont utilisés principalement pour suivre les utilisateurs sur différents sites web et applications qui, sans cela, ne partageraient pas d'ID commun. Par exemple, le fingerprinting est utilisé pour créer des graphiques d'appareils, ce qui va clairement à l'encontre des instructions de Apple.

  1. Que signifie probabiliste ? En tant que MMP, nous ne suivons ou ne ciblons pas les utilisateurs sur différents sites ou applications. Notre seule préoccupation est d'attribuer une installation à un engagement avec un certain degré de précision. Comme 80 % des installations surviennent dans la première heure après le clic, cette attribution ne requiert pas d'ID persistant. Nous pouvons établir nos prévisions à l'aide de données temporaires qui deviennent obsolètes en quelques heures. Ainsi, pour nous, l'attribution probabiliste se fonde simplement sur l'entropie et les modèles des appareils. Nous analysons les paramètres comme l'heure du clic, l'heure d'installation et d'autres informations sommaires sur l'appareil. Ces paramètres limités nous permettent d'estimer la source d'une installation pendant quelques heures après un clic.
  • En tant qu'annonceur, pourquoi devrais-je utiliser l'attribution probabiliste si SKAdNetwork est plus précis ?

L'attribution probabiliste ne remplace pas SKAdNetwork et ne sera jamais aussi précise que ce framework. Cependant, elle propose de véritables ressources aux annonceurs qui exécutent des campagnes. Avec l'attribution probabiliste, vos partenaires médias seront en mesure d'optimiser vos campagnes, d'améliorer leurs modèles et de vous donner le meilleur ROI.

  • Cela signifie donc que je peux partager mes données avec mon partenaire médias ?

Oui. Par exemple, il est acceptable de partager un mot-clé avec un partenaire médias pour lui permettre d'attribuer l'installation probabiliste à une campagne. Aucune des données partagées ne permet le ciblage ou le suivi inter-site/application.

  1. Qu'est-ce que la modélisation de conversion ? La modélisation de conversion est l'extrapolation du comportement des utilisateurs consentants en vue de modéliser le comportement agrégé de tous les utilisateurs. En voici deux formes acceptables, à notre entendement :
    1. À des fins d'attribution Les sociétés d'analyse observent les utilisateurs consentants et leurs comportements après une installation, puis utilisent ces données pour appliquer des métriques similaires au reste des utilisateurs. Cela vous permet de connaître vos métriques en cohortes comme la LTV et le ROAS. Pour les marketeurs, la précision des données est essentielle, et il vous faut toujours rester vigilant à cet égard. La précision des modèles de conversion dépendra de votre taux de consentement.
    2. À fins de publicité ciblée De la même façon, les sociétés de médias utilisent le sous-ensemble d'utilisateurs consentants pour diffuser aux utilisateurs non consentants des annonces pertinentes sur la base de signaux contextuels similaires.
  2. Qu'est-ce que SKAdNetwork ? SKAdNetwork est le framework d'attribution de Apple. Il donne aux canaux médias la possibilité d'obtenir une source de vérité en matière d'attribution au sein d'un environnement centré sur la confidentialité. Sa force réside dans l'attribution déterministe, qui permet une précision proche de 100 %. Les tests que nous avons réalisés avec SKAdNetwork donnent des résultats avec un écart de 2 % par rapport à l'attribution déterministe via IDFA. Notez que dans un scénario de 1 000 installations attribuées avec l'IDFA, SKAdNetwork peut attribuer 900 installations et 100 téléchargements répétés. En effet, SKAdNetwork ne crédite qu'une seule fois une installation dans un compte iTunes. C'est pourquoi il est important de considérer la somme des installations et des téléchargements répétés pour maintenir une certaine cohérence avec l'ère pré-ATT.

Gardez également à l'esprit que SKAdNetwork ne couvre pas encore l'ensemble de l'inventaire disponible, et que les éditeurs sont encore en phase d'adoption du framework. Jusqu'à ce que la couverture atteigne 100 %, SKAdNetwork peut encore rapporter un nombre d'installations inférieur à l'attribution déterministe via IDFA rapportée avant iOS 14.5.

  1. À quel taux de consentement puis-je m'attendre ? Comme 25 % des utilisateurs ne partagent généralement pas leur IDFA, 75 % d'entre eux restent éligibles. Selon nos analyses, nous estimons que ~40 % de ces utilisateurs accepteront de partager leur IDFA, ce qui devrait se traduire par un taux IDFA ~30% sur votre application. Assurez-vous de lire notre publication sur AdExchanger pour obtenir davantage d'informations sur l'élaboration d'une invite avant autorisation.

Alors quels sont les gagnants et les perdants potentiels ? À chaque modification de plateforme, certains savent mieux tirer leur épingle du jeu que d'autres. Les entreprises mobiles qui ne comprennent pas les ramifications de ces modifications risquent de voir décroître leurs opportunités de croissance.

Mais les entreprises réactives sont en bonne position pour innover et tirer avantage des opportunités. Les organisations agiles, qui disposent de données de première partie, sont les mieux placées pour gagner.

Pour plus d'informations sur la façon dont Adjust soutient votre croissance, assurez-vous de consulter notre dernier guide, Comment Adjust soutient la croissance dans iOS 14.

Vous souhaitez rester au courant de l'actualité Adjust ?