Blog Memanfaatkan data side-by-side tingkat ...

Memanfaatkan data side-by-side tingkat perangkat dan SKAdNetwork melalui Automate: solusi Adjust

Marketer mengandalkan pengukuran untuk menentukan apakah suatu campaign berhasil atau tidak. iOS 14.5+ dan SKAdNetwork jelas menimbulkan tantangan yang signifikan dan perubahan besar terhadap strategi dan proses. Marketer dan developer sudah mengubah pendekatan mereka dalam melakukan pengukuran agar sesuai dengan data AppTrackingTransparency (ATT) untuk pengguna yang telah memberikan persetujuan dan data agregat SKAdNetwork untuk campaign di iOS — ini menjadi realita baru bagi atribusi di platform.

Kedua data set ini menawarkan berbagai keunggulan dan kelemahan. Data tingkat perangkat membantu pelaporan detail dan mengembangkan cohort pengguna yang dipetakan berdasarkan pendapatan. Akan tetapi, karena ini membutuhkan persetujuan, gambaran akhir yang diperoleh cenderung tidak lengkap dan kurang akurat. Data SKAdNetwork tingkat tinggi relatif akurat saat berfokus pada total per partner, tetapi secara fundamental tidak menyediakan pelaporan kinerja yang detail. Keragaman ini memberikan tantangan bagi marketer dalam memutuskan data point yang dapat digunakan sebagai dasar pembuatan keputusan sehari-hari dan membuat permintaan akan pelaporan yang terpadu dan disederhanakan semakin meningkat.

Akan tetapi, beberapa isu membuat penggabungan data MMP tingkat perangkat dan data agregat SKAdNetwork menjadi kompleks dan tidak dapat diandalkan, ini menjadi alasan utama Adjust merekomendasikan untuk menggunakan data side-by-side melalui Automate.

Apa saja masalah yang dapat terjadi saat menggabungkan data MMP dan data SKAdNetwork?

  1. Deduplikasi: Sebelum mempertimbangkan untuk menggabungkan data instalasi SKAdNetwork dengan data instalasi tingkat ATT, deduplikasi yang mengecualikan instalasi dari salah satu sumber yang diatribusikan di kedua data set perlu dilakukan. Karena data SKAdNetwork diagregasi dan tidak tersedia pada tingkat perangkat, deduplikasi dapat dilakukan dengan memperkenalkan dimensi yang memisahkan instalasi yang diatribusikan pada tingkat perangkat dengan instalasi yang tidak diatribusikan. Ini adalah konsep awal deduplikasi yang akan mengonsumsi setidaknya satu bit nilai konversi dan tidak akan memecahkan semua masalah Anda saat memikirkan cara untuk menggabungkan data tingkat ATT dan SKAdNetwork.
  2. Tanggal instalasi yang dirandomisasi: Tanggal instalasi yang didapatkan dari instalasi SKAdNetwork selalu dirandomisasi dan tidak dapat diidentifikasi secara jelas. Dengan kata lain, instalasi SKAdNetwork akan valid selama 0-48 jam sebelum diterima dan ini mempersulit eliminasi instalasi ini dari data set.
  3. Instalasi terkait Google: Tanggal instalasi untuk instalasi SKAdNetwork dari Google bahkan lebih kompleks lagi. Dengan menggunakan pemodelan, Google berupaya untuk menentukan tanggal terkait iklan (klik atau impresi iklan) dan menghubungkannya ke sebuah instalasi. Karena Google adalah salah satu self attributing network terbesar dan menjadi bagian dari sebagian besar channel mix, ini akan berdampak signifikan terhadap kapabilitas untuk menggabungkan data.
  4. Metode atribusi: SKAdNetwork dan atribusi tingkat perangkat memiliki mekanisme yang berbeda dan kemungkinan besar distribusi lintas channel antara keduanya juga akan memiliki perbedaan besar. Oleh karena itu, duplikasi di beberapa channel saat melakukan agregasi mungkin masih akan terjadi, sekalipun deduplikasi sudah dilakukan seperti yang disebutkan di atas. Sebagai contoh, sebagian instalasi tingkat perangkat dalam skenario multi-touch marketing yang diatribusikan ke Facebook mungkin akan diatribusikan ke Twitter melalui SKAdNetwork.
  5. Randomisasi di tingkat nilai konversi: Jumlah nilai konversi yang tidak memiliki nilai (null) di SKAdNetwork sudah ditentukan. Karena informasi terkait apakah suatu instalasi diatribusikan, atau tidak diatribusikan, dikemas ke dalam nilai itu sendiri, saat tidak ada nilai (null), instalasi tidak dapat diidentifikasi sebagai instalasi yang diatribusikan atau tidak diatribusikan. Distribusi nilai null tidak selalu bersifat linier lintas nilai konversi dan akan bergantung pada jumlah instalasi per ID campaign. Dengan kata lain, kita tidak dapat secara serta merta melakukan ekstrapolasi pada sebagian nilai null vs instalasi dengan nilai konversi. Jumlah nilai null dapat dengan mudah mencapai 40% lintas semua instalasi SKAdNetwork. Belanja campaign yang relatif besar akan diperlukan untuk mendapatkan jumlah instalasi yang cukup tinggi agar dapat melampaui batasan tersebut dan memiliki data set yang cukup besar. Karena sebagian besar marketer sudah menghadapi tantangan terkait perubahan privasi, kami tidak merekomendasikan untuk membagi anggaran lintas campaign kecuali Anda memperkirakan bahwa Anda dapat mencapai jumlah instalasi yang tinggi. Ini dapat berdampak signifikan terhadap deduplikasi dan menjadi alasan lain untuk berhati-hati saat menggabungkan data tingkat perangkat dan SKAdNetwork.
  6. Perbedaan menurut negara/kawasan: Bagi marketer yang bekerja di beberapa negara dan dengan berbagai bahasa, dimensi negara biasanya sangat penting, karena biaya dan kinerja dapat sangat bervariasi dari satu negara dengan negara lainnya. Untuk instalasi SKAdNetwork, informasi negara biasanya tidak tersedia — ini menjadi alasan lain kenapa penggabungan data set dan kemudian pembagian menurut negara akan kurang efisien dan tidak akurat.
  7. Ketidakakuratan kinerja: Selain ketidakakuratan yang diidentifikasi di atas terkait jumlah instalasi, masalah lainnya adalah tidak diketahuinya kinerja instalasi tambahan yang akan ditambahkan saat menggabungkan data. Penghitungan total biaya per channel yang valid dapat dilakukan berdasarkan ekstrapolasi dan dengan mengacuhkan masalah yang dijabarkan di atas, tetapi setelah Anda mulai mengevaluasi data tingkat campaign, yang biasanya dijadikan dasar keputusan marketer, data tersebut akan dianggap tidak dapat digunakan. Pengumpulan metrik kinerja terkait, seperti pendapatan di hari ke-7 dan di hari ke-30 untuk laporan hingga tingkat campaign juga tidak akan akurat.

Bagaimana side-by-side reporting Adjust memberdayakan marketer terlepas dari berbagai keterbatasan

Tergantung pada kondisi khusus, seperti model bisnis aplikasi, jumlah instalasi per campaign, belanja iklan, distribusi lintas channel, jumlah total campaign dan kapabilitas untuk mengidentifikasi signals of importance dalam 24 jam. Pada akhirnya, marketer dan developer yang akan menentukan sumber data yang paling dapat dipercaya dan indikator dari kedua sumber data yang terkait. Jika korelasi itu tidak terlihat secara langsung, ini akan menjadi alasan untuk mengeksplorasi data lebih lanjut.

Dengan mempertimbangkan segala keterbatasan yang ada, Adjust kini merekomendasikan untuk menggunakan reporting side-by-side melalui fitur Automate. Dengan berbagai KPI terkait SKAdNetwork (konversi, pendapatan, dan event), Anda dapat menyusun laporan komprehensif untuk campaign SKAdNetwork dan memanfaatkan template untuk melihat informasi ini secara berdampingan dengan data atribusi Adjust. Dengan cara ini, Anda dapat membandingkan data campaign iOS dari kedua sumber dalam laporan tabular yang mudah dikelola.

Pemisahan data menjadi cara terbaik untuk memastikan akurasi. Akan tetapi, jika Anda dan tim Anda memilih deduplikasi dan penggabungan data tingkat ATT dan SKAdNetwork, Adjust tetap dapat membantu. Kami memberi kendali kepada klien atas upaya deduplikasi sebagai bagian dari dedikasi kami untuk menyediakan 100% transparansi. Dengan real-time callback SDK attribution Adjust, Anda dapat menjalankan event yang dapat diidentifikasi dan dimanfaatkan dalam konfigurasi nilai konversi. Untuk mendapatkan informasi lebih lanjut, silakan hubungi narahubung Adjust.

Kami sedang menyelidiki cara untuk menyiapkan laporan yang memberikan gambaran lengkap sembari memastikan bahwa data atribusi memiliki akurasi yang tinggi. Sementara itu, kami merekomendasikan agar Anda terus menggunakan side-by-side reporting untuk memastikan bahwa masalah yang dijabarkan di atas dapat dihindari, serta bahwa laporan dan data set tetap bersih. Untuk mendapatkan informasi tentang iOS 14.5+ Anda dapat mengunjungi resource center Adjust di sini.

Ingin mendapatkan berita terbaru dari Adjust?