ทำความเข้าใจกับวิธีการ attribution ของ iOS 14.5

ตั้งแต่วันที่ Apple ประกาศใช้ iOS14 และ AppTrackingTransparency famework (ATT) ก็เกิดความสับสนมากมายในอีโคซิสเต็มว่าอะไรบ้างที่ Apple อนุญาต — และอะไรที่ไม่อนุญาต

สิ่งสำคัญที่จะต้องรู้คือจุดประสงค์ของ Apple สำหรับ ATT นั้นคล้ายกับกฎเกณฑ์เกี่ยวกับความเป็นส่วนตัวของ GDPR กฎเหล่านี้มีไว้เพื่อให้ผู้ใช้งานเลือกว่าจะให้ first-party สามารถแชร์ข้อมูลที่มีลักษณะเฉพาะ,ระบุตัวตนได้และเป็นข้อมูลถาวรกับ third-party หรือไม่

ฟังดูง่ายๆ ใช่ไหม นี่คือเหตุผลที่มีการถกเถียงกันมากเหลือเกินว่ากฎนี้ครอบคลุมเรื่องอะไรบ้าง

ที่มาของความสับสนนี้ส่วนหนึ่งเป็นเพราะยังไม่มีภาษากลางซึ่งสามารถสื่อสารกันให้รู้เรื่องทั้งอุตสาหกรรม ผู้เล่นหลายรายในอุตสาหกรรมใช้ศัพท์ไม่เหมือนกันทั้งที่พูดถึงคอนเซปต์เดียวกัน

สาเหตุหนึ่งของความสับสนก็คืออุตสาหกรรมนี้ใช้คำว่า 'fingerprinting' เหมารวมกัน ทั้งที่เป็นแบบ 'fingerprinting' จริงๆ และวิธีการ probabilistic attribution เมื่อมีความเปลี่ยนแปลงซึ่งมากับ 14.5 บางบริษัท(รวมทั้ง Adjust) เปลี่ยนจากการใช้ fingerprinting ไปใช้เป็น probabilistic attribution อย่างเคร่งครัด หมายความว่า เราแยกแยะสิ่งที่คนเข้าใจว่าคือ fingerprinting และอธิบายถึงสิ่งที่ยังคงได้รับอนุญาต

ผมต้องการจะทำให้ชัดเจนในคำบางคำ ศัพท์ที่สำคัญเพื่อให้เข้าใจและเห็นถึงความแตกต่าง

  1. อะไรคือ fingerprinting? วิธีการติดตามผู้ใช้งานข้ามไซต์ (cross-site) โดยใช้ข้อมูลดีไวส์มาสร้างเป็น ID ถาวรและที่มีลักษณะที่เฉพาะ บางเทคนิคใช้เพื่อให้บรรลุผลของ fingerprint เช่น การจับตัวบ่งชี้ของฟอนต์ การใช้คุณสมบัติของ WebGL (และ canvas) บวกกับคุณสมบัติของฮาร์ดแวร์บางตัว ข้อมูลนี้จะทำให้ fingerprinting มีความคงอยู่และเฉพาะเจาะจงพอที่จะระบุผู้ใช้งานได้ หลักๆแล้วเราใช้ fingerprinting และ fingerprinting ID ไว้ติดตามผู้ใช้งานข้ามเว็บไซต์และแอปที่ไม่ได้แชร์ ID ปกติ ยกตัวอย่าเช่น fingerprinting เคยใช้สำหรับสร้างดีไวซ์กราฟ(Device graphs) ซึ่งมันชัดเจนว่าขัดกับกฎเกณฑ์ของ Apple

  1. อะไรคือ probabilistic? ในฐานะที่เป็น MMP เราไม่ติดตามหรือตั้งเป้าหมายที่ผู้ใช้งานข้ามไซต์หรือข้ามแอป เราสนใจแต่การ attribution การติดตั้ง(install) กับการมีปฏิสัมพันธ์(engagement) ให้มีความแน่นอนระดับหนึ่ง เนื่องจาก 80% ของการติดตั้งเกิดขึ้นภายในชั่วโมงแรกหลังคลิก attribution เช่นนี้ไม่ต้องมีไอดีถาวร (persistent ID) เราสามารถพยากรณ์ได้โดยใช้ข้อมูลชั่วคราว ซึ่งจากนั้นอีกไม่กี่ชั่วโมงก็จะหมดอายุ ดังนั้นสำหรับเรา probabilistic attribution ซึ่งมีพื้นฐานอยู่บนสถานะและรูปแบบของดีไวส์ เรามองหาพารามิเตอร์อย่าง เวลาที่คลิก เวลาขณะติดตั้ง และข้อมูลเบื้องต้นเกี่ยวกับดีไวส์ พารามิเตอร์จำกัดเหล่านี้ช่วยให้เราสามารถประเมิน source ของการติดตั้งภายในไม่กี่ชั่วโมงหลังคลิก
  • ในฐานะผู้ลงโฆษณา ทำไมถึงควรใช้ probabilistic ถ้า SKAdNetwork มีความแม่นยำกว่า?

Probabilistic attribution ไม่ได้มีไว้เป็นตัวแทน SKAdNetwork และยังไม่แม่นยำเท่า อย่างไรก็ตาม probabilistic attribution ให้ประโยชน์จริงให้ผู้ลงโฆษณาเอาไปใช้ดำเนินการแคมเปญได้ ด้วย Probabilistic attribution มีเดียพาร์ตเนอร์ของจะคุณสามารถออปติไมซ์แคมเปญ เพิ่มประสิทธิภาพโมเดลและให้ ROI ที่ดีที่สุดแก่คุณ

  • แบบนั้น ก็แปลว่าฉันสามารถแชร์ข้อมูลกับพาร์ตเนอร์สื่อได้ใช่ไหม?

ใช่ ยกตัวอย่างเช่น การแชร์ keyword กลับไปที่มีเดียพาร์ตเนอร์ ช่วยให้พาร์ตเนอร์สามารถ attribute หาการติดตั้ง probabilistic ในแคมเปญแบบนี้ยอมรับได้ โดยที่ไม่มีข้อมูลดังกล่าวถูกแชร์ข้ามแอป/ติดตามแอปหรือตั้งเป้าหมาย

  1. อะไรคือ conversion modeling? Conversion modeling คือการคาดการณ์พฤติกรรมของผู้ใช้งานเพื่อสร้างเป็นโมเดลพฤติกรรมรวมของผู้ใช้งานทุกคน เท่าที่เราเคยได้ยินมานั้นมีอยู่สองรูปแบบซึ่งเป็นที่ยอมรับได้
    1. เพื่อวัตถุประสงค์ของ attribution บรรดาบริษัทวิเคราะห์จะใช้ประโยชน์จากผู้ใช้งานที่ให้ความยินยอมแล้ว รวมทั้งพฤติกรรมของผู้ใช้งานหลังติดตั้ง แล้วนำข้อมูลที่ได้มาประยุกต์ตัวชี้วัด(Metrics) ที่คล้ายคลึงกับผู้ใช้งานทุกคน ซึ่งจะช่วยให้คุณสามารถรู้ตัวชี้วัดของ cohort อย่างเช่น LTV และ ROAS ในฐานะนักการตลาด ข้อมูลนั้นต้องถูกต้องและแม่นยำ คุณจึงต้องตั้งคำถามตลอดเวลาถึงความถูกต้องแม่นยำของข้อมูล ความถูกต้องแม่นยำของ conversion model จะ ขึ้นอยู่กับอัตรา opt-in.
    2. สำหรับการยิงโฆษณาชนิดตั้งเป้า (targeted advertising) คล้ายกับบริษัทสื่อโฆษณาที่มักใช้ข้อมูลซับเซ็ตของผู้ใช้งาน เพื่อแสดงโฆษณาไปหาผู้ที่ยังไม่ได้ยินยอม(non-consent) เป็นโฆษณาที่เกี่ยวข้องถูกเสนอผ่านบริบทที่คล้ายกัน
  2. อะไรคือ SKAdNetwork? SKAdNetwork คือเฟรมเวิร์ค attribution ของ Apple SKAdNetwork จะช่วยให้ช่องทางสื่อมีความสามารถที่จะหาที่มาของความจริงที่เกี่ยวกับ attribution ในโลกใบใหม่ซึ่งเน้นเรื่องความเป็นส่วนตัว จุดแข็งก็คือมันให้ deterministic attribution โดยมีความถูกต้องแม่นยำเกือบ 100% เราได้ทดสอบแล้ว และพบว่า SKAdNetwork มาในขอบเขต 2% ของความถูกต้องแม่นยำเมื่อใช้ deterministic attribution ผ่าน IDFA สังเกตด้วยว่า ถ้าแคมเปญหนึ่ง attribute การติดตั้ง 1000 ด้วย IDFA อย่างที่เคยทำมา SKAdNetwork อาจ attribute การติดตั้งใหม่ 900 ครั้งและ 100 กลับมาดาวน์โหลดใหม่ (redownload) เพราะ SKAdNetwork จะเครดิตเฉพาะการติดตั้งบนแอคเคาน์ตของ iTunes เพียงหนึ่งครั้ง ด้วยเหตุนี้ จึงจำเป็นต้องดูที่ยอดรวมของการติดตั้งและการดาวน์โหลดใหม่ เพื่อรักษาให้เกิดความสม่ำเสมอกับยุคก่อนใช้ ATT

สำคัญ พึงจำไว้ว่า SKAdNetwork ยังใช้งานไม่ครอบคลุมทุกอินเวนทอรี และเจ้าของแอปเองก็กำลังปรับตัวให้เข้ากับเฟรมเวิร์คใหม่นี้ จนกว่าจะถึงวันที่สามารถใช้งานครอบคลุมได้ 100% SKAdNetwork จะรายงานยอดติดตั้งน้อยกว่ายอดในรายงานที่ใช้ deterministic attribution ผ่าน IDFA ในสมัยก่อนที่ iOS 14.5 จะใช้งาน

  1. อัตรา opt-in rate อะไรที่คาดหวังได้ เนื่องจาก 25% ของผู้ใช้งานทั่วโลกบล๊อคการแชร์ IDFA ส่วนอีก 75% ยังอยู่ในโหมดให้ความยินยอม ซึ่งมองเห็นได้ จากการวิเคราะห์ เราพบว่า ~40% ของผู้ใช้งานซึ่งยินยอมให้แชร์ IDFA ซึ่งจะมีผลเท่ากับ~30% ของอัตรา IDFA บนแอปของคุณ ให้แน่ใจว่าคุณอ่าน โพสต์รับเชิญบน AdExchanger ของเรา สำหรับข้อมูลเพิ่มเติมในเรื่องการสร้างพรอมพ์ pre-permission

แล้วใครมีแววว่าจะชนะ ใครมีทีท่าว่าจะแพ้ ทุกครั้งที่แพลตฟอร์มมีการเปลี่ยนแปลง จะต้องมีคนบางกลุ่มได้ประโยชน์มากกว่ากลุ่มอื่นเสมอ บริษัทธุรกิจบนมือถือซึ่งไม่เข้าใจผลกระทบอันสลับซับซ้อนของความเปลี่ยนแปลงเหล่านี้ มีแววว่าจะเสียโอกาสที่จะเติบโตต่อไป

อย่างไรก็ตาม บริษัทซึ่งออกตัวเร็วจะอยู่ในฐานะที่สามารถสรรค์สร้างนวัตกรรม และใช้ประโยชน์จากโอกาสที่มาถึงนี้ บริษัทซึ่งมีความคล่องตัว และมีข้อมูล first-party data จะอยู่ในตำแหน่งที่ดีในการคว้าชัยชนะนี้

ต้องการข้อมูลเพิ่มเติมเกี่ยวกับวิธีการที่ Adjust สนับสนุนการเติบโตของคุณ อย่าลืมดูคู่มือล่าสุดของเรา วิธีการที่ Adjust สนับสนุนการเติบโตผ่าน iOS 14.