Hiểu về iOS 14.5: phương pháp phân bổ

Kể từ khi Apple giới thiệu iOS 14 và AppTrackingTransparency framework (ATT), nhiều doanh nghiệp vẫn không rõ điều gì được phép — và không được phép.

Cần lưu ý rằng, mục đích Apple triển khai ATT giống với các quy định về quyền riêng tư (ví dụ, GDPR). Quy định tồn tại là để cho phép người dùng có quyền lựa chọn, liệu bên thứ nhất có được phép chia sẻ dữ liệu duy nhất (unique), có thể nhận dạng (identifiable), và ổn định (persistent) cho bên thứ ba hay không.

Nghe qua có vẻ đơn giản, đúng không? Vậy tại sao lại có quá nhiều tranh luận xoay quanh quy định này đến vậy?

Sự hoang mang này xảy ra một phần là do toàn ngành không thống nhất trong cách dùng từ. Rất nhiều doanh nghiệp sử dụng thuật ngữ khác nhau để mô tả cùng một khái niệm.

Một trường hợp phức tạp là “fingerprinting”, hiện nhiều doanh nghiệp sử dụng từ này để gọi chung cả fingerprinting và probabilistic attribution (phân bổ theo xác suất). Trước các thay đổi sắp tới trên iOS 14.5, một số công ty (bao gồm Adjust) đã chuyển hoàn toàn từ fingerprinting sang probabilistic attribution. Điều này đồng nghĩa, chúng tôi cần làm rõ thế nào là "fingerprinting" và giải thích những hành động nào vẫn được phép.

Vì vậy, tôi muốn đưa ra đây một số định nghĩa để làm rõ và phân biệt các thuật ngữ quan trọng:

1. Fingerprinting là gì? Fingerprinting là phương pháp thu thập dữ liệu người dùng trên nhiều trang web (cross-site) bằng cách sử dụng thông tin thiết bị để tạo ra một ID duy nhất và ổn định. Một số kỹ thuật đã được áp dụng để tạo fingerprint, bao gồm thu thập font metric, sử dụng thuộc tính WebGL (và canvas), và một số thuộc tính phần cứng nhất định. Dữ liệu này giúp fingerprint ổn định và duy nhất, từ đó có thể xác định được người dùng. Ứng dụng chính của fingerprinting và fingerprint ID là thu thập dữ liệu người dùng trên nhiều trang web và ứng dụng khác nhau, những nguồn vốn không chia sẻ bất kỳ ID chung nào. Ví dụ, fingerprinting được dùng để tạo biểu đồ thiết bị (device graph), điều rõ ràng đi ngược lại nguyên tắc của Apple.

2. Probabilistic là gì? Là một đối tác đo lường di động (MMP), chúng tôi không thu thập dữ liệu hay nhắm mục tiêu người dùng trên trang web hay ứng dụng. Chúng tôi chỉ quan tâm là làm sao để phân bổ một lượt cài đặt cho một lượt tương tác, với một độ chính xác nhất định. Khoảng 80% lượt cài đặt xảy ra trong vòng một giờ kể từ khi người dùng click vào quảng cáo, và việc phân bổ này không yêu cầu bất kỳ ID ổn định nào. Chúng tôi có thể phán đoán dựa trên dữ liệu tạm thời - dữ liệu này sẽ trở nên lỗi thời chỉ trong vòng vài giờ tới. Vì vậy, với chúng tôi, probabilistic attribution đơn giản là dựa trên entropy và pattern của thiết bị. Chúng tôi xem xét các thông số như thời gian xảy ra lượt click, thời gian xảy ra lượt cài đặt, và các thông tin thiết bị cơ bản khác. Với các thông số giới hạn này, chúng tôi có thể ước tính lượt cài đặt xảy ra sau lượt click vài giờ là đến từ nguồn nào.

3. Mô hình chuyển đổi là gì? Mô hình chuyển đổi (conversion modeling) là giải pháp ngoại suy hành vi của người dùng opt-in, từ đó lập mô hình tổng hợp về hành vi của tất cả người dùng. Theo thông tin chúng tôi được biết, mô hình này được phép sử dụng cho hai mục đích:
   1. Mục đích phân bổ. Các công ty phân tích sẽ nhận dữ liệu về người dùng opt-in và hành vi của họ sau khi cài đặt ứng dụng, và sử dụng dữ liệu đó để áp dụng các thông số tương tự cho tất cả người dùng. Như vậy, bạn có thể tính được các thông số tổ hợp (cohorted metric) như LTV và ROAS. Với một nhà marketing, dữ liệu buộc phải chính xác. Vì vậy bạn luôn phải tự hỏi dữ liệu của bạn chính xác đến mức nào. Độ chính xác của mô hình chuyển đổi sẽ tùy thuộc vào tỷ lệ opt-in.
   2. Mục đích chạy quảng cáo nhắm mục tiêu. Tương tự, công ty media sẽ dựa trên tập hợp con của người dùng opt-in để hiển thị quảng cáo đến người dùng không opt-in, bằng cách sử dụng các tín hiệu ngữ cảnh (contextual signal) tương đồng.
4. SKAdNetwork là gì? SKAdNetwork là giải pháp phân bổ của Apple. Với SKAdNetwork, kênh media có thể nhận thông tin phân bổ chính xác trong một thế giới chú trọng quyền riêng tư. Điểm mạnh của SKAdNetwork nằm ở khả năng cung cấp deterministic attribution (phân bổ chính xác) với độ chính xác gần như 100%. Adjust đã tiến hành thử nghiệm, kết quả cho thấy SKAdNetwork đạt độ chính xác trong vòng 2% so với deterministic attribution qua IDFA. Xin lưu ý rằng, nếu trước đây một chiến dịch được ghi công cho 1000 lượt cài đặt, thì giờ đây SKAdNetwork có thể sẽ phân bổ 900 lượt cài đặt và 100 lượt tải lại. Đó là vì SKAdNetwork chỉ ghi nhận lượt cài đặt trên tài khoản iTunes một lần. Do vậy, bạn cần nhìn vào tổng số lượt cài đặt và tổng số lượt tải lại để đảm bảo dữ liệu vẫn đồng nhất với trước kia, thời chưa có ATT.