Blog Khai thác dữ liệu SKAdNetwork và dữ liệ...

Khai thác dữ liệu SKAdNetwork và dữ liệu cấp thiết bị qua báo cáo đối chiếu dữ liệu trên Automate: Giải pháp của Adjust

Để xác định một chiến dịch quảng cáo thành công hay thất bại, người làm marketing cần đo lường dữ liệu. Nhưng iOS 14.5+ và SKAdNetwork đã gây nhiều trở ngại cho công tác đo lường và làm thay đổi hoàn toàn quy trình và chiến lược. Người làm marketing và nhà phát triển đã phải điều chỉnh lại phương pháp đo lường để có thể sử dụng đồng thời dữ liệu opt-in đến từ AppTrackingTransparency (ATT) và dữ liệu tổng hợp đến từ SKAdNetwork cho các chiến dịch quảng cáo cho iOS — đây chính là tình trạng hiện tại của hoạt động phân bổ trên nền tảng này.

Cả hai bộ dữ liệu đều có ưu nhược điểm riêng. Dữ liệu cấp thiết bị (device-level data) cung cấp báo cáo chi tiết và cụ thể, cho phép tạo cohort để liên kết thiết bị với chỉ số doanh thu, nhưng quy định mới về quyền riêng tư đã khiến kết quả cuối cùng thường không đầy đủ và phần nào đó không được chính xác. Dữ liệu SKAdNetwork tổng quát tương đối chính xác nếu chỉ được dùng để xem xét tổng dữ liệu của từng đối tác, nhưng không thể hỗ trợ lập báo cáo chi tiết về hiệu quả quảng cáo. Việc có nhiều bộ dữ liệu khiến người làm marketing khó xác định được – họ nên dựa trên loại dữ liệu nào để thực hiện việc tối ưu hoá chiến dịch hàng ngày. Khó khăn này làm gia tăng nhu cầu về một báo cáo thống nhất và đơn giản.

Nhưng có rất nhiều vấn đề khiến quá trình hợp nhất dữ liệu cấp thiết bị của MMP với dữ liệu SKAdNetwork tổng hợp trở nên phức tạp và không hiệu quả. Đó là lý do tại sao Adjust đề xuất đặt song song hai dữ liệu trên Automate.

Quá trình hợp nhất dữ liệu MMP với dữ liệu SKAdNetwork gặp phải những vấn đề nào?

  1. Loại bỏ dữ liệu trùng lặp: Để kết hợp dữ liệu cài đặt SKAdNetwork với dữ liệu cài đặt ATT, trước hết cần loại bỏ dữ liệu trùng lặp – loại bỏ dữ liệu về lượt cài đặt được phân bổ cho cả hai bộ dữ liệu. Bởi vì SKAdNetwork cung cấp dữ liệu tổng hợp, không chi tiết đến từng thiết bị, nên để loại bỏ dữ liệu trùng lặp có thể cần thêm một bộ lọc nhằm tách lượt cài đặt được phân bổ cho từng thiết bị ra khỏi lượt cài đặt không được phân bổ. Ý tưởng sơ khai về cách loại bỏ dữ liệu trùng lặp này không những làm phung phí ít nhất một bit giá trị chuyển đổi mà còn không thể giải quyết tất cả vấn đề khác phát sinh từ quá trình hợp nhất dữ liệu ATT và dữ liệu SKAdNetwork.
  2. Thời điểm cài đặt được trả về ngẫu nhiên: Đối với lượt cài đặt SKAdNetwork, thời điểm cài đặt luôn là một con số ngẫu nhiên, không thể được xác định rõ ràng. Hay nói cách khác, lượt cài đặt SKAdNetwork có thể đã xảy ra trong khoảng thời gian từ 0 đến 48 giờ trước thời điểm cài đặt được trả về, gây khó khăn trong việc loại bỏ lượt cài đặt ra khỏi bộ dữ liệu.
  3. Lượt cài đặt liên quan đến Google: Nếu lượt cài đặt SKAdNetwork đến từ Google, thì thời điểm cài đặt còn khó giải quyết hơn. Thông qua một số mô hình, Google có thể xác định được thời điểm người dùng tương tác với quảng cáo (click hoặc xem quảng cáo), sau đó liên kết lượt tương tác này với lượt cài đặt. Google là một trong các mạng tự phân bổ lớn nhất thế giới và tham gia vào hầu hết các tổ hợp kênh quảng cáo, điều này gây tác động không nhỏ đến quá trình hợp nhất dữ liệu.
  4. Phương pháp phân bổ: Phân bổ SKAdNetwork và phân bổ cấp thiết bị hoạt động theo hai cơ chế khác nhau, đồng thời sở hữu khả năng phân bổ dữ liệu giữa các kênh cũng khác nhau. Chính vì vậy, trùng lặp dữ liệu vẫn có thể xảy ra khi tổng hợp dữ liệu cho một số kênh, ngay cả khi bạn đã thực hiện các bước loại bỏ dữ liệu trùng lặp được đề cập ở trên. Lấy ví dụ sau, bạn chạy chiến dịch multi-touch marketing, thì một số lượt cài đặt cấp thiết bị có thể được SKAdNetwork phân bổ cho Twitter, trong khi các lượt cài đặt đó đã được phân bổ cho Facebook rồi.
  5. Tính ngẫu nhiên trong giá trị chuyển đổi: Có một lượng giá trị chuyển đổi bị đặt thành rỗng (null) trong SKAdNetwork. Các thông tin phân bổ của lượt cài đặt đều được gói gọn vào giá trị, và nếu giá trị đó rỗng, thì không cách nào xác định được lượt cài đặt này đã được phân bổ hay chưa. Giá trị rỗng cũng không nhất thiết phải được phân phối tuyến tính trên tất cả giá trị chuyển đổi, mặt khác việc phân phối giá trị chuyển đổi rỗng lại phụ thuộc vào số lượt cài đặt trên mỗi campaign ID. Nghĩa là, chúng ta không thể chỉ dựa vào một giá trị chuyển đổi mà suy ra được phần trăm giá trị rỗng so với số lượt cài đặt. Rất có thể có đến 40% giá trị rỗng trên toàn bộ lượt cài đặt SKAdNetwork. Để số lượt cài đặt lớn đến mức có thể vượt qua ngưỡng trên và dữ liệu đủ lớn để sử dụng, bạn phải chi ngân sách tương đối nhiều cho chiến dịch. Đã có rất nhiều người làm marketing cảm thấy chật vật khi làm quen với các quy định mới về quyền riêng tư, chúng tôi không khuyến khích bạn chia nhỏ ngân sách cho nhiều chiến dịch, trừ khi bạn muốn vượt được ngưỡng cài đặt rất cao trên kia. Việc này gây trở ngại rất lớn cho quá trình loại bỏ dữ liệu trùng lặp, do đó cần phải hết sức cẩn thận khi hợp nhất dữ liệu cấp thiết bị và dữ liệu SKAdNetwork.
  6. Dữ liệu khác biệt theo quốc gia/khu vực: Nếu chiến dịch được triển khai trên nhiều quốc gia và sử dụng nhiều ngôn ngữ, thì thước đo ‘quốc gia’ là cực kỳ quan trọng, bởi vì chi phí và hiệu quả quảng cáo thay đổi rất nhiều khi đi từ thị trường này sang thị trường khác. Đối với lượt cài đặt SKAdNetwork, bạn không nhận được bất kỳ thông tin nào liên quan đến quốc gia — thêm một lý do tại sao nếu bạn hợp nhất bộ dữ liệu, sau đó lại phân tách dữ liệu theo thước đo, cụ thể ở đây là ‘quốc gia’, thì dữ liệu khó chính xác và hiệu quả.
  7. Báo cáo hiệu suất không chính xác: Bên cạnh các nguyên nhân khiến dữ liệu không chính xác được liệt kê bên trên (liên quan đến số lượt dữ liệu), thì còn một vấn đề khác mà bạn có thể gặp phải khi hợp nhất dữ liệu, đó là không xác định được hiệu suất của các lượt cài đặt bổ sung. Bằng cách sử dụng phép ngoại suy và “lơ đi” các vấn đề đã được đề cập ở trên, bạn có thể phần nào tính được tổng chi phí trên mỗi kênh, nhưng đến khi bước vào phân tích từng chiến dịch (campaign-level) để có cơ sở ra quyết định, thì dữ liệu lại không sử dụng được. Sử dụng các chỉ số hiệu suất khác như doanh thu ngày thứ 7 và doanh thu ngày thứ 30 để lập báo cáo chi tiết đến từng chiến dịch cũng sẽ không đảm bảo chính xác.

Báo cáo đối chiếu dữ liệu của Adjust cung cấp công cụ sắc bén trước các hạn chế của việc hợp nhất dữ liệu

Phụ thuộc vào từng trường hợp cụ thể – như mô hình kinh doanh của ứng dụng, số lượt cài đặt trên mỗi chiến dịch, chi phí quảng cáo, phân phối quảng cáo trên các kênh, tổng số lượng chiến dịch và khả năng xác định hành vi quan trọng trong 24 giờ đầu — mà người làm marketing và nhà phát triển sẽ quyết định xem đâu là nguồn dữ liệu đáng tin cậy và chỉ số nào trong hai nguồn dữ liệu có tương quan với nhau. Nếu không thể nhìn ra ngay mối tương quan, thì bạn cần phân tích dữ liệu sâu hơn.

Xem xét tất cả hạn chế trước mắt, Adjust đề xuất sử dụng báo cáo đối chiếu dữ liệu được cung cấp qua giải pháp Automate. Automate cung cấp một loạt các KPI liên quan đến SKAdNetwork (tỷ lệ chuyển đổi, doanh thu và sự kiện), giúp bạn xây dựng báo cáo toàn diện cho các chiến dịch SKAdNetwork. Bạn còn có thể sử dụng template trên Automate để đặt song song dữ liệu SKAdNetwork với dữ liệu phân bổ Adjust. Báo cáo được trình bày ở dạng bảng và rất dễ sử dụng, giúp bạn dễ dàng đối chiếu dữ liệu chiến dịch iOS của cả hai nguồn.

Để đảm bảo tính chính xác khi xem báo cáo, cách tốt nhất là tách bạch hai bộ dữ liệu. Nhưng nếu như bạn vẫn muốn loại bỏ dữ liệu trùng lặp và hợp nhất dữ liệu ATT với dữ liệu SKAdNetwork, thì chúng tôi có giải pháp cho bạn. Chúng tôi hỗ trợ khách hàng kiểm soát quá trình loại bỏ dữ liệu, như một phần cam kết đảm bảo độ minh bạch 100%, đồng thời SDK attribution real-time callback của Adjust còn cho phép kích hoạt một sự kiện (sự kiện có thể xác định) mà bạn có thể khai thác sự kiện này qua việc thiết lập cấu hình giá trị chuyển đổi. Để biết thêm thông tin, vui lòng liên hệ với đại diện của Adjust.

Adjust hiện đang nghiên cứu giải pháp để xây dựng báo cáo hiệu quả hơn – cung cấp cái nhìn toàn diện về dữ liệu và đảm bảo dữ liệu phân bổ là chính xác. Hiện tại, chúng tôi đề xuất bạn tiếp tục sử dụng báo cáo đối chiếu dữ liệu để tránh được một số rắc rối mà đã được chúng tôi bàn đến ở trên, đồng thời giúp báo cáo và bộ dữ liệu rõ ràng. Để biết thêm thông tin về iOS 14.5+, bạn có thể truy cập resource center tại đây.

Bạn muốn nhận bản mới nhất từ Adjust?