Autor: Alon Nafta

A medida que nos acercamos al iOS 16 , aumentan las predicciones y rumores sobre la posibilidad de que Apple finalmente obligue a la industria de la publicidad móvil a usar exclusivamente SKAdNetwork , como estaba previsto originalmente. Mientras algunos aún teorizan sobre alternativas aún no aprobadas que aún puedan atribuir datos a nivel de dispositivo, en Singular hemos invertido mucho tiempo y esfuerzo en comprender cómo debería ser la siguiente fase de análisis móvil y optimización de campañas con privacidad segura para iOS.

Nuestra visión para Singular’s producto SKAdNetwork es ofrecer una experiencia de informes que’s lo más cercana posible a la adquisición de usuarios previa a iOS 14, incluyendo gasto publicitario y ROAS, métricas de cohortes, y la mayor cantidad posible de desgloses relevantes … todo lo que los especialistas en marketing necesitan para optimizar su rendimiento en iOS. 

Al mismo tiempo, nuestra misión es apoyar la optimización de campañas y trabajar con nuestros socios para garantizar que estas puedan ejecutarse a gran escala y obtener resultados. Irónicamente, uno de los principales desafíos de SKAN es que estos dos factores a menudo se compensan entre sí.

En esta publicación del blog, describiremos cómo ha evolucionado el análisis móvil en iOS 14 en los últimos 2 años, aclararemos dónde se encuentra hoy y compartiremos por qué estamos entusiasmados (o mejor dicho, no tan preocupados) por hacia dónde se dirige en los próximos años.

La disyuntiva entre informes y optimización de campañas

Uno de los aspectos más importantes de SKAdNetwork es que, a diferencia de los informes de iOS anteriores a iOS 14, la optimización de campañas y los informes están estrechamente vinculados. Esto se debe a que las señales (es decir, los valores de conversión) que una aplicación reporta a SKAdNetwork se utilizan tanto para la optimización como para los informes. 

En otras palabras, si decido no optimizar para un evento específico, no lo tendré en mi informe de UA. Esto supone un gran cambio en comparación con el pasado, cuando todo estaba siempre disponible, independientemente de los eventos enviados mediante postbacks para la optimización de campañas.

Algunos ejemplos de esto:

• Ingresos vs. eventos: si la app solo informa montos de ingresos a SKAdNetwork, redes publicitarias solo optimizarán basándose en esos ingresos y otros eventos no estarán disponibles para deducir directamente de los datos de valor de conversión de SKAdNetwork. Recientemente, Singular añadió una opción para incluir ambos usando modelos de conversión mixtos donde el principal compromiso es usar menos eventos.
• Periodos de medición: Actualmente, la norma es que las aplicaciones actualicen los valores de conversión a SKAdNetwork durante las primeras 24 horas. Esto permite que las redes publicitarias reciban postbacks de SKAdNetwork aproximadamente dos días después de cada instalación. Por un lado, usar un periodo de medición más largo puede aumentar la precisión al introducir valores de conversión adicionales. Sin embargo, esto aumentará el retraso antes del cual las redes publicitarias reciben los postbacks para la optimización de la campaña, lo que puede perjudicar el rendimiento.

Informes sobre los primeros días de SKAdNetwork

SKAdNetwork 2.0 introdujo una variedad de nuevas funcionalidades en comparación con la versión anterior SKAdNetwork 1.0 y finalmente se volvió lo suficientemente funcional, aunque muy limitada, para que los especialistas en marketing puedan usarlo para optimizar y al mismo tiempo crear un informe. 

Los ID disponibles en el postback de SKAdNetwork permitieron a los profesionales del marketing informar sobre el ID de la aplicación, la campaña y el editor, aunque, en la práctica, muy pocos profesionales del marketing informaron sobre los editores, dado el bajo volumen de datos en ese momento. Obtener la IP en el postback también permitió deducir el país a partir de la dirección IP, lo que proporcionó una precisión razonable.

Más allá de las averías, la gran novedad de SKAdNetwork 2.0 fue, por supuesto, el nuevo marco de valor de conversión, que permite a los profesionales del marketing optimizar e informar sobre los eventos de conversión. A pesar de las limitaciones, esto supuso un gran avance para SKAdNetwork y fomentó numerosas soluciones nuevas.

En SKAdNetwork 2.2, que se lanzó con iOS 14.5, los marketers podían ejecutar y reportar tráfico de visualización, es decir, conversiones que Apple atribuiría a un anuncio visto y no clicado. Y más tarde en SKAdNetwork 3.0, que se lanzó con iOS 14.6, los marketers también podían entender si ciertas redes publicitarias tenían un anuncio clicado sin ser atribuido a … AKA “postbacks perdedores.”

Informes como se hacen hoy en Singular

¿Qué ha pasado desde iOS 14.5 y qué pueden ver los profesionales del marketing en Singular hoy? Muchísimo. 

Generalmente podemos categorizar nuestros esfuerzos en dos categorías principales:

1. Enriquecimiento con datos de redes publicitarias
2. Estimación y modelado

Enriquecimiento con datos de la red publicitaria
Podemos extraer mucha información sobre la campaña del informe de la red publicitaria. 

Todo comienza con métricas como Gasto publicitario así como Costo, Impresiones, Clics y desgloses como País (ya que cada campaña apunta a ciertos países). Combinar datos de conversión SKAN con los datos de campaña de las redes publicitarias’ también permite que desgloses como Nombre de campaña, Grupo de anuncios y otros estén disponibles si la red indica cómo se mapean – lo cual la mayoría hace. 

Tenga en cuenta que el campo campaign-id predeterminado en los postbacks de SKAdNetwork no es el ID de campaña de la red publicitaria, sino más bien un “SKAN Campaign ID” cuyos valores están limitados entre 1-100 por socio. Este SKAN Campaign ID a menudo representa una campaña de red publicitaria, y a veces también puede representar un grupo de anuncios específico e incluso un creativo específico.

El enriquecimiento de los datos de SKAdNetwork con datos de la red publicitaria nos permite crear un informe de embudo completo, conectando el gasto publicitario de la parte superior del embudo con las conversiones de la parte inferior del embudo, que es la base de un informe eficaz de adquisición de usuarios.

Estimación y modelado
Además de métricas limitadas y desgloses, SKAdNetwork también introdujo el concepto de umbrales de privacidad – un mecanismo diseñado para proteger la privacidad del usuario y garantizar que la información individual nunca se exponga a través del marco SKAdNetwork. El impacto en los mercadólogos, sin embargo, es negativo: algunos datos de valor de conversión son nulos en lugar de tener un valor que pueda decodificarse a su significado original. 

En promedio, los datos anulados debido a los umbrales de privacidad ocupan aproximadamente el 20% de todos los datos, lo que provoca una disminución significativa de la precisión. 

Para abordar esto, ahora lanzamos SKAN Advanced Analytics y presentamos el concepto de modelado, donde Singular está creando aproximaciones para los datos faltantes aprovechando los datos agregados a los que puede acceder bajo las directrices de Apple’s. Esto permite a los marketers compensar la pérdida de señal, y nuestros clientes beta lograron un 87% de precisión.

¿Qué viene a continuación (y por qué estamos tan emocionados)?

Entonces, después de todo esto, ¿dónde estamos ahora? 

El informe al que los mercadólogos acceden en Singular al ejecutar SKAdNetwork es bastante completo, y muchos de nuestros clientes están satisfechos con el rendimiento de SKAdNetwork. Sin embargo … los datos de adquisición de usuarios basados en SKAdNetwork no incluyen Apple Search Ads o instalaciones orgánicas. Esto se debe a que estos conjuntos de datos no son compatibles con SKAdNetwork y se informan o calculan de manera diferente. 

Las métricas disponibles en el informe son totales ("datos reales") de 24 horas. Esto se debe a la relación entre las conversiones que UA intenta optimizar y las conversiones sobre las que intenta informar. 

Éstas son las verdades de la realidad actual de SKAdNetwork que buscamos redefinir.

Entonces, ¿cuál es el futuro que imaginamos? Es uno donde…

1. Puedes optimizar las campañas para un periodo de medición determinado, pero los informes no se limitan a ese periodo. Los profesionales del marketing deberían poder calcular cohortes para cualquier periodo determinado.
2. Puedes visualizar y optimizar según los KPI relevantes para tu aplicación. Ya sea ROAS o CPA, queremos asegurarnos de que el análisis móvil respalde la métrica empresarial.
3. Puede obtener una vista única y consistente de todos los canales y tipos de tráfico en la misma tabla, utilizando el mismo esquema.

Pero ¿por qué sería esto posible? Bueno, no estamos seguros, pero tenemos motivos para creerlo. 

En el estado actual de la adquisición de usuarios en iOS, los profesionales del marketing dependen de los datos limitados que proporciona SKAdNetwork. Sin embargo, existen conjuntos de datos adicionales de alta resolución que se dejan de lado. Aquí es donde los algoritmos y la teoría de la estimación pueden ser útiles y aprovechar fuentes adicionales de información para crear estimaciones y predicciones, solucionando las deficiencias.

Recordemos cuáles son los conjuntos de datos disponibles para nosotros como especialistas en marketing de iOS:

• Datos de SKAdNetwork: este conjunto de datos captura todo el tráfico pago y proporciona la fuente de atribución de verdad determinada por un modelo de último toque.

• Datos propios (es decir, datos IDFV): Este es un conjunto de datos que todo desarrollador de aplicaciones recopila, y muchos de ellos ya se reportan a las plataformas de gestión de dispositivos (MMP) y a otros proveedores (por ejemplo, análisis integrados en la aplicación). Son muy granulares y nos brindan una visión general precisa de la actividad del dispositivo y del usuario, sin la información de atribución.

• Datos de suscripción (es decir, datos IDFA): Este es un conjunto de datos que muchas aplicaciones que muestran la solicitud de ATT siguen teniendo y, al igual que los datos IDFV, es altamente granular. Un punto clave a recordar es que las SAN ya no atribuyen a IDFA, por lo que este conjunto de datos es parcial y ofrece una imagen distorsionada de la realidad, donde solo se atribuyen a socios no SAN.

• Datos de costos y campañas: Este es un cuarto conjunto de datos, generalmente muy granular, muy útil para algoritmos de predicción. Métodos como el Modelado de la Mezcla de Medios (MMM) se basan en gran medida en este conjunto de datos como insumo para la ecuación de marketing.

Al observar estos conjuntos de datos, queda bastante claro que existe mucha información que nuestros algoritmos deberían usar. Pero ¿por qué no se había hecho antes? Porque no era necesario. Los datos IDFA eran perfectos (aunque ignoraban los problemas relacionados con los modelos de atribución de último toque) y permitían a los profesionales del marketing calcular cualquier métrica necesaria. 

Esto también, al menos intuitivamente, nos habla del enorme potencial de una tecnología más inteligente en el ámbito de la medición de marketing. Cuanto mejor utilicemos estos cuatro conjuntos de datos, mayor será la precisión y el detalle que podremos ofrecer a los profesionales del marketing en el ámbito de SKAdNetwork, la privacidad y los conjuntos de datos limitados.

Estamos entusiasmados con este futuro y estamos deseando que prueben los nuevos productos que pronto estarán disponibles. Como siempre, valoramos mucho los comentarios y el interés de los clientes que desean probarlos como pioneros.

Hoy anunciamos la disponibilidad general de Singular Private Cloud: una solución completa de medición y atribución móvil que se ejecuta en un entorno de nube dedicado, propiedad de los propios anunciantes y controlado por ellos. Singular Private Cloud aprovecha las tecnologías de sala limpia de datos que permiten a los anunciantes controlar, colaborar y utilizar los datos de forma segura y adaptada a sus necesidades individuales.

Nos enorgullece compartir que llevamos 18 meses en funcionamiento con la solución Singular Private Cloud (!!), lo que nos ha permitido evolucionar la tecnología y el entorno para que funcionen dinámicamente con cualquier marco de privacidad futuro. (Como anécdota, cuando empezamos, SKAdNetwork ni siquiera existía en su versión actual, y este fue un cambio importante que se añadió a la solución durante las pruebas beta)

La solución Singular Private Cloud permite a las marcas y anunciantes mantener un control total sobre su stack de crecimiento, la medición de marketing y los datos confidenciales de los usuarios en un entorno que poseen y gestionan ellos mismos. Estos nuevos avances en la tecnología de salas blancas de datos nos permitirán seguir innovando y prometen oportunidades emocionantes a medida que las tecnologías maduren (¡lo que analizaremos más adelante!).

¿Por qué Singular Private Cloud?

En el panorama publicitario actual, ya no es raro que los profesionales del marketing se enteren de un nuevo cambio impulsado por la privacidad y su efecto en la forma en que realizan las mediciones.

Los recientes cambios en iOS fueron una demostración muy impactante, y parece que cada dos meses se produce un nuevo cambio que los profesionales del marketing y sus herramientas deben tener en cuenta. Las fuerzas detrás de estos cambios suelen ser regulatorias, pero plataformas de medios como Facebook o Google también suelen introducir cambios para adaptarse mejor al mayor interés y escrutinio del público sobre cómo se recopilan, almacenan y utilizan los datos personales.

Los Socios de Medición Móvil (MMP) suelen estar a la vanguardia de estos cambios. Esto se debe a que:

• Operamos a nivel mundial, por lo que se debe tener en cuenta la legislación de cada país
• Intercambiamos información confidencial con todas las plataformas de medios, por lo que se deben cumplir todos los requisitos específicos de cada plataforma
• Por definición, recopilamos datos propios y de terceros, y las marcas pueden tener requisitos específicos sobre cómo debemos recopilar, almacenar y/o procesar un conjunto de datos específico

La nube privada puede ser un concepto difícil de comprender en la práctica. Para ilustrarlo mejor, veamos algunos ejemplos reales:

• Tenemos un cliente cuyo equipo de privacidad determina que los datos del usuario solo se pueden guardar durante 30 días
• Para los datos originados en ciertos países, la nueva legislación declara que las direcciones IP son datos privados que no se pueden guardar en texto plano
• Un socio de medios o una red publicitaria comparte datos con Singular, pero solo permite que ciertas marcas accedan a ellos, y solo de formas muy específicas, con limitaciones personalizadas por marca
• Una empresa Fortune 100 quiere tener sus datos propios almacenados en una base de datos dedicada

Todos estos son ejemplos reales que vemos regularmente en Singular y que debemos adaptar. A medida que los consumidores se vuelven más conscientes de la privacidad, surgen constantemente nuevos requisitos. Para solucionar esto, la industria debe empezar a considerar las MMP como facilitadoras de salas limpias de datos.

¿Qué son las salas limpias de datos?

Una sala limpia de datos es un entorno (por ejemplo, un lago de datos en una nube pública) que permite que varias partes compartan datos de forma mutuamente acordada. En ocasiones, esto se describe como seguro para la privacidad, pero el uso de los datos depende de reglas específicas. En este caso, simplemente significa que se aplican ciertas reglas de privacidad a cómo y qué datos entran y salen de este entorno, y a qué datos tiene acceso cada parte.

En el ámbito del marketing, esto se traduce en las marcas (anunciantes), cuyos datos son datos propios recopilados en sus activos, como una aplicación móvil. Otras partes incluyen editores y plataformas de medios, en particular los espacios protegidos como Google, Facebook y Twitter.

Curiosamente, para la publicidad móvil, las MMP siempre fueron una especie de sala limpia de datos, ya que, por definición, pueden acceder a conjuntos de datos únicos a los que los anunciantes no pueden acceder; por ejemplo, los datos de clics de un anuncio. Por ello, las MMP siempre tenían diversas reglas que debían seguir, impuestas por las propias plataformas de medios y hardware.

En los últimos años, se han añadido cada vez más normas debido al creciente número de nuevas regulaciones de privacidad. Estos cambios también han generado una mayor demanda de salas blancas de datos y nuevas tecnologías que permitan adaptarse tanto a las nuevas restricciones externas como a los requisitos específicos de cada marca.

Finalmente, aunque no es estrictamente obligatorio en su definición, se asume que, en el caso de las salas blancas de datos, el entorno está completamente aislado entre diferentes combinaciones de marcas y editores. Y este es un gran avance tecnológico que las MMP no han dado hasta ahora.

Evolución de la MMP en el panorama de la privacidad

Las MMP facilitan la medición y atribución móvil y, a menudo, como en el caso de Singular, también recopilan conjuntos de datos adicionales con el fin de realizar análisis enriquecidos.

Singular se encarga de recopilar una gran cantidad de datos. Existen conjuntos de datos agregados, como datos de inversión publicitaria, creatividades y pujas, que luego se combinan con impresiones, clics y eventos a nivel de dispositivo. Los anunciantes suelen enviar datos propios adicionales, como información de suscripción, para que Singular pueda calcular y visualizar los KPI más importantes para la optimización.

Estos conjuntos de datos, especialmente los de nivel de dispositivo, se encuentran en la intersección de múltiples conjuntos de restricciones y requisitos que los MMP deben tener en cuenta.

Algunos ejemplos:

• Apple y Google tienen requisitos específicos de cada plataforma para que las aplicaciones móviles se publiquen en las tiendas de aplicaciones y Play Store. Por ejemplo, solo se deben usar identificadores de publicidad designados y no identificadores de hardware como el IMEI.
• Apple y Google también han introducido iniciativas adicionales impulsadas por la privacidad, como las de las aplicaciones para niños y, por supuesto, iOS 14.5.
• Facebook, Google y todas las demás redes de autoatribución (SAN) tienen cada una su propio conjunto de restricciones que las MMP deben cumplir, por ejemplo, sobre cómo y durante cuánto tiempo se guardan los datos a nivel de dispositivo, y qué tipo de datos se pueden compartir con el anunciante.
• Regulaciones como COPPA, GDPR y CCPA son geográficamente específicas y brindan espacio para que las marcas las interpreten de manera diferente.
• Los marcos de privacidad como la AADC del Reino Unido, el Escudo de Privacidad y otros también se traducen en requisitos adicionales sobre los datos que los MMP recopilan, procesan y comparten.

Si generalizamos todo esto, queda bastante claro que las MMP actúan como salas limpias de datos. Por lo tanto, desarrollar la tecnología que se adapte rápidamente a los nuevos requisitos es crucial en el panorama actual y debe ser un componente inherente de la plataforma y el proceso de diseño.

Anunciamos la última solución de Singular

Las tecnologías de privacidad están en constante evolución y las nuevas tecnologías para procesar datos de forma segura para la privacidad son fascinantes.

Por ejemplo, el aprendizaje federado podría permitir que algunos datos del usuario nunca tengan que salir del dispositivo, sin comprometer la capacidad de medición. Las metodologías de privacidad diferencial pueden proporcionar la información necesaria para optimizar el marketing sin acceder a información confidencial de individuos específicos.

Todos ellos tendrán un papel importante en la sala limpia de datos del mañana.

Pero hoy, ya podemos ofrecer a nuestros clientes la posibilidad de operar en un entorno de medición dedicado que ofrece las mismas funciones que nuestra plataforma pública. Esto significa que la atribución móvil y web, la prevención del fraude, la agregación de costes y los informes de ROAS y cohortes están disponibles en un entorno dedicado, lo que permite que sus datos se mantengan completamente aislados de los datos de otras marcas. Las marcas pueden aplicar normas de privacidad específicas para cada cliente para adaptarse a los requisitos específicos de sus equipos legales y de privacidad.

Durante los últimos 18 meses, hemos desarrollado la tecnología que nos permite operar estos entornos de forma fiable y escalable, y hemos colaborado con algunas marcas importantes como socios beta para que esté disponible para el público general. Me complace anunciar que ahora podemos ofrecer Singular Private Cloud a más clientes.

¿Que sigue?

La tecnología de privacidad cambia constantemente y las nuevas tecnologías nos permitirán llevar esto aún más lejos. Pero lo más importante es que cada vez más marcas adopten estas plataformas, lo que nos permitirá satisfacer necesidades adicionales y acelerar nuestro aprendizaje a medida que seguimos avanzando para proporcionar mejores datos y mediciones al mercado.

¿Quieres tomar el control de tus datos y aprovechar Singular’s tecnología de sala limpia de datos? ¿Tienes más preguntas? Hay algunos detalles más en nuestro comunicado de prensa.

Mejor aún, programe una cita con uno de nuestros expertos en productos.

El futuro de la medición móvil en iOS es una vista única que recupera los KPI, las cohortes y el análisis del ROAS. Los profesionales del marketing quieren una única fuente de información para iOS como la que tenían antes, y creo que podremos proporcionársela.

Por supuesto, todavía queda mucho camino por recorrer antes de llegar allí.

Si bien no podemos predecir con exactitud qué cambios se avecinan en SKAdNetwork, creo que todos coincidimos en que la diferencia entre los datos de SKAdNetwork y los de MMP que existe actualmente es insuficiente. Sin embargo, hay buenas razones para tener esperanza de que mejorará y de que los profesionales del marketing móvil dispondrán de los datos, la información y las herramientas que necesitan para optimizar su crecimiento.

Dónde estamos hoy: medición móvil en iOS

En el último año, muchas de las verdades fundamentales que hemos conocido sobre atribución de aplicaciones móviles han cambiado. Adquisición de usuarios los equipos aprendieron un nuevo conjunto de términos, definiciones y mejores prácticas. La mecánica de cómo optimizas campañas — y hasta cómo ejecutas campañas — ahora es diferente.

Con optimismo, ciertos sectores de la industria, incluso los no tan pequeños, ven los cambios de iOS y las nuevas políticas de privacidad de Apple como un simple obstáculo técnico. Pero, como hemos visto todo el año, SKAdNetwork está aquí para quedarse.

Reconocer esto nos lleva a una conclusión obvia: necesitamos nueva tecnología.

Apple ha establecido lo básico. Hay una forma de obtener atribución en iOS, pero no es tan buena ni tan fácil como con IDFA. La buena noticia, sin embargo, es que hay mucho potencial tecnológico y el mercado de medición es más competitivo que nunca. Las soluciones están llegando.

El papel evolutivo de los MMP en la medición del marketing de iOS

No es sorprendente, hemos visto un gran cambio en MMP filosofía hacia la medición iOS y SKAN en el último año.

Seamos honestos: incluso hoy en día, la gran mayoría de las MMP no están realmente preparadas para ayudar a los anunciantes con la gestión y la generación de informes sobre las campañas SKAN. Sin embargo, a diferencia del pasado, es lógico afirmar que la MMP es el facilitador óptimo de SKAdNetwork: actualiza los valores de conversión en dispositivos iOS y recopila todos los datos de SKAdNetwork de sus socios de medios. Además, los buenos sistemas de SKAdNetwork admiten tantos modelos de medición como sea posible para que su aplicación móvil pueda aprovechar al máximo la limitada representación bit a bit de los valores de conversión que Apple nos ha proporcionado. Y unos mejores sistemas de SKAdNetwork decodificarán esos valores de conversión a los eventos originales para que los informes tengan sentido para los anunciantes y puedan optimizarlos según los KPI reales.

No me da vergüenza decir que Singular ha marcado el camino a la hora de definir lo que se necesita de un buen sistema SKAdNetwork.

Desde el principio, definimos (y luego lanzamos) los modelos comunes que consideramos adecuados para la mayoría de las aplicaciones móviles. Implementamos la medición multidía incluso cuando ninguna red publicitaria la admitía, en cuanto se hizo evidente que esto impulsaría su adopción en el mercado. Trabajamos con nuestros socios para crear integraciones eficaces que permitieran a todos intercambiar información sobre la relación entre la campaña de SKAdNetwork y las campañas de la red publicitaria, así como definir cómo se codifican los eventos dentro de la aplicación en bits de SKAdNetwork.

Pero hoy no vamos a hablar de cómo es un buen sistema SKAdNetwork. Hoy vamos a definir cómo es el mejor sistema SKAdNetwork, aunque aún no esté disponible.

Un primer paso importante: arreglar los datos

Lo primero que hay que reconocer sobre los datos de SKAdNetwork, en particular, y en general, es que son complejos. Realmente complejos, y esto se debe principalmente a que Apple los ha creado así.

Pero debemos recordar que este es un nuevo marco y que debemos pensar en términos nuevos. Ya no se trata de atribuir un solo usuario: ya no se admiten pequeños conjuntos de datos que expongan a usuarios individuales, y los temporizadores aleatorios de SKAN dificultan aún más la obtención de información sobre usuarios individuales.

Lo que todo esto significa es que incluso si ’has pasado por el esfuerzo de implementar SKAdNetwork en tus aplicaciones móviles y estás ejecutando campañas SKAdNetwork con socios, todavía hay una probabilidad bastante decente de que los datos que ves, probablemente en tu panel MMP, puedan oscilar entre malos e inutilizables.

Eso es horrible.

Seamos sinceros. Es realmente malo que los profesionales del marketing adopten el nuevo estándar, se esfuercen muchísimo y no vean recompensa por su esfuerzo.

Gran parte se debe a los umbrales de privacidad y a errores comunes al ejecutar campañas SKAN. Para nuestros clientes, vemos Singular como una pieza clave para resolverlo, y aquí entra nuestra nueva tecnología. En el lanzamiento de la semana pasada, anunciamos SKAN Advanced Analytics y su primer hito – Modeled Metrics.

Modeled Metrics corrige las brechas de datos causadas por los umbrales de privacidad utilizando ciencia de datos y estadísticas.

No es magia, pero es una tecnología muy innovadora que permite a nuestros clientes preocuparse menos por los problemas comunes de SKAdNetwork que, de otro modo, comprometerían los datos de SKAN, permitiéndoles dedicarse a su trabajo. En otras palabras, las Métricas Modeladas de SKAN de Singular proporcionan información clara y práctica que permite a los profesionales del marketing tomar decisiones de asignación y optimización con un alto grado de confianza en que sus datos están completos.

El futuro de la atribución móvil iOS: una visión única

Para entender hacia dónde vamos con SKAN Advanced Analytics, pensemos en el potencial de los MMP como un poderoso proveedor de tecnología para los anunciantes:

• Nuestro SDK está en la aplicación
• Operamos actualizaciones de SKAdNetwork
• Recopilamos datos no atribuidos dentro de la aplicación y cubrimos el 100% de los usuarios
• Todavía recopilamos datos de IDFA de suscripción atribuida para algunas aplicaciones/usuarios, lo que generalmente cubre entre el 20 % y el 40 % de los usuarios
• Recopilamos datos de SKAdNetwork de todos los socios de medios a través de postbacks y API
• En el caso de Singular, también recopilamos datos granulares del gasto publicitario que nos indican a dónde se destinan los presupuestos de los anunciantes de una manera muy precisa

Ahora, pensemos en el problema.

Los especialistas en marketing quieren que los informes sean como antes, lo que significa métricas de embudo completo y agrupadas, frente a cada desglose significativo que pueda enseñarnos algo sobre la campaña.

Algunos desgloses, como el creativo, no están disponibles fácilmente en el framework. Esperamos que Apple los añada o que se respalden indirectamente aumentando los límites de skan_campaign_id. Mejorar el modelo de conversión mejorará la precisión subyacente. Combinar el conocimiento que obtenemos de todos estos conjuntos de datos aislados debería enseñarnos mucho más que lo que podemos aprender solo con el conjunto de datos de SKAdNetwork.

Como mencioné inicialmente, no podemos predecir qué cambios hará Apple en SKAN.

Sin embargo, podemos argumentar que el futuro de la medición en iOS reside en una visión única de la realidad del marketing: una única fuente de información que genere KPI, cohortes y análisis del ROAS. Además, una fuente de información que ofrezca valores predictivos para KPI como los ingresos.

Qué significa esto: cómo vemos la evolución de la medición de iOS

Como hemos establecido anteriormente, los datos de SKAdNetwork están determinados por los siguientes aspectos:

• El modelo de conversión determina la precisión subyacente.
  • Por ejemplo, un modelo de ingresos optimizado para una aplicación con compras dentro de la aplicación que ocurren en las primeras 24 horas generará mejores datos que un modelo básico de seis eventos que no optimiza el valor.
  • En otro ejemplo, un modelo que utiliza un período de medición de 72 horas generará mejores datos para una aplicación que tiene la gran mayoría de conversiones en los primeros tres días que un modelo que solo analiza las primeras 24 horas.
• Los algoritmos estadísticos pueden ayudar a reconstruir datos parciales debido a umbrales de privacidad y sesgos del temporizador
• El análisis predictivo puede aprovechar múltiples conjuntos de datos recopilados por los MMP para crear un informe fácil de entender y usar.

Si observamos estos componentes también podemos imaginar mejoras adicionales:

• El aprendizaje automático puede ayudar a agrupar mejor a los usuarios, optimizando así el modelo de conversión para distinguir entre usuarios de alto y bajo valor. Esperamos que esto sea común para Singular y otros MMP como operadores del modelo.
• El aprendizaje automático y otras tecnologías pueden ayudar a calcular las predicciones de los KPI mencionados anteriormente, y cualquier mejora en los datos subyacentes mejorará aún más dichas predicciones.

En resumen, creemos que durante el próximo año la medición de iOS experimentará un cambio drástico. SKAdNetwork seguirá creciendo en adopción como el estándar de facto, y los profesionales del marketing que recurran a soluciones alternativas que no cumplan con las normativas podrían quedarse atrás, mientras que otros aprovechan la enorme oportunidad de crecimiento que ofrece el ecosistema iOS.

Reconocemos que apoyar a SKAdNetwork durante el último año ha sido bastante exigente, pero estas nuevas tecnologías ofrecen a nuestros anunciantes una verdadera ventaja. La realidad es que los anunciantes que utilizan MMP que apuestan en contra de SKAdNetwork se quedarán atrás.

Es sólo cuestión de cuándo.

Como tecnólogos, nos entusiasma la enorme oportunidad que tenemos por delante. Vamos a construir mucho este año y estamos deseando revelar lo que nos espera.

¿Qué sigue y cómo obtener mejores conocimientos?

Estamos apenas comenzando con SKAN Advanced Analytics, y la reciente versión, SKAN Modeled Metrics, ya ofrece a nuestros clientes una mejor visibilidad del rendimiento de SKAN. Estén atentos a nuestras próximas publicaciones con más detalles.

Mientras tanto:

Si desea tomar posesión de su medición de marketing de iOS o tiene más preguntas, programe un tiempo con uno de nuestros expertos en productos.

Bienvenidos al tercer blog de nuestra sobre atribución multidispositivo , donde analizamos cómo los anunciantes pueden aprovechar las campañas web como un medio de adquisición eficaz para aplicaciones móviles y otras plataformas. Consulten nuestras publicaciones anteriores sobre este tema, la primera y la segunda parte, para ponerse al día.

Esta publicación reciente abordará algunos de los desafíos críticos en materia de datos e informes que enfrentan los profesionales del marketing al implementar la atribución multidispositivo. A continuación, presentaremos diferentes métodos para generar análisis significativos cuando los conjuntos de datos subyacentes se recopilan en múltiples plataformas.

Proporcionar las vistas y el análisis correctos a los especialistas en marketing a menudo puede marcar la diferencia entre tener la capacidad de distinguir entre canales y actividades más fuertes y más débiles frente a ejecutar informes que conducen a una toma de decisiones mal informada.

Análisis de cohortes para la atribución entre dispositivos: conceptos básicos

Comencemos con lo básico y recordemos cómo lo hacemos definir cohortes en análisis de marketing:

Una cohorte es un grupo de usuarios con una propiedad común. Al analizar a los usuarios con una propiedad común, los profesionales del marketing suelen poder aislar hallazgos e identificar tendencias eficazmente.

There’s no strict outline of how cohorts should be defined; however, certain industries have their own standard conventions. In mobile marketing, advertisers are often looking at app install campaigns, so Mobile Measurement Partners (MMPs) provide install-based cohorts, users grouped by install date. So if you go to your Singular dashboard and run a report that includes cohorted metrics, these metrics are calculated for a given install date, such as ad revenue, the total revenue during the first seven days after the install. A sharp reader may also call out that seven days can be calculated “on the calendar” or in 24-hour increments, and both would be valid! The MMP can decide on one of these or provide the option to the advertiser to choose the cohort definition that best works for them.

Por último, cabe destacar que en marketing móvil, las cohortes se definen como grupos de instalaciones, no de usuarios. Esto se debe a que una nueva instalación podría pertenecer al mismo usuario, pero para el MMP estándar, se trataría de una nueva instalación añadida a la cohorte. De igual forma, en marketing web, las cohortes suelen definirse en función de la fecha de adquisición del usuario, es decir, la fecha en que este llegó por primera vez a la página web, que no difiere mucho de la fecha de instalación en dispositivos móviles.

Análisis de cohortes para la atribución entre dispositivos: usuario vs. dispositivo

Al analizar cross‑device, un usuario único puede interactuar con anuncios y convertir en varios dispositivos y plataformas, por lo que la definición de cohorte debe redefinirse. En una sola plataforma, lo habitual es observar cuándo el dispositivo convertido. Con cross‑device, queremos’d ver cuándo el usuario está convirtiendo. En la mayoría de los productos, esto ocurre cuando el usuario crea una cuenta o inicia sesión por primera vez.

Demostrémoslo con un ejemplo. Mi empresa creó la red social más reciente, que ofrece chats de 13 segundos con usuarios desconocidos de todo el mundo. Hemos desarrollado esta nueva red en dispositivos móviles y web, por lo que recibimos instalaciones desde las tiendas móviles y visitas al sitio web desde ordenadores y teléfonos móviles. Los usuarios hacen clic en los anuncios, pero en cuanto intentan usar el producto en la plataforma correspondiente, deben registrarse e iniciar sesión. Cabe mencionar también que un usuario puede hacer clic en varios anuncios en distintas plataformas antes de decidir registrarse y empezar a usar el producto. Y esto es lo que nos interesa como punto de referencia.

Al considerar este problema con tus herramientas de marketing habituales, un proveedor de atribución limitado a una sola plataforma ofrece una visión parcial de la realidad — y, al usar varias herramientas, se genera solapamiento, provocando inexactitudes en los cohortes de cada herramienta. Determinar el LTV se vuelve difícil si incluyes usuarios existentes, inflando el LTV de la adquisición (UA).

Otro aspecto importante es que, incluso en una sola plataforma, analizar a los usuarios en lugar de las instalaciones o los dispositivos revela mucha más información. Además de un LTV más preciso, el cambio en la definición de conversión aporta un gran valor al análisis y la comparación del ROI. Por esta razón, en ciertos sectores como el comercio electrónico, es más común que los profesionales del marketing definan cohortes según la primera vez que un usuario realiza una compra, por ejemplo, lo cual es mucho más significativo que el momento de la instalación. Sin embargo, lo más importante es garantizar la precisión de los datos desde un punto de referencia.

Atribución y análisis entre dispositivos en Singular

Al ofrecer la opción de seleccionar cómo se calculan las cohortes en tiempo real, los profesionales de marketing que usan Singular pueden elegir entre cohortes basadas en dispositivos y cohortes basadas en usuarios. Esto les permite comprender el LTV real, o cualquier otro KPI, de un grupo de usuarios en lugar de las instalaciones o las visitas al sitio web. También les permite comprender cómo interactúan esos usuarios con su producto en diferentes plataformas. Por ejemplo, pueden adquirir usuarios a gran escala en la web, pero estos usan el producto en múltiples plataformas con diferentes patrones de retención. Una campaña web específica puede generar ingresos tanto en dispositivos móviles como en la web, dependiendo de la campaña y del canal donde se adquieran los usuarios.

De manera similar, una web móvil en particular puede generar X nuevas visitas al sitio web, de las cuales solo una fracción son usuarios nuevos. Comprender estas relaciones es clave para escalar su UA de forma eficaz.

Esto también sugiere que, en el Singular , debemos distinguir entre los parámetros de marketing atribuidos al dispositivo (p. ej., una nueva instalación en iOS) y los diferentes parámetros de marketing atribuidos al usuario (p. ej., Evie, que acaba de crear una nueva cuenta tras hacer clic en un anuncio). El canal, la campaña, la creatividad, etc., podrían ser completamente diferentes. Al obtener estos datos sin procesar, los profesionales del marketing obtienen una visibilidad completa del recorrido del usuario.

¿Qué sigue en la serie?

Ahora que hemos’ cubierto cómo funciona el reporte de atribución cross‑device, seguiremos’ abordar temas clave para marketers que operan en múltiples plataformas o que buscan diversificar su UA y prepararse mejor para iOS 14.5. En el próximo artículo profundizaremos’ en píxeles, postbacks y conversiones para entender cómo tus socios publicitarios también se ven afectados por la configuración de atribución cross‑device y qué deben hacer los marketers para mejorar el rendimiento de la campaña. Como siempre, te invitamos a conocer más sobre Singular’s web, web-to-app y capacidades cross‑device y programa una demo con uno de nuestros expertos de producto.