Cómo hacer que SKAN funcione en el mundo real: 15 consejos para verticales específicas y modelos de monetización

¿Cómo se hace que SKAN funcione en el mundo real? Bueno... puedes empezar viendo este video. Dale al botón de reproducción y sigue bajando...

Aparte de SKAN en iOS, las opciones de medición son complejas. Podrías intentar usar datos modelados de la red publicitaria para la medición de campañas. Podrías usar el modelado de la combinación de medios para atribuir los resultados publicitarios. Quizás aún estés intentando usar la identificación de usuarios. Podrías estar usando datos propios y lógica. De hecho, probablemente deberías usar varios métodos .

Pero en iOS, SKAdNetwork es la única opción determinista, lo que garantiza que (bajo ciertas condiciones) se obtendrán postbacks para la atribución de instalaciones de la aplicación y que las redes publicitarias obtendrán los datos necesarios para la optimización de las campañas. Por lo tanto, es recomendable usarla también y aprender a usarla correctamente.

El problema es que para que SKAN funcione en el mundo real, hay muchos desafíos:

• Elegir el modelo adecuado
• Seleccionar los eventos de medición clave y los umbrales adecuados
• Codificar suficiente información en el espacio limitado de sus postbacks
• Diseñar la experiencia de aplicación adecuada para obtener comentarios rápidos a través de SKAN sobre los resultados
• Gestión de socios publicitarios y campañas para evitar perder demasiados datos debido a los umbrales de privacidad (SKAN 3) o el anonimato de la multitud (SKAN 4)

Así que les pedí a dos de los expertos en SKAN más inteligentes de Singularque me ayudaran a hacer que SKAN funcionara en el mundo real. Ambos han trabajado con cientos de clientes para ayudarles a ajustar sus configuraciones, modelos y aplicaciones, y a extraer la máxima información de SKAdNetwork.

• Victor Savath, vicepresidente de consultoría de soluciones
• Nabiha Jiwani, líder del equipo de éxito del cliente

Esto es lo que me dijeron…

1. Date cuenta de que no es una cosa y ya está

Con IDFA, puedes recopilar todo y determinar qué necesitas después. Con SKAN, debes ser mucho más inteligente al seleccionar las medidas correctas.

Pero no eres lo suficientemente inteligente. Ninguno de nosotros lo es. Ten en cuenta que tendrás que iterar para que salga bien, y que tendrás que iterar más para que salga mejor . Y, además, ten en cuenta que, a medida que el mundo cambia (Apple cambia algo, un socio cambia algo), tendrás que iterar de nuevo.

“Es necesario tener la mentalidad y la comprensión de que no se trata de una tarea única”, afirma Savath. “Consideramos la iteración como parte de la filosofía central de SKAdNetwork. No solo porque cambien tus KPI o tu producto… el ecosistema cambia”

2. Entender el objetivo

¿Buscas principalmente mediciones para equipos internos? ¿Buscas específicamente optimización para socios publicitarios? ¿Es el ROAS la métrica clave que buscas o es más importante algo como el recorrido del cliente? ¿Qué necesita específicamente el equipo de producto en comparación con el equipo de crecimiento?

“Con mis clientes en particular, he visto un mayor enfoque en cómo los socios pueden comprender y leer los datos de SKAN y garantizar la conexión entre esos eventos”, dice Jiwani. “El segundo paso sería: bien, centrémonos en los ingresos”

SKAN es tecnología, pero para que SKAN funcione, ante todo, hay que tener una estrategia clara.

3. Un gran beneficio de los modelos de medición de monetización de anuncios bajo SKAN

La monetización de anuncios tiene una gran ventaja sobre los modelos de monetización como la suscripción cuando se utiliza SKAN, porque la respuesta es mucho más rápida.

“Cuando pienso en los modelos de conversión de forma más integral, siempre pienso en qué proporciona buenas señales tempranas y qué puede, además, proporcionar predictores sólidos de usuarios de calidad y un LTV sólido a lo largo del tiempo”, afirma Savath. “Por lo tanto, suele ser una combinación de variables discretas y continuas. Pero en el mundo de Admon, se pueden tener ambas, ya que se tienen señales tempranas (impresiones de anuncios, en general), lo que significa que estas señales tienen una varianza alta o considerable”

Eso significa que puede segmentar a los usuarios fácilmente solo en función del volumen de impresiones de anuncios, y puede usar esa segmentación para hacer y probar predicciones sobre qué cohortes podrían tener más probabilidades de comprar IAP o incluso suscribirse más adelante, si tiene esas opciones.

Nota: Singular ha tenido modelos de medición SKAN de monetización de anuncios durante algún tiempo y recientemente los agregó a nuestro nivel de producto gratuito.

4. SKAN en el mundo real: comparar con Android

SKAN 3 ofrece un gran modelado gracias a su breve periodo de medición. Este modelado puede ser muy bueno, pero sigue siendo modelado. 

Así que toma algunas de las primeras señales que estás midiendo con SKAN y compáralas con tus datos de Android.

“Tomar esas señales más pequeñas, como el inicio de una sesión o algún tipo de indicación, y combinarlas con lo que sabes sobre el rendimiento de tus usuarios de Android y comparar esos dos subconjuntos ha ayudado a muchos de mis clientes a comprender adónde han ido sus datos de iOS”, dice Jiwani.

Además, por supuesto, con SKAN 4 se obtendrán periodos de medición más largos, lo que será de gran ayuda. Sin embargo, es posible que esto no se alcance a gran escala hasta principios del próximo año. Los postbacks de SKAN 4 representan actualmente solo alrededor del 15 % de todos los postbacks que Singular registra, aunque la tendencia va en aumento .

5. Haga que SKAN funcione: comprenda a sus usuarios mejor que ellos mismos

Es evidente que quieres usar indicadores tempranos para predecir el comportamiento futuro. El primer paso es comprender qué está sucediendo realmente en tu aplicación y compararlo con lo que estás midiendo actualmente.

Una vez que hagas eso, podrás construir tus modelos SKAN a partir del comportamiento real.

“En lugar de simplemente elegir los tramos de ingresos según, por ejemplo, el precio promedio de mis productos en una compra dentro de la aplicación, analicemos mi conjunto de datos IDFV y preguntemos: ¿cuál es el monto promedio generado el primer día entre los usuarios que completan el tutorial?”, dice Savath. “Quizás puedas usar eso como umbral para tus tramos de ingresos al definir un modelo de conversión, ya que ahora te proporciona un buen grupo o cohorte de segmentación para observar”

Observar ese grupo a lo largo del tiempo (mucho más tiempo del que se puede medir actualmente con SKAdNetwork) ofrece una buena perspectiva del potencial de monetización de ese segmento. Posteriormente, se pueden experimentar con señales predictivas tempranas que indican que se debe asignar una nueva instalación de SKAN a ese segmento.

6. Iterar los modelos de conversión SKAN mensualmente al realizar pruebas

Iterar en el mundo real con SKAN es un desafío. No se puede hacer a diario, ya que se necesita cierto tiempo para que las campañas de SKAN se integren en los ecosistemas de los socios de la red publicitaria. Iterar demasiado rápido resultará complicado y no proporcionará suficientes datos para tomar decisiones inteligentes.

Pero ¿con qué frecuencia se debe iterar durante las pruebas?

“Al principio, he tenido clientes que lo cambiaban mes a mes”, dice Jiwani. “Se podría optimizar para completar el tutorial, el registro o algún tipo de creación de cuenta, ¿verdad? Cambiar esas métricas iniciales que indican si alguien comprará o no, si depositará o no, y luego tomar esos datos y modelarlos… cambiar ese primer indicador de evento inicial ha sido muy efectivo con algunos de nuestros clientes”

Por supuesto, probablemente no continuarás con esa cadencia para siempre, pero tampoco es probable que mantengas el mismo modelo durante un año. 

Una nota rápida: inicialmente, al cambiar las campañas de SKAN, había que pausar todo, esperar entre 48 y 72 horas y luego reiniciar.

Singular ahora ofrece tecnología que simplifica y agiliza la iteración: simplemente cambia y listo. Singular también ofrece una función que permite simular cambios en SKAN sin realizarlos y ver cómo se verían los datos de medición de actualizaciones.

(Háblanos si no eres cliente Singular y quieres saber más.)

7. Verifique sus datos de nivel de registro para optimizar los segmentos de ingresos

No te limites a configurar segmentos de ingresos basados ​​en el valor de conversión y te olvides de ellos. Si tus segmentos de ingresos no coinciden con lo que hacen realmente los usuarios, básicamente estás desperdiciando información y no estás maximizando el retorno de la información.

Haga que SKAN funcione comprobando los datos de registro:

“Cualquiera que tenga un modelo mixto o un modelo de ingresos de IAP notará en cualquier tipo de datos a nivel de registro… que hay caídas o segmentos en su modelo de conversión que simplemente no se utilizan”, dice Jiwani. “Asegurarse de ajustar esos segmentos… para capturar realmente ese subconjunto de usuarios, o asegurarse de ampliarlos o minimizarlos para garantizar que no haya caídas y que cada valor de conversión real se utilice en ese modelo… garantizará obtener la mayor cantidad de datos posible”

Jiwani dice que ha realizado ese ejercicio una y otra vez con los clientes y que casi siempre da como resultado una mejor captura de datos.

8. SKAN 4 le ayuda a dividir las cohortes en subgrupos para una mayor fidelidad

En SKAN 3, es posible que puedas asignar un usuario a una cohorte como did_tutorial , observar el comportamiento posterior y establecer una estimación de ingresos basada en indicadores tempranos para ese tipo de cohorte.

En SKAN 4 podrás profundizar mucho más.

“Tienes una cohorte de usuarios que completaron el tutorial el día 1 y realizaron una compra dentro de la aplicación… eso funciona como uno de esos 64 grupos”, dice Savath. “Esa es una cohorte de usuarios. La ventaja de P2 y P3 es que observas a ese usuario al entrar en el periodo P2 o P3 y piensas: «Ah… esa cohorte ahora se divide en tres grupos adicionales… usuarios que completaron el tutorial el día 1 y compraron… y luego, en P2, repitieron la sesión. Volvieron. O hicieron otra compra, o una compra enorme, ¿verdad? Ahora tienes tres grupos: esa cohorte se divide en tres»

Todo esto se suma al rigor del modelado y a su capacidad de construir mejores modelos de ROAS y LTV basados ​​en indicadores tempranos.

Una breve nota sobre SKAN 4: sí, aún no tenemos la mayoría de los postbacks de SKAN 4. De hecho, estamos muy lejos.

Pero con Singular, puedes configurar un modelo de conversión SKAN 4, beneficiarte de cualquier socio de SKAN 4 con el que estés trabajando y no perder ningún dato de los socios de SKAN 3... porque es compatible con versiones anteriores.

9. Verticales de streaming y suscripciones: sí, tienes datos preliminares

Las suscripciones son difíciles en SKAN, especialmente si solías tener un período de prueba de 7 días. 

Pero siempre hay eventos tempranos que puedes usar como proxies, y en verticales de streaming como música, entretenimiento y video, puede que haya más que en la mayoría. Haz que SKAN funcione usándolos.

“Si piensas en cualquiera de tus servicios de streaming… existen variables continuas que podrían servirte de indicio”, dice Savath. “Son buenos indicadores tempranos y abundan”

Ejemplos:

• ¿Cuantas veces escucharon?
• ¿Cuántas películas vieron?
• ¿Se transmitieron a una pantalla más grande o a un altavoz externo?

Además, existen indicadores de segmentación, como el tipo de suscripción que probaron: plan familiar, plan individual, plan para estudiantes, etc. Todo esto proporciona más información para crear la segmentación y buscar indicadores predictivos.

Por ejemplo: en el plan familiar, ¿alguien más se registró y fue agregado?

10. Múltiples métodos de monetización ayudan a generar mejores datos

Si solo monetiza mediante suscripciones, tiene una cosa que medir, y es difícil y, a menudo, lleva más tiempo que el período de medición disponible de SKAN. 

Si añades la monetización de anuncios, obtendrás señales adicionales que llegarán rápidamente y te brindarán más información. Y si añades compras dentro de la aplicación, obtendrás aún más información que te ayudará a crear predicciones más inteligentes y evaluaciones más precisas del valor de la cohorte.

Mejor aún, estás permitiendo automáticamente que tus usuarios/clientes/jugadores se segmenten a sí mismos, y estás permitiendo que las personas que no desean hacer un compromiso inmediato a largo plazo tengan la posibilidad de probar antes de comprar.

11. Minorista: la primera compra es fácil, el valor posterior es difícil

Las aplicaciones minoristas suelen funcionar bastante bien en SKAN, al menos para las compras iniciales, porque las personas a menudo descargan la aplicación de un minorista para un propósito específico y la deciden inmediatamente.

Por eso, la primera compra suele producirse con bastante rapidez.

El problema es conseguir las medidas adecuadas para las compras posteriores.

Ahí es donde hay que mirar las variables de interacción y las variables de uso: sesiones, vistas, búsquedas, agregar al carrito y más, para tener una idea de la probabilidad de que un cliente recién adquirido compre más.

Una advertencia personal: He instalado aplicaciones de tiendas, no he comprado nada y he realizado compras por cientos de dólares meses después. No se puede asumir que si no pasa nada de inmediato, nada seguirá pasando para siempre.

SKAN 4 ayudará, pero no será una panacea para eso:

“El desbloqueo con postbacks P2 y P3 simplemente proporciona esas señales adicionales que indican que alguien regresa, realiza una compra diferente o está viendo otro artículo en un catálogo específico”, dice Jiwani. “Eso será útil con SKAN 4”

12. Minorista: asegúrese de diferenciar entre la capa de informes y la capa de optimización de socios

Es importante poder medir la calidad de la rentabilidad de las nuevas cohortes de usuarios. También es fundamental comunicar el valor de los nuevos usuarios a los socios publicitarios. En las aplicaciones para minoristas, esto suele implicar un modelo de conversión SKAN mixto con medición de eventos de interacción y de ingresos.

Una herramienta clave aquí: IDFV.

“Podrías tener un modelo de embudo de interacción y eventos”, dice Savath, refiriéndose a registros, añadidos al carrito, etc. “Si tienes ese tipo de modelo, Singularestá en un lugar donde aún tienes informes de ingresos porque podrías decir: Estoy usando ese embudo para segmentar mi conjunto de datos IDFV, y voy a observar estas cohortes y ver los ingresos reales que generan a lo largo del tiempo, e informar sobre esas inferencias de ingresos dentro de la interfaz de informes Singular para que las redes puedan optimizar los eventos según la configuración del modelo, pero desde una perspectiva de análisis o informes de LTV, también puedo ver los ingresos”

13. Fintech: combine métricas de participación e ingresos

La tecnología financiera puede ser difícil de medir según SKAN. Hay eventos importantes que observar, como la creación de cuentas, la conexión con un banco y el depósito de dinero, pero estos son pasos importantes que las personas deben dar y no siempre ocurren rápidamente.

Por lo tanto, los modelos de conversión mixtos son el camino a seguir:

“He visto que la mayoría de los clientes combinan métricas de interacción e ingresos para captar a los usuarios que interactúan inicialmente con la aplicación, ingresan cierta información y conectan varias cuentas dentro de ella, lo que indica su nivel de actividad”, dice Jiwani. “Y, al mismo tiempo, en cuanto a los ingresos, podemos captar la cantidad de dinero depositada o utilizada en una transacción”

Los modelos de embudo son más raros en fintech, pero hay potencial aquí, agrega.

14. A pedido: ¡qué suerte tenéis, hijos de puta!

Las aplicaciones a pedido tienen muchísima suerte en SKAN: la mayoría de las personas que descargan una aplicación a pedido lo hacen como parte de un proceso de compra o interacción.

Ejemplo: quieres un viaje, descargas Uber o Lyft, ingresas tu información de pago y tomas un viaje.

Pero hay más que considerar para que SKAN funcione cuando se desea estimar el LTV, dice Savath.

Luego, al entrar en el mundo de las variables continuas, los montos de ingresos definitivamente no son tan comunes dada la alta variabilidad entre la duración del viaje. Por lo tanto, se trata principalmente de la interacción y la frecuencia de uso

En general, es bueno saber más. (Por supuesto). Pero también puede ser engañoso: los usuarios que viajan por vacaciones o por negocios pueden ser muy esporádicos.

15. Juegos: hipercasuales vs. juegos de gama media

Los juegos hipercasuales podrían haber sido creados específicamente para SKAN. Admon y la velocidad son factores comunes aquí:

"Es casi como si hubiera sido diseñado para este caso de uso porque estamos hablando de usuarios que interactúan con lo que hacen desde el primer día, y luego, a menudo, el ciclo de vida de Hyper se acorta mucho más", dice Savath.

Para el núcleo medio, es necesario profundizar más:

• ¿Cuál es la estrategia de monetización a largo plazo?
• ¿Qué eventos predicen usuarios de alto valor?
• ¿Los usuarios de alto valor ven más anuncios rápidamente?

Haz que SKAN funcione: mucho más en todo el podcast

Suscríbete a Growth Masterminds en YouTube también el . ¡Me lo agradecerás!

Además, si podemos ayudar de alguna manera, expertos como Victor Savath y Nabiha Jiwani trabajan con clientes y prospectos a diario para garantizar que maximicen el valor de sus campañas de marketing con las herramientas Singular . A veces, incluso cuentan con el director de tecnología Singular , Eran Friedman, quizás la persona con más experiencia en privacidad y medición del mundo.

Ponte en contacto con nosotros, reserva una hora y descubre cómo podemos ayudarte.