Autor: Alon Nafta

Com a proximidade do do iOS 16 , crescem as previsões e os rumores de que a Apple finalmente forçará o mobile setor de publicidade o SKAdNetwork , como originalmente planejado. Enquanto alguns ainda teorizam sobre alternativas ainda não aprovadas que possam atribuir dados em nível de dispositivo, na Singular temos investido muito tempo e esforço para entender como deve ser a próxima fase de mobile e otimização de campanhas com segurança de privacidade para iOS.

Nossa visão para Singular’s produto SKAdNetwork é oferecer uma experiência de relatório que’s o mais próximo possível da aquisição de usuários pré-iOS 14, incluindo gasto com anúncios e ROAS, métricas de coorte, e o maior número possível de segmentações relevantes … tudo que os profissionais de marketing precisam para otimizar o desempenho no iOS. 

Ao mesmo tempo, nossa missão é apoiar a otimização de campanhas e trabalhar com nossos parceiros para garantir que as campanhas possam ser executadas em grande escala e gerar resultados. Ironicamente, um dos principais desafios do SKAN é que esses dois aspectos muitas vezes se contrapõem.

Neste post do blog, descreveremos como a análise de dados mobile no iOS 14 evoluiu nos últimos 2 anos, esclareceremos o seu estado atual e compartilharemos os motivos pelos quais estamos entusiasmados (ou melhor, não tão preocupados) com o seu futuro nos próximos anos.

O equilíbrio entre relatórios e otimização de campanhas

Um dos aspectos mais importantes a compreender sobre o SKAdNetwork é que, ao contrário dos relatórios do iOS anteriores à versão 14, a otimização e a geração de relatórios de campanhas estão intimamente ligadas. Isso ocorre porque os sinais, ou seja, os valores de conversão, que um aplicativo envia para o SKAdNetwork são usados ​​tanto para otimização quanto para geração de relatórios. 

Em outras palavras, se eu optar por não otimizar para um evento específico, ele não aparecerá no meu relatório de aquisição de usuários. Essa é uma mudança enorme em comparação com o passado, quando tudo estava sempre disponível, independentemente dos eventos enviados via postbacks para fins de otimização de campanha.

Alguns exemplos disso:

• Receita vs. eventos: se o aplicativo estiver apenas reportando valores de receita ao SKAdNetwork, redes de anúncios otimizarão apenas com base nesses valores de receita e outros eventos não estarão disponíveis para deduzir diretamente dos dados de valor de conversão do SKAdNetwork. Recentemente, Singular adicionou uma opção para incluir ambos usando modelos de conversão mistos onde o principal trade-off é usar menos eventos.
• Períodos de medição: o padrão atual é que os aplicativos atualizem os valores de conversão para o SKAdNetwork nas primeiras 24 horas. Isso permite que as redes de anúncios recebam os postbacks do SKAdNetwork aproximadamente dois dias após cada instalação. Por um lado, usar um período de medição mais longo pode aumentar a precisão, introduzindo valores de conversão adicionais. No entanto, isso aumentará o atraso no recebimento dos postbacks pelas redes de anúncios para otimização de campanhas, o que pode prejudicar o desempenho.

Reportagens sobre os primeiros dias da SKAdNetwork

O SKAdNetwork 2.0 introduziu uma variedade de novas funcionalidades em comparação com a versão anterior, SKAdNetwork 1.0, e finalmente tornou-se suficientemente funcional, embora muito limitado, para que os profissionais de marketing o utilizassem para otimização, permitindo também a criação de relatórios. 

Os IDs disponíveis no postback do SKAdNetwork permitiam que os profissionais de marketing gerassem relatórios sobre IDs de aplicativos, campanhas e editores, embora, na prática, muito poucos profissionais de marketing relatassem informações sobre editores, dado o volume extremamente baixo na época. Obter o endereço IP no postback também significava que era possível deduzir o país a partir do endereço IP, o que proporcionava uma precisão razoável.

Além das falhas, a grande novidade do SKAdNetwork 2.0 foi, sem dúvida, a nova estrutura de valor de conversão, que permite aos profissionais de marketing otimizar e gerar relatórios sobre eventos de conversão. Apesar das limitações, essa foi uma grande inovação para o SKAdNetwork e incentivou o desenvolvimento de diversas novas soluções.

Em SKAdNetwork 2.2, que ficou disponível com iOS 14.5, os profissionais de marketing puderam executar e relatar tráfego de visualização, ou seja, conversões que a Apple atribui a um anúncio visualizado e não clicado. E mais tarde em SKAdNetwork 3.0, que ficou disponível no iOS 14.6, os profissionais de marketing também puderam entender se certas redes de anúncios tiveram um anúncio clicado sem ser atribuído a … AKA “loser postbacks.”

A forma como os relatórios são feitos hoje em dia no Singular é a mesma utilizada atualmente

Então, o que aconteceu desde o iOS 14.5 e o que os profissionais de marketing podem ver no Singular hoje? Muita coisa. 

De forma geral, podemos categorizar nossos esforços em duas categorias principais:

1. Enriquecimento com dados de redes de publicidade
2. Estimativa e modelagem

Enriquecimento com dados da rede de anúncios:
Podemos extrair muitas informações sobre a campanha a partir do relatório da rede de anúncios. 

Começa com métricas como Gasto com anúncios assim como Custo, Impressões, Cliques e detalhamentos como País (já que cada campanha visa certos países). Unir os dados de conversão SKAN com os dados de campanha das redes de anúncios’ também significa que detalhamentos como Nome da Campanha, Grupo de Anúncios e outros agora estão disponíveis se a rede de anúncios nos informar como são mapeados – o que a maioria faz. 

Observe que o campo padrão campaign-id nos postbacks do SKAdNetwork não é o ID de campanha da ad network’s, mas sim um “SKAN Campaign ID” cujos valores são limitados entre 1-100 por parceiro. Esse SKAN Campaign ID costuma representar uma campanha de rede de anúncios, e às vezes pode também representar um grupo de anúncios específico e até um criativo específico.

O enriquecimento dos dados da SKAdNetwork com dados de redes de anúncios nos permite criar um relatório completo do funil, conectando o investimento em anúncios no topo do funil com as conversões na parte inferior do funil, o que é fundamental para relatórios eficazes de aquisição de usuários.

Estimativa e modelagem
Além das métricas limitadas e segmentações, o SKAdNetwork também introduziu o conceito de limiares de privacidade – um mecanismo projetado para proteger a privacidade do usuário e garantir que informações individuais nunca sejam expostas através da estrutura SKAdNetwork. O impacto para os profissionais de marketing, porém, é negativo: alguns dados de valor de conversão são nulos ao invés de ter um valor que possa ser decodificado de volta ao seu significado original. 

Em média, os dados anulados devido a limites de privacidade representam aproximadamente 20% do total de dados, o que causa uma diminuição significativa na precisão. 

Para resolver isso, agora lançando o SKAN Advanced Analytics e estamos introduzindo o conceito de modelagem, onde Singular está criando aproximações para os dados ausentes, aproveitando os dados agregados que pode acessar sob as diretrizes da Apple. Isso permite que os profissionais de marketing compensem a perda de sinal, e nossos clientes beta alcançaram 87% de precisão.

O que vem por aí (e por que estamos extremamente animados)

Então, depois de tudo isso, qual é a nossa situação agora? 

O relatório que os profissionais de marketing acessam em Singular ao executar o SKAdNetwork é bastante abrangente, e muitos de nossos clientes estão satisfeitos com o desempenho do SKAdNetwork. No entanto … os dados de aquisição de usuários baseados no SKAdNetwork não incluem Apple Search Ads ou instalações orgânicas. Isso ocorre porque esses conjuntos de dados não são suportados pelo SKAdNetwork e são relatados ou calculados de forma diferente. 

As métricas disponíveis no relatório são totais ("valores reais") das últimas 24 horas. Isso se deve à relação entre as conversões que a UA está tentando otimizar e as conversões sobre as quais ela está tentando gerar relatórios. 

Essas são as verdades da realidade atual da SKAdNetwork que buscamos redefinir.

Então, qual é o futuro que estamos imaginando? É um futuro onde…

1. Você pode otimizar campanhas para um período de medição desejado, mas os relatórios não ficam limitados a esse período. Os profissionais de marketing devem poder calcular coortes para qualquer período de tempo.
2. Você pode visualizar e otimizar com base nos KPIs que realmente importam para o seu aplicativo. Seja ROAS ou CPA, queremos garantir que a análise de dados mobile possa dar suporte às métricas de negócios.
3. É possível obter uma visão única e consistente de todos os canais e tipos de tráfego na mesma tabela, usando o mesmo esquema.

Mas por que isso seria possível? Bem, não temos certeza se é, mas temos todos os motivos para acreditar que sim. 

No cenário atual de aquisição de usuários no iOS, os profissionais de marketing dependem dos dados limitados fornecidos pela SKAdNetwork. No entanto, existem conjuntos de dados adicionais de alta resolução que são negligenciados. É aqui que os algoritmos e a teoria da estimação podem entrar em ação, aproveitando fontes adicionais de informação para criar estimativas e previsões, preenchendo as lacunas existentes.

Vamos relembrar quais são os conjuntos de dados disponíveis para nós, profissionais de marketing de iOS:

• Dados do SKAdNetwork: Este conjunto de dados captura todo o tráfego pago e fornece a fonte de atribuição da verdade, conforme determinado por um modelo de último clique.

• Dados primários (ou seja, dados IDFV): Este é um conjunto de dados que todo desenvolvedor de aplicativos coleta, e grande parte dele já é reportada a MMPs e outros fornecedores (por exemplo, análises no aplicativo). É altamente granular e nos fornece um retrato exato da atividade do dispositivo e do usuário, exceto pelas informações de atribuição.

• Dados de adesão (ou seja, dados IDFA): Este é um conjunto de dados que muitos aplicativos que exibem a solicitação de adesão continuam a ter e, assim como os dados IDFV, é altamente granular. Um ponto importante a lembrar é que as SANs não estão mais atribuindo dados ao IDFA, portanto, este conjunto de dados é parcial e fornece uma visão distorcida da realidade, onde apenas parceiros que não são SANs são atribuídos.

• Dados de custo e campanha: Este é um quarto conjunto de dados que geralmente é altamente granular e muito útil para algoritmos de previsão. Métodos como a Modelagem de Mix de Mídia (MMM) dependem fortemente desse conjunto de dados como entrada para a equação de marketing.

Ao analisarmos esses conjuntos de dados acima, fica bastante claro que existe uma grande quantidade de informações disponíveis que nossos algoritmos deveriam utilizar. Mas por que isso não foi feito antes? Porque não precisávamos. Os dados do IDFA eram perfeitos (bem, ignorando as questões relacionadas aos modelos de atribuição de último clique) e permitiam que os profissionais de marketing calculassem qualquer métrica necessária. 

Isso também nos indica, pelo menos intuitivamente, o enorme potencial da tecnologia inteligente aplicada à mensuração de marketing. Quanto melhor utilizarmos esses quatro conjuntos de dados, maior será a precisão e o detalhamento que poderemos fornecer aos profissionais de marketing no contexto do SKAdNetwork, da privacidade e dos conjuntos de dados limitados.

Estamos muito animados com esse futuro e ansiosos para que vocês experimentem os novos produtos que serão lançados em breve. Como sempre, valorizamos muito o feedback e o interesse dos clientes que desejam experimentar essas novidades em primeira mão.

Hoje, anunciamos a disponibilidade geral do Singular Private Cloud: uma solução completa mobile , executada em um ambiente de nuvem dedicado, de propriedade e controlado pelos próprios anunciantes. Singular Private Cloud utiliza tecnologias de "sala limpa" de dados , permitindo que os anunciantes controlem, colaborem e usem os dados de forma segura e com privacidade, de acordo com suas necessidades específicas.

Temos orgulho em compartilhar que estamos com a solução Singular Private Cloud em funcionamento há 18 meses (!!), o que nos permitiu evoluir a tecnologia e o ambiente para funcionar dinamicamente com quaisquer estruturas de privacidade futuras. (A título de curiosidade, quando começamos, o SKAdNetwork nem sequer existia em sua forma atual, e essa foi uma grande mudança que foi adicionada à solução durante os testes beta.)

A solução Singular Private Cloud permite que marcas e anunciantes mantenham controle total sobre sua infraestrutura de crescimento, mensuração de marketing e dados sensíveis do usuário em um ambiente que eles mesmos possuem e gerenciam. Esses novos desenvolvimentos em tecnologia de nuvem privada nos permitirão continuar inovando e prometem oportunidades empolgantes à medida que as tecnologias amadurecem (assunto que abordaremos mais adiante!).

Por que escolher Singular Private Cloud?

No cenário publicitário atual, já não é incomum que os profissionais de marketing tomem conhecimento de uma nova mudança relacionada à privacidade e seu efeito sobre a forma como realizam as medições.

As recentes mudanças no iOS foram uma demonstração notável e impactante, e parece que a cada dois meses surge uma nova alteração que os profissionais de marketing e suas ferramentas precisam levar em consideração. As motivações por trás dessas mudanças são frequentemente regulatórias, mas plataformas de mídia como o Facebook e o Google também costumam introduzir alterações para melhor atender ao crescente interesse e escrutínio do público sobre como os dados pessoais são coletados, armazenados e utilizados.

Mobile Os Parceiros de Mensuração, também conhecidos como MMPs, estão frequentemente na vanguarda dessas mudanças. Isso porque:

• Operamos globalmente, portanto, é necessário levar em consideração a legislação de cada país
• Trocamos informações sensíveis com todas as plataformas de mídia, portanto, quaisquer requisitos específicos de cada plataforma devem ser atendidos
• Por definição, coletamos dados próprios e de terceiros, e as marcas podem ter requisitos específicos sobre como devemos coletar, armazenar e/ou processar um conjunto de dados específico

A Nuvem Privada pode ser um conceito difícil de entender na prática. Para ilustrar melhor, vamos considerar alguns exemplos reais:

• Temos um cliente cuja equipe de privacidade determinou que os dados do usuário só podem ser armazenados por 30 dias
• Para dados originários de certos países, uma nova legislação declara que os endereços IP são dados privados que não podem ser salvos em texto não criptografado
• Um parceiro de mídia ou rede de anúncios compartilha dados com Singular, mas permite que apenas determinadas marcas acessem esses dados, e somente de maneiras muito específicas, com limitações personalizadas para cada marca
• Uma empresa listada na Fortune 100 deseja armazenar seus dados primários em um banco de dados dedicado

Todos esses são exemplos reais que vemos regularmente na Singular e que precisamos levar em consideração. À medida que os consumidores se tornam mais conscientes da importância da privacidade, novas exigências surgem constantemente. Para solucionar isso, o setor precisa começar a pensar nas MMPs como facilitadoras de ambientes de dados seguros.

O que são salas limpas de dados?

Uma sala limpa de dados é um ambiente (por exemplo, um data lake em uma nuvem pública) que permite que várias partes compartilhem dados de maneira mutuamente acordada. Às vezes, isso é descrito como seguro para a privacidade, mas a forma como os dados são usados ​​depende de regras específicas. Nesse caso, significa simplesmente que existem certas regras de privacidade aplicadas a como e quais dados entram e saem desse ambiente, e quais dados são acessíveis a cada parte.

No contexto do marketing, isso se traduz em marcas (anunciantes) cujos dados são dados primários coletados em seus ativos, como um aplicativo mobile . Outras partes incluem editores e plataformas de mídia: notadamente os ecossistemas fechados, como Google, Facebook e Twitter.

Curiosamente, para a publicidade mobile , as MMPs sempre foram uma espécie de ambiente controlado para os dados, já que, por definição, podem acessar conjuntos de dados exclusivos que os anunciantes não podem... por exemplo, dados de cliques em um anúncio. Sendo assim, as MMPs sempre tiveram que seguir diversos conjuntos de regras, impostas pelas próprias plataformas de mídia e hardware.

Nos últimos anos, um número crescente de novas regulamentações de privacidade adicionou cada vez mais regras. Essas mudanças também levaram a uma demanda crescente por salas limpas de dados e novas tecnologias que permitam a adaptação tanto às novas restrições externas quanto aos requisitos específicos de cada marca.

Por fim, embora não seja estritamente obrigatório em sua definição, presume-se que, para salas limpas de dados, o ambiente seja completamente isolado entre diferentes combinações de marcas e editoras. E esse é um grande salto tecnológico que as MMPs ainda não deram.

Evolução das MMPs no cenário da privacidade

As plataformas de medição móvel (MMPs) facilitam a medição e a atribuição mobile e, frequentemente, como no caso da Singular, também coletam conjuntos de dados adicionais para fins de análises mais aprofundadas.

Singular é responsável por coletar uma infinidade de conjuntos de dados. Há conjuntos de dados agregados, como gastos com anúncios, criativos e lances, que são combinados com impressões, cliques e eventos em nível de dispositivo. Os anunciantes frequentemente enviam dados primários adicionais, como informações de assinatura, para que Singular possa calcular e visualizar os KPIs mais importantes para a otimização.

Esses conjuntos de dados, especialmente os de nível de dispositivo, estão na interseção de múltiplos conjuntos de restrições e requisitos que os MMPs precisam atender.

Alguns exemplos:

• A Apple e o Google têm requisitos específicos para cada plataforma para que os aplicativos mobile sejam publicados na App Store e na Play Store. Por exemplo: usar apenas IDs de publicidade designados e não IDs de hardware, como o IMEI.
• A Apple e o Google também introduziram iniciativas adicionais voltadas para a privacidade, como aquelas para aplicativos infantis e, claro, o iOS 14.5.
• O Facebook, o Google e todas as outras Redes de Autoatribuição (SANs) têm cada uma o seu próprio conjunto de restrições que as MMPs devem cumprir, por exemplo, sobre como e por quanto tempo os dados ao nível do dispositivo são guardados e que tipo de dados podem ser partilhados com o anunciante.
• Regulamentos como o COPPA, o GDPR e o CCPA são específicos para cada região geográfica e permitem que as marcas os interpretem de maneiras diferentes.
• Estruturas de privacidade como o AADC do Reino Unido, o Privacy Shield e outras também se traduzem em requisitos adicionais sobre os dados que as MMPs coletam, processam e compartilham.

Generalizando tudo isso, fica bastante claro que as MMPs (Plataformas de Gerenciamento de Mercadorias) estão atuando como salas limpas de dados. Portanto, desenvolver tecnologia capaz de se adaptar rapidamente a novos requisitos é crucial no cenário atual e precisa ser um componente inerente à plataforma e ao processo de design.

Apresentamos a mais recente solução da Singular

As tecnologias de privacidade estão em constante evolução, e as novas tecnologias para processamento de dados de forma segura em relação à privacidade são fascinantes.

Por exemplo, a aprendizagem federada poderia permitir que alguns dados do usuário nunca precisassem sair do dispositivo, sem comprometer as capacidades de medição. Metodologias de privacidade diferencial podem fornecer insights necessários para a otimização de marketing sem acessar informações sensíveis vinculadas a indivíduos específicos.

Todos esses fatores desempenharão um papel importante na sala limpa de dados do futuro.

Mas hoje, já podemos oferecer aos clientes a possibilidade de executar testes em um ambiente de mensuração dedicado, que fornece exatamente o mesmo conjunto de recursos que você obtém em nossa plataforma pública. Isso significa que a atribuição para mobile e web, a prevenção de fraudes, a agregação de custos e os relatórios de ROAS e coortes estão disponíveis em um ambiente dedicado, permitindo que seus dados operem de forma completamente isolada dos dados de outras marcas. As marcas podem aplicar regras de privacidade específicas para atender aos requisitos exclusivos de suas equipes de privacidade e jurídicas.

Nos últimos 18 meses, desenvolvemos a tecnologia que nos permite operar esses ambientes de forma confiável e escalável, e temos trabalhado com algumas grandes marcas como parceiras beta para disponibilizá-la ao público em geral. Tenho o prazer de anunciar que agora podemos oferecer Singular Private Cloud a mais clientes.

Qual o próximo passo?

A tecnologia de privacidade está em constante evolução, e novas tecnologias nos permitirão ir ainda mais longe. Mas, o mais importante, a crescente adoção dessas plataformas por outras marcas trará novas necessidades e acelerará nosso aprendizado, à medida que continuamos a desenvolver soluções com o objetivo de fornecer dados e métricas mais precisos ao mercado.

Want to take ownership of your data and leverage Singular’s data clean room technology? Have more questions? There are a few more details in our press release.

Melhor ainda, agende um horário com um de nossos especialistas em produtos.

O futuro da mensuração mobile no iOS reside em uma visão unificada que resgata KPIs, coortes e análises de ROAS. Os profissionais de marketing desejam uma fonte única de informações confiáveis ​​para iOS, como tinham antigamente, e acredito que seremos capazes de fornecê-la.

É claro que ainda temos um longo caminho a percorrer até chegarmos lá.

Embora não possamos prever exatamente quais mudanças estão por vir no SKAdNetwork, acredito que todos concordamos que a separação atual entre os dados do SKAdNetwork e os dados das plataformas de mídia móvel (MMP) não é ideal. No entanto, há bons motivos para acreditar que essa situação irá melhorar e que os profissionais de marketing mobile terão os dados, insights e ferramentas necessários para otimizar o crescimento.

Onde estamos hoje: medição mobile no iOS

Ao longo do último ano, muitas das verdades fundamentais que conhecemos sobre mobile atribuição de app mudaram. Aquisição de usuários equipes aprenderam um novo conjunto de termos, definições e melhores práticas. A mecânica de como você otimiza campanhas — e até como você executa campanhas — agora é diferente.

Idealmente, algumas partes da indústria, e talvez não tão pequenas, viram as mudanças do iOS e as novas políticas de privacidade da Apple como apenas um obstáculo técnico. Mas, como vimos ao longo do ano, SKAdNetwork está aqui para ficar.

Reconhecer isso nos leva a uma conclusão óbvia: precisamos de novas tecnologias.

Apple definiu o básico. Existe um jeito de obter atribuição no iOS, mas não é nem tão bom nem tão fácil como era com IDFA. A boa notícia é que há muito potencial tecnológico disponível, e o mercado de medição está mais competitivo que nunca. As soluções estão chegando.

O papel em evolução das MMPs na mensuração de marketing para iOS

Não é surpreendente, vimos uma grande mudança na MMP filosofia em relação à medição iOS e SKAN no último ano.

Sejamos honestos: mesmo hoje, a grande maioria das MMPs (Plataformas de Gestão de Mídias) ainda não está totalmente preparada para auxiliar anunciantes na execução e geração de relatórios de campanhas SKAdNetwork. No entanto, em nítido contraste com o passado, é claramente sensato argumentar que a MMP é a facilitadora ideal para o SKAdNetwork: executando as atualizações de valores de conversão em dispositivos iOS e coletando todos os dados do SKAdNetwork de seus parceiros de mídia. Além disso, bons sistemas de SKAdNetwork suportam o máximo possível de modelos de mensuração, para que seu aplicativo mobile possa utilizar da melhor forma a representação limitada de valores de conversão fornecida pela Apple. E os melhores sistemas de SKAdNetwork decodificam esses valores de conversão de volta aos eventos originais, para que os relatórios façam sentido para os anunciantes e eles possam otimizar com base em KPIs reais.

Não tenho receio de afirmar que Singular foi pioneira na definição do que é necessário em um bom sistema SKAdNetwork.

Desde o início, definimos (e lançamos) os modelos comuns que acreditávamos serem adequados para a maioria dos aplicativos mobile . Implementamos a mensuração de vários dias mesmo quando nenhuma rede de anúncios a suportava, assim que ficou claro que isso ajudaria a impulsionar a adoção dessa funcionalidade pelo mercado. Trabalhamos com parceiros para criar integrações robustas que permitissem a todos trocar informações sobre a relação entre a campanha do SKAdNetwork e as campanhas da rede de anúncios, além de definir como os eventos no aplicativo são codificados em bits do SKAdNetwork.

Mas hoje não vamos falar sobre a aparência de um bom sistema SKAdNetwork. Hoje vamos definir como será o melhor sistema SKAdNetwork — mesmo que ele ainda não esteja totalmente disponível.

Um primeiro passo importante: Corrigir os dados

A primeira coisa a reconhecer sobre os dados do SKAdNetwork especificamente, e sobre o SKAdNetwork em geral, é que é difícil. É genuinamente difícil, e isso se deve principalmente ao fato de a Apple ter dificultado o processo.

Mas precisamos lembrar que este é um novo framework e que temos que pensar em novos termos. Não se trata mais de atribuir a autoria a um único usuário: pequenos conjuntos de dados que expõem usuários individuais não são mais suportados, e os temporizadores aleatórios do SKAN tornam ainda mais difícil obter informações sobre usuários individuais.

O que tudo isso significa é que, mesmo que você já tenha se esforçado implementando o SKAdNetwork nos seus mobile aplicativos e executa campanhas SKAdNetwork com parceiros; ainda há boa chance de que os dados que vê, no painel MMP, variem de ruins a inutilizáveis.

Isso é horrível.

Sejamos honestos. É realmente muito ruim quando os profissionais de marketing adotam o novo padrão, se esforçam ao máximo e não veem nenhuma recompensa por seus esforços.

Grande parte disso se deve a limites de privacidade e erros comuns ao executar campanhas SKAN. Para nossos clientes, vemos Singular como peça chave para resolver isso, e é aqui que nossa nova tecnologia entra. Na versão da semana passada, anunciamos SKAN Advanced Analytics e seu primeiro marco – Modeled Metrics.

A Modeled Metrics corrige as lacunas de dados causadas pelos limites de privacidade usando ciência de dados e estatística.

Não é mágica, mas sim uma tecnologia incrível que permite aos nossos clientes se preocuparem menos com as armadilhas comuns do SKAdNetwork, que de outra forma comprometeriam os dados do SKAN, permitindo que eles se concentrem apenas no seu trabalho. Em outras palavras, as Métricas Modeladas do SKAN da Singular fornecem insights claros e acionáveis ​​que permitem aos profissionais de marketing tomar decisões de alocação e otimização com um alto grau de confiança de que seus dados estão completos.

O futuro da atribuição mobile iOS: uma visão única

Para entender aonde queremos chegar com o SKAN Advanced Analytics, vamos pensar no potencial das MMPs como uma poderosa provedora de tecnologia para anunciantes:

• Nosso SDK está no aplicativo
• Operamos atualizações da SKAdNetwork
• Coletamos dados não atribuídos dentro do aplicativo e abrangemos 100% dos usuários
• Ainda coletamos dados IDFA opcionais atribuídos para alguns aplicativos/usuários, o que normalmente abrange de 20 a 40% dos usuários
• Coletamos dados da SKAdNetwork de todos os parceiros de mídia por meio de postbacks e APIs
• No caso da Singular, também coletamos dados detalhados sobre gastos com anúncios, o que nos permite saber com muita precisão para onde os orçamentos dos anunciantes estão sendo direcionados

Agora, vamos pensar no problema.

Os profissionais de marketing querem que os relatórios voltem a ser como eram antes, ou seja, métricas de coorte e de funil completo, com todas as análises relevantes que possam nos ensinar algo sobre a campanha.

Algumas segmentações, como a de criativos, não estão prontamente disponíveis na estrutura. Esperamos que elas sejam adicionadas pela Apple ou suportadas indiretamente pelo aumento dos limites em `skan_campaign_id`. Aprimorar o modelo de conversão melhorará a precisão subjacente. Combinar o conhecimento que temos de todos esses conjuntos de dados isolados deve nos ensinar muito mais do que podemos aprender com base apenas no conjunto de dados do SKAdNetwork.

Como mencionei inicialmente, não podemos prever quais mudanças a Apple fará no SKAN.

Podemos argumentar, no entanto, que o futuro da mensuração no iOS reside em uma visão única da realidade do marketing: uma única fonte de verdade que retorna KPIs, coortes e análises de ROAS. E uma fonte de verdade que oferece valores preditivos para KPIs como receita.

O que isso significa: como vemos a evolução das métricas no iOS

Conforme já estabelecemos, os dados da SKAdNetwork são determinados pelos seguintes aspectos:

• O modelo de conversão determina a precisão subjacente.
  • Por exemplo, um modelo de receita otimizado para um aplicativo com compras dentro do app ocorrendo nas primeiras 24 horas gerará dados melhores do que um modelo básico de seis eventos que não otimiza o valor.
  • Em outro exemplo, um modelo que utiliza um período de medição de 72 horas gerará dados melhores para um aplicativo que tem a grande maioria das conversões ocorrendo nos primeiros três dias do que um modelo que analisa apenas as primeiras 24 horas.
• Algoritmos estatísticos podem auxiliar na reconstrução de dados parciais devido a limites de privacidade e distorções temporais
• A análise preditiva pode aproveitar múltiplos conjuntos de dados coletados por MMPs para criar um relatório fácil de entender e usar.

Ao analisarmos esses componentes, podemos também imaginar melhorias adicionais:

• O aprendizado de máquina pode ajudar a agrupar melhor os usuários, otimizando ainda mais o modelo de conversão para distinguir entre usuários de alto e baixo valor. Esperamos que isso seja comum para Singular e outras MMPs como operadoras do modelo.
• O aprendizado de máquina e outras tecnologias podem ajudar a calcular as previsões dos KPIs mencionados anteriormente, e qualquer melhoria nos dados subjacentes aprimorará ainda mais essas previsões.

Em resumo, acreditamos que, ao longo do próximo ano, a mensuração no iOS passará por uma transformação drástica. O SKAdNetwork continuará a ganhar cada vez mais espaço como padrão de fato, e os profissionais de marketing que dependem de soluções alternativas não compatíveis poderão ficar para trás enquanto outros aproveitam o enorme potencial de crescimento que o ecossistema iOS oferece.

Reconhecemos que dar suporte à SKAdNetwork durante o último ano foi bastante desgastante, mas essas novas tecnologias oferecem aos nossos anunciantes uma vantagem real. O fato é que os anunciantes que usam MMPs que apostam contra a SKAdNetwork ficarão para trás.

É apenas uma questão de tempo.

Como especialistas em tecnologia, estamos entusiasmados com a enorme oportunidade que temos pela frente. Vamos construir muita coisa no próximo ano e mal podemos esperar para revelar o que está por vir.

O que vem a seguir e como obter melhores insights por conta própria?

Estamos apenas começando a explorar o SKAN Advanced Analytics, e o lançamento recente, SKAN Modeled Metrics, já oferece aos nossos clientes uma visibilidade aprimorada do desempenho do SKAN. Fiquem atentos às nossas próximas publicações, que trarão mais detalhes.

Enquanto isso:

Se você deseja assumir o controle das métricas de marketing do seu iOS ou tiver mais dúvidas, agende um horário com um de nossos especialistas em produtos.

Bem-vindo(a) ao terceiro post da nossa sobre atribuição entre dispositivos , onde discutimos como os anunciantes podem usar campanhas na web como um meio eficaz de aquisição para mobile e outras plataformas. Confira nossos posts anteriores sobre o assunto, Parte 1 e Parte 2, para ficar por dentro do tema.

Esta publicação recente abordará alguns dos principais desafios de dados e relatórios que os profissionais de marketing enfrentam ao implementar a atribuição entre dispositivos. Em seguida, apresentaremos diferentes métodos para gerar análises relevantes quando os conjuntos de dados subjacentes são coletados em várias plataformas.

Fornecer aos profissionais de marketing as perspectivas e análises corretas pode ser o diferencial entre conseguir distinguir os canais e atividades mais fortes dos mais fracos e gerar relatórios que levam a decisões equivocadas.

Análise de coorte para atribuição entre dispositivos: o básico

Vamos começar com o básico e lembrar a nós mesmos como nós definir coortes em análise de marketing:

Uma coorte é um grupo de usuários com uma propriedade em comum. Ao analisar usuários com uma propriedade em comum, os profissionais de marketing geralmente conseguem isolar informações e identificar tendências com eficácia.

Não há um delineamento rígido de como as coortes devem ser definidas; porém, certas indústrias têm suas próprias convenções padrão. Em mobile marketing, os anunciantes costumam buscar campanhas de instalação de apps, então Mobile Parceiros de Medição (MMPs) fornecem coortes baseadas em instalações, usuários agrupados por data de instalação. Então, se você for ao seu Singular painel e executar um relatório que inclui métricas de coorte, essas métricas são calculadas para uma data de instalação específica, como receita de anúncios, a receita total durante os primeiros sete dias após a instalação. Um leitor atento também pode observar que sete dias podem ser calculados “on the calendar” ou em incrementos de 24 horas, e ambos seriam válidos! O MMP pode decidir por uma dessas opções ou oferecer ao anunciante a escolha da definição de coorte que melhor funciona para eles.

Por fim, é importante destacar que, no marketing mobile , as coortes são definidas como grupos de instalações, e não de usuários. Isso porque uma nova instalação pode pertencer ao mesmo usuário, mas, para o modelo padrão de marketing mobile, seria apenas uma nova instalação adicionada à coorte. Da mesma forma, no marketing digital, as coortes costumam ser definidas com base na data de aquisição do usuário, ou seja, a data em que o usuário acessou sua página pela primeira vez, o que não difere muito da data de instalação em mobile .

Análise de coorte para atribuição entre dispositivos: usuário vs. dispositivo

Ao analisar cross-device, um único usuário pode interagir com anúncios e, consequentemente, converter em vários dispositivos e plataformas, portanto a definição de cohort precisa ser redefinida. Em uma única plataforma, o padrão é observar quando o dispositivo convertido. Enquanto no cross-device, queremos observar quando o usuário está convertendo. Na maioria dos produtos, isso seria quando o usuário cria uma conta ou faz login pela primeira vez.

Vamos demonstrar isso com um exemplo. Minha empresa criou a mais recente rede social, que oferece bate-papos de 13 segundos com usuários que você nunca viu antes, em todo o mundo! Desenvolvemos essa nova rede para mobile e para a web, então obtemos instalações pelas lojas mobile e visitas ao site por computadores e mobile . Os usuários clicam em anúncios, mas assim que tentam usar o produto na respectiva plataforma, precisam se cadastrar e fazer login. Outro ponto importante é que um usuário pode clicar em vários anúncios em diferentes plataformas antes de decidir se cadastrar e começar a usar o produto. E é isso que nos interessa como ponto de referência.

Ao considerar esse problema sob a perspectiva das suas ferramentas de marketing padrão, um provedor de atribuição limitado a uma única plataforma oferece uma visão parcial da realidade — e, consequentemente, ao usar várias ferramentas, há sobreposição, gerando imprecisões nos cohortes de cada ferramenta. Determinar o LTV de uma campanha’s LTV becomes difficult since you might be including existing users in that campaign, thus inflating the LTV from user acquisition (UA) activity.

Outro ponto importante é que, mesmo em uma única plataforma, analisar os usuários em vez de instalações ou dispositivos revela muito mais informações. Além de um LTV (Valor Vitalício do Cliente) mais preciso, a mudança na definição de conversão agrega muito valor à análise e comparação do ROI (Retorno sobre o Investimento). Por esse motivo, em certos setores, como o e-commerce, é mais comum que os profissionais de marketing definam coortes com base na primeira compra realizada por um usuário, por exemplo, o que é muito mais significativo do que o momento da instalação. No entanto, o mais importante é garantir que os dados sejam precisos, considerando um ponto de referência.

Atribuição e análise entre dispositivos no Singular

Ao oferecer a opção de selecionar como as coortes são calculadas em tempo real, os profissionais de marketing que usam Singular podem escolher entre coortes baseadas em dispositivos e coortes baseadas em usuários. Isso permite entender o LTV real, ou qualquer outro KPI, para um grupo de usuários, em vez de instalações ou visitas ao site. Também possibilita compreender como esses usuários interagem com seu produto em diferentes plataformas. Por exemplo, você pode adquirir usuários em larga escala na web, mas eles usam o produto em várias plataformas com diferentes padrões de retenção. Uma campanha específica na web pode gerar receita tanto em mobile quanto na web, dependendo da campanha e do canal de aquisição dos usuários.

Da mesma forma, um determinado site mobile pode gerar X visitas a um site, das quais apenas uma fração corresponde a novos usuários. Compreender essas relações é fundamental para escalar sua aquisição de usuários de forma eficaz.

Isso também sugere que, no Singular , precisamos distinguir entre os parâmetros de marketing atribuídos ao dispositivo (por exemplo, uma nova instalação no iOS) e os diferentes parâmetros de marketing atribuídos ao usuário (por exemplo, Evie, que acabou de criar uma nova conta após clicar em um anúncio). O canal, a campanha, o criativo e outros elementos podem ser completamente diferentes. Ao obter esses dados também em formato bruto, os profissionais de marketing ganham visibilidade completa da jornada do usuário.

Qual será o próximo episódio da série?

Agora que explicamos como funciona a geração de relatórios para atribuição cross‑device, vamos continuar abordando temas relevantes para profissionais que atuam em múltiplas plataformas ou que desejam diversificar sua UA e se preparar para o iOS 14.5. No próximo post, aprofundaremos em pixels, postbacks e conversões para entender como seus parceiros de mídia são impactados pela configuração de atribuição cross‑device e o que fazer para melhorar o desempenho das campanhas. Como sempre, incentivamos você a aprender mais sobre Singular’s web, web‑to‑app e recursos cross‑device e agende uma demonstração com um dos nossos especialistas de produto.