Estratégia ELT da SciPlay: mais, mais e mais dados

O que você pode aprender com a estratégia de ELT da SciPlay?

Todo grande publicador de apps que leva a sério o crescimento tem uma abordagem Pokémon Go aos dados: capture tudo. Cada fonte. Cada kilobyte de informação. Mas a maioria se limita aos dados de rede de anúncios e aos seus próprios dados in‑app. 

A realidade é que há mais. Muito mais.

Acessá-lo é a chave para uma visão significativamente melhor sobre suas alavancas de crescimento, posicionamento competitivo, incrementalidade de campanha e CAC.

E uma estratégia ELT inteligente pode desbloquear tudo isso para você.

Confira minha conversa recente com o diretor de produto de anúncio da SciPlay, Gal Karniel:

Estratégia de ELT da SciPlay

Quando você comercializa na escala da SciPlay, você está juntando de 20 a 50 fontes de dados em redes de anúncios e lojas de aplicativos... e muito mais.

a única forma de tornar isso útil é uma camada ELT que’s flexível, observável e construída para ser personalizada. Isso’s porque sua equipe adotou Singular’s produto ELT, Extract, para ingerir APIs de difícil acesso, incluindo as novas APIs da App Store da Apple’s, extrair conjuntos de dados paralelos para contornar limitações da plataforma (como conflitos de dimensões da Meta’s), e enriquecer métricas principais com metadados contextuais. 

O retorno: análise mais profunda até o nível de posicionamento de anúncios, solução de problemas mais rápida, menos pipelines de dados personalizados para manter e uma linha de causalidade mais clara de "o que mudou" para "o que moveu o desempenho"

Muito mais dados…

Você precisa desesperadamente de todos os dados que a Singular tradicionalmente forneceu de suas redes de anúncios: os dados de custo, os dados de capacidade de entrega, os dados de resultados. E você precisa de tudo combinado. E enriquecido com seus próprios dados de primeira parte em-app.

Mas há mais disponível agora com a estratégia ELT certa.

Pense no rastreamento de desempenho da App Store e do Google Play:

• Downloads & exclusões
  Valide números de instalações, monitore tendências de churn
• Classificações & avaliações
  Apresente o sentimento dos usuários, detecte problemas do produto e alimente insights para as equipes de produto/ASO
• Compras & assinaturas
  Obtenha os dados de receita e reembolso mais precisos diretamente das lojas
• Falhas & ANRs
  Acompanhe problemas de estabilidade do app que afetam retenção e classificações
• Dados de engajamento
  Meça as ações do usuário na loja de aplicativos para entender a intenção
• Fontes de aquisição
  Identifique de onde vêm as instalações (pesquisa, navegação, referências, território)

Pense nos dados orgânicos das redes sociais:

• Engajamento das postagens da página
  Veja qual conteúdo gera mais engajamento orgânico
• Estatísticas de seguidores
  Entenda o crescimento da audiência orgânica e alinhe com o direcionamento de UA pago
• Dados de comentários
  Capture feedback e sentimento não filtrados em escala

Existem APIs de lojas de aplicativos, dados adicionais de redes de anúncios, dados sociais, dados de CDP, dados de CRM ou liveops, e muito mais que você pode incorporar. E pense em dados competitivos: listas de topo na App Store e Google Play que você pode consultar automaticamente e trazer para seus sistemas de BI para análise.

Outra parte fundamental da estratégia de ELT da SciPlay: capturar vários conjuntos de dados de redes de anúncios como a Meta, porque eles só expõem dimensões incompatíveis e não permitem que você puxe geo e posicionamento juntos, por exemplo. Agora você pode puxar ambos e, embora não possa juntar as tabelas devido à falta de uma chave primária compartilhada, a percepção adicional ainda expõe mais oportunidades.

A oportunidade oculta nos dados da loja de aplicativos

Como mencionei acima, a maioria dos profissionais de marketing limita sua ingestão de dados às redes de anúncios: Meta, Google, AppLovin, Unity, TikTok e assim por diante. Isso lhe dá gastos, cliques e instalações, e você pode adicionar receita para ter uma visão completa da monetização.

Mas, crucialmente, falta a camada contextual do que está acontecendo nas próprias lojas de aplicativos.

Em outras palavras, todo o ecossistema de aplicativos em geral.

Essa é uma das razões pelas quais a SciPlay ingere as novas APIs da App Store da Apple e os dados do Google Play diretamente em seu data warehouse. Agora eles podem correlacionar o desempenho da campanha não apenas com métricas de anúncios, mas também com uma imagem muito maior:

• Eventos da loja de aplicativos
  Destaque, classificações, avaliações, atualizações
• Mudanças de metadados
  Ativos criativos, descrições, capturas de tela, categorias
• Contexto de mercado
  Posicionamento competitivo e mudanças no algoritmo da loja

Isso adiciona uma lente maior e mais ampla.

Em vez de apenas perguntar se suas campanhas publicitárias moveram a agulha do seu crescimento, você também pode perguntar o que mais aconteceu na loja que pode explicar isso. O resultado é uma análise de causa raiz mais rápida, menos atribuições falsas e um ciclo de feedback mais forte entre UA, produto e ASO.

Porque o seu aplicativo não existe isoladamente. Outros editores lançam campanhas de marketing. Alguns aplicativos são apresentados pela Apple ou Google. Eventos externos como filmes, feriados, clima e eventos esportivos influenciam o comportamento do consumidor.

A estratégia de ELT certa, portanto, ajuda você a ver muito mais.

Por que Extrair?

Uma pergunta perfeitamente válida, claro, é por que usar o Extract para sua estratégia de ELT?

A resposta: é uma solução ótima a um preço incrível.

A equipe de Karniel não estava realmente procurando uma ferramenta pura de direcionamento de dados... eles estavam sendo apresentados a pacotes e painéis, e considerando se deveriam construir uma ferramenta para si mesmos. O foco do Extract no movimento de dados e configurabilidade fácil foi a resposta perfeita.

O Extract fornece ao SciPlay os dados que eles desejam de forma rápida, fácil e a baixo custo. Não requer grandes habilidades técnicas para ser executado, então gerentes de produto e líderes de operações podem usá-lo por conta própria. Oferece visibilidade total de ponta a ponta e tem preços melhores da indústria.

(Saiba mais sobre o que o Extract pode fazer aqui.)

Coisas importantes a lembrar ao construir sua estratégia de ELT

Se você está sério sobre o crescimento e procurando todas as fontes de dados que permitirão que sua equipe de marketing de performance o alcance de forma rápida e eficiente, ótimo.

Aqui estão algumas coisas-chave para ter em mente com base na experiência do SciPlay:

1. Projeto para paralelismo
   Quando uma plataforma não retornar todas as dimensões que você deseja simultaneamente, divida seus fluxos de dados e decida por caso de uso qual você precisa
2. Não pare nas redes de anúncios
   APIs de lojas de apps e sinais contextuais são minas de ouro subutilizadas … trazê-las internamente aperta o ciclo entre UA, ASO e produto
3. Priorize o contexto, não apenas os KPIs
   Instalações/gastos/receita são necessários, mas insuficientes: adicione metadados de loja, mercado e criatividade para interpretar mudanças de instalação e monetização
4. Compre flexível, não rígido
   Pronto-para-usar é ótimo até que não seja, então escolha ferramentas com opções de configuração e personalização para fazer o que precisa, da maneira que quiser
5. Faça da observabilidade um requisito
   Logs completos, carimbos de data/hora e detalhes de execução constroem confiança organizacional nos seus dados (e facilitam a depuração quando um fluxo é interrompido)

Com o tempo, você vai querer ainda mais fontes de dados. A boa notícia é que o Extract está continuamente adicionando mais conectores, então você terá mais e mais opções simples para adicionar e melhorar ainda mais seus modelos de dados.

Muito mais no podcast completo

Como de costume, confira o podcast completo. Há muito mais sobre a estratégia de ELT da SciPlay que você achará interessante e útil à medida que aumenta os sinais que está adquirindo.

O que você encontrará:

• Como a SciPlay gerencia de 20 a 50 fontes de dados diferentes para marketing
• Como a SciPlay equilibra soluções internas vs. ferramentas de terceiros
• Como o Extract resolveu o desafio das 50 novas APIs da App Store da Apple
• Como o Extract pode criar conjuntos de dados paralelos para maior profundidade
• Por que visibilidade, logs e transparência são importantes para a confiança nos pipelines de dados
• Como o Extract simplifica os pipelines de enriquecimento de dados e reduz a manutenção
• Como a SciPlay construiu acesso mais rápido a insights, melhor direcionamento e melhores dados para decisões mais inteligentes

E não se esqueça de experimentar o Extract gratuitamente…