Faça o SKAN funcionar no mundo real: 15 dicas para verticais específicas e modelos de monetização

Como você faz SKAN funcionar no mundo real? Bem … você pode começar assistindo a este vídeo. Pressione o botão de reprodução e continue rolando …

Além do SKAN no iOS, as opções de mensuração são complexas. Você pode tentar usar dados modelados de redes de anúncios para mensurar campanhas. Pode usar modelagem de mix de mídia para atribuir resultados de publicidade. Pode ainda tentar usar fingerprinting. Pode usar dados e lógica próprios. Na verdade, provavelmente você deveria usar vários métodos. 

Mas no iOS, o SKAdNetwork é a única opção determinística, garantindo que (sob certas condições) você receberá postbacks para atribuição de instalação do aplicativo e as redes de anúncios receberão os dados necessários para a otimização da campanha. Portanto, faz sentido usá-lo também e aprender a usá-lo bem.

O problema é que, para fazer o SKAN funcionar no mundo real, existem muitos desafios:

• Escolher o modelo certo
• Selecionar os principais eventos de medição e os limites adequados
• Codificar informações suficientes no espaço limitado dos seus postbacks.
• Projetar a experiência ideal do aplicativo para obter feedback rápido sobre os resultados por meio do SKAN
• Gerenciar parceiros de publicidade e campanhas para evitar a perda excessiva de dados devido a limites de privacidade (SKAN 3) ou anonimato coletivo (SKAN 4).

Então, pedi a dois dos maiores especialistas em SKAN da Singularpara dedicarem um tempo comigo para me ajudarem a fazer o SKAN funcionar no mundo real. Ambos já trabalharam com centenas de clientes, ajudando-os a ajustar suas configurações, modelos e aplicativos e a extrair o máximo de informações possível do SKAdNetwork.

• Victor Savath, Vice-Presidente de Consultoria de Soluções
• Nabiha Jiwani, Líder da Equipe de Sucesso do Cliente

Eis o que me disseram…

1. Perceba que não é algo que se resolve de uma vez por todas

Com o IDFA, você podia coletar tudo e descobrir o que precisava depois. Com o SKAN, você precisa ser muito mais criterioso na seleção das medidas corretas.

Mas você’ não é esperto o suficiente. Nenhum de nós é. Perceba que você’ vai iterar para acertar, e perceba que você’ vai iterar ainda mais para acertar mais correto. E ainda, perceba que à medida que o mundo muda — a Apple altera algo, um parceiro muda algo — você’ vai iterar novamente.

“É preciso ter a mentalidade e a compreensão de que não se trata de um exercício pontual”, afirma Savath. “Consideramos a iteração parte fundamental da filosofia da SKAdNetwork. Não apenas porque seus KPIs ou seu produto mudam… o ecossistema muda.”

2. Compreender o objetivo

Você busca principalmente métricas para equipes internas? Ou especificamente otimização para parceiros de publicidade? O ROAS a principal métrica que você deseja, ou algo como a jornada do cliente é mais importante? O que a equipe de produto precisa, especificamente, em comparação com a equipe de crescimento?

“Com meus clientes especificamente, tenho visto um foco maior em como os parceiros podem entender e interpretar os dados do SKAN e garantir que esses eventos se conectem”, diz Jiwani. “O segundo nível seria: ok, vamos nos concentrar na receita.”

SKAN é tecnologia, mas o que faz o SKAN funcionar é, antes de tudo, ter uma estratégia clara.

3. Uma grande vantagem dos modelos de mensuração de monetização de anúncios no SKAN

A monetização por anúncios tem uma enorme vantagem sobre modelos de monetização como assinaturas quando se utiliza o SKAN, porque o feedback é muito mais rápido.

“Quando penso em modelos de conversão de forma mais holística, estou sempre pensando no que fornece bons sinais iniciais e no que também pode fornecer fortes indicadores de usuários qualificados e um alto valor vitalício do cliente (LTV) ao longo do tempo”, diz Savath. “Portanto, geralmente é uma combinação de variáveis ​​discretas e contínuas. Mas no mundo da publicidade digital, você pode ter ambas, porque terá sinais iniciais (impressões de anúncios, em geral), então esses sinais têm um alto nível ou uma quantidade razoável de variância.”

Isso significa que você pode segmentar usuários facilmente com base apenas no volume de impressões de anúncios e usar essa segmentação para fazer e testar previsões sobre quais grupos têm maior probabilidade de comprar itens dentro do aplicativo ou até mesmo assinar um serviço posteriormente, caso essas opções estejam disponíveis.

Observação: Singular já utiliza modelos de medição SKAN para monetização de anúncios há algum tempo e, recentemente, os adicionou ao nosso plano gratuito.

4. SKAN no mundo real: comparação com o Android

Há muita modelagem envolvida no SKAN 3 devido ao período de medição muito curto. Essa modelagem pode ser muito boa, mas ainda é modelagem. 

Então, pegue alguns dos sinais iniciais que você está medindo com o SKAN e compare-os com os seus dados do Android.

“Ao analisar esses sinais menores, como o início de uma sessão ou algum tipo de indicação, e combiná-los com o que você sabe sobre o desempenho dos seus usuários do Android, e comparar esses dois subconjuntos, muitos dos meus clientes têm conseguido entender para onde seus dados do iOS estão indo”, diz Jiwani.

Além disso, com SKAN 4 você terá períodos de medição mais longos, o que ajudará consideravelmente. Isso pode não chegar em escala, porém, até o início do próximo ano. Os postbacks do SKAN 4 atualmente representam cerca de 15% de todos os postbacks que Singular está vendo, embora a tendência esteja crescendo.

5. Faça o SKAN funcionar: entenda seus usuários melhor do que eles mesmos

É evidente que você deseja usar indicadores precoces para prever o comportamento futuro. O primeiro passo é entender o que realmente está acontecendo em seu aplicativo, em vez de apenas o que você está medindo no momento.

Depois de fazer isso, você poderá construir seus modelos SKAN com base em comportamentos reais.

“Em vez de simplesmente escolher faixas de receita com base, digamos, no preço médio dos meus produtos em uma compra no aplicativo, vamos analisar meu conjunto de dados IDFV e perguntar: qual é o valor médio gerado no primeiro dia entre os usuários que concluem o tutorial?”, diz Savath. “Talvez você possa usar isso como seus limites de faixa de receita ao definir um modelo de conversão, porque agora você tem um bom grupo de segmentação ou coorte para observar.”

Acompanhar esse grupo ao longo do tempo — muito mais tempo do que você consegue medir atualmente com o SKAdNetwork — oferece uma boa visão do potencial de monetização desse segmento. Você pode então experimentar sinais preditivos iniciais que indiquem que uma nova instalação do SKAN deve ser atribuída a esse segmento.

6. Itere mensalmente os modelos de conversão SKAN durante os testes

Iterar no mundo real com o SKAN é um desafio. Não dá para fazer isso diariamente, porque é preciso um certo tempo para que as campanhas do SKAN sejam processadas pelos ecossistemas dos seus parceiros de rede de anúncios. Iterar muito rápido resulta em resultados confusos e dados insuficientes para tomar decisões inteligentes.

Mas com que frequência você deve iterar durante os testes?

“Inicialmente, alguns clientes mudaram a estratégia mês a mês”, diz Jiwani. “Você pode otimizar com base na conclusão do tutorial, no cadastro, na criação de alguma conta, certo? Alterar essas métricas iniciais que indicam se alguém vai ou não comprar, ou depositar, e então usar esses dados para criar modelos… essa mudança no indicador inicial do evento tem se mostrado muito eficaz para alguns de nossos clientes.”

É claro que você provavelmente não vai manter esse ritmo para sempre, mas também não é provável que mantenha o mesmo modelo por um ano. 

Uma observação rápida: inicialmente, ao alternar entre campanhas SKAN, era necessário pausar tudo, esperar de 48 a 72 horas e, em seguida, reiniciar.

Singular agora oferece uma tecnologia que torna a iteração muito mais rápida e simples: basta alternar e usar. Singular também oferece um recurso que permite simular alterações no SKAN sem realmente implementá-las, e visualizar como ficariam os dados de medição atualizados.

(Fale conosco se você não for cliente Singular e quiser saber mais.)

7. Verifique seus dados de nível de log para otimizar os intervalos de receita

Não basta configurar categorias de receita com base no valor da conversão e esquecê-las. Se suas categorias de receita não corresponderem ao que os usuários realmente fazem, você estará essencialmente desperdiçando recursos e deixando de maximizar o retorno da informação.

Faça o SKAN funcionar verificando os dados de registro:

“Quem tem um modelo misto ou um modelo de receita com compras dentro do aplicativo vai notar, em qualquer tipo de dado de log, que existem quedas ou segmentos no modelo de conversão que simplesmente não são utilizados”, diz Jiwani. “Garantir que você ajuste esses intervalos para capturar esse subconjunto de usuários, ou expandir ou minimizar esses intervalos para garantir que não haja quedas e que cada valor de conversão real seja usado no modelo, garantirá que você esteja obtendo a maior quantidade de dados possível.”

Jiwani afirma que já realizou esse exercício inúmeras vezes com clientes, e que quase sempre resulta em uma melhor coleta de dados.

8. O SKAN 4 ajuda você a dividir as coortes em subgrupos para maior fidelidade

No SKAN 3, você pode atribuir um usuário a uma coorte como did_tutorial, observar o comportamento posterior e definir uma estimativa de receita com base em indicadores iniciais para esse tipo de coorte.

Em SKAN 4, você poderá ir muito mais fundo.

“Você tem um grupo de usuários que 'concluiu o tutorial' no primeiro dia e realizou uma compra no aplicativo… isso funciona como um desses 64 grupos”, diz Savath. “Esse é um grupo de usuários. A vantagem do P2 e do P3 é que você observa esse usuário quando ele entra no período do P2 ou do P3 e percebe que esse único grupo agora se divide em 3 grupos adicionais… usuários que 'concluíram o tutorial' no primeiro dia e compraram… e então, no P2, eles fizeram uma sessão repetida. Eles voltaram. Ou fizeram outra compra, ou uma compra grande, certo? Agora você tem 3 grupos: aquele único grupo dividido em três.”

Tudo isso contribui para o rigor da modelagem e para sua capacidade de construir melhores modelos de ROAS e LTV com base em indicadores iniciais.

Uma breve observação sobre o SKAN 4: sim, ainda não temos a maioria dos postbacks do SKAN 4. Na verdade, estamos longe disso.

Mas com Singular, você pode configurar um modelo de conversão SKAN 4, aproveitar os benefícios de todos os parceiros SKAN 4 com os quais você trabalha e não perder nenhum dado dos parceiros SKAN 3... porque ele é retrocompatível.

9. Verticais de streaming e assinaturas: sim, vocês têm dados iniciais

Assinar serviços é complicado com o SKAN, especialmente se você estava acostumado com um período de teste de 7 dias. 

Mas sempre há eventos iniciais que você pode usar como proxies, e em setores de streaming de mídia como música, entretenimento e vídeo, pode haver mais do que na maioria. Faça o SKAN funcionar usando-os.

“Se você pensar em qualquer um dos seus serviços de streaming… você tem variáveis ​​contínuas que podem servir de guia para a obtenção de sinais”, diz Savath. “São bons indicadores iniciais e são abundantes.”

Exemplos:

• Quantas vezes eles escutaram?
• Quantos filmes eles assistiram?
• Eles transmitiram para uma tela maior ou para uma caixa de som externa?

Além disso, existem indicadores de segmentação, como o tipo de assinatura testada: plano familiar, plano individual, plano estudantil e assim por diante. Tudo isso fornece mais informações para criar segmentações e buscar indicadores preditivos.

Por exemplo: no plano familiar, mais alguém se inscreveu e foi adicionado?

10. Múltiplos métodos de monetização ajudam a gerar dados melhores

Se você monetiza apenas por meio de assinaturas, tem apenas uma coisa para medir, e isso é difícil e, muitas vezes, leva mais tempo do que o período de medição disponível no SKAN. 

Ao adicionar a monetização por anúncios, você obtém sinais adicionais que chegam rapidamente e fornecem mais informações. E ao adicionar compras dentro do aplicativo, você obtém ainda mais informações que ajudam a criar previsões mais inteligentes e avaliações mais precisas do valor da coorte.

Melhor ainda, você permite automaticamente que seus usuários/clientes/jogadores se segmentem e oferece às pessoas que não desejam assumir um compromisso imediato de longo prazo a possibilidade de experimentar antes de comprar.

11. Varejo: a primeira compra é fácil, o valor subsequente é difícil

Os aplicativos de varejo costumam funcionar muito bem sob o SKAN, pelo menos para compras iniciais, porque as pessoas geralmente baixam o aplicativo de um varejista para um propósito específico e finalizam a compra imediatamente.

Assim, a primeira compra geralmente acontece muito rapidamente.

O problema é obter medidas adequadas para compras subsequentes.

É aí que você precisa analisar as variáveis ​​de engajamento e de uso: sessões, visualizações, buscas, adições ao carrinho e muito mais, para ter uma ideia da probabilidade de um cliente recém-adquirido comprar mais.

Uma observação pessoal: já instalei aplicativos de lojas, não comprei nada e, meses depois, fiz compras que custavam centenas de dólares. Simplesmente não se pode presumir que, se nada acontecer imediatamente, nada continuará acontecendo para sempre.

O SKAN 4 ajudará, mas não será a solução definitiva para isso:

“O desbloqueio com postbacks P2 e P3 consiste em ter esses sinais adicionais que indicam que alguém está retornando, fazendo uma compra diferente ou visualizando outro item em um catálogo específico”, diz Jiwani. “Isso será útil com o SKAN 4.”

12. Varejo: certifique-se de diferenciar entre a camada de relatórios e a camada de otimização de parceiros

É importante poder mensurar a qualidade da rentabilidade de novas coortes de usuários. Também é importante comunicar o valor desses novos usuários aos parceiros de publicidade. Em aplicativos de varejo, isso geralmente significa um modelo de conversão SKAN misto, com mensuração tanto de eventos de engajamento quanto de receita.

Uma ferramenta fundamental aqui: IDFV.

“Você pode ter um modelo de funil de engajamento e eventos”, diz Savath, referindo-se a cadastros, adições ao carrinho, etc. “Se você tem esse tipo de modelo, o Singularpermite que você ainda tenha relatórios de receita, porque você pode dizer: ‘Estou usando esse funil como uma forma de segmentar meu conjunto de dados IDFV e vou observar essas coortes e ver a receita real que elas geram ao longo do tempo, e gerar relatórios sobre essas inferências de receita na interface de relatórios do Singular de forma que as redes possam otimizar com base nos eventos, de acordo com a configuração do modelo, mas, de uma perspectiva analítica ou de relatórios de LTV, eu também posso ver a receita’”

13. Fintech: combine métricas de engajamento e receita

O setor de fintech pode ser difícil de mensurar sob a ótica do SKAN. Existem eventos importantes a serem observados, como a criação de conta, a conexão com um banco e o depósito de dinheiro, mas esses são passos significativos que as pessoas precisam dar e nem sempre acontecem rapidamente.

Portanto, os modelos de conversão mistos são o caminho a seguir:

“Tenho visto a maioria dos clientes usar uma combinação de métricas de engajamento e de receita para identificar usuários que interagiram inicialmente com o aplicativo, inseriram um certo nível de informações, conectaram diversas contas dentro do aplicativo, o que indica o nível de atividade do usuário”, diz Jiwani. “E, ao mesmo tempo, em relação à receita, capturamos potencialmente o valor depositado ou o valor usado em uma transação.”

Os modelos de funil são mais raros no setor fintech, mas existe potencial nessa área, acrescenta ela.

14. Sob demanda: seus sortudos!

Os aplicativos sob demanda têm muita sorte com o SKAN: a maioria das pessoas que baixam um aplicativo sob demanda o fazem como parte de um processo de compra ou interação.

Exemplo: você quer uma carona, baixa o Uber ou o Lyft, insere suas informações de pagamento e solicita uma viagem.

Mas há mais coisas a considerar para que o SKAN funcione corretamente quando se deseja estimar o LTV, diz Savath.

“Então você entra no mundo das variáveis ​​contínuas… os valores de receita definitivamente não são tão comuns, dada a grande variação na duração das viagens. Portanto, tudo gira em torno do engajamento e da frequência de utilização.”

Mais, em geral, é bom. (Claro.) Mas também pode ser enganoso: usuários que viajam a lazer ou a negócios podem ser muito esporádicos.

15. Jogos: hipercasuais vs. jogos de nível intermediário

Os jogos hipercasuais podem ter sido feitos sob medida para a SKAN. Admon e velocidade são fatores comuns aqui:

“É quase como se tivesse sido projetado para esse caso de uso, porque estamos falando de usuários que começam a usar o serviço já no primeiro dia, enquanto que, muitas vezes, o ciclo de vida do Hyper era muito mais curto”, diz Savath.

Para o núcleo intermediário, você precisa ir mais fundo:

• Qual é a estratégia de monetização a longo prazo?
• Que eventos preveem usuários de alto valor?
• Usuários de alto valor visualizam mais anúncios em um curto período de tempo?

Faça o SKAN funcionar: muito mais em todo o podcast

Inscreva‑se em Growth Masterminds on YouTube e obtenha o podcast de áudio também. Você vai me agradecer depois!

Além disso, se pudermos ajudar de alguma forma, especialistas como Victor Savath e Nabiha Jiwani trabalham diariamente com clientes e potenciais clientes para garantir que eles maximizem o valor de suas campanhas de marketing com as ferramentas Singular . Às vezes, você pode até mesmo encontrar Eran Friedman, CTO Singular e talvez a pessoa mais experiente em privacidade e mensuração do planeta.

Entre em contato, agende um horárioe descubra como podemos ajudar.