Atribuição de SKAdNetwork (SKAN)

Ao contrário das versões anteriores do SKAN, que enviavam apenas um postback com um valor de conversão, o SKAdNetwork 4.0 envia até três postbacks por instalação (dependendo dos limites de anonimato da multidão), proporcionando uma visão da atividade do usuário até 35 dias após a instalação.

No entanto, apenas o primeiro postback, que mede a atividade do usuário até 2 dias após a instalação, inclui um valor de conversão fino (um número entre 0-63) como o conhecemos no SKAN 3.0. Os outros postbacks são sempre um dos 3 valores aproximados possíveis: baixo, médio ou alto.

Além disso, em vez de um ID de campanha, a SKAdNetwork agora oferece suporte a um ID de origem de 4 dígitos que pode ser usado para codificar um ID de campanha e informações adicionais. Esta dimensão substitui no SKAN 4 o ID da campanha SKAN que era usado em versões mais antigas do SKAN.

Dependendo do nível de anonimato (conforme determinado pelos limites de privacidade da Apple), o ID de origem incluído em um postback pode incluir apenas os primeiros 2 ou 3 dígitos.

Singular facilitou a migração para os modelos SKAN mais recentes. Ao migrar um modelo mais antigo para o SKAN 4.0, você tem a opção de selecionar “Estou executando campanhas SKAN 3 e SKAN 4” em Modelo de compatibilidade SKAN. Esta opção ajusta seu modelo existente para funcionar tanto no SKAN 3 quanto no SKAN 4, permitindo testar a nova configuração com parceiros que estão prontos e manter campanhas com os parceiros que ainda estão no SKAN 3.

Para cada aplicativo que você está comercializando, você pode escolher um dos seguintes tipos de modelo de conversão:

Tipo de modelo:

Modelos de receita:
Permite otimizar suas campanhas com base na receita obtida durante o período de medição após a instalação/reinstalação. Um modelo de receita pode medir três tipos de receita, dependendo de como você o configura: receita de compras no aplicativo, receita de anúncios ou ambas (todas as receitas). Veja também: Perguntas frequentes sobre modelos otimizados SKAN

Modelos de eventos de conversão:
Permite otimizar campanhas com base na atividade específica do usuário pós-instalação. O modelo codifica eventos do usuário no valor de conversão se eles ocorrerem pelo menos uma vez durante o período de medição.

Modelos de engajamento:
Permite otimizar suas campanhas de acordo com o envolvimento dos usuários com o aplicativo durante o período de medição. O modelo codifica no valor de conversão quantas vezes vários eventos ocorreram durante o período de medição.

Modelos mistos:
Os modelos mistos permitem obter informações de receita e outro tipo de informação sobre a mesma campanha SKAdNetwork.

Para campanhas SKAdNetwork com dados parciais (devido a valores de conversão censurados), Singular pode mostrar métricas modeladas (extrapoladas) para toda a campanha.

As métricas modeladas são derivadas das instalações para as quais temos dados.

Por exemplo:

-Uma campanha SKAN tem 50 instalações, das quais 25 vieram com valor de conversão (a taxa de valor de conversão é de 50%).

-Com base nos valores de conversão existentes, a receita do SKAN é de US$ 30.

-A receita modelada para a campanha, com base na suposição de que as instalações com valores de conversão censurados se comportam como as instalações com valores de conversão disponíveis, é de US$ 60.

Os modelos de receita SKAdNetwork são tão eficazes quanto os intervalos de receita definidos para eles (consulte Como funciona um modelo de receita?).

Modelos otimizados resolvem o dilema de como definir os grupos de receita (quantos buckets, quão grande/pequeno, etc.) gerando automaticamente os melhores buckets de receita para seu aplicativo.

Os modelos otimizados são calculados com base em dados reais de eventos de receita no nível do usuário para o aplicativo específico (conforme medido pelo rastreador Singular ).

Singular desenvolveu algoritmos estatísticos e de estimativa que melhoram o conjunto de dados SKAdNetwork, aproveitando conjuntos de dados adicionais que estamos coletando como MMP. Usamos gastos com publicidade, IDFA e dados de eventos no aplicativo para estimar métricas de coorte, por exemplo, receita d7 e d30.

A estimativa se beneficia do modelo de conversão SKAdNetwork existente usado pelo seu aplicativo – modelos melhores que criam conjuntos de dados mais precisos produzirão melhor precisão na estimativa de métricas de coorte.

Em relação a cada métrica, Singular fornecerá o intervalo de confiança para ajudar os profissionais de marketing a avaliar a precisão e a tomar decisões informadas sobre a otimização da campanha.

Aqui está um exemplo:

- Consideremos um profissional de marketing que usa um período de medição de 24 horas para seu modelo de conversão.

-No final da primeira janela de 24 horas, que começa quando o SKAdNetwork é chamado pela primeira vez, cada dispositivo iOS receberá um temporizador aleatório adicional e, após o qual, Singular coletará todos os valores de conversão capturados, codificados via SKAdNetwork e enviados ao Singular pelo redes de anúncios.

- Singular irá então decodificar os valores de conversão de volta à métrica original, por exemplo Receita, que neste estágio não é coorte.

-Agora vem a ciência de dados – Singular pegará então a métrica de Receita original e usando a tecnologia estimará a Receita d7. Cada valor será fornecido com um intervalo de confiança para permitir que o profissional de marketing tenha uma noção de precisão.

-Por exemplo, quando US$ 100 são estimados com um intervalo de confiança de US$ 10, isso significa que estimamos a receita d7 em US$ 100 com 90% de precisão!