iOS隱私保護時代,CEO關心的5個問題
iOS14.5 ATT 框架的正式推出意味著此前 iOS平臺IDFA的廣泛使用將不再可行,移動營銷效果將難以衡量,加上以往的 LTV 模型或將被淘汰,廣告campaign和在廣告渠道的出價和預算優化等方面將面臨巨大挑戰
儘管許多UA買量和分析專業人士已經在為這種轉變做準備,但從長遠來看,對於以app發展為基礎的公司而言,思考並構建能夠適應iOS14.5 的解決方案才是重中之重。如果解決方案的框架和執行沒有得到公司各部門最高領導層的嚴格評估,UA買量的利益相關者都有可能受到新的移動營銷模式影響。
在本文中,我們將分享公司的決策層(特別是CEO)在移動應用UA 買量和分析層面關注的5個問題,確保UA買量能夠應對新的 ATT 框架帶來的挑戰。
1. SKAdNetwork廣告campaign將如何生成ROAS報告?
現在,絕大多數的廣告主都會使用cohort同期群LTV模型來衡量廣告campaign的效果。但由於iOS14.5導致預測LTV的關鍵資訊的缺失(包括campaign ID、campaign名稱、來源名稱等),基於cohort同期群的LTV 模型實際已經失效。由於缺少 IDFA,SKAdNetwork提供的安裝資料與廣告campaign無法進行關聯。傳統的7日ROAS(D7 ROAS)報告將失去效力。
SKAdNetwork可以提供D0 KPI資料包告,但不提供較長的預測視窗,移動營銷人員將無法獲取較長時間的“廣告轉化價值”( ConversionValue),比如 D7、 D30、 D180和 D365。
CEO對UA買量及分析團隊提出的問題:
· 如何衡量ROAS?
· 如何預測和報告移動營銷廣告campaign的長期效果?
如果想知道近期獲取的cohort同期群是如何隨時間推移而不斷成熟的,要對基於以往cohort同期群資料的ROAS分析進行什麼更新?
2. 要使用哪部分資料來衡量廣告效果?
由於無法獲取與安裝相關的裝置IDFA,SKAdNetwork廣告campaign帶來的效果就無法被精準衡量,這會導致安裝後使用者產生的收入和應用內互動事件的報告受限。大多數廣告主只能利用SKAdNetwork所提供的報告來衡量廣告campaign效果,評估的資料將僅限於 D0 KPI,如“完成教程”或“完成購買”。
CEO對UA買量及分析團隊提出的問題:
· 除了 SKAdNetwork 的資料之外,我們還將使用哪些額外的資料來衡量廣告效果?
· 如何使用應用內使用者資料來建立統計模型,並對安裝後產生的收入進行歸因?
· 如何衡量增量? 如何理解自然安裝的價值?
3. 報告資料不完整,如何使用廣告轉化價值資料?
廣告主很快意識到:作為SKAdNetwork的一部分,Apple實施的隱私門檻限制了他們期望收集的資料量。來源app ID 和廣告轉化價值資料是用來確定某個安裝是在何處產生的,並能夠粗略估計使用者安裝後的 LTV。然而,大部分這些資料廣告主們都無法獲取。一些廣告主表示,高達80% 的廣告轉化價值資料會丟失,那些他們希望能夠回傳給MMP的資料將不復存在了。
CEO對UA買量及分析團隊提出的問題:
· 當缺少廣告轉化價值資料時,如何衡量廣告campaign效果?
· 如果沒有一個完整的短期廣告campaign效果記錄,該如何優化廣告campaign效果?
4. 如何使用建模後的廣告轉化價值資料(即SKAdNetwork無法追蹤的廣告轉化價值)?
Google和Facebook均表示,當SKAdNetwork缺少廣告轉化價值這部分資料時,他們可以為廣告主提供建模後的轉化值。但目前無法對這一模型及其精準度進行驗證。甚至在某些情況下,這個模型也有可能對其他廣告聯盟同樣缺失廣告轉化價值的安裝產生競食效應。此外,也存在所謂“缺失”的廣告轉化價值的資料是來自於自然量的可能性。
CEO對UA買量及分析團隊提出的問題:
· 要如何使用建模後的廣告轉化價值?
· 如何協調該建模資料集和來自SKAdNetwork的實際資料?
· 缺失的廣告轉化價值資料會如何影響預算決策?
5. 如何優化不同UA campaign及針對不同渠道的預算及競價?
受SKAdNetwork隱私保護限制,大多數UA買量團隊無法通過SKAdNetwork campaign獲得長期 ROAS 報告,並且僅能獲取部分 D0 KPI資料包告。這極大地限制了UA買量團隊在不同campaign和不同渠道的預算分配。
CEO對UA買量及分析團隊提出的問題:
· 將如何在SKAdNetwork 各廣告campaign之間分配預算?
· 將使用哪些資料來決定預算分配?
如何分配渠道級別的預算?
要解決擺在面前的這些難題,絕非易事。在踏入這個充斥著不確定性的時代之際,對任何一個基於app並依賴 UA 買量實現業務增長的公司來說,UA買量和分析團隊能對他們所做的決定負責至關重要,這也關乎公司是否能夠實現長期健康發展。
Vungle旗下AlgoLift致力於幫助廣告主實現iOS平臺UA買量的成功,為廣告主提供相關問題的解決方案。
相關文章
- 保護隱私的3個火狐外掛
- 機器學習中的隱私保護機器學習
- 隱私計算:保護資料隱私的利器
- 大資料環境下我們的“隱形隱私”保護問題大資料
- 美國民眾網路隱私悖論—關心多於保護行動
- HarmonyOS:應用隱私保護
- 隱私保護軟體——蜘蛛密友
- 使用CRM保護資料隱私
- Little Snitch 5 for Mac:保護你的隱私和網路安全!Mac
- 大資料醫療時代的人工智慧與隱私保護大資料人工智慧
- 門羅幣隱私保護之隱形地址
- 使用socks5代理保護您的網路隱私
- 機器學習與隱私保護,究竟路在何方?機器學習
- 大資料安全與隱私保護大資料
- 紐約時報:大資料時代的隱私問題大資料
- 企業隱私策略脫節:無法有效保護隱私——資訊圖
- 如何用 AI 技術保護隱私安全?AI
- 區塊鏈資料隱私保護分析區塊鏈
- 資料“吃”人 隱私保護盼重拳
- 保護電腦隱私檔案妙招教程
- 麥卡菲:保護隱私 停用智慧手機
- 快訊:蘋果iOS6將強制執行嚴格隱私保護蘋果iOS
- http代理是如何保護使用者隱私的?HTTP
- 保護隱私 清除軟體使用後的痕跡
- 一個能夠保護個人收藏夾隱私的Chrome擴充套件Chrome套件
- 研究人員發現macOS隱私保護重大漏洞 攻擊者可繞過蘋果隱私保護核心機制Mac蘋果
- 雲應用程式如何加強隱私保護
- 《Whale 帷幄隱私保護白皮書》重磅釋出!
- 門羅幣隱私保護之環簽名
- 反對立法的Facebook又出資料洩露問題,你的資料隱私保護好了嘛?
- 保護隱私 清除軟體使用後的痕跡(轉)
- 3·15劍指資料隱私保護,數字經濟時代還要“裸奔”多久?
- 未經同意便“被公開” 大資料時代個人隱私資料如何保護?大資料
- 網站安全公司 支招對個人隱私保護措施網站
- 門羅幣隱私保護之範圍證明
- 保護你的隱私不被洩露,一鍵隱藏桌面所有檔案
- 保護您的Flutter應用程式:實現隱私螢幕Flutter
- Tails:專注於隱私保護的口袋作業系統AI作業系統