Nuevos datos muestran que el 32% de las instalaciones no orgánicas se atribuyen erróneamente a SKAdNetwork
El SKAdNetwork de Apple afecta considerablemente a la precisión de los datos de atribución en lo que respecta a la actividad no orgánica a través de las instalaciones, los ingresos y los eventos in-app. Esta es la clara conclusión de un análisis profundo que hemos realizado sobre campañas de aplicaciones que han implementado el nuevo mecanismo de atribución.
De hecho, hemos descubierto que SKAdNetwork sólo captura alrededor de un 68% de las instalaciones impulsadas por la actividad no orgánica. Esto supone un 32% de instalaciones mal atribuidas. Antes de entrar en los detalles de nuestro estudio, demos un paso atrás y veamos cómo están las cosas.
A pesar de sus ventajas, no podemos ignorar las limitaciones del SKAdNetwork
Desde el anuncio de Apple a finales de junio, los desarrolladores han estado especulando sobre cómo iOS 14, es decir, SKAdNetwork, afectará a su capacidad para realizar mediciones y optimizaciones precisas.
Tal y como están las cosas, SKAdNetwork será probablemente la principal fuente de atribución determinista disponible para los anunciantes en iOS. Como solución de atribución, SKAdNetwork tiene muchas ventajas; quizás, la más importante, el enfoque inherente a la privacidad del producto.
Sin embargo, las limitaciones de SKAdNetwork no deben ser ignoradas. Han suscitado mucha preocupación entre los desarrolladores, dejando muchas preguntas sin respuesta; una de las más importantes era cómo iban a gestionar los desarrolladores la sobrecarga de soporte de esta API. Para ayudar a los anunciantes a prepararse para los cambios previstos en iOS 14, AppsFlyer lanzó el dashboard de simulación de SKAdNetwork a principios de septiembre. Este dashboard simulaba los efectos reales de SKAdNetwork en los datos de atribución.
Con esta amplia infraestructura en marcha, pudimos responder a la pregunta: “¿Cuál es el alcance real de las limitaciones de SKAdNetwork?”. ¿Hasta qué punto se verán afectados los datos cuando pasen por el filtro de SKAdNetwork?
Nuestra hipótesis: Atribución errónea de lo no orgánico como orgánico
Para responder a estas preguntas, realizamos un amplio análisis de los datos SKAdNetwork. Nuestra hipótesis de trabajo era que, debido a la naturaleza de la cobertura de SKAdNetwork, la atribución se vería afectada.
Qué cubre el SKAdNetwork:
- Sólo los flujos de aplicación a aplicación y los flujos de clics directos a instalación
- Sólo los eventos que ocurren hasta 24 horas después de la instalación (a menos que se coloquen extensiones de temporizador, y éstas tienen sus propias desventajas)
Qué no cubre el SKAdNetwork:
- Web-to-app
- Re-engagement
- No mide por impresiones ni por clics diferidos
- No mide el ROI
Por estas razones, anticipamos tanto una brecha en el número total de instalaciones, in-apps e ingresos medidos, como posibles discrepancias en el origen de la atribución. En otras palabras, previmos que las instalaciones no orgánicas y los eventos in-app, por los que los anunciantes pagan a las fuentes de medios, serían atribuidos falsamente por SKAdNetwork como orgánicos.
Lo que no sabíamos con certeza antes del análisis era el alcance del impacto, así como si el impacto diferiría entre las distintas categorías de aplicaciones.
Comparación de los datos reales con los del SKAdNetwork
Nuestro análisis se ha llevado a cabo analizando las instalaciones no orgánicas, los ingresos y los datos de eventos dentro de la aplicación de las principales categorías de la App Store: Finanzas y Fintech, Juegos, Salud y Estilo de Vida, Medios y Entretenimiento, Música, Noticias/Revistas/Catálogos, Foto y Vídeo, Social, Redes, Utilidades y Minoristas/eCommerce. En el análisis se incluyó una muestra de aproximadamente 30 aplicaciones de cada categoría; todas las aplicaciones medidas tienen un mínimo de 500 instalaciones diarias. Los datos incluidos se midieron durante un periodo de 30 días y se basan en el LTV.
Hemos analizado los datos de dos maneras:
- Cómo se ven ahora
- Qué aspecto tendrán con SKAdNetwork: los mismos datos, pasados por un “filtro” de SKAdNetwork, basado en las limitaciones mencionadas anteriormente
Comparamos los dos conjuntos de datos para ver la cantidad de datos no orgánicos que capta realmente SKAdNetwork.
Qué descubrimos
No es de extrañar que SKAdNetwork afecta considerablemente a la precisión de los datos de atribución en lo que respecta a los datos de actividad no orgánica. En resumen, aproximadamente el 34% de toda la actividad no orgánica se pierde en el filtro y se atribuye erróneamente como orgánica. Algunas categorías se ven más afectadas que otras (Foto y Vídeo y Medios y Entretenimiento son las más afectadas en general), pero todas las categorías se ven afectadas por esto.
Estas son nuestras principales conclusiones sobre el efecto del SKAdNetwork en los datos:
- En promedio, el 32% de las instalaciones no orgánicas fueron clasificadas erróneamente como instalaciones orgánicas por SKAdNetwork.
- Las categorías de aplicaciones más afectadas por la atribución errónea (tráfico no orgánico atribuido falsamente como orgánico) fueron la categoría de Foto y Vídeo, (44,6% de NOIs atribuidos erróneamente) y Medios y Entretenimiento (40,5% de NOIs atribuidos erróneamente).
- La categoría menos afectada por la atribución errónea de NOIs fue la de Juegos, donde “sólo” el 21,8% de los NOIs fueron atribuidos erróneamente como orgánicos.
- En promedio, el SKAdNetwork capta un 64% de los ingresos* procedentes de instalaciones no orgánicas.
- Las categorías de aplicaciones que perdieron más datos de ingresos no orgánicos fueron Finanzas y Fintech (sólo 52,7% de ingresos captados), Foto y Vídeo (50,1% de ingresos captados) y Compras (51,2% de ingresos captados).
No hace falta decir que esta no es una brecha que pueda ignorarse. Los anunciantes deben saber que el dinero invertido en publicidad no desaparece en un vacío de datos.
¿Por qué SKAdNetwork no es la respuesta completa?
Aunque SKAdNetwork proporciona una parte muy importante de la solución para la atribución de anuncios en las aplicaciones de iOS, no ofrece una cobertura completa. Con estas diferencias entre los datos que necesitan los anunciantes y los que obtendrán en la realidad, el SKAdNetwork todavía tiene que ponerse al día.
SKAdNetwork no es la solución, pero sin duda es una parte de ella. Después de todo, se trata de un método de atribución determinista, y no debemos tirar al bebé con el agua del baño.
La clave aquí es el enfoque; SKAdNetwork debe abordarse como parte de un todo. Los anunciantes necesitan algo más que SKAdNetwork para poder medir realmente el rendimiento de sus esfuerzos de marketing, y ahí es donde entran en juego soluciones como el modelado probabilístico y la campaña web-to-app. Cada una de ellas tiene diferentes propósitos y marca una casilla diferente, pero todas juntas proporcionan una imagen completa del rendimiento y pueden ayudar a los anunciantes a alcanzar el éxito.
*Esta caída de ingresos se refiere únicamente a la atribución, y no se debe a la capacidad limitada de medir la LTV con SKAdNetwork.
