Desbloqueie o poder dos valores de conversão da SKAdNetwork, mensure e preveja o valor das suas campanha

A SKAdNetwork – a solução centrada na privacidade da Apple para a atribuição determinística no iOS 14 — trouxe limites, complexidades e restrições que não existiam nos métodos de atribuição que usávamos antes. 

Felizmente, existem maneiras de enfrentar esses desafios e reter uma grande parte da sua capacidade de mensurar e prever o valor dos seus usuários adquiridos.

O segredo para desbloquear o valor da SKAdNetwork é entender o mecanismo exclusivo de valores de conversão da Apple. Neste blog post, vamos analisar detalhadamente os valores de conversão – o que são, quais sãos os bits que fazem parte deles e como fazer com que eles sejam úteis para você.

O que são os bits e como eles funcionam?

Os valores de conversão são configurados por desenvolvedores de aplicativos e são usados na mensuração da atividade pós-instalação, conectando-a à instalação correspondente.

Apenas um valor de conversão é adicionado ao único postback que o iOS envia para a ad network. Assim, a informação contida nesse valor de conversão é toda a informação que pode ser acessada sobre a atividade pós-instalação de um usuário (caso ele não tenha dado o consentimento para “rastreamento”), o que o torna extremamente importante.

Mas como é essa configuração, e como ela pode ser customizada para oferecer insights relevantes?

Aqui entram os bits. Um valor de conversão é definido por 6 bits, que são medidas binárias – o que significa que eles podem ser ativados ou desativados (0 ou 1). Pense nesse mecanismo como se fosse um interruptor.

Isso possibilita uma variedade de combinações de mensuração dentro desses 6 bits – um total de 64 combinações, que vão de 0 a 63.

Embora 64 opções possa parecer um número limitado, ainda existem diversas opções que podem ser usadas para a mensuração da receita, engajamento, progresso do funil, gênero, dispositivo e mais.

Esses valores podem ser usados como você quiser – você os controla e define os KPIs que são mais valiosos para o seu negócio. Basta mapear de forma adequada os seus valores de conversão com base em sua lógica interna.

Depois, esses 6 valores, cada um com a sua decodificação exclusiva configurada pelo desenvolvedor/anunciante do aplicativo, são atribuídos à fonte de instalação, permitindo a mensuração e a otimização das campanhas.

Otimize os bits para mensurar valor

Dominar esse método de mensuração é essencial para ultrapassar os limites da SKAdNetwork e desbloquear o seu verdadeiro potencial.

Com os seus 6 bits, você ainda terá a possibilidade de mensurar os sinais iniciais de engajamento, retenção e monetização, estabelecendo um panorama da previsão do lifetime value (pLTV) do usuário a partir desses sinais.

Para isso, você deve definir a sua estratégia de distribuição de bits. Quais são os eventos mais importantes para os seus cálculos de LTV? A partir da sua resposta, você pode configurar o mapeamento desses eventos para os valores de conversão correspondentes.

Você possui total flexibilidade para escolher como aproveitar os seus 6 bits e alcançar o seu objetivo. Podemos definir as estratégias de distribuição dos bits em três divisões gerais – plana, equivalente e combinada.

1. Divisão plana

Com esse método, todos os 6 bits são utilizados para mensurar um único KPI. No exemplo abaixo, o desenvolvedor do aplicativo atribuiu todos os seus 6 bits para mensurar a receita.

Aqui, os bits exibem um valor binário específico de 110001, que retorna um valor de conversão correspondente, informando ao aplicativo quando o usuário gerou uma quantia específica de receita – no caso, US$49 (veja a imagem abaixo).

2. Divisão equivalente

Ao invés de distribuir todos os 6 bits para um único KPI, você pode separá-los de forma equivalente e mensurar diversos aspectos do comportamento do usuário dentro do mesmo valor de conversão. Por exemplo, você pode direcionar 3 bits para mensurar a receita e 3 bits para mensurar o progresso no jogo – permitindo que você junte essas métricas para cada usuário, individualmente.

Nesse exemplo de distribuição dos bits, o aplicativo configurou seus valores de conversão com base na seguinte lógica:

O valor de conversão 46 significa que o usuário gastou mais de US$20 ao longo de 25 níveis.

3. Divisão combinada

A última categoria é um pouco mais complexa: ela se baseia em uma combinação das duas estratégias anteriores. Ela parte do método equivalente (nesse exemplo, os bits são distribuídos para mensurar a receita e o progresso no jogo) e adiciona um sinal determinístico de ativado/desativado no final, em um dos bits restantes (que diz respeito sobre se o usuário fez o login ou não, por exemplo).

 

Usando os valores de conversão para realizar análises preditivas

Analisamos alguns dos detalhes estruturais dos valores de conversão – agora vamos falar sobre por que eles são tão importantes para a análise preditiva.

Como mencionamos acima, os valores de conversão se baseiam em sinais iniciais do funil da jornada do usuário, pois essa é a natureza da SKAdNetwork. Além disso, os limites da SKAdNetwork (como o envio de um único postback, sem uma indicação de data/hora) afetam bastante a sua capacidade de agrupar usuários em cohort e prever o seu valor.

Por isso, criar modelos preditivos eficazes, que podem ser usados para desbloquear o potencial desses sinais iniciais, nunca foi tão importante.

Profissionais de marketing experientes já utilizavam esses modelos bem antes da chegada da SKAdNetwork, permitindo a previsão do valor do usuário logo no início do processo e garantindo uma otimização rápida. 

Agora que temos apenas os sinais iniciais fornecidos pela SKAdNetwork, os modelos preditivos são fundamentais para os profissionais de marketing.

Previsões antes e após a SKAdNetwork

Como cada aplicativo possui a sua própria maneira exclusiva de calcular o LTV dos usuários – com base em sua própria variedade de eventos in-app, benchmarks e ponderação – os modelos preditivos que eram utilizados anteriormente à SKAdNetwork também exigiam que máquinas fossem treinadas utilizando o histórico de dados mensurados por meio do SDK da MMP, seguido por um mecanismo de classificação com base nos eventos in-app finalizados. No exemplo abaixo, quanto mais avançada no funil, maior é o peso da ação na previsão do LTV.

Com a SKAdNetwork, um passo adicional é necessário. Após o final do período de treinamento da máquina e da configuração do valor do evento, você terá que determinar qual será a sua estratégia de distribuição de bits, para garantir que eles captem os valores e as combinações dos eventos que indicam um usuário valioso.

A SKAdNetwork faz com que seja necessário que os desenvolvedores e anunciantes tenham um modelo preditivo sofisticado baseado nesses valores de conversão. As análises preditivas permitem que você faça a correlação entre a atividade dos usuários durante os primeiros dias de uso do aplicativo e o seu LTV a longo prazo.

Elas trazem uma ampla variedade de benefícios: você pode minimizar as suas perdas, caso identifique uma atividade de alto risco, ou identificar um possível sucesso logo no início e dobrar os seus resultados. Assim, elas reduzem drasticamente qualquer período de aprendizagem e permitem que você aja rapidamente.

A flexibilidade dos valores de conversão, e o fato de que você possui total controle sobre eles, oferece a você ferramentas confiáveis para a previsão de um valor futuro, permitindo que você faça a otimização adequada.

Assumindo o controle dos valores de conversão

Entender os valores de conversão e utilizá-los a seu favor é fundamental para desbloquear o verdadeiro valor da SKAdNetwork. Dito isso, não vamos fingir que essa é uma tarefa fácil – principalmente caso você busque gerar campanhas de alta performance.

Como um anunciante ou um desenvolvedor, o controle sobre os valores de conversão está nas suas mãos. No entanto, há uma série de desafios que devem ser superados – e é por isso que você deve se certificar de que uma única entidade possa controlar esse campo por você. Nesse caso, as MMPs são a melhor escolha.

As MMPs não são apenas uma fonte confiável e imparcial: elas também oferecem diversas integrações com ad networks. Afinal, a SKAdNetwork não existe isolada, e o enriquecimento a partir de outros modelos de atribuição permite que você melhore ainda mais a otimização das campanhas.

Em termos de recursos técnicos, as MMPs também oferecem a sincronização direta entre o SK do cliente/servidor, machine learning em escala e um amplo suporte de engenharia para que você esteja sempre à frente das futuras versões da SKAdNetwork.

Principais conclusões

Embora o iOS 14 e a SKAdNetwork representem uma grande mudança no panorama do marketing mobile, ainda é possível navegar por esse meio sem comprometer a mensuração e a sua capacidade de prever o LTV de um usuário.

Lembre-se:

1. Embora os 6 bits que compõem os valores de conversão possam parecer bem limitados, uma estratégia eficaz de distribuição desses bits oferece a possibilidade de mensuração avançada.
2. Com as limitações da SKAdNetwork, o modelo preditivo passou a ser fundamental para os profissionais de marketing.
3. As MMPs podem impulsionar ainda mais a sua capacidade de gerar campanhas de alta performance, e permitir que elas controlem os seus valores de conversão pode ser extremamente útil.