Возьмите максимум от iOS 14.5: методы атрибуции

С тех пор как Apple объявила о выпуске iOS14 с протоколом AppTrackingTransparency (ATT), в экосистеме возникла масса вопросов относительно того, что разрешено, а что нет.

Важно помнить, что цель Apple при введении ATT практически аналогична целям положений о конфиденциальности, таких как GDPR. Действующие правила позволяют пользователям решать, может ли первая сторона делиться своими уникальными, идентифицируемыми и постоянными данными с третьей стороной.

Кажется, все просто, правда? Тогда почему все только и говорят о том, как именно будут действовать эти правила?

Отчасти путаница обусловлена отсутствием общей терминологии в отрасли. Разные игроки используют разные термины для обозначения одинаковых понятий.

Еще одна сложность заключается в том, что термин «фингерпринтинг» в отрасли используется как всеобъемлющее понятие — в него включается и фактический фингерпринтинг, и методы вероятностной атрибуции. Ввиду предстоящих изменений в версии 14.5 некоторые компании (в том числе Adjust) перешли от метода фингерпринтинга к использованию исключительно вероятностной атрибуции. Нужно было разобраться, что именно понимается под фингерпринтингом и объяснить, что разрешено в рамках новых ограничений.

Давайте дадим определение нескольким терминам, которые важно понимать и отличать друг от друга.

1. Что такое фингерпринтинг? Это метод для отслеживания действий пользователей на разных сайтах с использованием постоянного и уникального идентификатора, который создается на основе информации об устройстве. Для фингерпринтинга используются такие техники, как сбор метрик шрифта с использованием свойств WebGL (и холста) в сочетании со сбором информации об определенных параметрах оборудования. Эти данные позволяют сформировать постоянный уникальный идентификатор для опознания пользователя. Фингерпринтинг и идентификатор фингерпринтинга в основном используются для отслеживания пользователей на разных веб-сайтах и приложениях, которые не имеют других общих идентификаторов. Например, фингерпринтинг используется для создания графиков устройств, что точно противоречит правилам Apple.

2. Что такое вероятностная атрибуция? ММР не отслеживают и не таргетируют пользователей по сайтам и приложениям. Наша единственная задача — атрибуция установок и их сопоставление с действиями пользователей с достаточной долей уверенности. Так как 80 % установок происходят в течение первого часа после клика, для такой атрибуции не требуется никакого постоянного идентификатора. Мы можем делать свои прогнозы по временным данным, которые теряют свою актуальность через несколько часов. Поэтому наша вероятностная атрибуция основана на остаточных данных и шаблонах устройств. Мы смотрим на такие параметры, как время клика, время установки и основные сведения об устройстве. Такой ограниченный набор параметров позволяет нам понять источник установки в течение нескольких часов после клика.

3. Что такое моделирование конверсии? Моделирование конверсии—— это экстраполяция поведения давших согласие пользователей для моделирования общего поведения всех пользователей. Допускаются две формы моделирования конверсии.
   1. В целях атрибуции. Аналитические компании будут изучать пользователей, давших согласие, и их поведение после установки, а затем применять аналогичные метрики ко всем пользователям на основе этих данных. Таким образом можно узнать показатели когортных метрик, например LTV и ROAS. Маркетологам важны точные данные, поэтому у вас всегда должен возникать вопрос, насколько этим метрикам можно доверять. Точность моделей конверсии зависит от количества согласий.
   2. В целях таргетированной рекламы. Аналогичным образом медиакомпания будет использовать подгруппу пользователей, давших согласие, для предложения тем, кто согласия не давал, соответствующих рекламных объявлений на основе похожих контекстных сведений.
4. Что такое SKAdNetwork? SKAdNetwork — это фреймворк атрибуции от Apple. С помощью SKAdNetwork медиаканалы получают возможность узнать истинный источник атрибуции в этом новом мире, в основе которого лежит конфиденциальность. Преимущество метода заключается в том, что он обеспечивает практически абсолютную точность детерминированной атрибуции. Мы протестировали этот метод и можем сказать, что точность SKAdNetwork отличается от точности детерминированной атрибуции через IDFA не более чем на 2 %. Заметим, что, если с IDFA в кампании раньше могло быть атрибутировано 1000 установок, SKAdNetwork может атрибутировать 900 установок и 100 повторных загрузок. Так происходит потому, что SKAdNetwork записывает установку на аккаунт iTunes один раз. Вот почему, чтобы все было так же, как до внедрения АТТ, важно обращать внимание на общую сумму установок и повторных загрузок.