Memastikan pelaporan dan analytics yang akurat di iOS14

Para pengembang dan pemasar aplikasi sibuk menghitung dampak yang ditimbulkan terhadap industri karena Apple telah meluncurkan aturan AppTracking Transparency minggu lalu. Akan tetapi, walaupun dampak awal mulai terlihat, dampak jangka panjang yang ditimbulkan masih belum diketahui secara pasti.

Selama satu tahun terakhir, kami berdiskusi dengan berbagai pengiklan dan jaringan iklan tentang perubahan ekosistem pemasaran aplikasi dalam waktu dekat. Ini merupakan bagian terbaru dalam serangkaian blog di mana kami akan memberikan penjelasan mengenai berbagai topik yang sangat kompleks.

Dalam blog sebelumnya, kami membahas duplikasi dan penagihan, sekarang kita akan membahas tentang pelaporan dan analytics.

Memanfaatkan analytics iOS14 secara maksimal

Dengan berkurangnya jumlah pengguna yang membagikan IDFA, bagaimana pengiklan dapat menganalisis kinerja kampanye mereka dengan dataset yang terbatas dan measurement window yang disediakan oleh SKAdNetwork? Para pengiklan di seluruh ekosistem perlu diedukasi tentang semua opsi yang tersedia agar mereka dapat mengambil keputusan yang tepat bagi bisnis mereka.

Kami telah menjabarkan opsi yang paling umum, dan cara kerjanya, agar para klien dan mitra mendapatkan gambaran tentang analytics di dunia pasca-IDFA — dan bagaimana Adjust dapat membantu Anda.

SKAdNetwork

Kami menyediakan dukungan penuh bagi fitur SKAdNetwork melalui alat visualisasi Data Canvas yang baru dan produk Adjust Automate yang sudah ada.

Apple memperkenalkan SKAdNetwork di tahun 2018, memelopori pendekatan pengukuran kampanye yang berbeda di mana data pada tingkat pengguna tidak tersedia. Untuk iOS 14, program SKAdNetwork telah dikembangkan dan diperluas seiring dengan upaya Apple untuk mengurangi dampak dari pembatasan akses pengembang ke IDFA.

SKAdNetwork menyediakan ruang bagi metrik downstream 6-bit, yakni angka antara 0 dan 63 (atau antara 000000 dan 111111 dalam bentuk biner), dengan timer awal selama 24 jam pertama. 'Nilai konversi' dapat diisi dengan nilai tertentu dalam bentuk biner. Setiap kali nilai konversi diperbarui, akan ada kode enam bit baru di dalam aplikasi, yang akan menambahkan waktu sebanyak 24 jam.

Setelah timer pertama sudah habis, timer 24 jam kedua untuk pelaksanaan atribusi akan mulai dijalankan. Dalam kurun waktu 24 jam tersebut, SKAdNetwork akan mengirimkan data atribusi secara acak. Random timer dimaksudkan untuk menyembunyikan waktu instalasi, sehingga event yang dijalankan tidak dapat dihubungkan dengan pengguna tertentu. Sistem SKAdNetwork membagikan data tersebut secara agregat dan data detail tidak dapat diakses di tingkat pengguna.

Para pengiklan yang hanya menggunakan SKAdNetwork hanya dapat memperoleh sedikit atau bahkan tidak dapat memperoleh analytics untuk pengguna baru mereka. Semua metrik seperti Kohort, ROAS, LTV tidak dapat diperoleh, atau akan kurang akurat, sehingga akan menyulitkan proses analisis kinerja. Salah satu pengecualian adalah pengiklan yang membeli CPI dan memiliki jumlah pengguna paling banyak yang mengaktivasi konversi dalam 24 jam pertama. Dalam kasus ini, SKAdNetwork saja mungkin masih memadai.

SKAdNetwork dan Extended Privacy Measurement

Dalam pendekatan ini, SKAdNetwork akan digunakan untuk penagihan, dengan ketentuan bahwa mitra jaringan mendukung SKAdNetwork secara penuh — untuk memastikan bahwa tagihan sudah tepat. Akan tetapi, optimisasi mungkin dapat dilakukan dengan solusi Extended Privacy Measurement Adjust. Selain data SKAdNetwork, kami juga akan menyediakan analytics yang dapat ditindaklanjuti bagi semua pengiklan.

Dengan Extended Privacy Measurement, para pengiklan dapat menganalisis kinerja kampanye mereka melalui data agregat dan data mentah untuk meningkatkan pengalaman menggunakan aplikasi. Metode ini tidak akan membagikan informasi apapun kepada channel pihak ketiga — kecuali data SKAdNetwork.

SKAdNetwork dan Atribusi Probabilistik

Sama halnya dengan kasus di atas, SKAdNetwork akan digunakan untuk penagihan media partner, walaupun mereka menggunakan Atribusi Probabilistik. Dengan Atribusi Probabilistik, para pengiklan akan mendapatkan postback serupa dengan yang didapatkan dari Extended Privacy Measurement. Akan tetapi, metode ini juga akan mengirimkan postback ke sumber media. Ini akan membantu mereka dalam mengukur kinerja kampanye dan mengoptimalkan model sebagaimana diperlukan untuk memberikan hasil terbaik bagi para pengiklan.

Sisi negatifnya adalah bahwa data ini tidak bersifat deterministik dan hanya memberikan estimasi terbaik untuk atribusi. Artinya, data ini tidak akan sama persis dengan jumlah instalasi SKAdNetwork. Dalam beberapa kasus, kami menemukan perbedaan yang cukup signifikan karena sifat metode atribusi dan jendela atribusi yang berbeda. Akan tetapi, data ini juga akan menyediakan informasi tentang audience bagi semua channel media agar mereka dapat berupaya untuk mengoptimalkan kampanye bagi para pengiklan.

Kami meyakini bahwa praktik terbaik bagi jaringan adalah agar menggunakan Atribusi Probabilistik untuk keperluan optimisasi dan hanya menggunakan SKAdNetwork untuk keperluan penagihan, agar dapat menghindari duplikasi tagihan yang kami bahas dalam blog post terakhir.

Jika Anda memiliki pertanyaan tentang implementasi iOS14, mohon jangan ragu-ragu untuk menghubungi CSM atau Account Manager Anda. Dan silakan memantau blog Adjust selama beberapa minggu ke depan untuk mendapatkan informasi lebih lanjut tentang cara menyiapkan diri menghadapi peluncuran perubahan privasi iOS14 yang akan segera dilakukan atau silakan kunjungi iOS 14 resource center.