Cara melakukan monetisasi dengan IAP di iOS 14.5+

Pemasaran seluler mengalami perubahan besar di bulan April saat Apple memperkenalkan aturan AppTrackingTransparency (ATT) yang sudah lama ditunggu-tunggu.

Aplikasi yang mendorong pendapatan melalui pembelian dalam aplikasi semakin sulit mengambil keputusan berbasis data karena data deterministik yang dapat diandalkan semakin berkurang.

Dari segi pendapatan aktual, iOS 14.5+ tidak akan terlalu berdampak terhadap total belanja dalam aplikasi yang dilakukan pengguna. Pembelian dalam aplikasi akan tetap mengacu pada harga yang sama; pengguna masih dapat membayar untuk mendapatkan item dalam aplikasi, seperti koin emas atau nyawa tambahan. Akan tetapi, tidak adanya atribusi deterministik bagi pengguna yang tidak memberikan persetujuan mungkin akan menyulitkan publisher aplikasi untuk menghitung pendapatan yang dihasilkan dari setiap kampanye.

Upaya untuk menghubungkan pembelian dalam aplikasi dengan instalasi awal atau reatribusi semakin sulit dilakukan. Oleh karena itu, identifikasi channel akuisisi pengguna yang memiliki kinerja baik dan penghitungan estimasi LTV pada tingkat pengguna semakin sulit dilakukan.

Akan tetapi, ada beberapa strategi yang dapat digunakan untuk memanfaatkan data yang Anda miliki di dunia pasca-IDFA. Dengan memaksimalkan jumlah pengguna yang memberikan persetujuan, Anda dapat mempertahankan baseline data deterministik untuk keperluan pengembangan, pemodelan atau prakiraan. Anda dapat memanfaatkan sistem SKAdNetwork Apple dengan mengidentifikasi sinyal utama untuk optimisasi.

SKAdNetwork untuk pembelian dalam aplikasi

Apple telah memperkenalkan SKAdNetwork pada tahun 2018, tetapi tingkat pengadopsian masih rendah. Filosofi di balik SKAdNetwork adalah menyediakan pengukuran kampanye di mana data pada tingkat pengguna tidak tersedia. Dalam iOS 14.5+, Apple telah membuat kerangka SKAdNetwork — dengan beberapa fitur tambahan — satu-satunya cara untuk mengakses data kinerja periklanan dalam kasus di mana pengguna memilih untuk membatasi 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 jendela nilai konversi ini sudah berlalu, 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.

Jendela yang singkat untuk perilaku pengguna dapat menjadi masalah bagi aplikasi yang melakukan monetisasi melalui pembelian dalam aplikasi. Bagi banyak game, proses onboarding pengguna dan penjelasan mengenai nilai pembelian dalam aplikasi dapat memakan waktu lebih dari 24 jam. Jika pengguna bersedia membayar untuk mendapatkan nyawa tambahan, tetapi ini mungkin baru dilakukan saat mereka mencapai tingkat yang menantang. Ini sulit untuk dilacak jika Anda hanya memiliki 24 view pasca-instalasi.

Timer dapat ditambah dengan menggunakan sebuah bit untuk memperpanjang jendela konversi — yakni dengan mengaktivasi pembaruan nilai konversi (misalnya dari 000001 hingga 000011 dan seterusnya) secara periodik untuk mendapatkan perpanjangan 24 jam — tetapi pengguna perlu log in setiap hari agar nilai konversi dapat dilaporkan saat aplikasi sedang digunakan. Jika pengguna tidak membuka kembali aplikasi dalam periode tersebut, nilai konversi tidak dapat diperbarui, sehingga Anda akan kehilangan peluang mendapatkan data untuk memperpanjang timer pengumpulan data.

Memanfaatkan SKAdNetwork untuk IAP

Tergantung pada tingkat akurasi yang dibutuhkan, Anda dapat melacak perilaku pembelian dalam aplikasi (IAP) melalui SKAdNetwork dengan dua cara utama.

Yang pertama adalah pendekatan 'bit masking', dengan memberikan enam bit untuk sebuah event, dan apakah bit terkait ditetapkan sebagai 0 atau 1 untuk menandakan bahwa event telah dilakukan. Pendekatan ini didukung oleh pemetaan nilai konversi sederhana kami.

Jika Anda ingin melacak maksimal enam event IAP, teknik ini dapat digunakan, di mana bit dengan mudah dihubungkan ke setiap event, sehingga Anda dapat melacak konversi tersebut. Jika Anda berencana untuk mengoptimalkan milestone utama — misalnya "tutorial selesai", "level satu selesai" dan "melakukan pembelian" — maka pendekatan bit masking sangatlah tepat.

Akan tetapi, jika Anda ingin memperoleh informasi yang lebih detail tentang kisaran atau skala nilai, Anda dapat membuat bucket "pembelian" atau metrik lainnya. Sistem nilai konversi berbasis bucket dapat digunakan untuk menetapkan nilai yang melacak total belanja pengguna dalam 24 jam pertama. Nilai Pemesanan Rata-Rata (AOV) yang dapat menghitung jumlah belanja pengguna dalam aplikasi menjadi KPI yang paling banyak digunakan oleh kategori aplikasi game, e-commerce, jasa pengantaran atau pemesanan travel. Jika Anda mengoptimalkan AOV, bucket yang mencakup berbagai total pembelian dapat dimanfaatkan.

Dengan pendekatan berbasis bucket, Anda dapat menggunakan rentang $1-$5, $6-$10 dan seterusnya, dengan nilai yang memberikan postback nilai konversi yang sesuai untuk setiap bucket.

Pemodelan LTV prediktif menggunakan perilaku pengguna pada hari pertama mereka menggunakan aplikasi untuk memprediksi pendapatan di masa mendatang dalam jangka menengah. Pemodelan prediktif seperti ini lebih cocok digunakan untuk bucket atau kategori yang lebih luas. Anda sebaiknya menciptakan definisi yang luas untuk potensi sukses dan mem-filter pengguna ke dalam berbagai kategori berdasarkan perilaku mereka dengan menciptakan bucket berdasarkan fitur-fitur utama, seperti membagi pengguna ke dalam kategori 'whales' atau 'bukan whales', ini dapat dilakukan berdasarkan perilaku awal mereka.

Langkah pertama untuk mendapatkan data deterministik adalah memaksimalkan jumlah persetujuan yang dapat digunakan untuk memodelkan, menyiapkan prakiraan dan menggunakan SKAdNetwork dengan cara yang paling efektif. Dengan data ini, Anda kemudian dapat melacak perilaku IAP dengan bit masking atau membuat bucket pembelian - kuncinya terletak pada persiapan dan penetapan strategi Anda, dan event IAP (serta berapa banyak) yang dapat dipilih untuk dijadikan fokus dan dilacak.

Untuk informasi lebih lanjut tentang bagaimana Adjust akan mendukung perkembangan Anda, pastikan untuk membaca panduan kami atau silakan kunjungi iOS 14.5+ resource center di sini.