En el cambiante mercado actual, la necesidad de medir el rendimiento de la inversión es más urgente que nunca. Sin embargo, un sinfín de obstáculos, entre ellos, datos aislados, obsoletos y no procesables, dificultan la medición del ROI (retorno de la inversión).

Por eso nos complace anunciar la disponibilidad del ROI360, la solución de AppsFlyer para una medición completa, precisa y actualizada del ROI. Con ROI360, las marcas pueden obtener una visión completa del rendimiento de sus campañas mientras ahorran tiempo y recursos que, de otro modo, se dedicarían a la recopilación, normalización y agregación manual de datos.

Al medir los datos de costos, ingresos y atribución en un único lugar, las marcas pueden obtener una visión real y completa del ROI/ROAS de sus campañas, lo que les permite tomar decisiones basadas en datos sobre la asignación del presupuesto de marketing y la optimización de las campañas. Con datos completos y precisos sobre el rendimiento de la inversión, las marcas pueden identificar qué campañas están generando los mayores beneficios y ajustar sus estrategias de marketing en consecuencia.

Pero, ¿qué dificulta la medición del ROI? ¿Qué te impide hoy demostrar que tu gasto en marketing merece la pena demostrando un ROAS positivo? Aquí tienes una lista parcial:

Datos fragmentados y aislados: Los datos de costos, ingresos y atribución están dispersos en diferentes canales, lo que hace casi imposible comprender adecuadamente el panorama completo. 

Datos obsoletos e inexactos: Los datos sobre ingresos publicitarios llegan demasiado tarde, lo que imposibilita la optimización en tiempo real. Esto significa que los equipos de adquisición de usuarios (UA) llegan tarde a la fiesta de la optimización y malgastan sus presupuestos. Los datos de ingresos por compras in-app y suscripciones están contaminados con transacciones fraudulentas y contienen ingresos incompletos y reembolsados, lo que hace que tus datos de ingresos sean inexactos e irrelevantes. También se producen imprecisiones en el ROI porque contienen el costo neto y los ingresos brutos, sin tener en cuenta la comisión de la tienda ni los impuestos.

Datos no procesables: Después de consolidar y refinar los datos para que sean completos, precisos y actualizados, los equipos de UA ven un enorme montón de datos y su siguiente desafío es la falta de accionabilidad. ¿Cuál es la mejor manera de separarlos, de ver los datos de forma perspicaz, de entender qué decisiones hay que tomar?

Datos unificados pero aislados: Además de los impedimentos anteriores para comprender el ROI, las marcas que poseen un sistema interno de BI deben conectar los datos del ROI con la empresa y permitir una mejor elaboración de reportes, una mayor colaboración y una mejor toma de decisiones.

Cada dólar cuenta

En tiempos de crisis económica, las empresas deben hacer valer cada dólar invertido en marketing. Para lograrlo, deben centrarse en el retorno de la inversión publicitaria (ROAS) y hacerse una idea precisa de la eficacia de su inversión publicitaria desde ambos lados de la ecuación: costos e ingresos. Con ROI360 podrás hacer frente a cada uno de los desafíos mencionados.

ROI360 permite a las marcas:

• Agregación de costo Obtén una visión completa de tu gasto publicitario de hasta 90 fuentes. En lugar de luchar con datos de costos fragmentados, utiliza perspectivas holísticas para comprender y optimizar tu presupuesto.
• Consolidación de datos: Se acabaron las hojas de cálculo en varias plataformas; todos los datos de costos e ingresos vinculados a la atribución, uno al lado del otro, por campaña, están al alcance de tu mano.
• Cobertura completa: Soporta todos los modelos de monetización: anuncios in-app, compras in-app, suscripciones y combinaciones híbridas – ROI360 cubre todas tus fuentes. 
• Ingresos publicitarios: frescos y precisos como nunca:  Datos frescos de ingresos publicitarios desde el día 0, con la combinación perfecta de conexiones: SDK para la frescura de los datos del día 0 y de servidor a servidor (S2S) para el refinamiento preciso de los datos.
• Compras in-app y validación de ingresos por suscripción: Limpia tus compras desde la aplicación y tus suscripciones de transacciones fraudulentas, incompletas o duplicadas validando los recibos de cada transacción. 
• ROAS neto: Obtén una visión real de tus ingresos procedentes de las compras in-app y las suscripciones, una vez deducidos los impuestos y las comisiones.
• Conjuntos de datos procesables: Divide tus datos en trozos de granularidad muy finos con dashboards precisos, y crea tus propios dashboards si lo deseas. Mira tus datos directamente a los ojos y descubre exactamente cómo actuar. 
• ROI ETL:  Conecta todos tus datos de ROI a tu sistema de BI en la plataforma en la nube de tu elección y actualízalos cuatro veces al día, con un único proceso ETL.

Casos prácticos:

¿Cómo puedes aprovechar ROI360? Aquí tienes 3 ejemplos que te ayudarán a comprender cómo ROI360 puede demostrar tu ROI:

Caso de uso 1: Optimización del ROAS en el día 0

Realizar cambios en las campañas en directo puede repercutir inmediatamente en sus ingresos y ROAS. La optimización semanal o diaria puede no captar los cambios en los ingresos que se producen a lo largo del día. Para optimizar eficazmente el ROAS, los equipos de UA necesitan datos casi en tiempo real y la capacidad de identificar y abordar rápidamente el desperdicio presupuestario. Sin embargo, desarrollar esta solución del lado del cliente puede resultar costoso en términos de recursos de desarrollo y mantenimiento de la integración de los socios.

Con ROI360, los equipos de UA pueden identificar instantáneamente las campañas con bajo ROAS el mismo día en que se ejecutan las optimizaciones, ya sea en los datos transmitidos a su sistema de BI o en los dashboards de AppsFlyer (es decir, General, Cohorte). Pueden optimizar en tiempo real las campañas de bajo rendimiento en la plataforma del socio de medios correspondiente y detener inmediatamente el desperdicio de presupuesto.

Caso de uso 2: Rentabilidad de los eventos in-app

Los gestores de campañas miden la rentabilidad de las campañas en función de múltiples objetivos, como los costos de las acciones que conducen al uso de la aplicación (como las instalaciones) o los costos efectivos de eventos in-app, como registros, compras y pruebas. Para medir esto último es necesario consolidar los eventos in-app y costos. Sin esto, a los directivos les resulta difícil medir con precisión el ROI y no pueden tomar decisiones de optimización.

Con ROI360, los equipos de UA pueden comparar fácilmente el costo efectivo por acción relevante en las distintas fuentes de medios, identificar las campañas con un eCPA elevado y optimizarlas en consecuencia. 

Caso de uso 3: Optimización del ROAS por cohorte

Los gestores de UA utilizan las cohortes del ROAS para analizar qué campañas proporcionan ROAS en el día de acuerdo con sus benchmarks. Las campañas que atraen a usuarios que generan por encima de un determinado umbral de ROAS tienen más probabilidades de convertirse en ROAS positivas al final de su vida de cohorte. 

Sin embargo, dichos reportes se basan en la fecha de instalación, los costos y los ingresos, todos ellos cohortados a través de múltiples campañas y fuentes de medios. Los datos de cohorte del ROI360 presentan datos de ROAS para cada día, revelando qué fuente de medios proporciona un ROAS óptimo el día-x. Cualquier fuente de medios por debajo de tu umbral de ROAS debe optimizarse.

¿Listo para demostrar tu ROI?

Ahora, más que nunca, el ROAS es la métrica clave en la que deben centrarse las marcas. Diversos desafíos empañan tu ROI al mantener tus datos de ROAS incompletos, inexactos y obsoletos. ROI360 aborda todos y cada uno de los desafíos y te prepara para el éxito revelando tu verdadero ROAS con la medición más precisa del sector.
Si tienes alguna pregunta, no dudes en contactar con nuestro equipo de ventas o de éxito del cliente.

The post Anunciando ROI360: Midiendo el ROI como se debe appeared first on AppsFlyer.

Nunca hay un momento aburrido en la industria de la televisión, y eso se debe en gran parte a la convergencia de la tecnología y el entretenimiento que se desarrolla en el espacio de la TV conectada (CTV). 

Con la comodidad y la gratificación instantánea que ofrece, la CTV está experimentando un crecimiento explosivo entre los espectadores de todo el mundo. Y esta popularidad, a su vez, ha creado un apetito entre los anunciantes para ponerse frente a una creciente audiencia de consumidores.

Lo que hace que CTV sea tan atractivo para los anunciantes es simple. La combinación de la televisión tradicional e Internet ha transformado el medio en un nuevo canal de rendimiento. Y para las marcas publicitarias, eso significa no solo visibilidad y medición precisa, sino también una reciente reducción de las barreras de costos y una nueva capacidad para dirigirse mejor a las audiencias que con la televisión lineal.

“La combinación de la televisión tradicional e Internet ha transformado el medio en un nuevo canal de rendimiento.”

Hoy, nos complace anunciar que todos estos beneficios de la CTV, la capacidad de medir con precisión las campañas y mostrar anuncios a la audiencia correcta con costos relativamente bajos, están disponibles para los mobile marketers.

Con la solución CTV-to-mobile de AppsFlyer, los mobile marketers pueden aprovechar la CTV como un canal para el crecimiento atribuyendo las conversiones de aplicaciones móviles a las campañas que ejecutan en CTV y midiendo sus actividades de CTV junto con otros esfuerzos de marketing.

No son los anuncios de televisión de tus padres

¿Qué tiene de significativo el anuncio de hoy? En pocas palabras, los mobile marketers ahora pueden enganchar sus vagones al motor de crecimiento de la CTV de rápido crecimiento, una adición bienvenida a la mezcla de marketing dado el estado saturado del inventario móvil.

La CTV está ganando popularidad entre las marcas, con una inversión publicitaria que crecerá a casi un 20% anual en los Estados Unidos, porque ha evolucionado en sofisticación y accesibilidad para los anunciantes. 

Por un lado, el modelo publicitario tradicional está vivo y coleando: ciertamente continuaremos viendo comerciales en dispositivos CTV, smart TVs y consolas de juegos (o alternativamente suscribirnos a servicios premium para evitar ver anuncios). 

Por otro lado, la industria ha evolucionado. Atrás quedaron los días en que la publicidad televisiva era patrimonio de las grandes marcas con grandes bolsillos, una situación que se mantuvo desde los primeros días de la publicidad televisiva hasta hace poco. 

La CTV ha cambiado las reglas de compromiso, y las marcas de todos los tamaños, pequeñas, medianas y grandes, ahora pueden tratar la televisión como un canal de rendimiento. Lo que es aún más significativo, las marcas, incluidas las marcas móviles en varias etapas, pueden activar la CTV como un canal para:

• Dirigirse a grandes audiencias con precisión 
• Medir el impacto de las campañas de televisión en las instalaciones, eventos in-app, LTV y más
• Impulsar la adquisición de hogares
• Obtener acceso a un inventario de TV nuevo y más asequible

¿Cómo funciona la atribución CTV-to-mobile?

El flujo de atribución CTV-to-mobile, que comienza con un comercial de CTV y continúa con una o más conversiones de aplicaciones móviles, es relativamente sencillo:

Hay un par de puntos importantes a mencionar:

• Una o más instalaciones se pueden atribuir a un anuncio de CTV. Esto significa que si, por ejemplo, tres personas ven un anuncio, y todos descargan e instalan la aplicación, la atribución de las tres instalaciones se dará al anuncio de CTV.
• Los espectadores con iOS, Android y Windows que vean un anuncio y luego instalen la aplicación a través de sus respectivas tiendas de aplicaciones, se atribuirán al mismo anuncio de CTV.

Aprovechamiento de la atribución CTV-to-mobile

La atribución CTV-to-mobile abre nuevas vías para los mobile marketers porque transforma la CTV en un canal digital medible para el crecimiento móvil. 

Los especialistas en marketing no solo pueden medir el impacto de la campaña, sino que ahora pueden usar plataformas de CTV y redes de CTV para dirigirse mejor a audiencias relevantes. Convenientemente, estas plataformas de CTV y redes publicitarias se pueden medir como cualquier otro socio de marketing móvil. 

Pero no se detiene ahí. Las marcas ahora pueden:

• Medir con precisión los eventos y realizar un seguimiento de los KPIs

Una razón por la que los especialistas en marketing móvil aún no han optado por la publicidad CTV es que hasta ahora medir el impacto era difícil o imposible. 

Con la atribución de CTV a dispositivos móviles, los marketers pueden medir la efectividad de la campaña y tener una visión completa de su funnel, desde impresiones de anuncios hasta instalaciones de aplicaciones y eventos in-app e ingresos. 

Los especialistas en marketing también pueden ver si un anuncio de CTV contribuyó a una conversión móvil, por ejemplo, en un caso en el que un espectador vio un anuncio de CTV y poco después hizo clic en un anuncio e instaló la aplicación. 

Esta visibilidad crucial abre la apertura al seguimiento de KPIs como LTV y ARPU.

• Optimizar campañas

Ser capaz de medir el éxito y el fracaso también significa que las campañas se pueden optimizar. 

El polvo está lejos de asentarse en el dinámico ecosistema de CTV, por lo que es importante explorar diferentes plataformas, aplicaciones de transmisión y redes de CTV, y comprender sus fortalezas, debilidades y hojas de ruta de productos.

Con los costos más bajos que ofrece CTV, los marketers pueden probar anuncios con diferentes grupos de edad, creatividades, segmentos y tipos de anuncios. La experimentación y la iteración serán parte integrante de la publicidad en CTV dado el estado dinámico del ecosistema.

• Impulsar la adquisición de hogares

La CTV presenta una oportunidad única para los anunciantes, ya que los amigos y la familia a menudo ven la televisión juntos, con frecuencia con un dispositivo móvil en sus manos. Los anunciantes pueden aprovechar al máximo esta dinámica de visualización de televisión grupal mostrando anuncios a varias personas a la vez.

En otras palabras, a diferencia del marketing uno a uno que caracteriza las redes sociales y el correo electrónico, la publicidad CTV tiene el poderoso efecto multiplicador del marketing uno a muchos. 

De esta manera, los especialistas en marketing pueden aprovechar CTV para aumentar la atribución del hogar y aumentar los ingresos, LTV y los eventos in-app dentro de un hogar determinado.

Recibe en tu bandeja de entrada las últimas noticias de marketing e insights de expertos

Casos de uso

Entonces, ¿cómo puedes aprovechar el CTV-to-mobile? Aquí hay dos ejemplos para ayudarte a comprender cómo medir el impacto de las campañas de CTV en el crecimiento móvil:

Caso de uso 1: Atribución del hogar

En este caso de uso, un vendedor de una cadena de cafeterías especializadas piensa que los espectadores de un programa centrado en la fabricación de café en todo el mundo buscarán una manera de saciar su sed de una taza de alta calidad al final del programa. 

Ella publica un anuncio hacia el final del programa que muestra bebidas calientes y frías. Al final del anuncio, el anuncio anima a los espectadores a descargar la aplicación.

Uno de los espectadores toma sus dispositivos móviles y se dirige a la tienda de aplicaciones para descargar y abrir la aplicación.

La instalación se combina con la vista de anuncio de CTV y la atribución se otorga a CTV.

Caso de uso 2: Atribución multitáctil

Un marketer de aplicaciones de viajes decide mostrar un anuncio durante los programas de viajes populares. El anuncio presenta atractivas playas de color verde esmeralda e invita a los espectadores a descargar la aplicación. 

Un espectador ve el anuncio de CTV, pero no actúa en consecuencia. Unas horas más tarde, ve un anuncio de Facebook para la aplicación de viajes con la misma hermosa agua turquesa. Hace clic en el anuncio e instala la aplicación.

En este caso, el clic de Facebook gana atribución, mientras que la vista de CTV recibe una contribución.

¿Que sigue?

Ahora que tienes una buena idea de lo que puedes hacer con la atribución de CTV-to-mobile, es hora de contactar con tu CSM para explorar los próximos pasos. 

Si deseas obtener más información sobre cómo empezar con la publicidad de CTV, hemos elaborado esta práctica guía para que te ponga en marcha. 

The post Mide el impacto de los anuncios de CTV hoy con la atribución de CTV-to-mobile appeared first on AppsFlyer.

Para un número cada vez mayor de marcas, las aplicaciones móviles se están convirtiendo en el centro de las experiencias digitales. Ya sea un servicio de streaming, una plataforma de mensajería o una herramienta de colaboración en el flujo de trabajo, estas aplicaciones son ahora la base de la experiencia de usuario que esperamos.

Especialmente en el ámbito móvil, las interacciones dentro de la aplicación pueden contar una historia muy convincente sobre tus usuarios, desde el compromiso general con la aplicación hasta la reacción a las nuevas funciones y ofertas. Estos datos son valiosos, y para los equipos de marketing implicados es una oportunidad de poner a prueba estos nuevos datos.

En la intersección del análisis de productos y el análisis de marketing, los marketers pueden encontrar respuestas a muchas preguntas críticas para el negocio, como por ejemplo: 

“¿Cuáles son los mejores canales de marketing para los usuarios altamente comprometidos?”

“¿Qué segmentos de usuarios son más propensos a comprometerse con una nueva campaña de marketing?”

“¿Cómo maximizamos el valor de vida de nuestros usuarios en función de su compromiso con la app?”

Por eso nos complace anunciar nuestra nueva integración de Audiences con Amplitude, que permite a los equipos de marketing y de productos aprovechar estos datos únicos en sus iniciativas de marketing, elaborar mejores mensajes para sus usuarios y escalar fácilmente su actividad en múltiples canales y plataformas. 

Por qué el análisis de productos es esencial para los marketers

Incluso las empresas más grandes que se encuentran en proceso de transformación digital están duplicando la experiencia de su aplicación, y por una buena razón. Los datos a nivel de usuario son escasos hoy en día, y las marcas buscan formas de sacar el máximo partido a sus datos de origen.

El análisis de productos es un excelente ejemplo de cómo los datos de primera mano pueden utilizarse en el marketing, ya que encapsulan los comportamientos de los usuarios y cómo interactúan con su producto. Al añadir estos datos a la mezcla, los marketers pueden conseguir mejores resultados, ya sea mejorando su orientación o proporcionando experiencias más personalizadas.

Obtener un conocimiento más profundo de los clientes y de sus interacciones con la aplicación debería ser el núcleo de toda iniciativa de marketing.

Integrando los datos de los productos en tu estrategia de marketing

Amplitude permite esto mediante la recopilación de datos del producto, como la adopción de características y el compromiso, las compras y las conversiones, y luego los transforma en datos de comportamiento.

Estos datos se agregan en Cohortes de Comportamiento, que son similares a los Segmentos de Audiencia de AppsFlyer, dando lugar a grupos de usuarios con comportamientos similares.

Con la ayuda de la nueva integración, los clientes mutuos de Amplitude y AppsFlyer pueden exportar Cohortes de Comportamiento desde Amplitude directamente a nuestra herramienta de Audiences – y utilizarlas en sus campañas de marketing a través de múltiples canales.

With the help of the new integration, mutual customers of Amplitude and AppsFlyer can export Behavioral Cohorts from Amplitude directly into our Audiences tool — and utilize them in their marketing campaigns across multiple channels.

La combinación perfecta de ambas fuentes de datos da como resultado segmentos de usuarios únicos y granulares que pueden aprovecharse para campañas de remarketing dirigidas y una variedad de otros casos de uso utilizando AppsFlyer Audiences.

Creando experiencias digitales personalizadas a escala

Una vez que tu Cohorte de Amplitud se importa a AppsFlyer Audiences, puedes conectarla a un vasto ecosistema de medios pagados y socios de medios propios, medir su rendimiento con análisis avanzados y experimentos de incrementalidad, y aplicar políticas de privacidad y prácticas de gobierno de datos directamente desde la plataforma de AppsFlyer.

Todo lo anterior son componentes críticos para lograr un compromiso exitoso con los clientes, independientemente del sector en el que operes o de tus objetivos comerciales.

A continuación te explicamos cómo puedes aprovechar estas funciones de Audiences para maximizar tus esfuerzos de marketing:

1. Atraer a los usuarios en múltiples plataformas y canales

Audiences ofrece más de 70 integraciones listas para usar que cubren una amplia gama de canales de medios y verticales.

Con socios líderes como Facebook, Snap, TikTok, Google y Braze perfectamente integrados, los marketers pueden ampliar fácilmente su alcance y conectarse con sus usuarios tanto en los canales de pago como en los propios. 

Estas integraciones son una poderosa adición a cualquier estrategia de marketing y pueden ayudar a las marcas, grandes o pequeñas, a maximizar el alcance y lograr sus objetivos con mayor rapidez y eficacia.

2. Medir el impacto incremental de las nuevas campañas de marketing

Audiences viene con una herramienta integrada de pruebas de incrementalidad que facilita la realización de experimentos. 

Puedes dividir tu Cohorte de Amplitud importada en grupos de control y de prueba y comparar su rendimiento uno al lado del otro.
En combinación con el análisis granular de las campañas, los marketers pueden ver rápidamente el impacto que tiene su audiencia en el rendimiento de la campaña, y realizar ajustes en su segmentación.

3. Mantener la gobernanza de los datos y permitir el cumplimiento de la privacidad

Audiences es un producto orientado a la privacidad que ofrece a los equipos de marketing diversas herramientas para controlar y supervisar su propio cumplimiento. 

Ya sea la limitación de los datos enviados a los socios o la posibilidad de excluir a los usuarios que optaron por no ver los anuncios, estos requisitos ya no son un obstáculo. Se pueden gestionar fácilmente desde el dashboard de Audiences.

“Esta nueva capacidad de integración entre Amplitude y AppsFlyer permitirá a los marketers aprovechar sus datos de first-party para crear audiencias ricas que potencien las iniciativas de marketing orgánico y de rendimiento. La capacidad de descubrir segmentos de usuarios con alto valor de vida en base a sus comportamientos y enviarlos a AppsFlyer con el clic de un botón, realmente cambia el juego.”

Dan Stephen, Director of Partnerships, Amplitude

Empezar con AppsFlyer y Amplitude

¿Te gustaría aprovechar los datos de comportamiento de Amplitude en tu próxima campaña de marketing? Esta integración está disponible para todos los clientes de AppsFlyer con una suscripción activa a Audiences. 

Recibe en tu bandeja de entrada las últimas noticias de marketing e insights de expertos

The post Escalando experiencias digitales con Amplitude y AppsFlyer Audiences appeared first on AppsFlyer.

La introducción de insights predictivos en la pila de tecnología del desarrollador de aplicaciones promedio puede ofrecer a los clientes de AppsFlyer una ventaja competitiva sin precedentes, así como también mejorar muchos de los productos de AppsFlyer, desde la incrementalidad hasta la protección contra el fraude. 

El primer paso para implementar tales insights se llevó a cabo a través de las predicciones del valor de vida útil (LTV) de la campaña.

La fórmula del valor de vida útil (LTV)

El valor de vida útil (LTV) de cada campaña se determina en las semanas siguientes a la instalación de una aplicación, donde las decisiones de UA solo se toman en el presente, dada la información actual: lo que significa que cada decisión, en cualquier momento, dará como resultado un nivel de incertidumbre en el LTV.

El administrador de UA promedio podría lanzar una campaña y esperar la cantidad de tiempo adecuada para que lleguen los datos de LTV de los usuarios iniciales antes de tomar decisiones de optimización. Este período de espera podría demorar hasta 30 días o más (en muchos casos), pero también podría reducirse a 10-15 días si se utilizan herramientas avanzadas de Business Intelligence y analíticas.

Nuestro objetivo era eliminar este período de espera, que definimos como el “período de incertidumbre”, en el que las campañas desperdiciarían dinero mientras esperaban los resultados. Para ello, nos propusimos el ambicioso objetivo de proporcionar insights predictivos sobre el LTV de los usuarios para el día 30, basados en las primeras 24 horas de engagement del usuario.

Pero, ¿cómo se puede aplicar una fórmula de LTV a la infinita variedad de cálculos de LTV que usan los clientes de AppsFlyer?

Después de realizar una investigación de mercado exhaustiva, nuestro equipo redujo las posibilidades a tres pilares principales que encapsulan los aspectos del LTV necesarios para la toma de decisiones en la actividad de adquisición de usuarios:

• Retención: medir cuánto tiempo se espera que un usuario use la aplicación.
• Engagement: analizar el nivel de engagement de un usuario con el entorno de la aplicación.
• Monetización: puntuar el potencial de generación de ingresos del usuario, a través de anuncios, compras y más.

Cada uno de los pilares anteriores se mide en diferentes escalas, por lo que para tenerlos todos en consideración o normalizarlos, todos tendrían que normalizarse. Para ello, decidimos aplicar un sistema de puntuación relativa que asociara cada pilar con una puntuación prevista única que oscilara entre 1 y 9. 

Además, un factor clave sería considerar los costos de la campaña, ya que mediría el LTV relativo de un usuario frente al costo de adquirirlo. Aunque no se requiere ninguna predicción para el costo, porque es una cifra fija, aún requiere una puntuación para adaptarse al sistema de puntuación normalizado.

Creación de una solución alrededor de los activos existentes

Ahora era el momento de empezar a consultar los datos disponibles e identificar los puntos de datos adecuados que se pueden convertir en etiquetas y características de aprendizaje de máquina.

Entendimos que cualquier solución que construyéramos tendría que abarcar una solución multitenencia, es decir, una solución que se adaptara a la mayor cantidad posible de clientes de AppsFlyer; a pesar de las diferencias inherentes en la vertical, el uso y la popularidad de la aplicación, así como los diferentes modelos comerciales.

Inicialmente, nos enfocamos en puntos de datos que estaban ampliamente disponibles en todos los clientes de AppsFlyer. Factores clave como la recencia, la frecuencia de uso, las compras in-app y los ingresos por publicidad in-app fueron los componentes “obvios” con la lógica de monetización de cualquier aplicación.

Los eventos in-app de AppsFlyer son un excelente ejemplo de puntos de datos de este tipo, ya que se anima a todos los clientes a utilizarlos de una manera u otra en sus aplicaciones.

Con los eventos in-app, AppsFlyer siempre ha brindado flexibilidad a sus clientes, tanto en el tiempo (cuándo se debe enviar un evento/seguir qué acciones), como en el contenido, los nombres de eventos o cualquier otro parámetro que valga la pena reportar.

Por un lado, esto significa que los propietarios de aplicaciones pueden adaptar estos eventos in-app para que se ajusten a sus propias necesidades específicas, proporcionando insights valiosos que sean más relevantes para el ecosistema de su aplicación. 

Por otro lado, significa que parte de esta información no se puede convertir en una característica o etiqueta de aprendizaje de máquina. Al menos no sin una capa de mediación que tendría que traducir la información que un evento in-app lleva a la categoría del componente de valor de vida útil (LTV) correspondiente.

Decidimos abordar este problema desde ambos extremos. El primero, construir un proceso que pueda inspeccionar datos históricos de eventos de los clientes y determinar la “jerarquía” probabilística de los eventos. Al mismo tiempo, recomendamos encarecidamente que nuestros clientes ofrezcan una asignación de eventos a las categorías correspondientes y la importancia de estos eventos a su lógica de LTV desde su perspectiva.

La combinación de estos métodos nos dio el insight para hacer uso de los datos históricos de los clientes y crear nuestros conjuntos de datos de capacitación de aprendizaje de máquina.

Validación del proceso

Una vez que pudimos validar con nuestros partners de diseño que los puntos de datos que elegimos eran óptimos para describir mejor el valor de vida útil (LTV) del usuario, pudimos proceder a la inspección de la distribución dentro de nuestros datos seleccionados. La distribución de características u objetivos dentro del conjunto de datos tiene una gran importancia para un aprendizaje de máquina preciso.

Trabajar con un conjunto de datos disperso, donde casi todos los “objetivos” se distribuyen alrededor del mismo punto, no va a producir grandes resultados. Por ejemplo, si un desarrollador de aplicaciones solo reporta el nivel de progreso en el que un usuario alcanza el nivel 500, pero en realidad el 99,9 % de todos los usuarios de la aplicación nunca alcanzarán ese nivel, terminaremos con una distribución de características/objetivos que no se pueden usar para nuestra predicción de engagement.

Este es un punto de decisión crucial en el proceso de onboarding de cualquier aplicación: si la aplicación no está haciendo un uso significativo de AppsFlyer (enviando eventos in-app, proporcionando información de compra y eventos de ingresos por publicidad, etc.), no podremos crear un modelo de predicción que sea confiable y lo suficientemente preciso. Este tipo de escenario requiere que el cliente aumente el uso de las capacidades de AppsFlyer antes del onboarding. 

Después de garantizar que el proceso que creamos para transformar el raw data de los clientes en componentes de LTV que deseamos predecir funcione bien (para las aplicaciones elegibles), nos centramos en garantizar que el sistema de puntuación que deseamos usar fuera el adecuado. Esto significa garantizar que este sistema de puntuación describa con precisión los datos analizados (en términos de distribución y desviación estándar) y pueda ser más beneficioso para nuestros clientes por tomar decisiones de UA con claridad y confianza.

Elegimos implementar la puntuación de Stanine con puntuaciones en la escala 1-9.

Esta escala es conveniente tanto en sus diferencias de puntuación (no demasiado pequeñas para que la diferencia no sea insignificante y no demasiado grandes para reflejar las principales diferencias entre las campañas) como en su distribución estándar de dos, lo que permite calcular fácilmente el percentil de una campaña.

En algunos casos, cuando la distribución de datos no era “perfectamente normal” pero se parecía a la distribución normal, utilizamos transformaciones de Box Cox para redistribuir la población objetivo a una distribución “más normal”.

La naturaleza de serie temporal del LTV alentó nuestra hipótesis de que una solución basada en RNN probablemente podría producir los mejores resultados. Después de algunas pruebas e investigaciones, decidimos usar Tensorflow como el marco de aprendizaje de máquina y comenzamos a desarrollar nuestro algoritmo usando la API Keras.Sequential, y luego pasamos a la API funcional que permitió más flexibilidad; sin embargo, fue más complejo. 

Valor de producción

Decidimos construir nuestro sistema de producción utilizando Amazon Sagemaker para inferencias en tiempo real. Sagemaker ofrece una solución de punto de conexión multitenencia y en tiempo real, que se puede personalizar para trabajar con diversos marcos de ML y admite algoritmos personalizados como el que desarrollamos.

También decidimos utilizar los servicios administrados de AWS, como Lambda, SQS y DynamoDB, para acelerar el proceso de desarrollo, mientras seguíamos obteniendo la escalabilidad y estabilidad que nuestro producto requería.

El sistema de producción ingiere eventos en tiempo real de los SDK del cliente, que llegan a través de temas de Kafka. Los datos de eventos y los metadatos de usuario se almacenan en las tablas de DynamoDB y se realiza un proceso de decisión por evento consumido. 

Si se produce una inferencia después del evento actual, cuando se decide una inferencia, los metadatos del usuario “predichos” se envían a una función Lambda a través de SQS. A continuación, los datos del evento se cargan dentro de la función Lambda, transformados para ML y se envían a Sagemaker para su inferencia. Una vez recibido un resultado, se almacena en otra tabla de DynamoDB.

Este proceso genera puntuaciones de usuario que el SDK del cliente puede solicitar como valores de conversión de SKAdNetwork en cualquier momento, y se actualizan con frecuencia a lo largo del tiempo para maximizar la precisión de las predicciones.

Capacitación de modelos

Antes del onboarding de una nueva aplicación para la predicción, se requiere un periodo de capacitación necesario en el que se analizan y revisan todos los datos históricos propios de la aplicación mediante AWS Sagemaker. El proceso está destinado a identificar y modelar diferentes tipos de correlaciones, y se reiterará hasta alcanzar niveles satisfactorios de precisión del modelo. 

La precisión del modelo se revisa utilizando múltiples estadísticas; MAE: el error absoluto medio del modelo (por categoría), RMSE: el error cuadrado medio raíz, y Kappa de Cohen para garantizar la validez e integridad del modelo.

Se realizarán los ajustes necesarios en el modelo introduciendo puntos de datos adicionales, modificando las ponderaciones relativas de eventos específicos y las etiquetas. Todo esto es en un intento de perfeccionar el modelo antes del lanzamiento.

Una vez que se completa el onboarding y se lanzan las campañas, los nuevos usuarios comenzarán a descargar e interactuar con la aplicación, generando nuevos datos a través del SDK de AppsFlyer. Predict calcula la puntuación de beneficios de un usuario en función de los 3 pilares de engagement, retención y monetización. Esta puntuación de beneficios se calculará en comparación con el costo de la campaña para proporcionar una puntuación completa y procesable.

El proceso de reevaluación de la puntuación se repite constantemente durante la ventana de medición del usuario (generalmente 24 horas) con el objetivo de producir una puntuación predictiva precisa.

Al igual que con otros productos de AppsFlyer, la infraestructura de AWS nos permite realizar esta operación compleja a escala, y los productos como AWS Sagemaker nos permiten realizarla en una forma multitenencia que nos permite crear y aplicar modelos predictivos únicos en diferentes aplicaciones y desarrolladores de manera aislada. 

The post Creación de la solución de análisis predictivas de AppsFlyer appeared first on AppsFlyer.

El rendimiento del marketing se basa ante todo en la medición, y la calidad de la medición de un marketer es la clave del éxito. Los resultados ambiguos o inexactos pueden llevar a errores; y los errores pueden costar millones (y a veces miles de millones) de dólares.

¿Qué ocurre cuando los datos en los que se basan las decisiones dejan de ser fiables?

En un reciente blog post hablamos de SKAdNetwork y su efecto en la medición: Los anunciantes ya no pueden consumir datos de una sola fuente, sino que intentan reconstruir la verdad a partir de varios silos de datos. Por lo tanto, es imposible obtener una imagen clara del rendimiento de la campaña debido a que diferentes fuentes de atribución pueden informar de la misma instalación y crear duplicados.

Esto es lo que ven los anunciantes hoy en día:

En el ejemplo anterior, el anunciante ve dos conjuntos de datos de atribución: los de MMPs y los de SKAdNetwork. Entonces, ¿qué flujo de datos representa la verdad? ¿Cuál es el tráfico no orgánico real: son 10.500? 7.800? ¿La suma de ambos? ¿Algún punto intermedio?

Recibe en tu bandeja de entrada las últimas noticias de marketing e insights de expertos

Una única fuente de verdad para tus mediciones

A finales de 2021, lanzamos Single Source of Truth (SSOT), la solución de AppsFlyer para la deduplicación del recuento de usuarios (puedes leer más sobre ella aquí), que puede ser habilitada por los usuarios de Appsflyer en su configuración de Conversion Studio:

Entonces, si una instalación se atribuye dos veces, se refleja tanto en nuestros raw data como en los reportes de datos agregados.

Cuando lanzamos SSOT sabíamos que nuestros usuarios tenían un problema con los duplicados, pero sólo podíamos especular sobre el enorme impacto que tendría SSOT en sus datos de atribución y en las métricas de costos. Nos quedamos impresionados cuando descubrimos los datos reales:

• Los anunciantes con campañas principalmente no SRN vieron que alrededor del 62% de sus instalaciones de SKAN eran duplicadas
• Los anunciantes con campañas principalmente de SRN vieron que alrededor del 18% de sus instalaciones de SKAN eran duplicadas

Con los duplicados fuera del camino, los anunciantes pueden disfrutar de lo mejor: todos los datos entrantes de iOS de múltiples fuentes, con cada usuario representado sólo una vez.

La deduplicación es fundamental para los datos de iOS, pero las ventajas no acaban ahí.

Analicemos las 3 formas en que la SSOT puede transformar tus datos y ayudarte a obtener insights procesable:

1. Recuperar las instalaciones no orgánicas no atribuidas

Ninguna fuente de atribución para iOS 14+ proporciona una cobertura del 100% o la imagen completa.

Sumar el número de instalaciones de aplicaciones de todas las fuentes no es una opción, ya que la misma instalación puede ser reportada dos veces (como vimos anteriormente).

Al activar la SSOT, los anunciantes pueden recuperar el número real de instalaciones no atribuidas y atribuir con éxito más instalaciones a las redes publicitarias. Esto permitirá a los anunciantes obtener mejores resultados con el mismo esfuerzo y dinero.

2. Obtener la i correcta para tu eCPI

Desde el lanzamiento de iOS 14, el costo total de cada campaña se comunicaba junto con los datos parciales de instalación, lo que daba lugar a una imagen distorsionada de métricas de costo críticas como el eCPI, el eCPA y el ROAS.

Para calcular el eCPI, el costo total de una campaña se divide por el número total de instalaciones:

Supongamos, por ejemplo, que un anunciante gasta 200 dólares en una campaña para iOS. Supongamos también que el MMP atribuye 100 instalaciones resultantes de la campaña, y que SKAdNetwork atribuye 50.

Así es como quedaría el cálculo del eCPI:

En este ejemplo, el eCPI de cada método de atribución es mucho más alto de lo esperado.

Ahora supongamos que el número real de instalaciones no orgánicas después de eliminar los duplicados es de 120, y dividamos el costo total con la cantidad real unificada de instalaciones no orgánicas:

En el ejemplo anterior, el eCPI disminuye significativamente, lo que coincide con lo que hemos observado en los clientes que utilizan SSOT. Algunos de nuestros clientes informaron de una disminución del 30-70% en su eCPI.

3. Comprender tu línea de base orgánica

Los datos orgánicos son una base fundamental para la optimización de las campañas. Sin ellos, es imposible medir el factor k o el incremento de las campañas de marketing.

En la realidad anterior al SSOT, los anunciantes no podían obtener una imagen clara de los datos orgánicos debido al “ruido” creado por los NOI no atribuidos.

Al atribuir con éxito las instalaciones no atribuidas anteriormente, los datos orgánicos se limpian de “impurezas” no atribuidas, lo que nos permite proporcionar reportes de tráfico orgánico más precisos (algunos de nuestros clientes vieron una disminución del 75% del tráfico orgánico). Como resultado, los anunciantes pueden entender qué campañas tuvieron un mejor rendimiento.

Hallazgos clave

Estos ejemplos, sencillos pero cruciales, nos enseñan que al deduplicar las instalaciones, los marketers pueden obtener una imagen clara de su rendimiento de marketing, al tiempo que disfrutan de lo mejor de ambos mundos:

• Atribución de AppsFlyer: Medición de LTV completa basada en modelos de atribución tradicionales, incluyendo remarketing, medios propios y tráfico web-to-app (que SKAN no admite).
• Atribución de SKAN: Cobertura total de puntos de datos deterministas.

iOS 14 ha cambiado las reglas del juego y ha hecho que los marketers pasen de una realidad unificada a otra formada por varios silos de datos. Single Source of Truth es un paso de los muchos que AppsFlyer da para ayudar a los marketers a prosperar en la realidad posterior a iOS 14.

The post 3 formas en que la Single Source of Truth puede transformar tus datos y métricas de costos appeared first on AppsFlyer.

¿Sabes cuántas aplicaciones hay en Google Play Store? En el primer trimestre de 2021, ¡hay 3,5 millones de aplicaciones! No es de extrañar que para los anunciantes de hoy en día, conseguir que los usuarios descubran las apps no sea una tarea fácil. Una forma de superar esta barrera es llegar a acuerdos con los fabricantes y los operadores de teléfonos móviles para vender dispositivos con su aplicación ya descargada en un dispositivo.

Las aplicaciones preinstaladas te permiten, como anunciante, promocionar títulos en dispositivos móviles a través de contratos preexistentes con los fabricantes de móviles y los operadores directamente.

Participar en estos acuerdos te permite acceder a millones de usuarios que activan constantemente nuevos dispositivos cada mes. Con las aplicaciones ya preinstaladas en sus dispositivos, se elimina gran parte de la fricción del proceso de descubrimiento de aplicaciones, aumentando así la adopción y el conocimiento de estas aplicaciones, simplificando el trabajo de implementación y proporcionando una gran fuente de compromiso e instalaciones instantáneas.

En el actual espacio de las aplicaciones, ferozmente competitivo y saturado, es importante estar siempre atento a las oportunidades de crecimiento, especialmente a la expansión en nuevos mercados con la adquisición de nuevos usuarios. La medición de la preinstalación proporciona precisamente eso a algunas de las mayores marcas del sector.

Piensa en el valor de tener un espacio privilegiado en la pantalla de inicio del dispositivo del usuario. ¿Cuánto más probable es que los usuarios exploren las aplicaciones ya instaladas en un dispositivo? Es muy probable, y es una gran experiencia para los usuarios que acaban de activar un dispositivo nuevo.

Maximiza tu próximo dólar de marketing

Es posible que quieras medir las campañas de preinstalación como lo haces con cualquier otra actividad de adquisición de usuarios para maximizar tu presupuesto de marketing y optimizar el rendimiento en todos los canales.

Anteriormente, la visibilidad limitada de estas preinstalaciones pueden haber conducido a una asignación de presupuesto y una toma de decisiones incorrectas. Al proporcionar una visión completa de las acciones de los usuarios, puedes tomar las decisiones correctas sobre cómo maximizar adecuadamente tu presupuesto de marketing.

Con AppsFlyer, ahora puedes comparar el número de instalaciones atribuidas a las campañas de preinstalación con las cifras procedentes de otras campañas de UA.

Independientemente del método que elijas, AppsFlyer te tiene cubierto

AppsFlyer ha apoyado la atribución de preinstalación desde hace un tiempo, con la atribución de preinstalación APK que depende de un APK dedicado instalado por el OEM en la fábrica.

Tanto si un anunciante opta por trabajar con un socio de antemano para preinstalar una aplicación en la fábrica como si utiliza la instalación automática de Google Play para preinstalar una aplicación a través de la nube, AppsFlyer admitirá la atribución de ambos métodos.

Los operadores y proveedores de teléfonos móviles utilizan la Instalación Automática de Google Play (PAI) para preinstalar aplicaciones. Con la PAI, cuando un usuario activa un dispositivo por primera vez y entra en el asistente de configuración del mismo, un conjunto de aplicaciones se envía al dispositivo desde la nube y se instala automáticamente desde ella (basándose en un conjunto de reglas del socio de preinstalación).

Cuando el usuario abre una aplicación preinstalada por primera vez, el SDK de AppsFlyer detecta y reporta al servidor de AppsFlyer que esta aplicación fue preinstalada a través de Google PAI por el socio OEM. La lógica de atribución se aplica entonces y concede a la campaña de preinstalación la mayor prioridad de atribución.

Mirando hacia el futuro

De cara al futuro, AppsFlyer proporcionará visibilidad en el tiempo desde que un dispositivo fue activado hasta el momento en que una aplicación fue abierta por primera vez. Es decir, AppsFlyer registrará primero cuántos dispositivos fueron activados por un determinado socio con la aplicación preinstalada en el dispositivo y, a continuación, cuando el dispositivo se abra por primera vez, AppsFlyer acreditará al socio OEM que impulsó la preinstalación.

Además, si el usuario se comprometió con algún anuncio durante ese tiempo, esas redes publicitarias serán acreditadas por esas instalaciones asistidas.

De este modo, AppsFlyer proporcionará una visibilidad del viaje completo del usuario que antes no estaba expuesta a nuestros clientes. Además, tú, como anunciante, podrás ver las campañas que no condujeron a la apertura de una aplicación, lo que mejorará tus esfuerzos de optimización.

Cómo empezar

Dirígete a la pestaña de integraciones de socios para añadir a tu socio OEM y activar la atribución de preinstalación hoy mismo.

Como cliente de AppsFlyer, tienes acceso a estos datos en tus reportes agregados y en los reportes de raw data. Te permite optimizar aún más los KPIs existentes, como los usuarios fieles, la retención, los ingresos y mucho más.

Echa un vistazo a nuestro artículo de la base de conocimientos para empezar a medir la atribución previa a la instalación con mayor precisión hoy mismo.

The post Atribución mejorada con la medición de preinstalación de AppsFlyer appeared first on AppsFlyer.

Durante la WWDC 21, Apple anunció Private Relay, un nuevo servicio de privacidad en Internet para los usuarios del navegador Safari en iOS 15. Private Relay es un servicio diseñado para enmascarar la dirección IP de un usuario en su dispositivo y mantenerla privada. Con el lanzamiento de iOS 15, se ofreció como una función beta, desactivada por defecto, para iCloud Plus, el servicio de suscripción a iCloud actualizado de Apple.

El Private Relay puede afectar a los deep links diferidos y a la atribución, ya que ambas capacidades dependen de la dirección IP para redirigir a un usuario a una página o contenido deseado y para medir el rendimiento. En consecuencia, sin una solución adecuada, los usuarios de iOS 15 que tengan una cuenta de iCloud Plus, utilicen Safari como navegador y decidan activar este servicio beta ya no recibirán deep links diferidos debido a la falta de una dirección IP. En su lugar, serán llevados a la página por defecto de la aplicación, y los propietarios de la misma no obtendrán datos de atribución por este evento.

A pesar de que sólo una pequeña cohorte puede verse afectada por el lanzamiento inicial de Private Relay, la tendencia a aumentar la privacidad es clara. Por eso nos complace anunciar la solución de AppsFlyer para el Private Relay, que permite a los usuarios del Private Relay disfrutar de los deep links diferidos.

La privacidad es la clave de la experiencia del cliente, no un obstáculo

Creemos que una buena experiencia del cliente debe incluir cuatro elementos. Debe ser contextual, personal, fluida y privada. Dado que la privacidad tiene que ver con la libertad de elegir qué datos personales se comparten y cuáles no, hemos creado un marco para aquellos usuarios que prefieren mantener sus direcciones IP en secreto.

Este marco se basa en los App Clips de Apple, lo que permite a los anunciantes ofrecer experiencias de cliente verdaderamente privadas, aunque contextuales, a los usuarios de Private Relay. A diferencia de otras soluciones ofrecidas en el mercado, el marco de AppsFlyer proporciona una privacidad a prueba de balas, eliminando cualquier posibilidad de violación de la privacidad, una experiencia de usuario totalmente personalizable, pero familiar, y una atribución determinista inigualable.

¿Qué son los App Clips?

Si ya sabes la respuesta, puedes pasar directamente a la siguiente sección, pero si no es así, aquí tienes un breve resumen: En 2020, junto con la GA de iOS 14, Apple lanzó los App Clips, que son una parte pequeña, rápida y ligera de su aplicación que permite a los usuarios disfrutar de una de las principales ofertas de su aplicación sin necesidad de descargar la aplicación completa.

Los App Clips son una excelente oportunidad para que las marcas permitan a los usuarios experimentar sus aplicaciones con un compromiso mínimo, al tiempo que aumentan la probabilidad de que conviertan y/o descarguen la aplicación completa. Este es un ejemplo perfecto de “mostrar, no contar”. Puedes obtener más información sobre esta función en nuestra guía de App Clips para desarrolladores.

La solución de AppsFlyer para el Private Relay

Nuestra solución es un marco de App Clip mejorado por dos tecnologías de AppsFlyer integradas:

• Atribución y Deep Links Diferidos: Aprovecha la integración inmediata con el SDK de AppsFlyer para obtener una atribución determinista y un deep linking diferido que funcione correctamente. Este último permite la contextualización posterior a la instalación llevando al usuario al lugar correcto de la aplicación después de haberla instalado. Con esta integración, puedes disfrutar de las capacidades de medición avanzada y de deep links diferidos de AppsFlyer con un mínimo esfuerzo de desarrollo.
• Activación automática del App Clip: Aumenta las tasas de conversión activando automáticamente tu App Clip sin tener que implementar Safari Smart App Banners en tu dominio. Supera las limitaciones de descubrimiento de App Clip con un mecanismo de enlace a App Clip que activa tu App Clip desde cualquier lugar en el que se encuentren tus usuarios (anuncio, correo electrónico, sitio web, publicación en redes sociales, SMS, impresión, etc.).

Poniendo en práctica de la solución de Private Relay de AppsFlyer

Aquí hay ejemplos para ambos casos de uso:

• Viaje de conversión de App Clips (pre-instalación): Una marca de compras muestra un Smart Banner de AppsFlyer con un descuento de pago rápido en su sitio web móvil. Una vez que los clientes tocan el banner, se muestra una tarjeta de App Clip que proporciona más información sobre la oferta. Cuando los clientes pulsan en “Abrir App Clip”, se abre el App Clip, permitiéndoles realizar el pago con un solo clic.

• Viaje de conversión de la aplicación (post-instalación): Una marca de café lanza una campaña de SMS a sus clientes ofreciendo un 30% de descuento por una taza de café con leche comprada en uno de sus locales ese día. Los clientes hacen clic en el mensaje y son redirigidos a una tarjeta de App Clip que muestra la misma oferta; una vez que pulsan en “Abrir App Clip”, se abre la App Clip que les permite comprar la taza de café con leche.
  
  Hasta ahora el flujo es muy similar al viaje de conversión de App Clip (pre-instalación), ¿verdad? Pero como todos sabemos, para aumentar el valor de vida de los clientes (LTV) debemos conseguir que se descarguen la aplicación completa. Así que, tras finalizar la transacción, los clientes reciben el siguiente mensaje: “¡Tu café con leche está casi listo! Mientras tanto, descarga la aplicación completa para obtener un sándwich gratis en tu próximo pedido”. Entonces descargan la aplicación y, al iniciarla, se les redirige a la oferta del sándwich gratuito.

¿Preparado para contextualizar y medir tu viaje de adquisición de usuarios?

The post iOS 15: Anunciando la solución de AppsFlyer para el Private Relay appeared first on AppsFlyer.

Dominar SKAdNetwork y los valores de conversión es una pesadilla. Ya hemos dicho lo que todo el mundo está pensando. Con la (re)introducción de SKAN el verano pasado, todo un sector se vio obligado a “reaprender” un nuevo tipo de modelo de atribución. Para dominarlo, un conocimiento intenso y profundo de los aspectos técnicos se convirtió en una necesidad absoluta. Hemos invertido gran parte de los últimos 15 meses en formarnos a nosotros mismos, a nuestros clientes y al mercado sobre SKAN: creando vídeos, organizando seminarios web semanales, publicando estudios de datos y blog posts.
Hemos centrado gran parte de nuestra atención en ayudar a los anunciantes a conocer los bits y bytes sobre los bits y bytes.

Para complicar aún más las cosas, SKAN, por diseño, limita la capacidad de los anunciantes para medir la actividad posterior a la instalación. Hemos trabajado estrechamente con cientos de nuestros anunciantes más avanzados de diferentes sectores para entender cómo planean utilizar los valores de conversión y qué tipo de capacidades les faltan actualmente. Una cosa estaba clara: dominar los valores de conversión ha sido un desafío incluso para los anunciantes más expertos. Por ello, no es de extrañar que nuestra petición número 1 haya sido una herramienta flexible de mapeo de valores de conversión.

Queremos que esto no sea una pesadilla. Para ti, para nosotros y para todo el ecosistema. Lo estamos haciendo súper sencillo y flexible para ti. No se trata de dominar los bits y los bytes, sino de hacer las cosas bien. Los anunciantes necesitan tener visibilidad y control sobre la medición posterior a la instalación, y necesitan perder menos tiempo haciéndolo.

Presentamos: Conversion Studio.

 

 

 

Click for sound

Before iOS 14 and SKAdNetwork

1:37

The post Conversion Studio: Ajusta la medición posterior a la instalación de SKAN con la herramienta definitiva de mapeo de valores de conversión appeared first on AppsFlyer.

Tras meses en el laboratorio de desarrollo, nos complace anunciar que PredictSK entra oficialmente en fase beta esta semana.

La solución original de análisis predictivo de AppsFlyer estaba lista para entrar en fase beta hace aproximadamente un año. Tras meses de desarrollo, la solución original pretendía proporcionar a los clientes de AppsFlyer los medios para gestionar mejor sus campañas de adquisición de usuarios, introduciendo insights predictivos en las primeras fases del lanzamiento de sus campañas.

Esta solución pretendía resolver la incertidumbre causada por el periodo de tiempo que los gestores de la UA tenían que esperar entre el momento del lanzamiento de la campaña y el momento en el que se recogían suficientes datos de LTV.  Todo con el fin de tomar decisiones de optimización fundamentadas y basadas en datos.

Nuestro estudio de mercado mostró que el anunciante medio esperaba aproximadamente 30 días o más (desde el momento en que se lanzaba una campaña, antes de tomar cualquier decisión de optimización). Este periodo de tiempo se consideraba necesario para recoger datos de LTV. Además, los gestores de UA no optimizaban las campañas durante este periodo, en aras de recoger datos “limpios”, a pesar de que la campaña seguía produciéndose.

Algunos anunciantes que aplican herramientas avanzadas de BI y ciencia de datos (ya sean internas o de terceros) podrían acortar este periodo de espera a tan solo 10 días utilizando los conocimientos proporcionados por estas herramientas. Algunas de las principales compañías de nivel empresarial son incluso capaces de reducir este período a sólo unos días a través de la ciencia del análisis predictivo, pero por lo general a un costo significativo.

Todo lo anterior implicaría una forma de costo de retorno por el tiempo de decisión. La espera, por supuesto, no supone ningún costo directo, pero hace que los presupuestos de las campañas se desvanezcan hasta que se disponga de insights claros. Los anunciantes deben decidir el “precio” que están dispuestos a pagar y el equilibrio entre el costo y el tiempo de obtención de insights.

La misión inicial de Predict era reducir el factor de costo de la parte de análisis predictivo de la ecuación, haciendo que esta solución avanzada fuera asequible para los marketers móviles de todos los tamaños.

Y entonces llegó SKAdNetwork

El anuncio por parte de Apple de los (entonces) próximos cambios en su normativa sobre la privacidad de los usuarios también introdujo un nuevo mecanismo de atribución que rápidamente se convertiría en sinónimo de ofuscación. Los IDFAs quedarán ahora obsoletos, pero SKAdNetwork se convertirá en el principal punto de discusión. El uso de un valor de conversión medido a lo largo de 24 horas para medir y determinar el valor del usuario significó que los datos de medición ya casi no estarían disponibles. El uso de un mecanismo de seis bits para comunicarse con SKAdNetwork hizo que los marketers tuvieran que hacer cálculos sobre qué valor podía o debía utilizarse, y qué táctica de bits adoptar.

Sin embargo, AppsFlyer siempre ha apostado por la publicidad centrada en la privacidad. La eliminación de los identificadores de usuario simplemente nos animó a cambiar la pregunta de: ¿Quién es el usuario? a: ¿Qué puede decirnos su comportamiento?

Una rápida revisión de nuestro MVP de análisis predictivo dejó claro lo que había que hacer. Una solución de análisis predictivo que puede utilizar las mediciones de LTV en un marco de tiempo limitado para producir insights rápidos y procesables no era ahora una buena solución para tener, sino una necesidad para cualquier persona que quiera operar en esta nueva realidad.

Hubo que hacer varias modificaciones y mejoras para acomodar la nueva tecnología de SKAdNetwork. Nuestra puntuación de beneficio predictivo asociada a cada usuario se convertiría ahora en el valor de conversión; pero, a diferencia de los valores de conversión habituales, encapsularía la totalidad de los eventos medibles a lo largo de 24 horas. Nuestro marco temporal de medición tendría que modificarse de 72 a 24 horas, manteniendo su nivel de precisión. Y se añadirían algoritmos adicionales de aprendizaje automático para traducir cientos de posibles combinaciones de puntuación en 64 valores posibles.

Estos fueron sólo algunos de los desafíos a los que nos enfrentamos desde que nos embarcamos en este viaje, pero el resultado es una solución mejor para toda la industria.

Pies sobre la tierra

Hoy comienza oficialmente la fase beta de PredictSK, con los primeros clientes de AppsFlyer que se incorporan a la solución, iniciando la fase de optimización y perfeccionamiento de la misma.

La generación de un modelo predictivo único para cada aplicación requiere un periodo de adaptación en el que el motor de IA de PredictSK se entrena en la lógica de LTV única de cada desarrollador y traza correlaciones entre las primeras señales y los resultados finales (más información sobre esto en futuros posts).

En una encuesta reciente realizada entre los clientes de AppsFlyer, casi el 50% de los encuestados calificó el análisis predictivo como uno de los dos lanzamientos más esperados para las mediciones de iOS.

Dado que más clientes de AppsFlyer se incorporarán gradualmente a la solución en los próximos meses, te animamos a que estudies y comprendas las ventajas del análisis predictivo en el marketing móvil para sacarle el máximo partido a tus campañas.

The post Anuncio oficial del lanzamiento de la versión beta de PredictSK appeared first on AppsFlyer.