Data Lockerアドバンス集計レポート

レポートの仕様

レポート構成

レポートは、ディメンションとメトリックで構成されます。

項目の形式は次のとおりです。

• ディメンション：文字列- 文字列の最大長は動的であり、広告階層の要素をどのように設定するかによって異なります。
• 指標：数値 / 注：selected_currency 項目の形式は文字列です。
  利用できる指標は、収益、イベントを実行したユニークユーザー数、イベントの発生数です。※ROIやROASといったコスト関連の指標を算出するには、収益とコストの両方の指標が必要です。収益指標はコホートにあり、コスト指標はROI360コストETLから提供されます。

ディメンション

指標

ディレクトリとファイル名の構造

レポートへのパスは、次のフォルダー階層で構成されます：

形式：/t=cohort_unified_versioned/dt=/version=/

レポートのフォルダ階層

広告主バケットのコホートバージョン対応レポートフォルダ階層の例：

bucket
|
└── t=cohort_unified_versioned
    |
    ├── dt=2024-05-05
    |   |
    |   └── version=1714890235
    |   |    |
    |   |    ├── part-00000-4762858-d62a-446e-b499-dd05f2d5434d-c000.csv.gz
    |   |    |
    |   |    ├── part-00001-4762858-d62a-446e-b499-dd05f2d5434d-c000.csv.gz
    |   |    │
    |   |    └── part-00002-4762858-d62a-446e-b499-dd05f2d5434d-c000.csv.gz
    |   |
    |   |
    |   └── version=1714890286
    |        |
    |        ├── part-00000-1d295376-d024-4321-8d34-1fbb37cbb58d-c000.csv.gz
    |        |
    |        ├── part-00001-1d295376-d024-4321-8d34-1fbb37cbb58d-c000.csv.gz
    |        │
    |        └── part-00002-1d295376-d024-4321-8d34-1fbb37cbb58d-c000.csv.gz
    |   |
    .   . 
    .   . 

説明：

• dt：レポートに含まれるイベントが発生した日付
• t： レポートタイプ
• version：バージョンが作成されたときの Unixタイムスタンプ

レポートのバージョンとデータの鮮度

• Intraday：レポートは数時間ごとに送信されます。
• レポートは、その日に現在利用可能なすべてのデータに関するものです。つまり、4月18日のすべてのレポートバージョンには、その時点の4月18日までに入手可能なすべてのデータが含まれます。
• 入手可能な最新のレポートバージョンのみを取り込んでください。

レポートの仕様

レポート構成

レポートは、ディメンションとメトリックで構成されます。

項目の形式は次のとおりです。

• ディメンション：文字列- 文字列の最大長は動的であり、広告階層の要素をどのように設定するかによって異なります。
• 指標：数値 / 注：selected_currency 項目の形式は文字列です。
  利用できる指標は、収益、イベントを実行したユニークユーザー数、イベントの発生数です。※ROIやROASといったコスト関連の指標を算出するには、収益とコストの両方の指標が必要です。収益指標はコホートにあり、コスト指標はROI360コストETLから提供されます。

ディメンション

指標

ディレクトリとファイル名の構造

レポートへのパスは、次のフォルダー階層で構成されます：

形式：/t=cohort_unified_timezone_versioned/dt=/version=/

レポートのフォルダ階層

広告主バケットのコホートタイムゾーンバージョン対応レポートフォルダ階層の例：

bucket
|
└── t=cohort_unified_timezone_versioned
    |
    ├── dt=2024-05-05
    |   |
    |   └── version=1714890235
    |   |    |
    |   |    ├── part-00000-4762858-d62a-446e-b499-dd05f2d5434d-c000.csv.gz
    |   |    |
    |   |    ├── part-00001-4762858-d62a-446e-b499-dd05f2d5434d-c000.csv.gz
    |   |    │
    |   |    └── part-00002-4762858-d62a-446e-b499-dd05f2d5434d-c000.csv.gz
    |   |
    |   |
    |   └── version=1714890286
    |        |
    |        ├── part-00000-1d295376-d024-4321-8d34-1fbb37cbb58d-c000.csv.gz
    |        |
    |        ├── part-00001-1d295376-d024-4321-8d34-1fbb37cbb58d-c000.csv.gz
    |        │
    |        └── part-00002-1d295376-d024-4321-8d34-1fbb37cbb58d-c000.csv.gz
    |   |
    .   . 
    .   . 

説明：

• dt：レポートに含まれるイベントが発生した日付
• t： レポートタイプ
• version：バージョンが作成されたときの Unixタイムスタンプ

レポートのバージョンとデータの鮮度

• Intraday：レポートは数時間ごとに送信されます。
• レポートは、その日に現在利用可能なすべてのデータに関するものです。つまり、4月18日のすべてのレポートバージョンには、その時点の4月18日までに入手可能なすべてのデータが含まれます。
• レポートのユースケースは、地域やタイムゾーンによって異なる場合があります。詳細はこちら
• 入手可能な最新のレポートバージョンのみを取り込んでください。

レポートのユースケースは、地域やタイムゾーンによって異なる場合があります。次の表を参考にして、どの地域がどのタイムゾーンに一致するかを調べてください。

レポート内のデータ範囲

レポートには、ユーザー獲得、インストール、リターゲティング、リアトリビューション、リエンゲージメント、およびそれらに紐づくアプリ内イベントが含まれます。

統合レポート、ユーザー獲得レポート、リターゲティングレポートを別々に、またはまとめてBIにロードする場合。これらをまとめてロードし、独自にビューをフィルターする場合は、次のようにします： 

• 統合ビューの場合：is_primary_attribution=true または null 項目を使用します。
• ユーザー獲得の場合：conversion_type=Install を使用します。
• リターゲティングの場合：conversion_type=re-engagement または re-attribution を使用します。

データ読み込みプロセスにおいて新規獲得媒体のデータとリターゲティング媒体のデータを統合する場合には、新規獲得 (インストール) とリターゲティング (リエンゲージメント) のデータの重複を除外するロジックを実装する必要があります。これを行うには、conversion_type=install、install-unified、re-engagement、またはre-attributionを使用します。リターゲティングイベントの二重アトリビューションについてご覧ください。 

フィールドレベルの考慮事項

• 継続率の指標を簡単に計算するには、days_post_attributionのカラムを活用しましょう。
• キャンペーン名とキャンペーンIDディメンションを使用したユニークユーザー数の計算：キャンペーン名の細分性を無視できる場合は、キャンペーン ID のユニークカウントを合計すれば指標は正確です。 
• キャンペーン階層の項目を使用することでデータを集計可能です。 
• revenue_usd (USD換算の収益金額) は、イベント発生日の為替レートを使用して計算されます。  

一般的な考慮事項

すべてのアプリのデータは設定可能です。単一のファイルで提供することも、アプリごとに個別のファイルで提供することもできます。

以下は、BI開発者が Data Lockerを介して抽出できるコホートデータの一般的で実用的なアプリケーションの例です。各例は、SQL ステートメントとサンプルの Excel ビジュアルで示されています。 

1. リテンションの計算

次の例では、次のことを行います：

• 1日目と7日目のリテンション、およびキャンペーンと広告ごとのインストールの合計数を計算します。
• コンバージョンイベントごとのイベント数を合計するには、event_name をaf_conversion とフィルターします。
• 具体的には、「統合」レポートでユーザー獲得キャンペーンを分析する際、データフィルターを設定し、conversion_type が （install， install_unified） に一致するレコードを抽出します： conversion_type IN (install, install_unified)

SQLステートメント

select
    campaign_id, ad_id,
    sum(if(event_name = 'af_conversion', event_count,0)) as installs,
    sum(if(event_name = 'af_session' and days_post_attribution = 1, unique_users,0)) / sum(if(event_name = 'af_conversion', event_count,0)) as retention_day1,
    sum(if(event_name = 'af_session' and days_post_attribution = 7, unique_users,0)) / sum(if(event_name = 'af_conversion', event_count,0)) as retention_day7
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2023-06-01' and '2023-06-08' 
    and app_id = YOUR_APP
group by 1,2

Excelの例

2. 複数のアプリ内イベントのARPUを計算する

次の例では、次のことを行います：

• キャンペーンごとに複数のアプリ内イベントのARPUを計算します。
• データをフィルターして、conversion_type=re-engagementとconversion_type=re-attribution、リターゲティングキャンペーンを分析します。
• コンバージョンイベントごとのイベント数を合計するには、event_name をaf_conversion とフィルターします。
• 複数のイベントの収益を合計します。この場合、af_purchaseとaf_coins。
• データ処理の負荷を最小限に抑えるには、days_post_attributionを必要最低限の値（この場合は7）に設定します。

SQLステートメント

select
    campaign_id,
    sum(if(days_post_attribution <= 1 and event_name in ('af_purchase', 'af_coins') , revenue_usd, 0)) / sum(if(event_name = 'af_conversion', event_count, 0)) as ARPU_day1,
    sum(if(days_post_attribution <= 3 and event_name in ('af_purchase', 'af_coins') , revenue_usd, 0)) / sum(if(event_name = 'af_conversion', event_count, 0)) as ARPU_day3,
    sum(if(days_post_attribution <= 7 and event_name in ('af_purchase', 'af_coins') , revenue_usd, 0)) / sum(if(event_name = 'af_conversion', event_count, 0)) as ARPU_day7
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2023-06-01' and '2023-06-08'
    and days_post_attribution <= 7
    and conversion_type in ('re-engagement', 're-attribution')
    and app_id = YOUR_APP
group by 1

Excelの例

3. 特定のコホート日のアプリ内イベントコンバージョン率を計算する

次の例では、次のことを行います：

• 複数のディメンション（この場合は、コンバージョン日、地域、キャンペーン、広告、サイトID）の Day 0 アプリ内イベントのコンバージョン率を計算します。
• データをフィルターして、is_primary_attribution=true、統合データ（UAとリターゲティングキャンペーン）の両方を分析します。
• コンバージョンイベントごとのイベント数を合計するには、event_name をaf_conversion とフィルターします。
• データ処理の負荷を最小限に抑えるには、days_post_attributionを必要最低限の値（この場合は7）に設定します。

SQLステートメント

select
    conversion_date, geo, campaign_id, ad_id, site_id,
    sum(if(days_post_attribution = 0 and event_name = 'af_complete_tutorial', unique_users, 0)) / sum(if(event_name = 'af_conversion', event_count, 0)) as day0_af_tutorial_conversion
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2023-06-01' and '2023-06-08'
    and is_primary_attribution = true
    and app_id = YOUR_APP
group by 1,2,3,4,5

Excelの例

4.日次インストールの計算 

次の例では、次のことを行います：

• アプリ ID、コンバージョン日、メディアソース、イベント名、コンバージョンタイプごとのインストール数を計算します。
• 全体レポートで、conversion_type を install または install_unified に設定して、ユーザー獲得インストール（リターゲティングではない）を表示するようにデータをフィルターします。
• event_nameをaf_conversionに設定してインストールを合計します。

SQLステートメント

select
    app_id,
    conversion_date,
    media_source,
    event_name,
    conversion_type,
    sum(events_count) as total
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2023-06-01' and '2023-06-08'
    // If you're querying data from unified reports, edit the line below to: and conversion_type IN ('install', 'install_unified')
    and conversion_type = 'install'
    and event_name = 'af_conversion'
    and app_id = YOUR_APP
group by 1,2,3,4,5

Excelの例

5. Meta広告からの収益の計算 

次の例では、次のことを行います：

• Facebookからの3日目の収益をコンバージョン日とアプリIDで計算します。
• media_source='Facebook Ads' とフィルターしてFacebookデータを分析します。
• データ処理の負荷を最小限に抑えるには、days_post_attributionを必要最低限の値（この場合は3）に設定します。

SQLステートメント

select
    conversion_date,
    app_id,
    media_source,
    sum(if(days_post_attribution <= 3, revenue_usd, 0)) as revenue_day3
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2022-06-01' and '2023-05-31'
    and days_post_attribution <= 3
    and media_source = 'Facebook Ads'
    and app_id in (APP_ID1, APP_ID2, ...)
group by 1,2,3

Excelの例

6. 最大365コホート日のASAキーワードIDごとのARPU計算

次の例では、次のことを行います：

• キーワードIDごとの Apple Search Ads経由のコホート365日目までの ARPUを計算します。
• media_source='Apple Search Ads' とフィルターしてApple Search Adsデータを分析します。
• コンバージョンイベントごとのイベント数を合計するには、event_name をaf_conversion とフィルターします。

SQLステートメント

select
    media_source,
    keyword_id,
    sum(if(days_post_attribution <= 365, revenue_usd,0)) / sum(if(event_name = 'af_conversion', event_count, 0)) as ARPU_day365
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2022-06-01' and '2023-05-31'
    and media_source = 'Apple Search Ads'
    and app_id = YOUR_APP
group by 1

Excelの例

7.地域ごとのアトリビューション時間によるARPU 7日目の計算

次の例は、アトリビューション時間別のKPIの使用方法を示しています。この例では、次のことを行います：

• ARPU 7日目を国ごとのアトリビューション計測日で計算します。
• 結果はコンバージョン数で並べ替えられ、上位20の地域が表示されます。
• デーを conversion_type='install' とフィルターします。
• 最初の列には geo（国）が表示されます。2番目の列には、合計コンバージョン数が表示されます。その後の列には、クエリの行として指定された各日の7日目の収益が表示されます。

SQLステートメント

select
    geo,
    sum(if(event_name = 'af_conversion', event_count, 0)) total_conversions,
    sum(if(cohort_day = '2023-07-11' and days_post_attribution <= 7, revenue_usd, 0)) / sum(if(cohort_day = '2023-07-11' and event_name = 'af_conversion', event_count, 0)) as ARPU_day7_2023_07_11,
    sum(if(cohort_day = '2023-07-12' and days_post_attribution <= 7, revenue_usd, 0)) / sum(if(cohort_day = '2023-07-12' and event_name = 'af_conversion', event_count, 0)) as ARPU_day7_2023_07_12,
    sum(if(cohort_day = '2023-07-13' and days_post_attribution <= 7, revenue_usd, 0)) / sum(if(cohort_day = '2023-07-13' and event_name = 'af_conversion', event_count, 0)) as ARPU_day7_2023_07_13,
    sum(if(cohort_day = '2023-07-14' and days_post_attribution <= 7, revenue_usd, 0)) / sum(if(cohort_day = '2023-07-14' and event_name = 'af_conversion', event_count, 0)) as ARPU_day7_2023_07_14,
    sum(if(cohort_day = '2023-07-15' and days_post_attribution <= 7, revenue_usd, 0)) / sum(if(cohort_day = '2023-07-15' and event_name = 'af_conversion', event_count, 0)) as ARPU_day7_2023_07_15,
    sum(if(cohort_day = '2023-07-16' and days_post_attribution <= 7, revenue_usd, 0)) / sum(if(cohort_day = '2023-07-16' and event_name = 'af_conversion', event_count, 0)) as ARPU_day7_2023_07_16
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2023-07-11' and '2023-07-16'
    and days_post_attribution <= 7
    // If you're querying data from unified reports, edit the line below to: and conversion_type IN ('install', 'install_unified')    
    and conversion_type = 'install'
    and app_id = 'YOUR_APP'
group by 1
order by 2 desc
limit 20

Excelの例

8. コンバージョン後7日目の購入データの計算 

次の例では、次のことを行います：

• コンバージョンから 7日後に af_purchase イベントを実行した累積ユニークユーザー数を（統合ビューで）計算します。
• イベントへのコンバージョン率、つまりコンバージョン後 7日以内に購入を行ったコンバージョンの割合を計算します。
• デーを conversion_type='install' とフィルターします。
• データは、アプリ、コンバージョン日、メディアソース、キャンペーン、広告セットごとにグループ化されています。

SQLステートメント

select
    app_id, conversion_date, media_source, campaign, adset,
    sum(if(event_name = 'af_conversion', event_count,0)) as unified_conversions,
    sum(if(event_name = 'af_purchase', first_inapp, 0)) as af_purchase_day_7_cumulative_unique_users,
    concat(
        cast(
            round(
                sum(if(event_name = 'af_purchase', first_inapp, 0)) /
                sum(if(event_name = 'af_conversion', event_count, 0)) * 100.0
            ,2)
        as varchar),
    '%') as af_purchase_day_7_cumulative_unique_users_conversion_rate
from YOUR_DATA_LOCKER_REPORT
where
    conversion_date between '2023-12-01' and '2023-12-31'
    and is_primary_attribution = true
    and days_post_attribution <= 7
    and app_id in (APP_ID1, APP_ID2, ...)
group by 1,2,3,4,5

Excelの例

9. DAUの計算

次の例では、次のことを行います：

• メディアソース、キャンペーン、広告別にグループ化された選択した期間内の各日のDAUを計算します。
• デーを event_name = 'af_session' とフィルターします。
• 一度に1日のユニークユーザーを合計します。各日は独自のディメンション（列）です。

　注：

• 複数の日を合計することはできません（例：WAUまたはMAUを取得するため）。 
• DAUは、過去1,095日間のコンバージョンユーザーのアクティビティに基づいています。これは、アクティビティ管理画面やレポートに表示されるデータとは異なり、この制限はありません。特性と制限のセクションの「コンバージョン後の日数」を参照してください。

SQLステートメント

select
media_source,campaign_id, ad_id,
sum(case when event_date = '2024-08-06' then unique_users end) as dau_2024_08_06,
sum(case when event_date = '2024-08-07' then unique_users end) as dau_2024_08_07,
sum(case when event_date = '2024-08-08' then unique_users end) as dau_2024_08_08
from YOUR_DATA_LOCKER_REPORT
where event_date between '2024-08-06' and '2024-08-08'
and event_name = 'af_session'
and app_id = YOUR_APP
group by 1,2,3 

Excelの例