[클로즈 베타] 데이터 락커의 고급 집계 보고서

사실 보고

리포트 구조

리포트는 기준 및 지표로 구성됩니다.

필드의 형식은 다음과 같습니다.

• 디멘션: 문자열입니다. 문자열의 최대 길이는 동적이며 대부분의 경우 광고 계층 요소를 채우는 방법에 따라 달라집니다.
• 측정 지표: 숫자입니다. 참고: selected_currency 필드 형식은 문자열입니다.
  사용할 수 있는 지표는 수익, 이벤트를 수행하는 고유 사용자 및 이벤트 발생 횟수입니다. ROI 및 ROAS와 같은 비용 관련 지표를 계산하려면 수익 및 비용 지표가 모두 있어야 합니다. 수익 메트릭은 코호트에 있으며 비용 메트릭은 ROI360 Cost ETL에서 제공합니다.

디멘션

측정 지표

디렉토리 및 파일 이름 구조

보고서 경로는 다음과 같은 폴더 계층으로 구성됩니다.

다음 형식: /t=cohort_unified_versioned/dt=/version=/

보고서 폴더 계층 구조

광고주 버킷의 코호트 버전이 지정된 보고서 폴더 계층 구조의 예는 다음과 같습니다.

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
    |   |
    .   . 
    .   . 

범례:

• dt: 보고서에 포함된 이벤트가 발생한 날짜.
• t: 보고서 유형.
• 버전: 버전이 생성되었을 때의 Unix 타임스탬프.

보고서 버전 및 데이터 새로 고침

• 당일 내로 보고서는 몇 시간마다 전송됩니다.
• 보고서는 해당 날짜에 현재 사용할 수 있는 모든 데이터에 대한 것입니다. 즉, 4월 18일의 모든 보고서 버전에는 4월 18일 해당 시점까지 사용 가능한 모든 데이터가 포함됩니다.
• 사용 가능한 최신 보고서 버전만 수집합니다.

사실 보고

리포트 구조

리포트는 기준 및 지표로 구성됩니다.

필드의 형식은 다음과 같습니다.

• 디멘션: 문자열입니다. 문자열의 최대 길이는 동적이며 대부분의 경우 광고 계층 요소를 채우는 방법에 따라 달라집니다.
• 측정 지표: 숫자입니다. 참고: selected_currency 필드 형식은 문자열입니다.
  사용할 수 있는 지표는 수익, 이벤트를 수행하는 고유 사용자 및 이벤트 발생 횟수입니다. ROI 및 ROAS와 같은 비용 관련 지표를 계산하려면 수익 및 비용 지표가 모두 있어야 합니다. 수익 메트릭은 코호트에 있으며 비용 메트릭은 ROI360 Cost ETL에서 제공합니다.

디멘션

측정 지표

디렉토리 및 파일 이름 구조

보고서 경로는 다음과 같은 폴더 계층으로 구성됩니다.

다음 형식으로: /t=cohort_unified_timezone_versioned/dt=/version=/

보고서 폴더 계층 구조

광고주 버킷의 코호트 시간대 버전이 지정된 보고서 폴더 계층 구조의 예는 다음과 같습니다.

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
    |   |
    .   . 
    .   . 

범례:

• dt: 보고서에 포함된 이벤트가 발생한 날짜.
• t: 보고서 유형.
• 버전: 버전이 생성되었을 때의 Unix 타임스탬프.

보고서 버전 및 데이터 새로 고침

• 당일 내로 보고서는 몇 시간마다 전송됩니다.
• 보고서는 해당 날짜에 현재 사용할 수 있는 모든 데이터에 대한 것입니다. 즉, 4월 18일의 모든 보고서 버전에는 4월 18일 해당 시점까지 사용 가능한 모든 데이터가 포함됩니다.
• 보고서 사용 사례는 지역과 시간대에 따라 다를 수 있습니다. 더 알아보기
• 사용 가능한 최신 보고서 버전만 수집합니다.

보고서 사용 사례는 지역과 시간대에 따라 다를 수 있습니다. 다음 표를 사용하여 어떤 지역이 어떤 시간대와 일치하는지 파악할 수 있습니다.

리포트의 데이터 범위

이 리포트에는 사용자 획득, 인스톨 및 리타게팅, 리어트리뷰션, 리인게이지먼트, 관련 인앱이벤트가 포함됩니다.

통합, 사용자 획득 및 리타게팅 보고서를 개별적으로 또는 함께 BI에 로드할 수 있습니다. 함께 로드하고 직접 보기를 필터링하려는 경우: 

• 통합의 경우 is_primary_attribution=true 또는 null 필드를 사용합니다.
• 사용자 확보의 경우 conversion_type=Install을 사용합니다.
• 리타게팅의 경우 conversion_type=리인게이지먼트 또는 리어트리뷰션을 사용합니다.

데이터 로딩 과정에 통합 뷰를 사용하는 경우 로직을 사용하여 캠페인 유형 간에 데이터를 분할해야 합니다. 다시 말하면 사용자 어트리뷰선(인스톨)과 리타게팅(리인게이지먼트)입니다. 이렇게 하려면 conversion_type=install, install-unified, re-engagement 또는 re-attribution을 사용합니다. 리타게팅 이벤트의 이중 어트리뷰션을 참고하십시오.  

필드 수준 고려사항

• 사후 어트리뷰션 날짜를 사용하여 리텐션 지표 계산을 쉽게 합니다.
• 캠페인 이름 및 캠페인 ID 측정기준을 사용하여 순 사용자 계산: 캠페인 이름 세분성을 무시할 수 있는 경우, 캠페인 ID의 고유 개수를 합산할 수 있으며 지표가 정확합니다. 
• 캠페인 구조 필드를 사용하여 데이터를 집계할 수 있습니다.  
• USD 단위의 수익은 이벤트 발생일의 환율을 사용하여 계산됩니다.  

일반 고려사항

모든 앱의 데이터를 구성할 수 있습니다. 앱당 단일 파일 또는 별도의 파일로 제공할 수 있습니다.

다음은 BI 개발자가 데이터 락커를 통해 추출할 수 있는 코호트 데이터의 인기 있고 실용적인 애플리케이션의 예입니다. 각 예제를 SQL 문과 샘플 Excel 시각적 개체로 설명합니다.  

1. 리텐션 계산

다음 예제에서는 다음을 수행합니다.

• 1일차와 7일차의 리텐션과 캠페인 및 광고당 총 설치 수를 계산합니다.
• event_name을 af_conversion로 필터링하여 전환 이벤트당 이벤트 수를 합산합니다.
• conversion_type=install이 되도록 데이터를 필터링하여 사용자 확보 캠페인을 구체적으로 분석합니다.

SQL 문

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 conversion_type = 'install'
    and app_id = YOUR_APP
group by 1,2

Excel 예시

2. 다중 인앱이벤트의 ARPU 계산하기

아래 예제에서는 다음을 수행합니다.

• 캠페인당 다중 인앱이벤트의 ARPU를 계산합니다.
• conversion_type=re-engagement 및 conversion_type=re-attribution가 되도록 데이터를 필터링하여 사용자 확보 캠페인을 구체적으로 분석합니다.
• event_name을 af_conversion로 필터링하여 전환 이벤트당 이벤트 수를 합산합니다.
• af_purchase 및 af_coins의 여러 이벤트의 수익을 합산합니다.
• 데이터 처리 부하를 최소화하는 데 필요한 최소값(이 경우 7)으로 설정합니다 days_post_attribution .

SQL 문

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 예시

3. 특정 코호트 날짜에 대한 인앱 이벤트 전환율 계산

아래 예제에서는 다음을 수행합니다.

• 여러 측정기준(이 경우 전환일, 지역, 캠페인, 광고, 사이트 ID)에 대한 0일 차 인앱 이벤트 전환율을 계산합니다.
• is_primary=true이 되도록 통합 데이터(UA 및 리타게팅 캠페인 모두)를 분석하여 데이터를 필터링합니다.
• event_name을 af_conversion로 필터링하여 전환 이벤트당 이벤트 수를 합산합니다.
• 데이터 처리 부하를 최소화하는 데 필요한 최소값(이 경우 7)으로 설정합니다 days_post_attribution .

SQL 문

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 = true
    and app_id = YOUR_APP
group by 1,2,3,4,5

Excel 예시

4. 일일 인스톨 계산 

아래 예제에서는 다음을 수행합니다.

• 앱 ID, 전환 날짜, 미디어소스, 이벤트 이름 및 전환 유형당 설치 수를 계산합니다.
• conversion_type을 install로 설정하여 UA 설치(리타게팅 아님)를 표시하도록 데이터를 필터링합니다.
• event_name을 af_conversion로 설정하여 인스톨 합계를 계산합니다.

SQL 문

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'
    and conversion_type = 'install'
    and event_name = 'af_conversion'
    and app_id = YOUR_APP
group by 1,2,3,4,5

Excel 예시

5. Facebook 광고 수익 계산 

아래 예제에서는 다음을 수행합니다.

• 전환 날짜 및 앱 ID를 기준으로 Facebook의 3일 차 수익을 계산합니다.
• 데이터를 필터링하여 Facebook 데이터를 분석합니다 media_source='Facebook Ads'.
• days_post_attribution 을 필요한 최소값(이 경우 7)으로 설정하여 데이터 처리 부하를 최소화합니다.

SQL 문

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 예시

6. 최대 365일의 코호트 일수에 대한 ASA 키워드 ID당 ARPU 계산 

아래 예제에서는 다음을 수행합니다.

• 코호트 365일 차까지 키워드 ID당 Apple Search Ads의 ARPU를 계산합니다.
• media_source='Apple Search Ads'가 되도록 Apple Search Ads 데이터를 필터링하여 분석합니다.
• event_name을 af_conversion로 필터링하여 전환 이벤트당 이벤트 수를 합산합니다.

SQL 문

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 예시

7. 지역별 어트리뷰션 시간별 ARPU 7일 계산 

다음 예제에서는 기여 시간별로 KPI를 사용하는 방법을 보여 줍니다. 이 예에서는 다음을 수행합니다.

• 지역별 어트리뷰션 날짜별로 ARPU 7일차를 계산합니다.
• 결과는 전환 수를 기준으로 정렬되며 상위 20개 지역이 표시됩니다.
• conversion_type='install'이 되도록 데이터를 필터링합니다.
• 첫 번째 열에는 지역이 표시됩니다. 두 번째 열에는 총 전환수가 표시됩니다. 그 이후의 열에는 쿼리에서 행으로 지정된 모든 날짜에 대한 수익 일 7이 표시됩니다.

SQL 문

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
    and conversion_type = 'install'
    and app_id = 'YOUR_APP'
group by 1
order by 2 desc
limit 20

Excel 예시

8. 전환 후 7일째 되는 날 구매 계산 

아래 예제에서는 다음을 수행합니다.

• 전환 후 7일 후에 af_purchase 이벤트를 수행하는 누적 고유 사용자를 계산합니다(통합 보기에서).
• 이벤트에 대한 전환율, 즉 전환 후 7일 이내에 구매한 전환의 비율을 계산합니다.
• conversion_type='install'이 되도록 데이터를 필터링합니다.
• 데이터는 앱, 전환 날짜, 미디어소스, 캠페인, 광고 세트별로 그룹화됩니다.

SQL 문

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 = True
    and days_post_attribution <= 7
    and app_id in (APP_ID1, APP_ID2, ...)
group by 1,2,3,4,5

Excel 예시