마케터에 대한 SSOT(Single Source of Truth) 데이터 락커 리포트

한눈에 보기: 데이터 락커의 SSOT(Single Source of Truth) 리포트는 ID 매칭, SKAN 등의 다양한 어트리뷰션 방법에서 얻은 데이터를 병합하여 앱 캠페인 성과에 대한 통합적이고 정확한 개요를 제공합니다.  내부 BI 시스템에 데이터를 사용하여 분석 및 리포팅 기능을 강화할 방법을 제공합니다. 구독 플랜에 로데이터 액세스가 포함되는 경우, 별도의 데이터 락커 구독이 필요하지 않습니다.

데이터 락커란?

데이터 락커는 AWS, GCS, Snowflake 등 주요 클라우드 플랫폼에 직접 데이터를 제공하는 보안 솔루션입니다. 마케터는 데이터 락커를 통해 포괄적인 분석 및 리포팅을 위해 내부 BI 시스템에 데이터를 쉽게 통합하고 사용할 수 있습니다. 더 알아보기.

SSOT(Single Source of Truth)란?

SSOT(Single Source of Truth) 솔루션은 ID 매칭, SKAN 등의 다양한 어트리뷰션 방법에서 얻은 데이터를 병합하여 앱 캠페인 성과에 대한 통합적이고 정확한 개요를 제공하여 데이터 단편화 문제를 해결하는 것을 목표로 합니다. 더 알아보기.

데이터 락커에서 SSOT 리포트의 이점

Single Source of Truth 리포트:

  • 정확하고 완전한 어트리뷰션 뷰 확보: SSOT는 다양한 어트리뷰션 방법의 데이터를 병합하는 논리를 처리하여 여러 어트리뷰션 방법으로 어트리뷰션된 설치를 중복으로 계산하는 것을 사실상 방지합니다. 이를 통해 데이터가 정확하고 실제 유저 행동과 어트리뷰션을 반영하도록 보장합니다.
  • BI 시스템에 데이터 로드: SSOT는 집계된 데이터를 사용하여 내부 BI 시스템을 개발하는 효율적이고 정확한 방법을 제공합니다. 여기에는 모든 차원 및 지표와 함께 어트리뷰션, 인앱 이벤트, 수익 데이터가 포함됩니다. 이 데이터를 BI 시스템에 로드하면 사용자 개인정보 보호 체제를 유지하면서 캠페인 성과 및 최적화 프로세스를 강화할 수 있습니다.
  • 최고의 세분성: SSOT는 SKAN에 내재된 데이터 갭을 모델링할 때도 가능한 최고 수준의 세분성을 제공합니다. 이 상세한 데이터는 정확하고 정보에 기반한 의사 결정을 내리는 데 도움이 됩니다.

데이터 락커 설정

SSOT(Single Source of Truth) 리포트를 활성화하려면 다음 절차 중 하나를 완료하십시오.

현재 데이터 락커를 통해 데이터를 받고 계신가요?  절차

 

Yes 

AppsFlyerAdmin_us-en.png데이터 락커에 리포트를 추가하려면:
  1. 앱스플라이어의 사이드 메뉴에서 내보내기 > 데이터 락커를 선택합니다.
  2. 가져올 리포트를 모두 선택합니다. 
  3. 구성 저장을 클릭합니다.
    리포트는 다음 날 사용할 수 있습니다.
아니요 AppsFlyerAdmin_us-en.pngTo set up Data Locker:
  1. 최초 데이터 락커(광고주 | 파트너) 설정을 완료하십시오.
  2. 데이터 락커에 리포트를 추가합니다.
    1. 앱스플라이어의 사이드 메뉴에서 내보내기 > 데이터 락커를 선택합니다.
    2. 가져올 리포트를 모두 선택합니다. 
    3. 구성 저장을 클릭합니다.
      리포트는 다음 날 사용할 수 있습니다.

SSOT 리포트 관련 팩트

이름 설명
사용 가능한 리포트 다음 리포트를 사용할 수 있습니다.
 
  • 유저 유입: 유저 유입 채널에 전환을 어트리뷰션합니다. 여기에는 리인게이지먼트 기간 동안 발생하는 설치 후 활동이 포함됩니다.
  • 리타겟팅: 발생하는 이벤트에 대한 리타겟팅 채널에 전환을 어트리뷰션합니다.
    • 리어트리뷰션의 결과
    • 리인게이지먼트 기간 동안
  • 통합: 앱스플라이어 더블 어트리뷰션 규칙에 따라 마지막 터치 채널에 전환을 어트리뷰션합니다. 즉, 리인게이지먼트 중에 발생하는 설치 후 활동은 UA 미디어소스가 아닌 리타겟팅 미디어소스 아래에 표시됩니다.
리포팅 기간 이 리포트에서는 설치 후 최대 7일까지 코호트 지표를 제공합니다.
디렉터리 구조 디렉터리 구조는 설치 날짜를 기준으로 구성됩니다. 각 설치 날짜 폴더에는 매일 생성되는 여러 버전이 포함됩니다. 각 버전은 이 설치 날짜에 대해 업데이트된 누적 데이터를 반영합니다. 즉, 사용 가능한 최신 리포트 버전만 처리해야 합니다. 더 알아보기
리포트 구조 리포트의 스키마 (측정기준 및 측정항목 포함)는 고정되어 있으며 수정할 수 없습니다.
시간대 UTC
데이터 최신성
  • 일별.
  • 지표는 해당 날짜가 끝나는 시점인 자정(UTC)에 사용 가능한 데이터를 사용하여 계산합니다.
  • SLA: 새 리포트는 16:00 UTC까지 데이터 락커에서 확인할 수 있습니다. 매일 마지막 15개 설치 날짜에 대해 새 버전이 생성됩니다. 더 보기

리포트 구조

리포트는 기준 및 지표로 구성됩니다.

지표는 어트리뷰션, 수익, 이벤트를 수행하는 고유 유저에 대한 데이터를 포괄합니다. 비용 관련 지표(예: ROI 및 ROAS)를 계산하려면 수익 및 비용 지표가 모두 있어야 합니다. 수익 메트릭은 SSOT 리포트에 있으며 비용 메트릭은 ROI360 Cost ETL에서 제공합니다.

샘플 리포트 다운로드

필드 형식

필드 이름 설명
문자열 [n] 문자열의 최대 길이. 일반적으로 데이터 수신 시에는 필드 길이 제한 사항을 적용하지 않지만 수신 이후에 데이터가 잘릴 수 있습니다.
시간 문자열

문자열의 형식은 다음과 같습니다.

yyyy-mm-dd hh:mm:ss. 

예를 들어,

2019-09-17 00:09:25 
Enum [n] Enum 필드는 특정 값만 포함할 수 있습니다. 예를 들어, selected_currency는 3자이며 지정된 통화 코드만 포함할 수 있습니다.
Timestamp 10자리 UNIX 타임 스탬프. 예:
2020년 8월 4일 07:25 UTC는 다음과 같이 변환됩니다.
 "timestamp": "1596525944"
Boolean 필드의 값은 TRUE 또는 FALSE일 수 있습니다.
정수 정수
Float 소수점과 소수점 뒤의 값을 가질 수 있는 실제 부동소수입니다.

디멘션

필드 이름 설명 형식
af_ad_id 광고 식별자. 캠페인 구조. string
af_ad 광고 이름 string
af_adset_id 광고 세트 식별자. 캠페인 구조. string
af_adset 광고 세트 이름. string
app_id 접두사 ID를 가진 앱 ID(광고주 앱). string
attribution_method 이벤트를 어트리뷰션하는 데 사용되는 메커니즘. 이러한 메커니즘의 예로는 앱스플라이어 메서드, SKAdNetwork(SKAN) 및 오가닉이 있습니다. string
attributed_touch_type 가능한 값: 클릭 노출, null. string
campaign 애드 네트워크가 앱스플라이어에 리포트한 캠페인 이름. string
af_c_id 캠페인 식별자. string
days_post_attribution 전환 날짜 이후 경과된 일수(특정 전환 타임스탬프 아님).
팁! 이를 사용하여 보존 기간 및 KPI 일수를 계산합니다.
int
event_name 이벤트를 식별합니다. 일부 이벤트 이름은 특정 의미를 갖지만, 다른 이벤트 이름은 앱에서 광고주가 설정한 인앱이벤트와 관련됩니다.
event_name 유저가 수행한 작업
af_conversion 유저가 전환했습니다. conversion_type을 사용하여 설치, 재다운로드, 리어트리뷰션 또는 리인게이지먼트인지 파악하세요.
광고주가 인앱이벤트 정의 앱에서 인앱이벤트를 실행했습니다.
string
지역 ISO 국가 코드. 앱스플라이어의 기존 어트리뷰션 방법에서는 유저 IP 주소에서 파생되는 반면, SKAN에서는 데이터가 애드 네트워크에서 보강되거나 모델링됩니다. string
install_date

SKAN 앱스플라이어가 포스트백 도착 시간을 기준으로 추정합니다.

AF:

  • UA: 설치 이후 첫 실행
  • 리타겟팅: 리인게이지먼트/리어트리뷰션 후 첫 실행
string
is_primary_attribution

UA: true

리타겟팅: 리인게이지먼트 윈도우 중에, 인앱 이벤트는 원래의 UA 미디어소스(리인게이지먼트 이전)와 리인게이지먼트 미디어소스 모두에 어트리뷰션됩니다. 이벤트가 리인게이지먼트 윈도우 이내에 있는 경우입니다. 원래의 미디어소스는 FALSE가 됩니다(기본 어트리뷰션이 아님). 리인게이지먼트 미디어 소스는 TRUE입니다.

bool
media_source 이벤트에 어트리뷰션된 애드 네트워크. string
selected_currency 앱 설정에서 유저가 설정한 3자리 통화 코드(USD, EUR). ISO-4217 형식입니다. SSOT 유저 인터페이스에서 수익을 표시하는 데 사용되는 것과 동일한 통화입니다. string
conversion_type 가능한 값:
설치: 유저가 처음으로 앱을 다운로드하고 엽니다.
리어트리뷰션: 유저가 재설치하고 새 캠페인에 어트리뷰션됩니다.
재다운로드(SKAN): 유저가 앱을 삭제한 후 다시 설치합니다.
리인게이지먼트: 리인게이지먼트: 유저가 리타겟팅 광고와 상호 작용한 후 앱을 다시 엽니다.
string

측정 지표

선택한 dl 이름 설명 형식
revenue_selected_currency 선택한 통화의 누적 수익 금액. 소수점 이하 최대 2자리입니다.
예: days_post_attribution=2인 event_name=purchase의 경우, 이 값은 설치 후 2일 이내(둘째 날뿐만 아니라) 구매 이벤트에서 발생한 총수익을 반영합니다.
double
revenue_usd 누적 수익 금액(USD).
예: days_post_attribution=2인 event_name=purchase의 경우, 이 값은 설치 후 2일 이내(둘째 날뿐만 아니라) 구매 이벤트에서 발생한 총수익을 반영합니다.
double
skan_duplicates SKAN과 다른 AF 메서드에 의해 동시에 어트리뷰션된 설치는 SSOT 데이터의 중복 계산 방지를 위해 제거됩니다. long
uninstalls_count 나중에 앱을 제거(삭제)하는 유저의 앱 유저 설치 수(유저 인입에만 해당) long
unique_users 이벤트를 수행하는 고유 유저의 수. 값은 누적됩니다.
예: days_post_attribution=2인 event_name=purchase의 경우, 이 값은 설치 후 2일째 이내(둘째 날뿐만 아니라)에 구매한 고유 유저 수를 반영합니다.
int

모델링된 데이터

앱스플라이어는 기본 SKAdNetwork 리포팅이 제공할 수 없는 데이터를 모델링합니다.

  • Null 변환 값(CV): SKAN에서 Apple은 유저 개인 정보를 보호하기 위해 실제 데이터를 "Null" 값으로 바꿀 수 있습니다. 데이터가 누락되지 않도록 이러한 null 값은 SSOT에서 모델링됩니다. 더 알아보기.
  • 더 긴 설치 후 지표: 첫 2일 이후의 설치 후 기간 동안 SKAN의 데이터 세분화는 제한적이며, 이로 인해 부정확성이 발생할 수 있습니다. 높은 데이터 품질을 유지하기 위해 2보다 큰 days_post_attribution에 대해 수익과 고유 인앱 이벤트 유저를 모델링합니다. 더 알아보기.

지역 데이터: SKAN은 데이터 세분화를 제한하여 지역 데이터를 사용할 수 없게 만드는 경우가 많습니다. 이러한 경우 효율적인 성능 분석이 가능하도록 데이터를 모델링합니다. 더 알아보기.

부분 데이터

최근 설치 일수를 분석할 때 연장된 설치 후 기간(예: 7일)의 지표가 완전히 성숙되지 않았을 수 있습니다. 이러한 경우 지표를 계속 사용할 수는 있지만 부분적인 데이터만 반영하게 됩니다.

몇 가지 경험칙:

  • 리포트에는 사용 가능한 모든 데이터가 사용 가능하게 되는 즉시 표시됩니다.
  • 5일이 지나면 설치 후 2일간의 지표가 완성됩니다*.
  • 7일이 지나면 설치 후 7일간의 지표가 완성됩니다*. 설치 후 최대 15일까지 모델은 이 값을 구체화할 수 있습니다.

부분 데이터의 이유:

  • 데이터 성숙도: 설치 날짜 이후의 시간이 분석 중인 일수보다 짧으면 데이터가 계속 누적되는 중이며 아직 완료되지 않은 것입니다.
  • SKAN 지연: SKAN 데이터는 무작위로 지연 수신됩니다. 예를 들어, 처음 2일 동안의 설치 후 활동은 설치 후 최대 96시간(4일)까지 수신 가능합니다.
  • 모델링된 데이터 타이밍: 설치 후 2일 이상의 기간에 대한 SKAN 데이터가 모델링됩니다. 우리가 사용하는 모델은 7일 후에 첫 번째 추정 값을 생성합니다. 이 기간(2일 차부터 7일 차까지) 중에는 앱스플라이어의 기존 어트리뷰션 방법의 데이터를 사용할 수 있지만 SKAN 모델링 데이터는 사용할 수 없습니다.

예(설치 날짜가 1월 1일이라고 가정):

  • 1월 2일: SKAN 데이터는 아직 수신되지 않았습니다. 설치 후 2일 동안의 데이터는 설치 후 7일의 데이터와 동일하며, 둘 다 부분적이며 앱스플라이어의 기존 어트리뷰션 방법의 데이터로 구성됩니다.
  • 1월 3일: SKAN 데이터가 부분적으로 수신됩니다. 설치 후 2일 동안의 데이터는 여전히 부분적 데이터이며, 이제 부분적으로 SKAN 데이터를 포함합니다. 설치 후 7일 동안의 데이터에는 아직 모델링된 SKAN 데이터가 포함되지 않습니다(첫 번째 모델링된 값은 설치 후 7일이 지나면 사용 가능함). 따라서 설치 후 2일에서 7일 사이에는 설치 후 2일에 비해 설치 후 7일의 값이 더 낮을 수 있습니다.
  • 1월 6일: 설치 후 첫 2일 동안의 SKAN 데이터가 완전히 수신되었으며, 여기에는 가능한 최대 지연이 있는 포스트백이 포함되었습니다. 설치 후 2일 동안의 지표가 완성되었습니다. 이 시점에서 설치 후 7일간의 지표는 아직 완성되지 않았습니다.
  • 1월 8일: 설치 후 7일간의 SKAN 모델링 데이터가 완성되었습니다. 이 모델은 1월 16일까지 값을 계속 구체화합니다. 

디렉터리 구조

리포트 폴더 계층 구조

  • 기본 폴더는 리포트 유형별로 구성됩니다. 가능한 값:
    • ssot_unified
    • ssot_retargeting
    • ssot_user_acquisition
  • 이러한 폴더 내의 하위 폴더는 설치 날짜별로 구성됩니다.

버전 관리 

  • 각 설치 날짜 폴더에는 매일 생성되는 여러 버전이 포함됩니다.
  • 각 버전은 해당 설치 날짜에 대해 업데이트된 누적 데이터를 반영합니다.
  • 리포트에는 설치 날짜에 사용 가능한 모든 데이터가 포함됩니다. 예를 들어 4월 18일에 각 설치 날짜의 최신 버전에는 4월 18일 해당 시점까지의 모든 데이터가 포함됩니다.
  • 팁: 정확성을 보장하기 위해 항상 사용 가능한 최신 리포트 버전을 처리합니다.

각 설치 날짜는 최대 15개 버전으로 제한됩니다. 15일이 지나면 모든 지표가 완전히 확정되고 완성됩니다. 더 알아보기.

디렉터리 및 파일 이름 구조

리포트 경로는 다음 형식으로 구성됩니다.

<bucket-name>/t=<ssot_unified OR ssot_retargeting OR ssot_user_acquisition>/install_date=<yyyy-mm-dd>/version=<unix timestamp>/<parquet file number>

광고주 버킷의 폴더 계층 구조 예:

bucket
|
└── t=ssot_unified
    |
    ├── install_date=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:

  • t: 리포트 주제(유형)
  • install_date: 앱의 설치 날짜입니다. 즉, 설치 후 활동은 유저 작업이 발생한 날이 아니라 유저가 앱을 다운로드한 설치 날짜를 기준으로 표시됩니다.
  • version: 버전이 생성된 시점을 나타내는 Unix 타임스탬프입니다.

BI 개발사 고려사항

리포트의 데이터 범위:

이 리포트에는 유저 유입 설치, 리타겟팅 리어트리뷰션(SKAN에서 재다운로드), 리인게이지먼트에 대한 데이터와 관련 인앱 이벤트에 대한 데이터가 포함됩니다.

리포트 로드

통합, 사용자 획득 및 리타겟팅 리포트를 개별적으로 또는 함께 BI 시스템에 로드할 수 있습니다. 함께 로드하고 직접 뷰를 필터링하려는 경우:

  • 통합 리포트: is_primary_attribution=true 또는 null 필드를 사용합니다.
  • 유저 유입 리포트: conversion_type=Install을 사용합니다.
  • 리타겟팅 리포트: conversion_type=re-engagement 또는 re-attribution을 사용합니다.
  • 통합 뷰: 데이터 로드 프로세스에서 통합 뷰를 사용하는 경우 캠페인 유형 간에 데이터를 분할할 수 있습니다.
  • conversion_type=install, re-engagement 또는 re-attribution (SKAN에서는 re-downloads)을 사용합니다.
  • 자세한 내용은 "리타겟팅 이벤트의 이중 어트리뷰션"을 참조하세요.

어트리뷰션 후 일수

중요!

이 리포트에는 수익 및 고유 유저 데이터를 설치 후 특정 일수와 연결하는 차원 days_post_attribution이 포함됩니다.

  • 어트리뷰션(설치, 리인게이지먼트 등)의 경우 값은 0입니다.
  • 수익 및 인앱 이벤트의 경우 데이터는 사전 정의된 코호트로 분류되며, 현재 설치 후 "2일" 및 "7일"로 제한됩니다.

 

인앱 이벤트와 수익을 정확하게 분석하려면 days_post_attribution 차원에 필터를 적용해야 합니다. 아래 예제 쿼리를 참조하세요.

 

흔히 범하는 실수의 예는 특정 차원 세트에 대한 수익 열을 합산하는 단순화된 논리를 적용하는 것입니다. 이 접근 방식을 사용하면 일부 수익 데이터가 두 번 (days_post_install=2에 한 번, days_post_install=7에 다시 한 번) 계산되므로 잘못된 숫자가 생성됩니다. 이 예는 특정 인앱 이벤트에 대한 고유 유저를 분석할 때도 관련이 있습니다.

고려 사항

팁 고려 사항:

  • 마지막 버전: 항상 각 설치 날짜에 사용 가능한 최신 버전을 쿼리하여 분석을 위해 가장 최신의 정확한 데이터로 작업하고 있는지 확인합니다.
  • 수익 계산: USD 단위의 수익은 이벤트 발생일의 환율을 사용하여 계산됩니다.
  • 어트리뷰션 분석: event_name=af_conversion인 레코드는 어트리뷰션(설치, 리어트리뷰션(SKAN에서 재다운로드), 리인게이지먼트)을 반영합니다. 어트리뷰션 수는 고유 유저 지표 아래에 표시되며, 이러한 필드에 대한 수익 지표는 비어 있게 됩니다. days_post_attribution 아래의 값은 0이 됩니다.
  • 대시보드 비교: 설치를 대시보드와 비교할 때, 대시보드는 설치 열에서 재다운로드 및 설치 전환 유형을 모두 고려하므로 두 유형을 모두 합산합니다.
  • 인앱 이벤트 분석: event_name이 'af_conversion'과 같지 않은 레코드는 인앱 이벤트를 반영합니다. 이벤트를 수행하는 고유 유저 수는 고유 유저 지표 아래에 표시되고, 이러한 이벤트에서 생성된 수익은 수익 지표 아래에 표시됩니다.
  • 전환 유형: 이 차원을 사용하여 유저 유입 전환과 리타겟팅 전환을 구분합니다. SKAN 데이터에 대한 추가 중단(설치 대 재다운로드)을 사용할 수 있습니다. SSOT 대시보드와 데이터를 비교할 때 두 유형 모두 설치로 간주됩니다.
  • 광고 수익 이벤트: 사용 가능한 경우 이러한 이벤트가 포함됩니다.
  • 데이터 분리: 모든 앱 데이터는 단일 파일로 제공됩니다. 앱 ID 필드를 사용하여 앱별로 데이터를 분리하거나 데이터 락커를 앱별로 분리하도록 설정합니다.
  • 비용, 클릭 수, 노출 수 등의 사전 어트리뷰션 데이터는 비용 ETL 리포트에서 가져와야 합니다.

사용 사례 예시

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.

캠페인당 총 어트리뷰션 수 계산

이 쿼리에서는 다음을 수행합니다.

  • 각 설치 날짜의 캠페인당 총 고유 어트리뷰션을 합산합니다.
  • 이벤트 이름이 'af_conversion'이고 특정 캠페인 ID(af_c_id)가 있는 전환을 필터링합니다.
SELECT install_date, SUM(unique_users) AS total_attributions
FROM ssot_unified
WHERE event_name = 'af_conversion'
    AND af_c_id = '4475903638579'  -- Change to your specific campaign
    AND app_id = 'YOUR_APP'
GROUP BY install_date;

전환(설치 및 재다운로드)을 계산하여 고유 캠페인마다 대시보드의 설치 수와 비교하기

이 쿼리에서는 다음을 수행합니다.

  • 전환 수를 계산하여 고유한 캠페인과 설치 날짜마다 신규 설치와 재다운로드를 구분합니다.
  • 'install' 전환 유형과 're-download' 전환 유형을 병합하는 대시보드 설치 지표와 설치 수를 비교합니다.
SELECT install_date, conversion_type, SUM(unique_users) AS total_conversions
FROM ssot_unified
WHERE event_name = 'af_conversion'
    AND af_c_id = '4475903638579'  -- Change to your specific campaign
    AND conversion_type IN ('install', 're-download')  
-- The dashboard sums both under the install field AND app_id = 'YOUR_APP' GROUP BY install_date, conversion_type;

지역별 리타겟팅 전환 계산

이 쿼리에서는 다음을 수행합니다.

  • 리타겟팅 캠페인의 전환 수를 지리적 위치별로 분류하여 계산합니다.
  • 이러한 전환에 대해 're-attribution' 및 're-engagement' 유형을 고려합니다.
SELECT install_date, conversion_type, geo, SUM(unique_users) AS total_conversions
FROM ssot_unified
WHERE event_name = 'af_conversion'
    AND conversion_type IN ('re-attribution', 're-engagement')  
-- Both types are relevant for re-targeting AND app_id = 'YOUR_APP' GROUP BY install_date, conversion_type, geo;

미디어소스별 어트리뷰션 방법으로 설치 수 계산

이 쿼리에서는 다음을 수행합니다.

  • 어트리뷰션 방법(SKAN, 앱스플라이어 방법, 오가닉)으로 설치 수를 계산하고 미디어소스별로 분류합니다.
  • 전환 유형이 'install'인 'af_conversion' 이벤트를 기준으로 필터링합니다.
SELECT install_date, attribution_method, media_source, SUM(unique_users) 
AS total_installs FROM ssot_unified WHERE event_name = 'af_conversion' AND conversion_type = 'install' AND app_id = 'YOUR_APP' GROUP BY install_date, attribution_method, media_source;

광고 세트당 Facebook에 대해 설치 후 7일 동안의 누적 수익 계산

이 쿼리에서는 Facebook에 게재된 광고의 설치 후 7일 이내에 누적된 수익을 측정합니다.

SELECT install_date,
       af_adset,
       SUM(revenue_usd) AS total_revenue_day_7
FROM ssot_unified
WHERE media_source = 'facebook'
    AND days_post_attribution = 7  -- Choose a specific post-install period (cohort)
    AND app_id = 'YOUR_APP'
GROUP BY install_date, af_adset;

선택한 설치 후 기간의 누적 수익 계산

이 쿼리에서는 다음을 수행합니다.

  • 설치 후 선택한 여러 날 동안의 누적 수익을 계산하여 2일 차와 7일 차의 합계를 분석합니다.
  • 지난 7일 동안의 설치를 분석할 때 설치 후 7일 동안의 데이터가 완전하지 않을 수 있습니다. 더 알아보기
SELECT install_date,
       SUM(IF(days_post_attribution = 2, revenue_usd, 0)) AS total_revenue_day2,
       SUM(IF(days_post_attribution = 7, revenue_usd, 0)) AS total_revenue_day7
FROM ssot_unified
WHERE app_id = 'YOUR_APP'
GROUP BY install_date;

미디어소스당 특정 인앱 이벤트(구매)의 수익 계산

이 쿼리에서는 다음을 수행합니다.

  • 특정 인앱 이벤트(예: 'af_purchase')의 수익 가치를 측정하고 해당 데이터를 미디어소스별로 합산합니다.
  • 설치 후 선택한 일수를 필터링하여 데이터가 이중 계산되지 않도록 합니다.
SELECT install_date, media_source, SUM(revenue_usd) AS total_purchase_revenue
FROM ssot_unified
WHERE event_name = 'af_purchase'  -- Change to your specific event
    AND days_post_attribution = 7  -- Choose a specific post-install period (cohort)
    AND app_id = 'YOUR_APP'
GROUP BY install_date, media_source;

설치 후 2일 동안의 인앱 이벤트 전환율 계산

이 쿼리에서는 모든 설치와 관련된 특정 인앱 이벤트(예: 'af_complete_tutorial')의 전환율을 계산합니다.

SELECT install_date,
  SUM(IF(days_post_attribution = 2 AND 
event_name = 'af_complete_tutorial', unique_users, 0)) / SUM(IF(event_name = 'af_conversion', unique_users, 0))
AS conversion_rate_day2_af_tutorial_conversion FROM ssot_unified WHERE conversion_type = 'install'
-- Choose the conversion types for the sample group you want to measure AND app_id = 'YOUR_APP' GROUP BY install_date;

캠페인 ID당 설치 후 7일 및 2일 동안의 ARPU 계산

이 쿼리에서는 다음을 수행합니다.

  • 캠페인 전반에서 설치 후 2일 차와 7일 차의 유저당 평균 수익(ARPU)을 계산합니다.
  • 지난 7일 동안의 설치를 분석할 때 설치 후 7일 동안의 데이터가 완전하지 않을 수 있습니다. 더 알아보기
SELECT install_date,
       af_c_id,
       SUM(IF(days_post_attribution = 2, revenue_usd, 0)) 
       / SUM(IF(event_name = 'af_conversion', unique_users, 0)) AS ARPU_day2,
       SUM(IF(days_post_attribution = 7, revenue_usd, 0)) 
       / SUM(IF(event_name = 'af_conversion', unique_users, 0)) AS ARPU_day7
FROM ssot_unified
WHERE conversion_type = 'install'  
       -- Choose the conversion types for the sample group you want to measure
    AND app_id = 'YOUR_APP'
GROUP BY install_date, af_c_id;

이 쿼리에서 미디어소스당 중복 수량 계산

이 쿼리에서는 미디어소스 및 설치 날짜별로 중복된 유저 어트리뷰션의 총 횟수를 계산하여 유저 어트리뷰션에서 중복이 더 많을 수 있는 미디어 채널을 강조 표시합니다.

SELECT install_date, media_source, SUM(skan_duplicates)
FROM ssot_unified
WHERE app_id = 'YOUR_APP'
    AND event_name = 'af_conversion'
GROUP BY install_date, media_source;
SELECT install_date, media_source, SUM(skan_duplicates)
FROM ssot_unified
WHERE app_id = 'YOUR_APP'
GROUP BY install_date, media_source;

특징 및 제약 사항

열 a 열 b
비용 데이터 비용 데이터를 사용할 수 없습니다. 비용 ETL을 대신 사용할 수 있습니다.
일별 리포트 가용성 하루가 끝날 때 SSOT 토글이 설정된 설치 날짜에만 해당 날짜에 대한 SSOT 리포트가 있습니다.

설치 후 2일 지표

 

  • Conversion Studio에서 SKAN 4의 경우: 데이터는 설치 후 2일 동안의 데이터입니다.
  • Conversion Studio에서 SKAN 3의 경우: 데이터는 정의된 SKAN 활동 기간을 기반으로 합니다.
    예: 활동 기간이 24시간인 경우 이 기간 내에 발생하는 이벤트가 (X+1일 차에도) 계산됩니다.

인앱 이벤트 가용성

 

  • SKAN Conversion Studio에서 구성된 이벤트에만 사용할 수 있습니다.
  • Window 1의 기간 동안 발생한 이벤트에 대해서만 사용할 수 있습니다.
수익 SKAN 수익이 특정 이벤트에 대해서만 구성된 경우 SSOT 수익 지표는 해당 AF 리포트 수익 이벤트만 고려합니다.
SKAN 재다운로드 분석 사용 가능. SSOT 대시보드에서는 이 분석을 사용할 수 없으며 설치 및 재다운로드가 모두 설치 지표에 포함됩니다.

SKAN Conversion Studio 구성 변경

 

SKAN Conversion Studio 구성을 변경하면 이전 스키마로 인코딩된 설치의 포스트백이 계속 도착하므로 약 96시간 동안 SSOT 데이터에 부정확성이 발생할 수 있습니다.
시간대 앱별 시간대는 사용할 수 없습니다.
오가닉 데이터
  • 설치 후 2일 지표에 사용할 수 있습니다.
  • 설치 후 7일 동안 지표를 사용할 수 없습니다.
전환 후 일수(설치, 리어트리뷰션, 리인게이지먼트) 데이터 변환 후 7일로 제한됩니다.

에이전시 투명성

 

지원됨. X 광고 및 메타 광고 데이터는 항상 투명합니다.

캠페인 이름 변경

 

지원 안 됨. 캠페인 이름이 변경된 경우 그룹화 및 필터링에 캠페인 ID를 사용합니다.

애드 네트워크

 

  • 다음과 같은 경우 SSOT DataLocker 리포트에 액세스하여 미디어소스에 어트리뷰션되는 데이터를 볼 수 있습니다.
    • 광고주가 Conversion Studio에서 SSOT를 사용 설정했습니다.
    • 애드 네트워크에서 SKAN 캠페인을 실행 중입니다.
    • 애드 네트워크는 집계 데이터에 액세스하기 위해 광고주로부터 필요한 권한이 있습니다.

에이전시 액세스

 

해당 없음. 에이전시 유저는 SSOT 대시보드에서 SSOT 데이터를 볼 수 있습니다.

D7 지표

 

  • 다음과 같은 경우 누락되거나 D2 지표보다 작을 수 있습니다.
    • 날짜 범위에는 8일이 지나지 않은 날짜가 포함됩니다.
    • 모델링된 데이터를 사용할 수 없습니다(예: 14일 미만의 수익 데이터). 더 알아보기.
    • 지난 14일 이내에 SKAN Conversion Studio 구성이 변경되었습니다.
    • 지정된 날짜에 설치 수가 10개 미만입니다.

사전 정의된 이벤트 이름 

 

이벤트 이름 'af_conversion'은 다양한 유형의 전환을 나타내는 데 사용되므로 'af_conversion'이라는 특정한 이름을 가진 이벤트가 있는 앱에는 원래 이벤트의 이름이 'af_conversion_event'로 바뀝니다.

현지 통화 차이

 

SSOT 대시보드와 SSOT DataLocker 리포트는 동시에 계산되지 않으므로 대시보드의 현지 통화로 표시된 수익을 리포트에서 선택한 통화와 비교할 때 약간의 불일치가 발생할 수 있습니다. 이는 데이터가 계산된 시점에 사용된 환율이 약간 다르기 때문입니다.
SKAN D7 부분 데이터 SKAN D7 데이터가 모델링되고 설치 후 7일이 지나 초기 버전이 준비되므로 지난 7일 이내의 날에 대한 D7 지표를 분석할 때 D7 데이터는 부분 데이터입니다. 어트리뷰션 방법이 SKAN인 레코드의 경우 D7 지표는 D2 지표보다 낮습니다.
D7 수익 및 인앱 이벤트 지표에 대한 제한적 세분성 설치 후 7일 동안의 수익 및 고유 유저 이벤트 지표는 광고 세트, 광고, 전환 유형 세분화 수준에서 사용할 수 없습니다. 이 수준의 세부 정보는 일반적으로 SKAN에서 사용할 수 없으므로 모델은 이러한 차원을 고려하지 않습니다.
광고 수익 데이터 최신성

광고 수익 데이터가 하루 지연됩니다.

예를 들어 7월 3일 아침에 생성된 리포트에는 7월 1일까지의 광고 수익 데이터가 포함됩니다.