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

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

현재 데이터 락커를 통해 데이터를 받고 계신가요?	절차
Yes	데이터 락커에 리포트를 추가하려면: 앱스플라이어의 사이드 메뉴에서 내보내기 > 데이터 락커를 선택합니다. 가져올 리포트를 모두 선택합니다.  구성 저장을 클릭합니다. 리포트는 다음 날 사용할 수 있습니다.
아니요	To set up Data Locker: 최초 데이터 락커(광고주 | 파트너) 설정을 완료하십시오. 데이터 락커에 리포트를 추가합니다. 앱스플라이어의 사이드 메뉴에서 내보내기 > 데이터 락커를 선택합니다. 가져올 리포트를 모두 선택합니다.  구성 저장을 클릭합니다. 리포트는 다음 날 사용할 수 있습니다.

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.

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. 

• 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.

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.

통합 리포트, 유저 유입 리포트, 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(SKAN에서 재다운로드)을 사용합니다.
• 자세한 내용은 "리타겟팅 이벤트의 이중 어트리뷰션"을 참조하세요.

• 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.

팁 고려 사항:

• 최신 버전: 각 설치 날짜에 대해 사용 가능한 가장 높은 버전 번호를 항상 검색해야 하며, 이는 가장 최근 데이터를 나타냅니다. 버전 번호는 유닉스 타임스탬프 형식이므로, 가장 높은 값이 최신 버전을 나타냅니다. 이는 귀하의 분석이 가장 정확하고 최신 정보를 사용하도록 보장합니다.
• 수익 계산: 매출은 USD로 표시되며 이벤트 당일의 환율로 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 및 노출과 같은 사전 귀속 데이터는 비용 ETL 보고서에서 가져와야 합니다.

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. 

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;

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;

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;

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;

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;

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;

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;

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;

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;

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;

SELECT install_date,
       SUM(revenue_usd) AS total_revenue_day_7
FROM ssot_unified
WHERE attribution_method IN ('AF Model','SKAN')
  AND days_post_attribution = 7 
  AND app_id = 'YOUR_APP'
GROUP BY install_date;

SELECT install_date,
       SUM(revenue_usd) AS total_revenue_day_7
FROM ssot_unified
WHERE attribution_method = 'Organic'
  AND days_post_attribution = 7 
  AND app_id = 'YOUR_APP'
GROUP BY install_date;

SELECT install_date,
       SUM(revenue_usd) AS total_revenue_day_7
FROM ssot_unified
WHERE event_name = 'af_ssot_organic'
  AND days_post_attribution = 7 
  AND app_id = 'YOUR_APP'
GROUP BY install_date;