SKAN 모델링 데이터

요약: 앱스플라이어 모델은 기본 SKAdNetwork 리포트가 제공할 수 없는 데이터를 집계합니다.

개요

SKAdNetwork(SKAN) 리포트는 다음과 같은 이유로 제한될 수 있습니다.

  • SKAN은 6비트로 제한되는 전환 값(CV)에 의존하므로 가능한 값이 64개(0-63) 생성됩니다.
  • Apple은 때때로 사용자 프라이버시를 보호하기 위해 실제 CV를 보류(그리고 데이터를 "null"로 반환)합니다.
  • 데이터는 12~72시간 사이의 활동 기간 내에서만 사용할 수 있으며 전체 유저생애가치(LTV)는 알 수 없습니다.

SKAN 모델링 데이터는 이런 문제를 해결합니다.

  • 앱스플라이어는 머신 러닝, 베이지안 통계, 앱스플라이어가 리포트한 데이터 및 SKAN 데이터를 사용하여 숨겨진 데이터 요소를 모델링합니다.
  • 광고주는 앱 및 캠페인 LTV 성과에 대해 보다 완전하게 이해할 수 있습니다.

참고: 전환 가치 스키마를 변경하면 모델링된 데이터는 2일 후에야 사용할 수 있습니다.

모델링된 데이터 형식 및 가용성

데이터 유형 사용 가능 여부 설명
Null 전환 값
  • Single Source of Truth 대시보드 뷰 개요
  • SKAN 대시보드
  • SKAN 통합 성과 리포트 API
  • SKAN 집계된 포스트백 도착 날짜 API
 
수익 LTV Single Source of Truth 대시보드 뷰 개요 수익 LTV 모델링은 현재 7일로 제한됩니다.
지역 Single Source of Truth 대시보드 뷰 개요  

Null 전환 값

Apple이 사용자 개인 정보를 보호하기 위해 실제 CV를 보류하기 때문에 변환 값(CV)이 null인 경우가 있습니다. 앱스플라이어에서 null CV는 인스톨로 계산됩니다. 유의사항:

  • Null과 제로는 서로 다른 의미를 가집니다.
    • 제로: 사용자가 앱을 인스톨했지만 활동 기간 동안 측정 가능한 작업을 수행하지 않았습니다. 따라서 지표는 정확하고 모델링되지 않습니다. 
    • Null: 우리는 사용자가 무엇을 했는지 모릅니다. Apple이 CV를 보류했습니다. 
  • Null CV는 성과 지표를 왜곡할 수 있습니다. 왜곡을 극복하고 앱 성능을 보다 정확하게 측정하기 위해 null 전환 값은 0~63 사이의 전환 값으로 모델링됩니다.

모델링된 전환 가치:

  • SKAN 인스톨의 분배를 전환 가치와 함께 사용하여 null 인스톨을 모델링합니다. 데이터를 모델링하는 데 사용되는 알고리즘은 동적이며 여러 변수를 고려합니다. 작동 방식에 대한 다음 예를 참조하십시오.
    • 인스톨이 100개 있는데 그중 null 60개, CV=1인 경우 10개, CV=3인 경우 5개, CV=5인 경우 25개입니다.
    • 즉, 전환 가치가 있는 40개의 인스톨 중 25%는 CV=1, 12.5%는 CV=3, 62.5%는 CV=5입니다.
    • 60개의 null 인스톨은 동일한 모델링된 분포를 얻습니다. 15개는 CV=1, 7개는 CV=3, 38개는 CV=5를 얻습니다.
  • SKAN 대시보드 및 API 메트릭에 포함됩니다. 모델링된 데이터를 포함하지 않는 변경되지 않은 원래 메트릭은 이러한 메트릭과 함께 사용할 수 있으며 모델링되지 않은 것으로 표시됩니다.
  • 다음 세분성 수준(앱, 미디어소스, 캠페인 및 광고 세트)의 데이터를 사용합니다. 이러한 수준을 사용하여 모델링된 데이터를 사용할 수 없는 경우 N/A 값이 표시됩니다.

전환 가치를 기반으로 사용할 수 있는 모델링된 지표:

  • 수익
  • 이벤트 발생 수
  • eCPA
  • ARPU
  • ROI
  • ROAS

수익 LTV

modeled_d7.png

SKAN 리포팅 자체는 Conversion Studio의 수익에 대한 SKAN 측정 기간과 CV 구성을 기반으로 한 수익만 제공할 수 있습니다. SKAN 모델링은 인스톨 후 최대 7일(168시간)까지 수익을 모델링할 수 있습니다.

장점:

SKAN 버전 3 이하의 경우, 모델링된 데이터는 활동 기간의 기간을 넘어 확장됩니다.

SKAN 버전 4 이상의 경우:

  • 데이터 최신성: 수익 LTV는 두 번째 SKAN 포스트백이 도착하기 전에 사용할 수 있습니다(포스트백 지연은 24~144시간).
  • 더 많은 측정: 이벤트 및 리텐션과 같은 다른 지표에 대해 두 번째 및 세 번째 포스트백의 대략적인 값 구성을 사용할 수 있으며 모델링을 통해 수익 LTV 데이터를 얻을 수 있습니다.
  • 데이터 풍부성: 두 번째 포스트백을 사용하여 수익을 측정하는 경우 포스트백의 데이터는 모델링된 수익 LTV 데이터를 개선하고 포스트백에서 제공하는 3가지 수준보다 더 세분화된 수준에서 수익 데이터를 제공하는 데 사용됩니다.

고려 사항:

  • SKAN Conversion Studio에서 수익 구성이 있는 앱, 인앱 구매 및 광고 수익에서 발생하는 수익에 대해 수익 LTV 지표가 표시됩니다.
  • 수익 LTV에는 최소 14일의 수익 데이터가 필요합니다. 즉, 2022년 11월 1일에 전체 수익을 구성하는 경우 모델링된 데이터를 사용할 수 있는 첫 번째 인스톨 날짜는 2022년 11월 14일입니다. 데이터는 그로부터 8일 후(2022년 11월 22일)에 표시됩니다.
  • 수익 LTV(현재 7일로 제한됨) 및 기타 파생 지표는 인스톨 후 8일 차에 SSOT 대시보드(위젯, 차트 및 표)에서 다음과 같이 사용할 수 있습니다.
    • 수익 d7
    • ARPU D7
    • 총 이익 D7
    • ROI D7
    • 광고투자수익(ROAS) d7

지역

SKAN 포스트백에는 지리적 기준이 포함되지 않습니다.따라서 SKAN 포스트백만을 사용하여 SKAN 데이터를 지역별로 그룹화할 수 없습니다.그러나 앱스플라이어는 SKAN 인스톨 지역을 모델링하여 SKAN 데이터에 대한 지역 차원 및 그룹화를 제공할 수 있습니다.

모델링된 지역:

  • 다른 앱스플라이어 방법을 통해 어트리뷰션된 캠페인 인스톨에 대한 지리적 분포를 고려하는 머신 러닝 도구를 사용합니다.
  • SSOT 대시보드의 Geo 차원을 통해 사용할 수 있습니다. .
    참고: Geo 및 Attributing 방법으로 데이터를 그룹화하면 AF 모델과 SKAN 고유 간에 분할된 각 지역의 데이터를 볼 수 있습니다. SKAN 유니크가 모델링됩니다.

고려 사항 

  • 앱스플라이어 지역 모델링의 정확도는 약 90%입니다. 지역을 모델링할 수 없는 경우 SKAN 설치는 None(없음) 아래에 그룹화됩니다. 없음은 지역을 알 수 없음을 의미합니다.