[Beta fechado] Relatórios agregados avançados no Data Locker

Informações do relatório

Estrutura do relatório

O relatório é composto por dimensões e métricas.

O formato dos campos é o seguinte:

• Dimensões: String. O comprimento máximo da string é dinâmico e, na maioria dos casos, depende de como você preenche os elementos da hierarquia de publicidade.
• Métricas: Número: Observação: O formato de campo selected_currency é uma string.
  As métricas disponíveis são a receita, os usuários que executam um evento e o número de ocorrências do evento. Para calcular métricas relacionadas a custos, como ROI e ROAS, você precisa de métricas de receita e custo. As métricas de receita estão em Cohort e as métricas de custo são fornecidas pelo ROI360 Cost ETL.

Dimensões

Métricas

Diretório e estrutura de nomes de arquivos

O caminho (path) para o relatório consiste na seguinte hierarquia de pastas:

Com o seguinte formato: /t=cohort_unified_versioned/dt=/version=/

Hierarquia de pastas de relatório

Um exemplo da hierarquia de pastas do relatório versionado de cohort no bucket do anunciante:

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
    |   |
    .   . 
    .   . 

Legenda:

• dt: Data em que ocorreram os eventos incluídos no relatório.
• t: tipo de relatório.
• versão: Carimbo de data/hora do Unix quando a versão foi criada.

Versões de relatório e atualização de dados

• Intradiário. Os relatórios são enviados no intervalo de algumas horas.
• Os relatórios são para todos os dados disponíveis em um dia específico. Ou seja, em 18 de abril, cada versão do relatório contém todos os dados de 18 de abril.
• Use apenas a última versão disponível do relatório.

Informações do relatório

Estrutura do relatório

O relatório é composto por dimensões e métricas.

O formato dos campos é o seguinte:

• Dimensões: String. O comprimento máximo da string é dinâmico e, na maioria dos casos, depende de como você preenche os elementos da hierarquia de publicidade.
• Métricas: Número: Observação: O formato de campo selected_currency é uma string.
  As métricas disponíveis são a receita, os usuários que executam um evento e o número de ocorrências do evento. Para calcular métricas relacionadas a custos, como ROI e ROAS, você precisa de métricas de receita e custo. As métricas de receita estão em Cohort e as métricas de custo são fornecidas pelo ROI360 Cost ETL.

Dimensões

Métricas

Diretório e estrutura de nomes de arquivos

O caminho (path) para o relatório consiste na seguinte hierarquia de pastas:

Com o seguinte formato: /t=cohort_unified_timezone_versioned/dt=/version=/

Hierarquia de pastas de relatório

Um exemplo da hierarquia de pastas do relatório versionado de fuso horário de cohort no bucket do anunciante:

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
    |   |
    .   . 
    .   . 

Legenda:

• dt: Data em que ocorreram os eventos incluídos no relatório.
• t: tipo de relatório.
• versão: Carimbo de data/hora do Unix quando a versão foi criada.

Versões de relatório e atualização de dados

• Intradiário. Os relatórios são enviados no intervalo de algumas horas.
• Os relatórios são para todos os dados disponíveis em um dia específico. Ou seja, em 18 de abril, cada versão do relatório contém todos os dados de 18 de abril.
• Os casos de uso podem ser diferentes a depender da sua região geográfica e fuso horário. Saiba mais
• Use apenas a última versão disponível do relatório.

Os casos de uso podem ser diferentes a depender da sua região geográfica e fuso horário. Use a tabela a seguir para entender quais geos correspondem a quais fusos horários.

Escopo dos dados no relatório

Os relatórios contêm instalações com aquisição de usuários e retargeting com reatribuições e reengajamentos, além de eventos in-app correlacionados.

Você pode carregar relatórios unificados, de aquisição de usuários e de retargeting separadamente ou de uma só vez em seu BI. Se você carregá-los juntos e quiser filtrar as exibições por conta própria: 

• Para unificado, use o campo is_primary_attribution=true ou null.
• Para aquisição de usuários, use conversion_type=Install.
• Para retargeting, use conversion_type=reengajamento ou re-attribution.

Se você usar apenas a exibição unificada em seu processo de carregamento de dados, poderá dividir os dados entre os tipos de campanha, ou seja, atribuição de usuário (instalações) e retargeting (reengajamentos). Para fazer isso, use o conversion_type=install, install-unified, re-engagement ou re-attribution. Leia Atribuição dupla de eventos de retargeting.  

Considerações a nível de campo

• Use os dias após a atribuição para calcular suas métricas de retenção.
• Calcular usuários usando o nome da campanha e dimensões do ID da campanha: se você puder ignorar a granularidade do nome da campanha, poderá somar a contagem exclusiva no ID da campanha e as métricas estarão corretas. 
• Você pode agregar os dados usando os campos de hierarquia da campanha.  
• A receita está em USD e é calculada usando a taxa de câmbio no dia do evento.  

Considerações gerais

Os dados de todos os aplicativos são configuráveis; eles podem ser fornecidos em um único arquivo ou em arquivos separados por aplicativo.

A seguir estão exemplos de alguns usos práticos dos dados via Data Locker. Cada exemplo é ilustrado por uma instrução SQL e um exemplo de Excel. 

1. Calculando a retenção

No exemplo a seguir, nós:

• Calculamos a retenção D1 e D7, assim como o total de instalações por campanha e anúncio.
• Somamos a contagem de eventos por evento de conversão filtrando event_name para af_conversion.
• Analisamos as campanhas de aquisição de usuários filtrando os dados de forma que conversion_type=install .

SQL

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

2. Calculando o ARPU de múltiplos eventos in-app

No exemplo a seguir, nós:

• Calculamos o ARPU de vários eventos in-app por campanha.
• Analisamos as campanhas de aquisição de usuários filtrando os dados de forma que conversion_type=re-engagement e conversion_type=re-attribution.
• Somamos a contagem de eventos por evento de conversão filtrando event_name para af_conversion.
• Somamos a receita de vários eventos. Nesse caso, af_purchase e af_coins.
• Configuramos days_post_attribution para o mínimo necessário (nesse caso, 7) para reduzir a carga de processamento de dados.

SQL

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

3. Calculando a taxa de conversão de eventos in-app para um dia específico

No exemplo a seguir, nós:

• Calculamos a taxa de conversão de eventos in-app em D0 para várias dimensões (nesse caso, data de conversão, geo, campanha, anúncio e site ID).
• Analisamos dados unificados (UA e campanhas de retargeting) filtrando os dados de forma que is_primary=true.
• Somamos a contagem de eventos por evento de conversão filtrando event_name para af_conversion.
• Configuramos days_post_attribution para o mínimo necessário (nesse caso, 7) para reduzir a carga de processamento de dados.

SQL

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

4. Calculando as instalações diárias 

No exemplo a seguir, nós:

• Calculamos o número de instalações por app ID, data de conversão, canal de mídia, nome do evento e tipo de conversão.
• Filtramos os dados para mostrar as instalações do UA (sem retargeting), definindo conversion_type como install.
• Somamos as instalações, configurando event_name como af_conversion.

SQL

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

5. Calculando a receita do Facebook Ads 

No exemplo a seguir, nós:

• amosCalcule a receita D3 do Facebook por data de conversão e app ID.
• Analisamos os dados do Facebook filtrando os dados para que media_source='Facebook Ads'.
• Definimos days_post_attribution o mínimo necessário (nesse caso, 3) para reduzir a carga de processamento de dados.

SQL

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

6. Calculando o ARPU por keyword ID no ASA por até 365 dias de cohort 

No exemplo a seguir, nós:

• Calculamos o ARPU do Apple Search Ads por keyword ID até o 365º dia.
• Analisamos os dados do Apple Search Ads, filtrando os dados de forma que media_source='Apple Search Ads'.
• Somamos a contagem de eventos por evento de conversão filtrando event_name para af_conversion.

SQL

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

7. Calculando o ARPU D7 por tempo de atribuição e por geo 

O exemplo a seguir ilustra como usar KPIs por tempo de atribuição. No exemplo, nós

• Calculamos o ARPU D7 por data de atribuição e por geo.
• Os resultados são classificados pelo número de conversões, com os 20 principais geos exibidos.
• Os dados são filtrados de forma que conversion_type='install'.
• A primeira coluna mostra geo. A segunda coluna mostra o total de conversões. As colunas subsequentes mostram a receita D7 para cada dia especificado como uma linha no query.

SQL

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

8. Calculando compras D7 após a conversão 

No exemplo a seguir, nós:

• Calculamos os usuários cumulativos que concluíram eventos af_purchase 7 dias após a conversão (no modo de exibição unificado).
• Calculamos a taxa de conversão para o evento, ou seja, a parcela de conversões que levam a uma compra nos 7 dias seguintes à conversão.
• Os dados são filtrados de forma que conversion_type='install'.
• Os dados são agrupados por aplicativo, data de conversão, canal de mídia, campanha e adset.

SQL

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