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: Texto. O comprimento máximo da string é dinâmico e, na maioria dos casos, depende de como se preenchem os elementos da hierarquia publicitária.
• Métricas: Número. Nota: 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, são necessárias métricas de receita e custo. As métricas de receita são encontradas no cohort, enquanto as métricas de custo são fornecidas pelo Cost ETL do ROI360.

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

• Intradiária. 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: Texto. O comprimento máximo da string é dinâmico e, na maioria dos casos, depende de como se preenchem os elementos da hierarquia publicitária.
• Métricas: Número. Nota: 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, são necessárias métricas de receita e custo. As métricas de receita são encontradas no cohort, enquanto as métricas de custo são fornecidas pelo Cost ETL do ROI360.

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

• Intradiária. 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.

Âmbito dos dados no relatório

Os relatórios contêm instalações de aquisição de utilizadores, reatribuições de retargeting e reengajamentos, além dos seus eventos in-app relacionados.

Pode carregar relatórios unificados, de aquisição de utilizadores e retargeting, separadamente ou em conjunto no seu BI. Se os carregar juntos e quiser filtrar as visualizações por si: 

• Para unificado, use o campo é_atribuição_primária=true ou nulo.
• Para aquisição de utilizadores, utilize tipo_de_conversão=instalação.
• Para retargeting, utilize tipo_de_conversão=re-engagement ou reatribuição.

Se apenas usar a vista unificada no seu processo de carregamento de dados, pode usar lógica para dividir os dados entre tipos de campanha, ou seja, atribuição de utilizadores (instalações) e retargeting (reengajamentos). Para isso, utilize conversion_type=install, install_unified, re-engajamento ou reatribuição. Consulte Atribuição dupla de eventos de retargeting. 

Considerações ao nível do campo

• Use dias pós-atribuição para permitir o cálculo fácil das métricas de retenção.
• Cálculo de usuários únicos usando as dimensões de nome de campanha e ID de campanha: Se puder desconsiderar a granularidade do nome da campanha, você pode somar a contagem única no ID da campanha, e as métricas estarão corretas. 
• Pode agregar os dados utilizando os campos da 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. Calcule a retenção

No exemplo seguinte, realizamos as seguintes ações:

• Calcular a retenção do Dia 1 e do Dia 7, bem como o número total de instalações por campanha e anúncio.
• Somar a contagem de eventos por evento de conversão filtrando event_namepara que seja af_conversion.
• Mais especificamente, analisamos as campanhas de aquisição de usuários no relatório Unificado, filtrando os dados para que conversion_type IN (install, install_unified).

Instrução 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 app_id = YOUR_APP
group by 1,2

Exemplo Excel

2. Calcule o ARPU de múltiplos eventos no aplicativo

No exemplo seguinte, realizamos as seguintes ações:

• Calcular o ARPU de múltiplos eventos na aplicação por campanha.
• Analisar especificamente as campanhas de retargeting, filtrando os dados de modo a que conversion_type=re-engagement e conversion_type=re-attribution.
• Somar a contagem de eventos por evento de conversão filtrando event_namepara que seja af_conversion.
• Somar a receita de múltiplos eventos, neste caso af_purchasee af_coins.
• Definir days_post_attribution como o mínimo necessário (neste caso, 7) para minimizar a carga de processamento de dados.

Instrução 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

Exemplo Excel

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

No exemplo seguinte, realizamos as seguintes ações:

• Calcular a taxa de conversão de eventos na aplicação no Dia 0 para várias dimensões (neste caso, data de conversão, localização geográfica, campanha, anúncio e ID do site).
• Analisar dados unificados (campanhas de UA e de retargeting) filtrando-os para que is_primary_attribution=true.
• Somar a contagem de eventos por evento de conversão filtrando event_namepara que seja af_conversion.
• Definir days_post_attribution como o mínimo necessário (neste caso, 7) para minimizar a carga de processamento de dados.

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

Exemplo Excel

4. Calcule as instalações diárias

No exemplo seguinte, realizamos as seguintes ações:

• Calcular o número de instalações por ID da aplicação, data de conversão, fonte de mídia, nome do evento e tipo de conversão.
• No relatório unificado, filtre os dados para mostrar instalações de UA (não retargeting) configurando conversion_type para install ou install_unified.
• Some as instalações definindo event_namepara que seja af_conversion.

Instrução 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'
    // If you're querying data from unified reports, edit the line below to: and conversion_type IN ('install', 'install_unified')
    and conversion_type = 'install'
    and event_name = 'af_conversion'
    and app_id = YOUR_APP
group by 1,2,3,4,5

Exemplo Excel

5. Calcule a receita de anúncios do Facebook Ads

No exemplo seguinte, realizamos as seguintes ações:

• Calcular a receita do Dia 3 de anúncios do Facebook, com base na data de conversão e ID da aplicação.
• Analise os dados do Facebook filtrando para que media_source='Facebook Ads'.
• Definir days_post_attribution como o mínimo necessário (neste caso, 3) para minimizar a carga de processamento de dados.

Instrução 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

Exemplo Excel

6. Calcule o ARPU por ASA keyword ID até 365 dias de cohort

No exemplo seguinte, realizamos as seguintes ações:

• Calcular o ARPU dos anúncios de pesquisa da Apple por ID de palavra-chave até ao dia de coorte 365.
• Analise os dados do Apple Search Ads filtrando-os de modo a que media_source='Apple Search Ads'.
• Somar a contagem de eventos por evento de conversão filtrando event_namepara que seja af_conversion.

Instrução 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

Exemplo Excel

7. Cálculo do ARPU Dias 7 por tempo de atribuição para cada área geográfica

O exemplo seguinte ilustra como utilizar KPIs por tempo de atribuição. Neste exemplo, nós:

• Calculamos o ARPU Dias 7 por data de atribuição para cada área geográfica.
• Os resultados são classificados pelo número de conversões, exibindo as 20 principais regiões geográficas.
• Os dados são filtrados de maneira que conversion_type='install'.
• A primeira coluna mostra a área geográfica. A segunda coluna mostra o total de conversões. As colunas seguintes mostram a receita dos 7 dias para cada dia especificado como uma linha na consulta.

Instrução 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
    // If you're querying data from unified reports, edit the line below to: and conversion_type IN ('install', 'install_unified')    
    and conversion_type = 'install'
    and app_id = 'YOUR_APP'
group by 1
order by 2 desc
limit 20

Exemplo Excel

8. Calculando compras D7 após a conversão

No exemplo seguinte, realizamos as seguintes ações:

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

Exemplo Excel

9. Cálculo de DAU

No exemplo seguinte, realizamos as seguintes ações:

• Calculamos o DAU para cada dia em um intervalo de tempo escolhido, agrupado por fonte de mídia, campanha e anúncio.
• Os dados são filtrados de maneira que event_name = 'af_session'.
• Somamos os usuários exclusivos para 1 dia de cada vez, onde cada data é sua própria dimensão (coluna).

Atenção:

• Você não pode somar vários dias (por exemplo, para obter WAU ou MAU). 
• DAU é baseado na atividade de usuários que converteram nos últimos 1.095 dias. Isso difere dos dados que podem ser vistos no dashboard e relatórios de Atividades, que não têm esse limite. Veja "Dias pós-conversão" na seção de características e limitações.

Instrução SQL

select
media_source,campaign_id, ad_id,
sum(case when event_date = '2024-08-06' then unique_users end) as dau_2024_08_06,
sum(case when event_date = '2024-08-07' then unique_users end) as dau_2024_08_07,
sum(case when event_date = '2024-08-08' then unique_users end) as dau_2024_08_08
from YOUR_DATA_LOCKER_REPORT
where event_date between '2024-08-06' and '2024-08-08'
and event_name = 'af_session'
and app_id = YOUR_APP
group by 1,2,3 

Exemplo Excel