Visão geral: O relatório Single Source of Truth (SSOT) no Data Locker oferece uma visão geral unificada e precisa do desempenho da campanha de aplicativos mesclando dados de vários métodos de atribuição, como correspondência de ID e SKAN. Ele fornece uma maneira de carregar dados em seus sistemas de BI para obter a mais alta precisão dos dados.
Observação
Antes de começarmos a compartilhar os dados com você, os anunciantes devem conceder permissões no painel.
O que é Data Locker
O Data Locker é uma solução segura que fornece dados diretamente para as principais plataformas de nuvem, como AWS, GCS e Snowflake. Isso permite que você integre e consuma dados facilmente em seus sistemas internos de BI para análise e relatórios abrangentes. Saiba mais.
O que é Uma única fonte confiável (SSOT)
A solução Uma única fonte confiável (SSOT) tem o objetivo de resolver problemas com a fragmentação de dados oferecendo uma visão geral unificada e precisa do desempenho da campanha de aplicativos mesclando dados de vários métodos de atribuição, como correspondência de ID e SKAN. Saiba mais.
Benefícios dos relatórios de SSOT no Data Locker
O relatório Uma única fonte confiável fornece a mesma visibilidade que os profissionais de marketing usam para analisar e medir o desempenho.
- Obtenha uma visualização de atribuição precisa e completa: A SSOT lida com a lógica de mesclar dados de diferentes métodos de atribuição, impedindo efetivamente a contagem dupla de instalações atribuídas por vários métodos de atribuição. Isso garante que os dados sejam precisos e reflitam o verdadeiro comportamento e atribuição do usuário.
- Carregue dados em seus sistemas de BI: O SSOT fornece uma maneira eficiente e precisa de carregar os dados agregados em seus sistemas internos de BI. Isso inclui atribuições, eventos in-app e dados de receita, abrangendo todas as dimensões e métricas.
Configurando o Data Locker
Use este procedimento para configurar o Data Locker. As alterações nas configurações entram em vigor dentro de 3 horas.
Pré-requisito:
Complete um ou mais dos seguintes procedimentos de armazenamento:
Para configurar o Data Locker:
- Faça login no seu painel de parceiro da AppsFlyer.
- Vá para:
-
Anunciantes: Relatório > Data Locker.
- Parceiros de marketing: Clique no botão Menu da conta > Data Locker.
-
Anunciantes: Relatório > Data Locker.
- Siga as instruções de configuração do Data Locker etapas 3-16.
Permissões
Ad networks indicadas (ativadas) por agências: A agência não pode conceder permissão. A agência deve pedir ao anunciante que dê as permissões para ela.
Para permitir que a ad network obtenha dados da Uma única fonte confiável ou SSOT:
- Na AppsFlyer, no menu lateral, selecione Colaborar > Parceiros integrados.
- Procure o parceiro e selecione-o.
- Clique em configurar integração. Você será direcionado para a página de configuração da integração.
- Verifique se a opção Ativar parceiro está habilitada. Caso contrário, os dados não serão compartilhados.
- Vá para aba Permissões.
- Ative as seguintes permissões da ad network.
- Acessar dados agregados de conversões.
- Acessar dados agregados de eventos in-app.
- Acessar dados agregados de receita.
- Clique em Salvar permissões.
- Notifique a ad network para a qual você concedeu as permissões.
- Se você tiver vários aplicativos, repita o procedimento para cada aplicativo integrado ao parceiro.
Fatos do relatório SSOT
Nome | Descrição |
---|---|
Relatórios disponíveis | Os seguintes relatórios estão disponíveis:
|
Período coberto pelo relatório | O relatório fornece métricas de coorte até 7 dias pós-instalação. |
Estrutura do diretório | A estrutura de diretórios é organizada por data de instalação. Cada pasta de data de instalação inclui várias versões criadas diariamente. Cada versão reflete os dados cumulativos atualizados para essa data de instalação. Isso significa que você deve processar apenas a versão mais recente do relatório disponível. Saiba mais |
Estrutura do relatório | O esquema do relatório (as dimensões e métricas incluídas) é fixo e não pode ser modificado. |
Fuso horário | UTC |
Atualização dos dados |
|
Estrutura do relatório
O relatório é composto por dimensões e métricas.
As métricas abrangem dados de atribuições, receita e usuários únicos que realizam um evento.
Formatos de campo
Nome do formato | Descrição |
---|---|
Cadeia de caracteres [n] | O comprimento máximo da string. Normalmente, não impomos limitações de comprimento de campo no recebimento dos dados, mas os dados podem ser truncados depois disso. |
String de tempo |
As strings têm o formato, yyyy-mm-dd hh:mm:ss. Por exemplo, 2019-09-17 00:09:25 |
Enumeração [n] | Os campos de enumeração podem conter apenas valores específicos. Por exemplo, selected_currency tem 3 caracteres e pode conter apenas códigos de moeda, conforme especificado. |
Carimbo de data/hora |
Carimbo de data/hora UNIX de 10 dígitos. Exemplo: "timestamp": "1596525944" |
Booleano | O valor no campo pode ser TRUE ou FALSE |
Inteiro | Inteiro |
Float | Número flutuante real que pode ter uma vírgula decimal e valores após a vírgula. |
Dimensões
Nome do campo | Descrição | Formato | ||||||
---|---|---|---|---|---|---|---|---|
af_ad_id | Identificador de anúncio. Hierarquia da campanha | string | ||||||
af_ad | Nome do anúncio. | string | ||||||
af_adset_id | Identificador do conjunto de anúncios. Hierarquia da campanha | string | ||||||
af_adset | Nome do conjunto de anúncios | string | ||||||
app_id | ID do aplicativo (aplicativo do anunciante) com ID do prefixo. | string | ||||||
attribution_method | O mecanismo usado para atribuir o evento. Exemplos desses mecanismos incluem métodos da AppsFlyer, SKAdNetwork (SKAN) e orgânicos. | string | ||||||
attributed_touch_type | Valores possíveis: clique em impressão, nulo. | string | ||||||
campanha | Nome da campanha informado pela ad network à AppsFlyer. | string | ||||||
af_c_id | Identificador da campanha. | string | ||||||
days_post_attribution | O número de dias decorridos desde a data de conversão (não o carimbo de data/hora de conversão específico). Dica! Use isso para calcular os dias de retenção e de KPI. |
int | ||||||
event_name |
Identifica o evento. Alguns nomes de eventos têm um significado específico, enquanto outros se relacionam com eventos in-app definidos pelo anunciante no aplicativo.
|
string | ||||||
geo | O código ISO do país. Derivado do endereço IP do usuário nos métodos de atribuição clássicos da AppsFlyer, enquanto na SKAN os dados são enriquecido através de ad networks ou modelados. | string | ||||||
install_date |
SKAN: Estimado pela AppsFlyer com base na hora de chegada do postback. AF:
|
string | ||||||
is_primary_attribution |
UA: True Retargeting: Durante a janela de reengajamento, atribuímos tanto à fonte de mídia original (anterior ao reengajamento) quanto à fonte de mídia de reengajamento. Enquanto o evento estiver dentro da janela de reengajamento. A fonte de mídia original aparecerá como 'FALSE' (não é a atribuição principal). A fonte de mídia de reengajamento será VERDADEIRA. |
Bool | ||||||
media_source | Ad network atribuída a um evento. | string | ||||||
selected_currency | Código de 3 letras da moeda (USD, EUR) definido por você nas configurações do aplicativo. Format ISO-4217. Essa é a mesma moeda usada para exibir a receita na interface do usuário da SSOT. | string | ||||||
conversion_type | Valores possíveis: Instalação: O usuário baixa e abre um aplicativo pela primeira vez. Reatribuição: O usuário reinstala e é atribuído a uma nova campanha. Re-download (SKAN): O usuário instala o aplicativo novamente após a desinstalação. Reengajamento: Reengajamento: O usuário reabre o aplicativo depois de interagir com um anúncio de retargeting. |
string |
Métricas
nome do dl escolhido | Descrição | Formato |
---|---|---|
revenue_selected_currency | O valor da receita acumulada na moeda selecionada. Máximo de duas casas decimais após a vírgula. Exemplo: Para event_name=purchase com days_post_attribution=2, o valor reflete a receita total de eventos de compra dentro de dois dias após a instalação (não apenas no segundo dia). |
dobro |
revenue_usd | O valor da receita acumulada em USD. Exemplo: Para event_name=purchase com days_post_attribution=2, o valor reflete a receita total de eventos de compra dentro de dois dias após a instalação (não apenas no segundo dia). |
dobro |
skan_duplicates | As instalações atribuídas simultaneamente pelo SKAN e outros métodos AF são removidas para evitar a contagem dupla nos dados de SSOT. | longo |
uninstalls_count |
Número de usuários do aplicativo que o instalam e posteriormente o desinstalam (excluem) (relevante somente para Aquisição de Usuário) |
longo |
unique_users | O número de usuários distintos que executam um evento. Os valores são cumulativos. Exemplo: Para event_name=purchase com days_post_attribution=2, o valor reflete usuários únicos que fizeram compras dentro de dois dias após a instalação (não apenas no segundo dia). |
int |
Dados modelados
A AppsFlyer modela dados que os relatórios básicos da SKAdNetwork não podem fornecer.
- Valores de conversão nulos (CV): No SKAN, a Apple pode substituir os dados reais por um valor "Nulo" para manter a privacidade do usuário. Para garantir que nenhum dado seja omitido, esses valores nulos são modelados na SSOT. Saiba mais.
- Métricas pós-instalação mais longas: A granularidade de dados da SKAN para períodos pós-instalação além dos dois primeiros dias é limitada, o que pode levar a imprecisões. Para manter a alta qualidade dos dados, modelamos a receita e os usuários únicos de eventos in-app para days_post_attribution maiores que 2. Saiba mais.
Dados de geolocalização: A SKAN limita a granularidade dos dados, muitas vezes tornando os dados geográficos indisponíveis. Nesses casos, modelamos os dados para permitir uma análise de desempenho eficiente. Saiba mais.
Dados parciais
Ao analisar os dias de instalação recentes, as métricas para períodos pós-instalação estendidos (por exemplo, 7 dias) podem não estar totalmente maduras. Nesses casos, as métricas ainda estarão disponíveis, mas refletirão dados parciais.
Algumas regras práticas:
- O relatório mostra todos os dados disponíveis assim que estiverem disponíveis.
- Após 5 dias, as métricas de dois dias após a instalação são concluídas*.
- Após 7 dias, as métricas de sete dias após a instalação são concluídas. Até 15 dias após a instalação, o modelo pode refinar esse valor.
Razões para dados parciais:
- Maturidade dos dados: Quando o tempo desde a data de instalação é menor do que os dias que estão sendo analisados, os dados ainda estão se acumulando e ainda não estão completos.
- Atrasos da SKAN: Os dados da SKAN são recebidos com um atraso aleatório. Por exemplo, a atividade pós-instalação nos primeiros dois dias pode ser recebida até 96 horas (4 dias) após a instalação.
- Tempo de dados modelados: Os dados da SKAN para períodos superiores a 2 dias após a instalação são modelados. Nossos modelos geram o primeiro valor estimado após 7 dias. Durante esse período (dias 2 a 7), os dados dos métodos de atribuição clássicos da AppsFlyer estão disponíveis, enquanto os dados modelados pela SKAN não estão.
Exemplos (assumindo uma data de instalação de 1º de janeiro):
- No dia 2 de janeiro: Os dados do SKAN ainda não foram recebidos. Os dados de 2 dias após a instalação serão iguais aos dados de 7 dias após a instalação, e ambos são parciais, consistindo em dados dos métodos clássicos de atribuição da AppsFlyer.
- No dia 3 de janeiro: Os dados da SKAN são parcialmente recebidos. Os dados de 2 dias após a instalação ainda serão parciais, agora contendo parcialmente os dados do SKAN. Os dados de 7 dias após a instalação ainda não incluirão nenhum dado dp SKAN modelado (o primeiro valor modelado fica disponível após 7 dias da instalação). Portanto, entre 2 a 7 dias após a instalação, podemos ver um valor menor por 7 dias após a instalação em relação a 2 dias após a instalação.
- No dia 6 de janeiro: Os dados da SKAN nos primeiros dois dias após a instalação foram totalmente recebidos, incluindo postbacks com o máximo de atraso possível. As métricas para dois dias após as instalações são concluídas. Neste ponto, as métricas para 7 dias após as instalações ainda não foram concluídas.
- No dia 8 de janeiro: Os dados modelados do SKAN para 7 dias após a instalação são concluídos. Nosso modelo continuará refinando o valor até 16 de janeiro.
Estrutura do diretório
Hierarquia de pastas de relatório
- As pastas primárias são organizadas pelo tipo de relatório. Valores possíveis: 'ssot_unified', 'ssot_retargeting' e 'ssot_user_acquisition'.
- Dentro dessas pastas, as subpastas são organizadas pela data de instalação.
Controle de versão
- Cada pasta de data de instalação contém várias versões, criadas diariamente.
- Cada versão reflete os dados cumulativos atualizados para essa data de instalação.
- Os relatórios incluirão todos os dados disponíveis para a data de instalação. Por exemplo, em 18 de abril, a versão mais recente de cada data de instalação contém todos os dados até aquele ponto de 18 de abril.
- Dica: Sempre processe a versão mais recente do relatório disponível para garantir a precisão.
Cada data de instalação é limitada a até 15 versões. Após 15 dias, todas as métricas são totalmente corrigidas e concluídas. Saiba mais.
Diretório e estrutura de nomes de arquivos
O caminho para o relatório consiste no seguinte formato:
<bucket-name>/t=<ssot_unified OR ssot_retargeting OR ssot_user_acquisition>/install_date=<yyyy-mm-dd>/version=<unix timestamp>/<parquet file number>
Exemplo de hierarquia de pastas no bucket do anunciante:
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
| |
. .
. .
Legenda:
- t: Tópico de relatório (tipo).
- install_date: A data de instalação do aplicativo. Isso significa que a atividade pós-instalação aparecerá com base na data de instalação em que o usuário baixou o aplicativo, não no dia em que a ação do usuário ocorreu.
- versão: Carimbo de data/hora Unix indicando quando a versão foi criada.
Considerações para desenvolvedores de BI
Escopo dos dados no relatório:
Os relatórios contêm dados sobre instalações com aquisição de usuários e retargeting com reatribuições (re-download no SKAN) e reengajamentos, juntamente com eventos in-app correlacionados.
Carregando relatórios
Você pode carregar relatórios unificados, de aquisição de usuários e de retargeting separadamente ou de uma só vez em seu sistema de BI. Se você carregá-los juntos e quiser filtrar as exibições por conta própria:
- Relatórios unificados: Use is_primary_attribution=true ou null field.
- Relatórios de aquisição de usuários: Use conversion_type=install.
- Relatórios de redirecionamento: Use conversion_type=reengajamento ou reatribuição.
- Visualização unificada: Se você usar a visualização unificada no processo de carregamento de dados, poderá dividir os dados entre os tipos de campanha:
- Use conversion_type=install, reengajamento ou reatribuição (re-downloads no SKAN).
- Consulte "Dupla atribuição de eventos de retargeting" para obter mais detalhes
Dias pós-atribuição
Importante!
O relatório inclui uma dimensão, days_post_attribution, que associa a receita e os dados exclusivos do usuário ao número específico de dias após a instalação
- Para atribuições (instalações, reengajamentos etc.), o valor é 0.
- Para eventos de receita e no aplicativo, os dados são categorizados em coortes predefinidas, atualmente limitadas a "2" dias e "7" dias após a instalação.
Para analisar com precisão os eventos e a receita no aplicativo, você deve aplicar um filtro para a dimensão days_post_attribution. Veja a consulta de exemplo abaixo.
Um exemplo de erro comum é aplicar uma lógica simplificada que soma a coluna de receita para um conjunto específico de dimensões. Essa abordagem resulta em números incorretos porque alguns dados de receita são contados duas vezes (uma para days_post_install=2 e outra para days_post_install=7). Este exemplo também é relevante ao analisar usuários únicos para eventos in-app específicos.
Considerações
Considerações sobre dicas:
- Última versão: Sempre consulte a versão mais recente disponível para cada data de instalação para garantir que você esteja trabalhando com os dados mais atualizados e precisos para sua análise.
- Cálculo da receita: A receita está em USD e é calculada usando a taxa de câmbio no dia do evento.
- Analise as atribuições: Os registros em que event_name=af_conversion refletem atribuições (instalações, reatribuições (re-downloads no SKAN) e reengajamentos). A contagem de atribuições aparece na métrica de usuários únicos, e as métricas de receita para esses campos estarão vazias. O valor em days_post_attribution será 0.
- Comparação do painel: Ao comparar as instalações com o painel, some os tipos de conversão de download e instalação, pois o painel considera ambos na coluna de instalação.
- Analise eventos in-app: Os registros em que event_name não é igual a "af_conversion" refletem eventos in-app. A contagem de usuários únicos que executam o evento aparece na métrica de usuários únicos, enquanto a receita gerada por esses eventos aparece nas métricas de receita.
- Tipo de conversão: Diferencie as conversões de aquisição e redirecionamento de usuários usando essa dimensão. Observe que uma interrupção adicional para os dados do SKAN está disponível (instalações vs. novos downloads). Ao comparar dados com o painel SSOT, ambos os tipos são considerados instalações.
- Eventos de receita publicitária: Estes estão incluídos quando disponíveis.
- Segregação de dados Todos os dados do aplicativo são fornecidos em um único arquivo. Use o campo ID do Aplicativo para separar dados por aplicativo ou defina o Data Locker para segregar por aplicativo.
Exemplo de casos de uso
A seguir estão exemplos de alguns usos práticos dos dados via Data Locker. Cada exemplo é ilustrado por uma instrução SQL e uma amostra visual do Excel.
Cálculo do total de atribuições por campanha
Nesta consulta, nós:
- Somamos o total de atribuições únicas por campanha para cada data de instalação.
- Filtramos as conversões com o nome do evento "af_conversion" e um código de campanha específico (af_c_id).
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;
Cálculo da conversões (instalações e re-downloads) para comparar com as instalações no painel por campanha única
Nesta consulta, nós:
- Contamos as conversões distinguindo entre novas instalações e novos downloads por campanha exclusiva e data de instalação.
- Comparamos as instalações com a métrica de instalação do painel, que mescla os tipos de conversão "instalar" e "re-download".
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;
Cálculo de conversões de retargeting por geolocalização
Nesta consulta, nós:
- Contamos as conversões de campanhas de retargeting divididas por localização geográfica.
- Considerando os tipos "reatribuição" e "reengajamento" para essas conversões.
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;
Cálculo de instalações por método de atribuição por fonte de mídia
Nesta consulta, nós:
- Contamos as instalações por métodos de atribuição (SKAN, métodos da AppsFlyer e orgânicos) e divida-as por fonte de mídia.
- Filtramos com base em eventos "af_conversion" com um tipo de conversão "install".
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;
Cálculo da receita acumulada de 7 dias após a instalação do Facebook por conjunto de anúncios
Nesta consulta, medimos a receita acumulada em um período de 7 dias após a instalação dos anúncios veiculados no Facebook.
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;
Cálculo da receita cumulativa para períodos pós-instalação selecionados
Nesta consulta, nós:
- Calculamos a receita acumulada para vários dias selecionados após a instalação, dividindo as somas para o dia 2 e o dia 7.
- Observe que, ao analisar instalações dos últimos 7 dias, os dados de 7 dias após a instalação podem estar incompletos. Saiba mais
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;
Cálculo da receita de um evento in-app específico (compra) por canal de mídia
Nesta consulta, nós:
- Meça o valor da receita de um evento in-app específico (como "af_purchase") e some esses dados por canal de mídia.
- Filtre os dias selecionados após a instalação para garantir que os dados não sejam contados duas vezes.
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;
Cálculo da taxa de conversão de eventos in-app para 2 dias após as instalações
Nesta consulta, calculamos a taxa de conversão de um evento in-app específico (como "af_complete_tutorial") em relação a todas as instalações.
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;
Cálculo do ARPU para 7 dias e 2 dias após a instalação por ID de campanha
Nesta consulta, nós:
- Calculamos a receita média por usuário (ARPU) para o dia 2 e o dia 7 após a instalação em todas as campanhas.
- Observe que, ao analisar instalações dos últimos 7 dias, os dados de 7 dias após a instalação podem estar incompletos. Saiba mais
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;
Cálculo da quantidade de duplicatas por canal de mídia nesta consulta
Nesta consulta, contamos o número total de atribuições de usuário duplicadas por canal de mídia e data de instalação, para destacar os canais de mídia que podem ter maior duplicação na atribuição do usuário.
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;
Características e limitações
col a | col b |
---|---|
Disponibilidade de relatórios por dia |
Somente os dias de instalação em que o botão SSOT foi ativado no final do dia terão um relatório SSOT para esse dia |
Métricas pós-instalação de dois dias
|
|
Disponibilidade de eventos in-app
|
|
Receita
|
Se a receita do SKAN for configurada apenas para determinados eventos, a métrica de receita da SSOT considera apenas os eventos de receita relatados pelo AF correspondente. |
Detalhamento do redownload do SKAN |
Disponível. No painel SSOT, esse detalhamento não está disponível e as instalações e os novos downloads são incluídos na métrica de instalações. |
Alterações na configuração do SKAN Conversion Studio
|
Alterar a configuração do SKAN Conversion Studio pode causar imprecisões nos dados SSOT por aproximadamente 96 horas, pois os postbacks de instalações codificadas com o esquema anterior ainda chegam. |
Fuso horário
|
O fuso horário específico do aplicativo não está disponível. |
Dados orgânicos |
|
Dados de dias pós-conversão (instalação, reatribuição, reengajamento) |
Limitados a 7 dias após a conversão |
Transparência da agência
|
Compatível |
Alterações no nome da campanha
|
Não compatível. Use o ID da campanha para agrupar e filtrar se os nomes da campanha forem alterados. |
Ad networks
|
|
Acesso de agência
|
Indisponível. Os usuários da agência podem visualizar os dados do SSOT no painel do SSOT. |
Métricas D7
|
|
Nomes de eventos predefinidos
|
Como o nome do evento "af_conversion" é usado para indicar diferentes tipos de conversões, os aplicativos que têm um evento especificamente chamado "af_conversion" verão o evento original renomeado para "af_conversion_event". |
Diferença em moeda local
|
Como o painel SSOT e o relatório SSOT DataLocker não são calculados simultaneamente, pequenas discrepâncias podem ocorrer ao comparar a receita em moeda local no painel com a moeda selecionada no relatório. Isso se deve às taxas de câmbio ligeiramente diferentes usadas nos momentos em que os dados foram calculados. |
Dados parciais do SKAN D7 |
Como os dados do SKAN D7 são modelados e a versão inicial está pronta 7 dias após a instalação, ao analisar as métricas D7 para dias nos últimos 7 dias, os dados D7 serão parciais. Para registros em que o método de atribuição é SKAN, as métricas D7 serão inferiores às métricas D2. |
Granularidade limitada para receita D7 e métricas de eventos no aplicativo |
As métricas de receita e eventos únicos do usuário para 7 dias após a instalação não estão disponíveis nos níveis de granularidade do conjunto de anúncios, do anúncio e do tipo de conversão. Como esse nível de detalhe normalmente não está disponível no SKAN, o modelo não leva em conta essas dimensões. |