[Beta] Introdução ao Predict

beta_feature.png

Visão geral: entenda se o Predict é a solução ideal para você, e aprenda como começar.

O Predict é ideal para você?

Predict, a solução de analítica preditiva da AppsFlyer para iOS e SKAdNetwork, simplifica o gerenciamento de campanhas de aquisição de usuários através do uso de seu sofisticado mecanismo de machine learning.

O que é necessário para o machine learning funcionar para seus aplicativos? Dados, dados, e mais dados. Portanto, o primeiro passo é determinar se seus aplicativos podem fornecer o volume e a qualidade dos dados que tornam possíveis previsões precisas.

Você também deve considerar alguns fatores adicionais para garantir que poderá tirar o máximo proveito dos recursos do Predict.

 Observação

Nossa solução de analítica preditiva para o Android será lançada em breve. Avisaremos assim que estiverem disponíveis!

Requisitos de dados

Para fazer previsões precisas, o Predict exige:

  • Um período suficiente de dados históricos (uma média de 3 meses)
  • Volume de dados suficiente (pelo menos 15 eventos em tempo real por dia por usuário). Para obter mais informações sobre como o Predict usa eventos em tempo real para desenvolver suas previsões LTV a nível de usuário, consulte Introdução ao Predict: como funciona?
  • Base de usuários suficiente (pelo menos 10.000 usuários ativos diários e 2.000 instalações não orgânicas diárias)

Se seu aplicativo gera (ou pode gerar) esse nível de dados, o Predict pode ser o correto para você.

Fatores adicionais

O Predict oferece o máximo valor aos aplicativos com as seguintes características:

  • Um aplicativo em qualquer vertical no qual a maior parte do LTV de um usuário recém-adquirido é realizada pelo menos 48 horas após a instalação (por exemplo, aplicativos que incorporam compras no aplicativo, reservas ou assinaturas posteriores)
  • Apps que permitem que dados de receita sejam reportados à AppsFlyer – incluindo dados de receita de anúncios
    • O Predict usa esses dados em suas previsões para pRevenue (receita total), pARPU (receita média prevista por usuário), e pROAS (retorno previsto das gastos de anúncios).
  • Aplicativos integrados à solução de medição de custo Xpend da AppsFlyer.
    • Os dados de custo são usados na determinação do eCPI (custo efetivo por instalação) e na previsão do pROAS.

Como começar

O mecanismo Predict AI cria um modelo de previsão exclusivo para cada aplicativo, com base em seus dados históricos próprios. Isso significa que (atualmente) o processo de integração é demorado e permite que apenas alguns clientes comecem durante um determinado ciclo.

No momento a equipe está avaliando os pedidos para participar da versão beta do Predict. Entre em contato com seu CSM ou representante de vendas da AppsFlyer se desejar ser incluído. Depois que seus aplicativos forem aceitos como parte da versão beta, estas são as etapas para começar:

  1. Definir eventos in-app adicionais
  2. Identifique e descreva eventos de receita publicitária
  3. Determinar datas de medição de retenção
  4. Que comece o machine learning!

Definir eventos in-app adicionais

Quanto maior o número de eventos in-app definidos por aplicativo e quanto melhor esses eventos refletirem a lógica LTV desse aplicativo, mais confiáveis serão os KPIs previstos. Não há limite para o número de eventos que você pode medir. Na verdade, muito pelo contrário: quanto mais, melhor!

Que tipos de eventos in-app devem ser definidos?

Estes são os fatores a serem considerados ao definir eventos in-app:

  • Tempo: os eventos que ocorrem nas primeiras 48 horas da atividade de um usuário recém-adquirido são de máxima importância. Mas não pare por aí! Para máxima precisão e ajuste contínuo da lógica de previsão exclusiva de cada aplicativo, o Predict precisa do maior número possível de métricas de eventos in-app, durante toda a jornada do usuário.
  • Qualidade: a qualidade de um evento é determinada pelo quão próximo ele reflete a jornada do usuário e o cálculo do LTV para cada aplicativo individual.

Portanto, o primeiro passo é criar uma lista com o maior número possível de eventos in-app de qualidade. Para agilizar o processo de implementação, use nosso gerador de eventos in-app. Essa ferramenta inclui todos os eventos típicos por vertical e permite modificar os eventos de acordo com suas necessidades comerciais. Uma vez concluído, compartilhe o arquivo com seu desenvolvedor.

 Importante!

Obtenha novos eventos in-app configurados para relatórios à AppsFlyer o mais rápido possível, pois o Predict requer de 4 a 6 semanas de histórico para utilizá-los como parte de suas previsões.

Novos eventos in-app precisam ser adicionados ao SDK?

Você pode relatar eventos in-app para a AppsFlyer por meio do SDK da AppsFlyer ou por meio da integração de servidor a servidor (S2S). Mesmo que você esteja relatando instalações e eventos in-app para a AppsFlyer por meio do SDK, você pode configurar eventos in-app adicionais para serem relatados via S2S. Essa pode ser uma opção útil se você quiser evitar a atualização do SDK e o lançamento de uma nova versão do seu aplicativo.

Identifique e descreva eventos de receita publicitária

Para prever efetivamente a receita publicitária, o mecanismo Predict AI deve ser capaz de identificar quais eventos in-app estão relacionados à receita publicitária. Trabalharemos com você para concluir este processo:

  1. A equipe do Predict criará uma planilha de cada evento in-app definido para seu aplicativo.
  2. Solicitaremos que você identifique quais são os eventos de receita publicitária e defina o tipo de receita publicitária aos quais eles se relacionam (por exemplo, anúncio de banner, intersticial, visualização de anúncio, vídeo premiado etc.)

Determinar datas de medição de retenção

Além de pRevenue e outras previsões baseadas em receita, Predict é capaz de prever a porcentagem de usuários recém-adquiridos que ainda estarão usando seu aplicativo {x} o número de dias pós-instalação.

Durante o processo de integração, você poderá especificar 3 datas (número de dias após a instalação) para as quais deseja que prevejamos a retenção.

  • Datas de medição de retenção disponíveis: Dias 1, 3, 7, 14, 21, 28, e 30
  • Observação: a medição de retenção prevista é limitada a 3 datas como resultado da limitação do valor de conversão de 6 bits da SKAdNetwork.

Que comece o machine learning!

Para fornecer previsões de LTV precisas para suas campanhas, o mecanismo Predict AI deve revisar os dados históricos do aplicativo usando as definições e os fatores definidos nas etapas anteriores pelo proprietário do aplicativo e pela AppsFlyer. O principal objetivo deste processo de treinamento é identificar correlações entre os sinais de engajamento do usuário e o LTV no dia 30.

Leva aproximadamente 7 dias para que este processo intensivo de machine learning inicial seja concluído , quando você começará a ver os dados no painel do painel do Predict.

Após a integração

Uma vez concluído o processo de integração, você pode mapear os KPIs previstos como in-app postbacks de eventos para parceiros relevantes na página Integrated Partners no painel do AppsFlyer. Esses KPIs são compartilhados como eventos com parceiros, que podem usar essas informações para começar a otimizar suas campanhas.

  • Você pode decidir mapear todos os KPIs, alguns ou nenhum com base em sua estratégia de publicidade e metas de negócios. O mapeamento não é necessário para habilitar a lógica ou as previsões do Predict.
  • Os eventos que cada parceiro disponibiliza para mapeamento variam e alguns parceiros oferecem suporte ao mapeamento para eventos definidos de forma personalizada. Certifique-se de que a lógica de otimização de seus parceiros dê suporte aos eventos para os quais você está mapeando da maneira que você pretende.

 Exemplo

Digamos que você tenha dois aplicativos diferentes (Aplicativo A e Aplicativo B) e queira otimizar suas campanhas de maneira diferente para cada aplicativo. A decisão de quais KPIs mapear depende dos tipos de usuários nos quais você deseja se concentrar: 

  • Para o aplicativo A, você deseja segmentar suas campanhas para usuários com maior probabilidade de gastar dinheiro no aplicativo. Assim, para este aplicativo, você poderia mapear o evento SDK af_predict_revenue para o evento mobile_purchase do parceiro. Isso permite que seu parceiro otimize suas campanhas para os usuários com maior probabilidade de serem usuários que pagam valores altos.
  • Para o App B, você está mais interessado em usuários que continuarão usando seu app a longo prazo. Portanto, para este aplicativo, você pode mapear o evento SDK af_predict_retention_d30 (% de usuários previstos para usar seu aplicativo 30 dias após a instalação) para o evento da sessão do parceiro. Isso permite que seu parceiro otimize suas campanhas para segmentar os usuários com maior probabilidade de permanecer no aplicativo.

Para mapear KPIs/eventos previstos:

  1. No painel da AppsFlyer (visão geral), vá para Configuração > Parceiros integrados.
  2. Selecione o parceiro integrado relevante.
  3. Na aba Integração, na seção Postbacks de eventos in-app, mapeie seus eventos do SDK selecionados (aqueles que começam com af_predict_) para os identificadores de eventos do parceiro selecionado.

    predict_event_mapping.png

 Observações

  • Você só deve mapear eventos de retenção do SDK para a medida de retenção de 3 datas selecionadas (por exemplo, af_predict_retention_d3,af_predict_retention_d7, af_predict_retention_d21, etc.)
  • Os seguintes eventos do SDK são eventos legados (não mais suportados) e não devem ser mapeados:
    • af_predict_retention_7+
    • todos os eventos que começam com af_predict_engagement_
    • todos os eventos que começam com af_predict_benefit_
    • todos os eventos que começam com af_predict_monetezation_monetezation_