Расширенные агрегированные отчёты в Data Locker

Факты об отчёте

Структура отчёта

Отчет состоит из показателей и метрик.

Формат полей следующий:

• Измерения: Строка. Максимальная длина строки является динамической и в большинстве случаев зависит от того, как вы заполняете элементы рекламной иерархии.
• Показатели: Число. Примечание: Формат поля selected_currency — это строка.
  Доступны такие метрики, как доход, уникальные пользователи, совершившие событие, и частота события. Для расчета метрик, связанных с затратами, таких как ROI и ROAS, вам нужны метрики дохода и затрат. Метрики дохода находятся в когорте, а метрики затрат предоставляются через ROI360 Cost ETL.

Параметры

Метрики

Структура каталога и имен файлов

Путь к отчету состоит из следующей иерархии папок:

В следующем формате: /t=cohort_unified_versioned/dt=/version=/

Иерархия папок с отчетами

Пример иерархии папок отчётов с версиями когорты в корзине рекламодателя:

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
    |   |
    .   . 
    .   . 

Условные обозначения:

• dt: Дата, когда произошли события, включенные в отчет.
• t: тип отчета.
• version: Временная метка Unix, когда была создана версия.

Версии отчётов и актуальность данных

• В течение дня. Отчёты отправляются каждые несколько часов.
• Отчеты содержат все данные, доступные на данный момент за день. То есть 18 апреля каждая версия отчета содержит все доступные на этот момент данные за 18 апреля.
• Загружайте только последнюю доступную версию отчета.

Факты об отчёте

Структура отчёта

Отчет состоит из показателей и метрик.

Формат полей следующий:

• Измерения: Строка. Максимальная длина строки является динамической и в большинстве случаев зависит от того, как вы заполняете элементы рекламной иерархии.
• Показатели: Число. Примечание: Формат поля selected_currency — это строка.
  Доступны такие метрики, как доход, уникальные пользователи, совершившие событие, и частота события. Для расчета метрик, связанных с затратами, таких как ROI и ROAS, вам нужны метрики дохода и затрат. Метрики дохода находятся в когорте, а метрики затрат предоставляются через ROI360 Cost ETL.

Параметры

Метрики

Структура каталога и имен файлов

Путь к отчету состоит из следующей иерархии папок:

В следующем формате: /t=cohort_unified_timezone_versioned/dt=/version=/

Иерархия папок с отчетами

Пример иерархии папок отчётов когорты с версиями по часовым поясам в корзине рекламодателя:

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
    |   |
    .   . 
    .   . 

Условные обозначения:

• dt: Дата, когда произошли события, включенные в отчет.
• t: тип отчета.
• version: Временная метка Unix, когда была создана версия.

Версии отчётов и актуальность данных

• В течение дня. Отчёты отправляются каждые несколько часов.
• Отчеты содержат все данные, доступные на данный момент за день. То есть 18 апреля каждая версия отчета содержит все доступные на этот момент данные за 18 апреля.
• Варианты использования отчетов могут отличаться в зависимости от географии и часового пояса. Подробнее
• Загружайте только последнюю доступную версию отчета.

Варианты использования отчетов могут отличаться в зависимости от географии и часового пояса. Используйте следующую таблицу, чтобы понять, какие регионы соответствуют тем или иным часовым поясам.

Объём данных в отчёте

В отчетах содержатся данные об установках в рамках привлечения пользователей, повторных вовлечений и реатрибуции в рамках ретаргетинга, а также о связанных с ними событиях в приложении.

Вы можете загружать в свои BI-системы объединенные отчеты, отчеты о привлечении пользователей и отчеты о ретаргетинге по отдельности или вместе. Если вы загрузите их вместе и захотите самостоятельно отфильтровать представления: 

• Для объединенного используйте поле is_primary_attribution=true или null.
• Для привлечения пользователей используйте conversion_type=Install.
• Для ретаргетинга используйте conversion_type=re-engagement или re-attribution.

Если вы просто используете объединенное представление в процессе загрузки данных, вы можете использовать логику разделения данных по типам кампаний, то есть атрибуции пользователей (установки) и ретаргетинг (повторные вовлечения). Для этого используйте conversion_type=install, install_unified, re-engagement или re-attribution. См. Двойная атрибуция событий ретаргетинга. 

Соображения на уровне поля

• Чтобы упростить расчёт метрик удержания пользователей, используйте дни после атрибуции.
• Подсчитывайте уникальных пользователей с помощью таких показателей, как название кампании и идентификатор кампании: Если вы можете пренебречь детализацией по названию кампании, вы можете суммировать количество уникальных записей по ID кампании, и метрики будут корректными. 
• Вы можете агрегировать данные по полям иерархии кампаний. 
• Доход в долларах США рассчитывается по валютному курсу на день события.  

Общая информация

Данные всех приложений настраиваются; они могут быть представлены в одном файле или в отдельных файлах для каждого приложения.

Ниже приведены примеры некоторых популярных практических применений данных, которые разработчики BI могут извлекать с помощью Data Locker. Каждый пример иллюстрируется оператором SQL и примером визуального представления в Excel. 

1. Расчёт удержания

В следующем примере мы:

• Подсчитаем показатели удержания в день 1 и день 7, а также общее количество установок по каждой кампании и объявлению.
• Расчитаем количество событий на каждое событие конверсии, отфильтровав event_name, чтобы получить af_conversion.
• Отдельно проанализируем кампании по привлечению пользователей в объединённом отчёте, отфильтровав данные следующим образом: conversion_type IN (install, install_unified).

SQL-запрос

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

Пример в Excel

2. Расчёт ARPU нескольких внутренних событий в приложении

В следующем примере мы:

• Рассчитаем ARPU для нескольких событий в приложении для одной кампании.
• Отдельно проанализируем ретаргетинговые кампании, отфильтровав данные следующим образом: conversion_type=re-engagement и conversion_type=re-attribution.
• Расчитаем количество событий на каждое событие конверсии, отфильтровав event_name, чтобы получить af_conversion.
• Вычислим общую выручку от нескольких событий, в данном случае af_purchase и af_coins.
• Установим для days_post_attribution минимально необходимое значение (в данном случае 7), чтобы минимизировать нагрузку по обработке данных.

SQL-запрос

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

Пример в Excel

3. Расчёт коэффициента конверсии внутренних событий приложения для конкретного дня когорты

В следующем примере мы:

• Рассчитаем коэффициент конверсии событий в приложении в день 0 для нескольких показателей (в данном случае дата конверсии, регион, кампания, объявление и идентификатор сайта).
• Проанализируем объединённые данные (как UA, так и ретаргетинговые кампании), фильтруя их следующим образом: is_primary_attribution=true.
• Расчитаем количество событий на каждое событие конверсии, отфильтровав event_name, чтобы получить af_conversion.
• Установим для days_post_attribution минимально необходимое значение (в данном случае 7), чтобы минимизировать нагрузку по обработке данных.

SQL-запрос

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

Пример в Excel

4. Расчёт ежедневных установок

В следующем примере мы:

• Подсчитаем количество установок по идентификатору приложения, дате конверсии, медиа-источнику, названию события и типу конверсии.
• Отфильтруем данные в объединённом отчёте так, чтобы отобразить установки UA (не ретаргетинг), установив для conversion_type значение install или install_unified.
• Подсчитаем сумму установок, установив event_name на af_conversion.

SQL-запрос

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

Пример в Excel

5. Расчёт дохода от рекламы в Facebook

В следующем примере мы:

• Рассчитаем доход за третий день от Facebook по дате конверсии и идентификатору приложения.
• Проанализируем данные Facebook, отфильтровав их следующим образом: media_source='Facebook Ads'.
• Установим для days_post_attribution минимально необходимое значение (в данном случае 7), чтобы минимизировать нагрузку по обработке данных.

SQL-запрос

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

Пример в Excel

6. Расчёт ARPU для идентификатора ключевого слова ASA для когортных дней до 365

В следующем примере мы:

• Рассчитаем ARPU от Apple Search Ads на один идентификатор ключевого слова до 365-го дня когорты.
• Проанализируем данные Apple Search Ads, отфильтровав их следующим образом: media_source='Apple Search Ads'.
• Расчитаем количество событий на каждое событие конверсии, отфильтровав event_name, чтобы получить af_conversion.

SQL-запрос

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

Пример в Excel

7. Расчёт ARPU за 7 дней по времени атрибуции для каждого региона

Следующий пример демонстрирует, как использовать KPI по времени атрибуции. В этом примере мы:

• Рассчитаем ARPU (средний доход на пользователя) за 7 дней по дате атрибуции для каждого региона.
• Отсортируем результаты по количеству конверсий, с отображением 20 лучших регионов.
• Отфильтруем данные таким образом, чтобы conversion_type='install'.
• В первом столбце укажем регион. Во втором столбце: общее количество конверсий. В последующих столбцах: доход за 7 дней для каждого дня, указанного в качестве строки в запросе.

SQL-запрос

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

Пример в Excel

8. Расчёт покупок на 7 день после конверсии 

В следующем примере мы:

• Рассчитаем общее количество уникальных пользователей, совершивших событие af_purchase через 7 дней после конверсии (в объединенном представлении).
• Рассчитаем коэффициент конверсии для события, то есть долю конверсий, совершивших покупку в течение 7 дней после конверсии.
• Отфильтруем данные таким образом, чтобы conversion_type='install'.
• Сгруппируем данные по приложениям, дате конверсии,медиа-источникам, кампаниям и рекламным сетям.

Оператор 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

Пример в Excel

9. Расчёт DAU

В следующем примере мы:

• Рассчитаем DAU для каждого дня в выбранном диапазоне времени, с группировкой по медиа-источнику, кампании и рекламе.
• Отфильтруем данные таким образом, чтобы event_name = 'af_session'.
• Подсчитаем сумму уникальных пользователей за 1 день, где каждая дата является отдельным измерением (столбцом).

Примечание:

• Нельзя суммировать несколько дней (например, чтобы получить WAU или MAU). 
• DAU основан на активности пользователей, которые конвертировались за последние 1095 дней. Это отличается от данных, которые могут быть видны на дэшборде активности (Activity) и в отчётах, где нет этого ограничения. Смотрите «Дни после конверсии» в разделе характеристики и ограничения.

SQL-запрос

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 

Пример в Excel