LTV数据与活跃数据的区别

概要:AppsFlyer中的数据维度分为两种,即生命周期价值维度(LTV)和活跃(Activity)维度。LTV数据与指定日期范围内发生的激活相关,而活跃数据则是指定日期范围内发生的所有事件。

区分LTV数据与活跃数据

用户事件数据的分析方式分为两种。事件数据与用户激活后的行为相关,比如应用内购买、注册、完成关卡等等。AppsFlyer对于事件数据提供两种分组维度,即获客日期以及事件发生日期。

  • 我们将按获客日期分组的数据称为用户生命周期价值(LTV)维度的数据。
  • 按事件发生时间分组的数据则称为活跃(Activity)维度的数据。

在使用AppsFlyer面板时,必须理解这两种数据的区别,并熟悉其呈现的位置。请注意,激活数据既不是LTV维度也不是活跃维度。

活跃数据

  • 活跃数据是指活跃的应用用户在指定日期范围内所完成的事件。
  • 由于活跃数据中呈现的是按时间顺序细分的事件,因此适用于衡量特定时间段内相关媒体渠道的总体效果。比如您可以通过活跃数据来考察所有应用用户在某个月内所完成的购买事件数量。
  • 您还可以使用或活跃数据来分析用户行为的月环比情况。

LTV数据

  • LTV数据是指在特定时间段内转化/激活应用的用户在其生命周期中所完成的事件。比如您可以使用LTV数据分析在某个月内激活您应用的用户到目前为止为您带来的ROI。在指定时间段之前转化/激活应用的用户所完成的事件不包含在这些LTV数据中,即使他们在此期间产生了事件。 
  • LTV数据用于评估不同媒体渠道的用户质量。在优化广告投放时,需要依赖LTV数据。

这两种数据广告主都会用到,但是用途不同。因此我们同时提供两种数据。 

  • 哪类数据可以用来进行媒体渠道的对比分析?
  • AppsFlyer中的那些页面和报告具有可比性?
  • 如何对比LTV数据和活跃数据?

概念类比——火车

我们拿火车来做类比,帮助您更直观地理解LTV数据和活跃数据之间的区别。 

活跃数据:假设一列火车从您眼前驶过。在这列火车的行驶过程中,您只能看到车上乘客在某一瞬间的行为。这就好比是活跃维度的数据。

activity_data.jpg

LTV数据:假设您登上了这列火车,观察内部情况。这列火车分为多节车厢。

  • 您在出发站台跟其他乘客一起登上这列火车(用户激活应用)。
  • 在这趟行程中,您可以看到车厢内乘客的所有行为。您对车厢内乘客的观察到乘客下车为止(用户卸载应用)。
  • 您无法观察到其他车厢内的乘客,因为他们上车的时间与您不同。这就好比是LTV维度的数据。

ltv_data.jpg

AppsFlyer面板——LTV数据和活跃数据的位置

营销人员可以利用AppsFlyer面板来优化其非自然流量。AppsFlyer中的大部分面板和报告都以LTV维度来呈现数据,这是因为营销人员一般需要评估LTV维度的投放效果。

下文详细说明了AppsFlyer的各个面板所使用的数据维度。

数据总览面板

  • 数据总览面板使用的是LTV维度。
  • 可用视图:用户获取、再营销、统一
  • 可用指标:用户获取、再营销、收入和投放成本
  • 图表:图表:用户获取趋势,激活,全周期忠实用户和全周期收入

表格中以下各列的数据是根据LTV数据计算得出的: 

  • 应用打开(Sessions)
  • 忠实用户(数量和比率)
  • 收入
  • ROI
  • ARPU
  • 卸载(数量和比率)
  • 所有应用内事件列

SKAN总览面板

由SKAN归因的营销效果数据会通过iOS的SKAN回传上报到AppsFlyer。此外,AppsFlyer还会在最初的用户行为窗口期中抓取其他数据点,并将其与SKAN回传数据相结合进行分析和汇总,最终呈现到SKAN总览面板中。用户行为窗口期默认为24小时。

  • SKAN总览面板呈现LTV维度的数据
  • 您可以按激活日期或回传接收日期来筛选该面板中的数据
  • 可用指标:激活、触点、收入、投放成本以及点击到激活比率

SKAN_Overview_LTV.png

Protect360面板

Protect360面板同时提供激活和应用内事件两种视图。 

激活视图(CPI)呈现LTV维度的数据,针对实时拦截以及归因后识别的激活假量提供关键信息。 您可以使用筛选和分组选项层层深入,剖析激活假量数据。

应用内事件(CPA)视图呈现活跃维度的数据,针对实时拦截以及归因后识别的应用内事件假量提供关键信息。您可以使用筛选和分组选项层层深入,剖析事件假量数据。

活跃数据面板

活跃数据面板中的事件数据以应用打开(sessions)数据为基础,并以活跃维度呈现收入数据。也就是说这些数据按时间顺序统计,与指定时间段内处于活跃状态的应用用户有关。

Activity_us-en.jpg

事件面板

此页面中的所有数据,即头部事件图表以及事件深剖数据表,都是LTV维度的事件数据。如需进一步了解事件面板的详细信息,请参考此文档

群组与留存面板

即使您在留存面板中仅选定了某一天的数据,仍会获取到多天或多周的session数据,这些数据仅来自在选定日期激活的用户,所形成的留存KPI可用于衡量用户质量。这是典型的LTV数据。点如需进一步了解这类数据的详细说明,请参考留存报告群组分析报告的指南文档。

群组分析报告与留存报告相似,但除了session指标之外还包含其他的KPI。该报告中的收入、session、应用内事件等指标都是LTV维度的数据。

CohortForLTV_us-en.jpg

可下载的报告

  • 效果报告:与数据总览面板中的汇总效果数据表相似,效果报告也呈现LTV数据。
  • 原始数据报告: 原始数据报告是活跃数据的主要来源。激活、应用内事件、回传和卸载等报告按活跃日期对数据进行界定和排序。

再营销报告

除了UA的效果和原始数据外,AppsFlyer还提供再营销的效果和原始数据报告。原始数据报告中包含以下信息:

  • 再营销应用内事件 
  • 转化(再归因、再互动) 

防作弊报告

已拦截的应用内事件报告中呈现活跃维度的数据。

自定义面板微件

自定义面板与数据总览面板一样,其中所有的事件数据都是LTV维度

数据透视表和Master API

AppsFlyer的数据透视表Master API为基础,可提供3种不同维度的数据,即LTV、活跃和留存。创建Master API URL或数据透视表视图时,您需要针对相关的事件KPI选择数据维度(即LVT和/或活跃)。

不同面板数据的对比分析

如果您想要对比AppsFlyer平台中的不同板块所呈现的数据,请确保您要对比的内容具有相同的数据维度(即同为LTV数据或同为活跃数据)。 下表总结了AppsFlyer不同面板和报告所对应的事件数据维度。 

数据来源 数据维度

数据总览面板

LTV

SKAN总览面板

LTV

Protect360激活

LTV

Protect360应用内事件

活跃

活跃数据面板

活跃

事件面板

LTV

留存

LTV

群组 

LTV

效果报告

LTV

原始数据报告

活跃

再营销报告

LTV

防作弊报告

活跃

Master API——投放效果KPI

两者皆有

数据透视表

两者皆有

AppsFlyer数据与其他平台数据的对比分析

绝大部分提供数据的平台,包括Google和Apple等,都呈现活跃数据,而非LTV数据。因此,如需对AppsFlyer的数据与其他平台的数据进行对比,您一般需要使用Appsflyer原始数据报告中的活跃数据。

请注意:Meta ads提供不完整的LTV数据,数据范围为激活后的28天。

AppsFlyer中LTV数据与活跃数据的区别

同一时间段内的LTV数据和活跃数据有以下两方面的区别:

  • A:活跃数据中包含在选定时间段之前激活的用户所产生的事件。
  • B:LTV数据中包含在选定时间段之后发生的事件 。

为了确保数据之间的可比性,在进行对比分析时需要先消除这些差异。您可以从活跃数据中选取LTV数据,或从LTV数据中选取活跃数据,来达成此目的。

 注意

类型相近的数据之间也可能会有轻微的差异,这是由于报告生成的时间不同而造成的。

从活跃维度的原始数据中选取LVT数据

  1. 在AppsFlyer后台左侧的菜单栏中选择导出 > 原始数据导出
  2. 在设定时间范围时,将当前日期作为截止日期(用于消除差异B)。
  3. 下载应用内事件的原始数据报告。
  4. 使用激活时间字段来筛选数据,剔除起始日期之前发生的激活(用于消除差异A)。

 注意

活跃数据不会随时间推移而发生改变,但LTV数据会随着现有用户完成新的应用内事件而不断变化。也就是说,您在不同时间查看同一天的LTV数据会看到不同的结果。

从LTV数据中选取活跃数据

如需对数据总览面板中的LTV数据与其他平台的活跃数据做对比分析,必须先消除上文所述的两种差异。

这种情况下,唯一的解决方式如下:

  1. 在其他平台中设定数据范围时,确保激活数据的起始时间落在AppsFlyer中您指定的日期范围内(用于解决差异A)。
    这是为了确保活跃数据中不包含这段时间之前激活的用户在此时段内完成的事件。
  2. 在AppsFlyer中设定日期范围时,将当前日期作为截止日期(用于消除差异B)。
    这是为了确保LTV数据中不包含这段时间内激活的用户在此时段外完成的事件。

结论

对任何两种数据进行对比分析时,无论双方是否都来自AppsFlyer,请务必确保数据之间的可比性(两者都是LTV数据或都是活跃数据)。