Data Locker中的高级汇总报告

详情说明

报告结构

报告由不同的维度和指标组成。

具体的字段格式如下：

• 维度：以字符串格式呈现，长度不定，一般取决于广告层次结构中各元素的填充方式。
• 指标：以数字的形式呈现。请注意：selected_currency字段以字符串的格式呈现。
  可用指标为收入、完成某事件的独立用户数以及事件发生次数。ROI、ROAS等成本指标的计算需要同时用到收入和成本数据。收入数据可通过群组报告获取，而成本数据则需使用ROI360 Cost ETL。

维度

指标

目录与文件名结构

构成报告路径的文件夹结构如下：

格式：/t=cohort_unified_versioned/dt=/version=/

报告文件夹的层次结构

在广告主的数据存储桶中，版本化群组数据报告的文件夹结构如下方样例所示：

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
    |   |
    .   . 
    .   . 

说明：

• dt：报告中的事件发生的日期。
• t：报告类型。
• version：相关版本的创建时间，以Unix时间戳表达。

报告版本和数据时效性

• 一天更新多次，每数小时发送一次报告。
• 报告中包含当前可用的所有当日数据。举例来说，4月28日内每个版本的报告都包含4月28日当天截至该版本创建时间为止的所有可用数据。
• 建议您总是导入最近期的那一版数据。

详情说明

报告结构

报告由不同的维度和指标组成。

具体的字段格式如下：

• 维度：以字符串格式呈现，长度不定，一般取决于广告层次结构中各元素的填充方式。
• 指标：以数字的形式呈现。请注意：selected_currency字段以字符串的格式呈现。
  可用指标为收入、完成某事件的独立用户数以及事件发生次数。ROI、ROAS等成本指标的计算需要同时用到收入和成本数据。收入数据可通过群组报告获取，而成本数据则需使用ROI360 Cost ETL。

维度

指标

目录与文件名结构

构成报告路径的文件夹结构如下：

格式：/t=cohort_unified_timezone_versioned/dt=/version=/

报告文件夹的层次结构

在广告主的数据存储桶中，按本地时区版本化的群组数据报告的文件夹结构如下方样例所示：

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
    |   |
    .   . 
    .   . 

说明：

• dt：报告中的事件发生的日期。
• t：报告类型。
• version：相关版本的创建时间，以Unix时间戳表达。

报告版本和数据时效性

• 一天更新多次，每数小时发送一次报告。
• 报告中包含当前可用的所有当日数据。举例来说，4月28日内每个版本的报告都包含4月28日当天截至该版本创建时间为止的所有可用数据。
• 该报告的使用场景取决于您所在的国家/地区和时区。详情请见此处说明。
• 建议您总是导入最近期的那一版数据。

该报告的使用场景取决于您所在的国家/地区和时区。下表列出了国家/地区与时区的对应关系，供您参考。

报告中的数据范围

报告涵盖UA视图的激活、再营销视图的再归因和再互动，及其相关的应用内事件。

您可以将统一、UA和再营销报告分别导入您的BI。或者同时入库但需要筛选不同视图的数据： 

• 对于统一视图，请使用is_primary_attribution=true或null字段。
• 对于UA视图，请使用conversion_type=Install。
• 对于再营销视图，请使用conversion_type=re-engagement或re-attribution。

如果您仅使用统一视图查看数据，可以运用逻辑来拆分不同投放类型所对应的数据，即用户归因（激活）及再营销（再互动）。具体操作时请根据实际需求将conversion_type设置为install、install_unified、re-engagement或re-attribution。另请参见再营销事件的双重归因。 

字段级别的注意事项

• 您可以通过归因后的天数来计算留存指标。
• 您可以使用广告系列名称和广告系列ID这两个维度来计算独立用户数：在不用考虑广告系列名称颗粒度的情况下，将广告系列ID的独立用户数相加可以得出准确的指标。 
• 您可以使用广告活动层级字段来汇总数据。 
• 以美元为单位的收入指标是根据事件当天的汇率计算的。 

常规注意事项

AppsFlyer支持所有应用的数据配置，您可以将多个应用的数据合并到一个文件中，也可以分应用单独取数。

本节列举了一些通过Data Locker拉取数据并用于BI的常见使用场景，且每个示例都配以相关的SQL语句及Excel表格数据作为详细说明。 

1. 计算留存率

在这个示例中，我们需要完成以下工作：

• 计算Day 1（转化次日）和Day7的留存率，以及分广告系列和广告素材的总体激活数量。
• 将event_name设定为af_conversion，按转化事件统计事件总数。
• 将数据筛选条件设置为conversion_type=install，重点分析拉新广告的数据。

SQL语句

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'
    // 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 1,2

Excel表格示例

2. 计算多个应用内事件的ARPU

在这个示例中，我们需要完成以下工作：

• 分广告系列计算多个应用内事件的ARPU。
• 将数据筛选条件设置为conversion_type=re-engagement和conversion_type=re-attribution，重点分析再营销广告的数据。
• 将event_name设定为af_conversion，按转化事件统计事件总数。
• 统计多个事件（在本场景中为af_purchase和af_coins）的总体收入。
• 将days_post_attribution设为您所需的最低值（在本场景中为7），这是为了减轻数据处理量。

SQL语句

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
    // If you're querying data from unified reports, edit the line below to: and conversion_type IN ('install', 'install_unified')
    and conversion_type in ('re-engagement', 're-attribution')
    and app_id = YOUR_APP
group by 1

Excel表格示例

3. 针对具体的群组日期计算应用内事件的转化率

在这个示例中，我们需要完成以下工作：

• 分多个维度（本场景中为转化日期、国家/地区、广告系列、广告素材和子渠道）计算Day0（转化当日）的应用内事件转化率。
• 将数据筛选条件设置为is_primary_attribution=true，分析统一维度的数据（即同时包含UA和再营销广告）。
• 将event_name设定为af_conversion，按转化事件统计事件总数。
• 将days_post_attribution设为您所需的最低值（在本场景中为7），这是为了减轻数据处理量。

SQL语句

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

Excel表格示例

4. 计算每日激活量

在这个示例中，我们需要完成以下工作：

• 分应用ID、转化日期、媒体渠道、事件名称和转化类型计算激活数量。
• 将conversion_type设定为install，从而筛选出UA激活（排除再营销）。
• 将event_name设定为af_conversion，对激活量进行加总。

SQL语句

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

Excel表格示例

5. 计算由Facebook Ads带来的收入

在这个示例中，我们需要完成以下工作：

• 按转化日期和应用ID计算Day 3的Facebook收入。
• 将数据筛选条件设置为media_source='Facebook Ads'，分析Facebook的数据。
• 将days_post_attribution设为您所需的最低值（在本场景中为3），这是为了减轻数据处理量。

SQL语句

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

Excel表格示例

6. 分ASA关键词ID计算365天以内的ARPU

在这个示例中，我们需要完成以下工作：

• 分关键词ID计算ASA的ARPU，以群组日期第365天为截止日期。
• 将数据筛选条件设置为media_source='Apple Search Ads'，分析ASA的数据。
• 将event_name设定为af_conversion，按转化事件统计事件总数。

SQL语句

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

Excel表格示例

7. 分国家/地区按归因时间计算7日ARPU

下文示例说明了归因时间KPI的使用方式。在这个示例中，我们需要完成以下工作：

• 分国家/地区按归因日期计算7日ARPU。
• 按转化数量对结果排序，表格显示前20个国家/地区。
• 将数据筛选条件设置为conversion_type='install'。
• 表格第一列显示国家/地区，第二列显示总体转化量，之后各列显示查询参数指定日期的7日收入。

SQL语句

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

Excel表格示例

8. 计算转化后第7天的购买事件数量

在这个示例中，我们需要完成以下工作：

• 计算在转化后7天内完成af_purchase事件的累计独立用户数（统一视图）。
• 计算该事件的转化率，即转化后7天内完成购买的用户所占的比例。
• 将数据筛选条件设置为conversion_type='install'。
• 按应用、转化日期、媒体渠道、广告系列和广告组将数据分组。

SQL语句

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

Excel表格示例

9. 计算DAU

在这个示例中，我们需要完成以下工作：

• 按媒体渠道、广告系列和广告对数据分组，计算选定时段各天的DAU。
• 将数据筛选条件设置为event_name = 'af_session'。
• 分天依次将独立用户加总，每个日期单独为一个维度（即各个日期分列呈现）。

请注意：

• 不能计算多天数据的总和（比如为了计算WAU或MAU）。 
• DAU以过去1095天内转化的用户所产生的行为数据为基础，这与活跃数据面板和报告中的数据不同，活跃数据没有这一限制。详情请见特点和局限性部分的“转化后天数”一行的说明。

SQL语句

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 

Excel表格示例