Data Locker中广告主可用的SSOT报告

如需使用SSOT报告，请根据实际情况完成以下任一流程。

您目前是否通过Data Locker取数	流程
是	将报告添加到Data Locker： 从AppsFlyer后台左侧的菜单栏中选择导出 > Data Locker。 选择您需要的所有报告。  点击保存配置。 相关报告将于次日制作完毕。
否	完成Data Locker的设置： 完成Data Locker的初始设置（广告主指南｜渠道指南）。 将相关报告添加到Data Locker： 从AppsFlyer后台左侧的菜单栏中选择导出 > Data Locker。 选择您需要的所有报告。  点击保存配置。 相关报告将于次日制作完毕。

AppsFlyer的数据模型可推算出基础SKAN数据无法提供的信息。

• 转化值（CV）为null：Apple为了保障用户隐私，会在SKAN中将实际值替换为“Null”值，再进行上报。为了填补数据缺口，SSOT会通过数据模型对这些null值进行推算。详情请见此文档。
• 激活后的监测窗口期更长：SKAN对用户激活后两天以外的行为无法提供粒度较细的数据，这方面的局限性会导致数据不准确。为了确保数据质量，我们会对激活后更长一段时间内产生的事件独立用户及收入进行建模推算。详情请见此文档。

国家/地区（Geo）数据：由于SKAN的数据颗粒度限制，国家/地区数据通常不可用。在这种情况下，我们会通过模型推算这些数据，帮助您进行有效的数据分析。详情请见此文档。

如果您需要对最近几个激活日期内产生的数据进行分析，这时较长期的激活后指标（如激活后7天）可能尚未达到完备状态。这种情况下，相关指标仍然可用，但其数据不完整。

请充分考虑下列事项：

• 每当有可用数据出现时，该报告就会立即呈现这些数据。
• 激活后两天内的指标会在5天后达到完备状态。*
• 激活后七天内的指标会在7天后达到完备状态。在激活后的15天内，我们的模型会不断对这些数据进行精细化处理。

出现不完整数据的原因有以下几种：

• 数据成熟度：如果激活日期与当前日期之间的时间段短于您要分析的时间段，则相关数据仍在累计中，尚不完整。
• SKAN延时：SKAN在发送数据时会有随机的延时。比如激活后2天内的用户行为数据最多可能会在激活后的96小时（即4天）后方才送达。
• 模型推算数据的处理节奏：我们会对激活后2天以上的SKAN数据进行建模推算，并在激活日期的7天之后生成首个推算值。在激活后第2到7天这段时间内，AppsFlyer传统归因模式的数据已达到可用状态，但SKAN的模型推算数据尚不可用。

示例（假设激活日期为1月1日）：

• 1月2日：AppsFlyer尚未收到SKAN数据。激活后2天内的数据与激活后7天的数据相同，且两者都不完整，由AppsFlyer传统归因模式的数据组成。
• 1月3日：AppsFlyer接收到部分SKAN数据。激活后2天的数据不完整，但这时其中包含部分SKAN数据。激活后7天的数据尚不包含模型推算的SKAN数据（首个模型推算值将在激活日期起的7天后可用）。因此在激活后的2到7天内，激活后7天的指标值可能低于激活后2天的指标值。
• 1月6日：AppsFlyer己接收到激活后2天的完整SKAN数据，包括延时最长的回传。此时，激活后2天的指标已充分涵盖完整数据，但激活后7天的指标值尚不完整。
• 1月8日：激活后7天的SKAN模型推算数据已生成完成。我们的模型会持续细化该数据，一直到1月16日为止。 

• 主文件夹按报告类型整理归类。可能出现的 值包括：
  • ssot_unified
  • ssot_retargeting
  • ssot_user_acquisition
• 这些文件夹下的子文件夹则按照激活日期 整理归类。

报告版本

• 每个激活日期的文件夹中都包含多个版本的数据， 每天一次写入Data Locker。
• 每个版本都反映该激活日期的 最新累计数据。
• 报告中包含该激活日期的所有可用数据。 例如在4月18日这天，各激活日期下最新版本的报告中涵盖 截至4月18日为止的所有数据。
• 提示：建议您总是处理最近期的那一版数据， 以确保数据准确性。

每个激活日期文件夹下最多可容纳15个版本的报告。激活日期的15天后， 所有指标都已充分覆盖完整数据，并已打磨完毕。 详情请见此文档。

SSOT报告的路径格式如下：

<bucket-name>/t=<ssot_unified OR ssot_retargeting OR ssot_user_acquisition>/install_date=<yyyy-mm-dd>/version=<unix timestamp>/<parquet file number>

广告主存储桶中的文件夹层次结构示例：

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
    |   |
    .   . 
    .   .

说明：

• t：报告主题（类型）。
• install_date：用户激活相关应用的日期。也就是说， 激活后的用户行为数据会按相应的激活日期（即用户下载并首次打开相关应用的时间）呈现， 而非该用户行为 发生的日期。
• version：使用Unix时间戳来表示相关版本的创建时间。

您可以同时将统一、UA和再营销报告 导入您的BI系统，也可以分开单独导入。如果您选择同时导入这三种报告， 需要自行筛选不同视图的数据：

• 统一报告：使用is_primary_attribution=true或null 来筛选数据。
• 用户获取报告：使用conversion_type=Install来筛选数据。
• 再营销报告：使用conversion_type=re-engagement或 re-attribution来筛选数据。
• 统一视图：如果您在数据入库的过程中使用统一视图， 可以按投放类型来拆分数据：

• 使用conversion_type=install、re-engagement或re-attribution （在SKAN中为re-download）来筛选数据。
• 详情请见《再营销事件的双重归因》 。

• 对于转化（激活、再互动等），该维度的值 为0。
• 对于收入和应用内事件，相关数据会被分为两个预定义群组， 目前仅限激活后 “2”天和“7”天。

为了确保您能对应用内事件和收入进行准确分析，建议使用days_post_attribution维度来筛选数据。详情请见 详见下文说明。

一种常见的错误查询方式是运用过于简单的逻辑 将一系列维度的收入值进行加总。 由于这种方式会重复统计部分收入 （days_post_install=2的收入和days_post_install=7的收入之间有重叠）， 因此得出的数据不准确。这个例子同样也适用于 特定应用内事件的独立用户数分析。

请务必注意以下几点：

• 最新版本：总是查询各激活日期下 最近期的版本，以确保您在数据分析中使用的是 最新最准确的数据。
• 收入计算：以美元为单位的收入指标是 根据事件当天的汇率计算的。
• 归因分析：带有event_name=af_conversion的记录 即表示对转化的归因（包括激活、再归因/SKAN中的re-downloads以及再互动）。 SKAN中的re-downloads以及再互动）。归因到的转化数量 呈现在独立用户指标下， 这些字段的收入指标为空，days_post_attribution的值 为0。
• 面板对比：对比面板中的激活数时， 请使用重新下载（redownloads）和激活（install）这两种转化类型的总和， 因为面板会将这两种类型的转化都计为激活（install）。
• 应用内事件分析：event_name不等于 “af_conversion”的记录即表示应用内事件。完成该事件的独立用户数 呈现在独立用户指标下， 而这些事件带来的收入则呈现在 收入指标下。
• 转化类型：您可以使用这个维度 来区分拉新和再营销转化。请注意， SKAN数据还有另一层细分（区分激活与redownloads）。 与SSOT面板中的数据进行对比时， 需注意在面板中这类转化都计为激活。
• 广告收入事件：这类数据可用时会在相应的记录内呈现。
• 分应用取数：所有应用的数据都集中在一个文件中。 您可以使用App ID字段来区分各应用的数据， 或将Data Locker设置为按应用区分数据。
• 成本、点击和展示等归因前产生的数据 需要从Cost ETL报告中获取。

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， 作为更直观的说明。

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;

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;

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;

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;

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;

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;

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;

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;

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;

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;