套餐中包含Data Locker、群组API和原始数据的广告主可以获取该报告。请选择以下任一流程完成相关操作，以启用Data Locker中的群组分析报告。

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，一般取决于广告层级的填充方式。
• 指标：数字。请注意：selected_currency字段以字符串的格式呈现。

维度

指标

报告的数据范围

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。

如果您将统一、UA和再营销报告分别入库，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。
• 在有可用数据时，报告会包含广告收入事件，但可能会有最长3天的更新延时。

常规注意事项

报告会将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。

本节列举了一些通过Data Locker拉取群组数据用于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'
    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且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
    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=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 = true
    and app_id = YOUR_APP
group by 1,2,3,4,5

Excel表格示例

4. 计算每天的激活量

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，计算激活量的总和。

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'
    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