概要:Data Locker的群组分析报告覆盖各广告层级的汇总数据,其中包含过去365天内的用户归因数据。即使您未购买Data Locker,只要您的套餐中包含原始数据和/或群组API,就可以获取该报告。
Data Locker中的群组分析报告
AppsFlyer中的原始归因数据有时会受到媒体渠道数据共享政策或广告主隐私保护政策的限制,这样的限制会影响到所有与归因有关的字段,如广告系列和广告组。这种情况下,您可以使用群组报告以汇总数据的形式来代替原始数据。
启用Data Locker
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。
您目前是否通过Data Locker取数 | 流程 |
---|---|
是 |
|
否 |
|
您可以将该数据入库到BI,用于投放效果分析和优化。
可用指标
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。
群组分析报告要点简介
可用报告 | 可下载的报告包括以下几种(各类报告的详细介绍请参见群组面板):
|
报告周期 | 报告涵盖在过去365天内转化的用户。也就是说每一天的报告都包含了在当前日期之前的365天内转化的用户。 |
报告结构 | 各个报告的结构(即其中的维度和指标)是固定的,无法更改。详情请见报告结构。 |
报告传输 | 详情请见启用Data Locker的群组报告。 |
数据时效性 |
|
渠道的数据保存期限 |
有些渠道设有数据保存期限。对于数据保存期限之后发生的事件,群组报告会将其记录为自然量。 举例来说,SRN A的数据保存期限为180天。第180天之前产生的用户事件会归因到SRN A,第180天之后的事件则记录为自然量。 |
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,一般取决于广告层级的填充方式。
- 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。
维度
字段名称 | 说明 | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
app_id | -- | ||||||||||
media_source | -- | ||||||||||
conversion_type | 可能出现的值:install(激活)、install-unified(统一视图报告中的激活)、re-engagement(再互动)、re-attribution(再归因) | ||||||||||
attributed_touch_type | 可能出现的值包括click(点击)、impression(展示)、pre-installed(预装)、unknown(未知)、tv、null | ||||||||||
days_post_attribution |
|
||||||||||
event_date |
|
||||||||||
conversion_date |
|
||||||||||
event_name | 用于标识事件。有些事件名称具有特定含义,而有些则与广告主在应用中设置的应用内事件有关。
|
||||||||||
campaign |
广告层次结构中的一个层级 需注意:不支持更改广告系列名称。也就是说,如果您更改了广告系列名称,就会出现多个广告系列名称对应同一个广告系列ID的现象。 |
||||||||||
campaign_id | 广告层次结构中的一个层级 | ||||||||||
adset | 广告层次结构中的一个层级 | ||||||||||
adset_id | 广告层次结构中的一个层级 | ||||||||||
ad | 广告层次结构中的一个层级 | ||||||||||
ad_id | 广告层次结构中的一个层级 | ||||||||||
channel |
广告层次结构中的一个层级。 【2021年10月27日更新】目前Meta ads不在channel字段中填充来自Google Install Referrer机制的数据。 |
||||||||||
site_id | 广告层次结构中的一个层级 | ||||||||||
is_primary_attribution | 用于识别再营销数据并去重。 | ||||||||||
geo | 基于用户IP地址的ISO国家代码。 | ||||||||||
agency |
|
||||||||||
install_app_store | 仅适用于安卓应用:用于表达用户下载相关应用的安卓商店。使用第三方安卓应用商店归因方案的广告主会看到这个字段。如果该字段为空,则表示用户从Google Play Store下载应用。 | ||||||||||
keywords | 用户在线搜索时所使用的字词,由广告平台上报。 | ||||||||||
keyword_id | 由广告平台上报的关键词ID【该字段自2022年4月27起可用】。 |
指标
字段名称 | 说明 | 格式 |
---|---|---|
unique_users | 当日完成相关事件的独立用户数。 | 数字 |
revenue_usd |
|
数字 |
event_count | 事件发生次数 | 数字 |
selected_currency | 3字母货币代码(如USD、EUR等),由广告主在AF后台的应用设置页面中配置。完整列表请参考ISO-4217。这里的货币与AF群组面板中收入指标的货币单位一致。 | 字符串 |
revenue_selected_currency |
|
数字 |
BI开发者注意事项
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。
- 您可以使用广告层次结构字段来汇总数据。
- 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。
使用场景
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' // 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
Campaign ID (广告系列ID) | Ad ID (广告ID) | Installs (激活) | Retention Day 1 (次留) | Retention Day 7 (周留) |
---|---|---|---|---|
12345678 | 987654 | 100 | 30% | 10% |
98765432 | 123456 | 200 | 25% | 15% |
07315466 | 613770 | 300 | 20% | 12% |
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 and conversion_type in ('re-engagement', 're-attribution') and app_id = YOUR_APP group by 1
Excel表格示例
Campaign ID (广告系列ID) | Conversion type (转化类型) |
ARPU Day 1 |
ARPU Day 3 |
ARPU Day 7 |
---|---|---|---|---|
12345678 | re-engagement | 6.23 | 5.11 | 2.34 |
98765432 | re-engagement | 3.57 | 1.34 | 4.86 |
07315466 | re-attribution | 7.41 | 6.79 | 5.29 |
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
Conversion date(转化日期) | Geo (国家/地区) | Campaign ID (广告系列ID) | Ad ID (广告ID) | Site ID (子渠道ID) | Day 0 af_complete_tutorial (当日教程完成率) |
---|---|---|---|---|---|
2022-11-07 | US | 12345678 | 123456 | site_123 | 45% |
2022-11-05 | UK | 98765432 | null | site_654 | 70% |
2022-10-31 | KR | 07315466 | null | null | 63% |
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
,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
App ID (应用ID) | Conversion date(转化日期) | Media source (媒体渠道) | Event name (事件名称) | Total (总计) |
---|---|---|---|---|
id123456789 | 2022-11-07 | adnet1_int | af_conversion | 105 |
id123456789 | 2022-11-05 | adnet2_int | af_conversion | 216 |
id123456789 | 2022-10-31 | adnet3_int | af_conversion | 327 |
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
Conversion date(转化日期) | App ID (应用ID) | Media source (媒体渠道) |
Revenue (收入) Day 3 |
---|---|---|---|
2022-11-07 | id123456789 | adnet1_int | 400.45 |
2022-11-05 | id123456789 | adnet2_int | 99.23 |
2022-10-31 | id123456789 | adnet3_int | 13.34 |
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
Media source (媒体渠道) | Keyword ID (关键词ID) |
ARPU Day 365 |
---|---|---|
adnet1_int | 123456 | 57,019.93 |
adnet2_int | 987654 | 64,867.84 |
adnet3_int | 666854 | 48,160.02 |
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
Geo (国家/地区) | Total conversions (转化总量) | ARPU Day 7 for 2023-07-11 (2023年7月11日的第7天ARPU,后同) | ARPU Day 7 for 2023-07-12 | ARPU Day 7 for 2023-07-13 | ARPU Day 7 for 2023-07-14 | ARPU Day 7 for 2023-07-15 | ARPU Day 7 for 2023-07-16 |
---|---|---|---|---|---|---|---|
South Korea | 120,660 | $7,798.89 | $6,997.37 | $8,258.95 | $9,050.21 | $10,018.04 | $13,765.73 |
Canada | 35,099 | $64,867.84 | $7,050.19 | $5,656.33 | $9,553.75 | $8,632.41 | $11,308.06 |
Chile | 26,750 | $48,160.02 | $21,249.55 | $22,584.57 | $24,033.07 | $31,118.91 | $41,145.22 |
其他相关信息
特点与局限性
特点 | |
---|---|
成本数据 |
|
广告系列名称变更 | 不支持。 |
数据时效性 | 每天更新(按UTC时间计算)。报告会在次日UTC时间10:00前更新到Data Locker,放在报告当天的日期-时间(dt)文件夹中。 |
广告收入 |
|
货币 | 可分行显示USD和应用层级指定货币的收入数据 |
时区 |
|
自然量数据 | 可用 |
转化后天数(激活、再归因、再互动) |
|
代理数据透明化 |
|
分应用取数 | 支持 |
SKAN数据 | 不包含。SKAN数据是指由iOS回传提供的数据。 |
重装激活 |
|