Data Locker的群组分析报告

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。

下载示例报告

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 

AppsFlyerAdmin_us-en.png在Data Locker中添加群组报告

  1. 从AppsFlyer后台的侧边栏中选择报告 > Data Locker
  2. 全选Cohort analytics(群组分析报告)部分的所有报告。
  3. 点击保存配置
    报告会在第二天的UTC时间10:00之前准备就绪。

AppsFlyerAdmin_us-en.png设置Data Locker

  1. 完成Data Locker的初始设置(广告主指南渠道指南)。
  2. 将群组报告添加到Data Locker中:
    1. 从AppsFlyer后台的侧边栏中选择报告 > Data Locker
    2. 全选Cohort analytics(群组分析报告)部分的所有报告。
    3. 点击保存配置
      报告会在第二天的UTC时间10:00之前准备就绪。

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):

  • 用户获取:归因到拉新(UA)渠道的LTV数据,包括再互动窗口期内的LTV。
  • 再营销:归因到再营销渠道的LTV数据。分以下两种情况:
    • 发生在再互动窗口期内的事件
    • 归因为卸载重装(再归因)的事件
  • 统一:根据AppsFlyer的双重归因机制归因到末次触达渠道的数据。也就是说在再互动期间发生的LTV数据会显示在再营销渠道下,而非UA渠道。
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 各种报告的结构相同。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
  • 每天更新。
  • 根据UTC时间凌晨(即一天结束)时的数据计算指标。
  • 报告会在UTC时间10:00前更新到Data Locker的日期-时间(dt)文件夹中。比如周一的数据会在UTC时间周二10:00前更新到周一的文件夹中。
渠道的数据保存期限

有些渠道设有数据保存期限。这种情况下,在数据保存期限之后发生的事件不会出现在群组报告中。

举例说明: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天之后的事件会则会被忽略。

注意:这些事件在总览面板中显示为自然量。

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:数字。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

可能出现的值为:click(点击)、impressions(展示)、pre-install(预安装)、unknown(未知)、tv(电视)、null(空)

days_post_attribution

  • 转化后的天数(不是实际转化的时间戳)
  • 提示:您可以使用该数据来计算留存和KPI天数。

event_date 

  • 用户完成某个事件的日期。
  • 格式:yyyy-mm-dd
  • 比如用户完成某个应用内事件的日期。
  • 请注意:如果event_name是af_conversion,则事件日期与转化日期相同。

conversion_date

  • 转化发生的日期
  • 格式:yyyy-mm-dd
  • 如激活日期

event_name

用于标记事件。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。

event_name

用户行为

af_conversion 用户转化。您可以通过conversion_type来判断转化类型是激活、再互动还是再归因。
af_session 用户打开应用
cohort_uninstalls 用户卸载应用
广告主定义的应用内事件 用户完成指定应用内事件。

campaign

广告系列层级

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,就会出现多个名称对应同一个广告系列ID的现象。

campaign_id

广告系列层级

adset

广告系列层级

adset_id

广告系列层级

ad

广告系列层级

ad_id

广告系列层级

channel

广告系列层级

【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

广告系列层级

is_primary_attribution

用于识别再营销数据并进行去重。

geo

基于用户IP地址的ISO国家代码。

agency

  • 支持代理数据透明化。
  • 在代理数据不透明的情况下,如果广告主和代理同时使用同一个广告系列名称进行投放,则报告中会有多行数据显示该名称。但这些数据并不是重复数据,所以不必担心。

install_app_store

仅限安卓应用,表示用户下载应用的安卓商店。适用于配置了安卓第三方应用商店归因的广告主。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

完成事件的独立用户数

数字

revenue_usd

  • 以USD为单位的收入数额。如100.56美元会显示为100.56。
  • 最多精确到小数点后2位。
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

  • 以指定货币为单位的收入数额。假设指定货币为EUR,则1234.56欧元会显示为1234.56。
  • 最多精确到小数点后2位。
数字

BI开发人员的注意事项

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。

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。
  • 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

Campaign ID
(广告系列)
Ad ID
(广告素材)
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-engagementconversion_type=re-attribution,重点分析再营销广告的数据。
  • 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_purchaseaf_coins)的总体收入。
  • 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)
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=true,分析统一维度的数据(即同时包含UA和再营销广告)。
  • event_name设定为af_conversion,按转化事件统计事件总数。
  • 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

Conversion date
(转化日期)
Geo
(国家/地区)

Campaign ID
(广告系列)

Ad ID
(广告素材)

Site ID
(子渠道)

Day 0 af_complete_tutorial

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。
  • conversion_type设定为install,从而筛选出UA激活(排除再营销)。
  • 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

App 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。
  • 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

Media source
(媒体渠道)

Revenue

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。
  • 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
    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)

转化总数

2023-07-11的7日ARPU

2023-07-12的7日ARPU

2023-07-13的7日ARPU

2023-07-14的7日ARPU

2023-07-15的7日ARPU

2023-07-16的7日ARPU

韩国 120,660 $7,798.89 $6,997.37 $8,258.95 $9,050.21 $10,018.04 $13,765.73
加拿大 35,099 $64,867.84 $7,050.19 $5,656.33 $9,553.75 $8,632.41 $11,308.06
智利 26,750 $48,160.02 $21,249.55 $22,584.57 $24,033.07 $31,118.91 $41,145.22

其他信息

特点和局限性

特点  
成本数据 无。需使用Cost ETL才能获得成本数据。
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
  • 可用
  • 对于af_ad_revenue事件,2022年10月5日到2023年2月16日之间的独立用户指标不可用。
货币  可分行显示USD和应用层级指定货币的收入数据
时区
  • UTC
  • Beta版本可以使用应用配置中设定的时区。
自然量数据 可用
转化后天数(激活、再归因、再互动)
  • 数据可用范围为激活后的365天内。
  • Beta版本的数据可用范围为激活后的1095天。
代理数据透明化
  • 支持
  • X Ads和Meta ads数据总是对广告主可见
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 不包含。

另请参见