As métricas modeladas da SKAN são oferecidas pela Singular para complementar os dados parciais da SKAdNetwork. As métricas modeladas são extrapoladas usando modelos proprietários de ciência de dados a partir de dados existentes, incluindo postbacks de SKAN e dados de rastreadores baseados em IDFV.

Para a maioria das instalações de aplicativos iOS 14+, todas as informações sobre o comportamento do usuário - incluindo interações pós-instalação com o aplicativo e a quantidade de receita gerada - são codificadas no valor de conversãoincluído no postback SKAdNetwork da Apple.

No entanto, nem todos os postbacks contêm um valor de conversão, pois a Apple censura o valor de conversão por motivos de privacidadequando o número de instalações de uma campanha não atinge um determinado limite. Isso resulta em instalações para as quais não temos nenhum dado além do aplicativo e da rede atribuída.

Para preencher essa lacuna e oferecer a você uma visão mais completa dos resultados de seus esforços de marketing, a Singular oferece métricas modeladas, que são extrapoladas a partir dos dados existentes.

Para melhorar a precisão das métricas de coorte SKAN modeladas, você pode tentar o seguinte:

1. Se a Singular estiver oferecendo um modelo otimizado, use-o.Os modelos otimizados são oferecidos quando se acredita que eles melhoram significativamente a precisão dos seus resultados (saiba mais nas Perguntas frequentes sobre modelos otimizados). Para verificar, acesse a página SKAdNetwork > Model Configuration (Configuração de modelo ) e selecione um aplicativo. Se um modelo otimizado estiver disponível para o aplicativo, você verá uma mensagem em verde.
   
   
   
   
2. Use modelos com melhor poder de previsão. Normalmente, isso significa modelos mistos, que levam em conta tanto a receita quanto outros comportamentos do usuário.
3. Aumente o tamanho das campanhas (execute menos campanhas). As campanhas com mais instalações são mais fáceis de modelar.

O Modeled Conversion Value Count estima quantas instalações em uma campanha tiveram um valor de conversão específico.

Isso é calculado com base na prevalência desses valores de conversão nas instalações para as quais temos valores de conversão.

No exemplo abaixo, em uma campanha com 105 instalações, apenas 35 tinham valores de conversão incluídos no postback. A contagem de valores de conversão modelada mostra quantas instalações tinham cada valor de conversão se presumirmos que os dados parciais são representativos de todas as instalações.

As métricas de cohort modeladas são métricas modeladas baseadas em cohort. Atualmente, a Singular oferece estimativas de receita e ROI baseadas em cohort para campanhas SKAN.

As métricas de coorte modeladas são calculadas com base nos dados de receita conhecidos coletados por meio do MMP (rastreador). Os modelos também aproveitam os grupos de receita definidos no modelo de conversão, se existirem. Os grupos de receita otimizados melhorarão a precisão das métricas modeladas.

Vantagens da receita modelada e do ROI em relação à métrica de receita SKAN:

• A receita modelada e o ROI não são limitados pelos períodos de medição do SKAN, limites de privacidade etc.
• A receita e o ROI modelados estão disponíveis mesmo sem um modelo SKAN do tipo receita.

Limitações da receita modelada e do ROI:

• Para usar as métricas de coorte modeladas, você deve enviar eventos de receita para a Singular a partir do SDK da Singular incorporado em seu aplicativo(integração SDKou integração híbrida SDK+S2S ). Essas métricas não estão disponíveis para integrações S2S.
• A precisão do modelo pode mudar de anunciante para anunciante e de aplicativo para aplicativo.
• A modelagem está atualmente limitada a coortes de 7 dias .

A precisão da receita e do ROI modelados varia de anunciante para anunciante e de aplicativo para aplicativo, e é aprimorada quando há um modelo de conversão otimizadoem vigor. Para a maioria dos aplicativos, podemos alcançar uma precisão de 88% se os aplicativos usarem um modelo de conversão otimizado.

Você pode verificar a precisão de cada métrica de receita de 7 dias observando o intervalo de confiança. Se a receita de 7 dias for de US$ 100 e o intervalo de confiança for +/-10, isso significa que podemos dizer com um alto nível de confiança que a receita de 7 dias está entre US$ 90 e US$ 110.

Uma das métricas modeladas que a Singular oferece para o SKAN é a Modeled Events (contagem de eventos modelados). Os eventos modelados estão disponíveis somente para campanhas que usam um modelo de conversão de eventos. Você pode selecionar os eventos para os quais deseja ver as contagens na lista suspensa.

Os eventos modelados são extrapolados para todo o segmento de usuários com base nos dados dos usuários para os quais a Singular recebeu um valor de conversão.

Escolha um ou mais períodos de postback de eventos no relatório SKAdNetwork para ver as contagens de eventos exclusivos modelados com base no primeiro, segundo ou terceiro postback do SKAN 4.0 (também conhecido como P1, P2 e P3).

Conforme explicado nas Perguntas frequentes sobre o SKAN 4.0 (consulte Quais são as principais alterações no SKAN 4.0?), os três postbacks enviados na estrutura do SKAN 4.0 contêm informações sobre períodos distintos na jornada do usuário após a instalação.

Embora a Singular não tenha como saber qual P2 ou P3 que recebemos representa o mesmo usuário que um P1, podemos somar as informações de cada tipo de postback separadamente e mostrar os resultados.

As contagens de eventos serão exibidas em colunas separadas no relatório. Por exemplo, o relatório a seguir mostra estatísticas para o evento In-App Purchase com base em P1, P2 e P3, para o intervalo de datas escolhido. Supondo que você execute o relatório com base na data de instalação estimada, isso lhe dará as informações mais completas possíveis sobre os eventos de usuário acionados por um grupo de usuários.

Notas importantes sobre o uso

1. Os números representam eventos exclusivos por usuário por período de postback.

   As limitações inerentes à estrutura da SKAdNetwork tornam inviável a contagem de quantas vezes um evento foi acionado por um usuário. Portanto, nossos modelos de conversão baseados em eventos, incluindo modelos mistos e de funil, permitem apenas que você acompanhe se o evento ocorreu ou não durante o período.

   Como resultado, a métrica de contagem de eventos modelada no relatório da SKAdNetwork conta, na verdade, o número de usuários que acionaram o evento durante o período de medição desse postback.

   Exemplo: Se um usuário fizer 1 compra in-app durante o período de medição P1, 2 compras durante o período de medição P2 e 2 durante o período P3, cada um dos postbacks enviados para esse usuário informará que ocorreu um evento de compra in-app. No relatório, esse usuário será contado como 1 na coluna P1, 1 na coluna P2 e 1na coluna P3.

   

2. Não some os números de P1 + P2 + P3.

   Se você tentar somar os números das três colunas, não terá uma boa representação da contagem total de eventos nem do número de usuários que acionaram o evento.

   Veja o exemplo acima: um usuário fez um total de 5 compras no aplicativo. Mas o relatório as conta como 1 no período de medição P1, 1 no período P2 e 1 no P3.

3. Para usar essa métrica, você precisa de um modelo SKAN 4.0 que inclua a medição de eventos no período de postback que você deseja medir .

   Por exemplo, a seguinte captura de tela da página Model Configuration (Configuração do modelo) mostra um modelo de funil do SKAN 4.0 que inclui um evento chamado Watched_Tutorial no segundo postback (P2).

   

4. Certifique-se de executar o relatório por data de instalação estimada.

   Se você executar o relatório com base na data de instalação estimada, os dados P1, P2 e P3 se referirão ao mesmo grupo de usuários (com base em nosso cálculo de data de instalação). Por exemplo, se o intervalo de datas escolhido para o relatório for de 1º a 10 de janeiro, você verá dados baseados em P1s enviados para usuários que instalaram o aplicativo de 1º a 10 de janeiro, P2s enviados para os mesmos usuários e P3s enviados para os mesmos usuários.

   Se você executar o relatório com base na data do postback, as contagens de P1, P2 e P3 não terão nenhuma relação entre si. Os postbacks foram enviados na mesma data, mas representam diferentes grupos de usuários.

Métrica	Descrição	Período	Fonte de dados
SKAN Revenue	A Singular decodifica o valor da conversão em seus postbacks da SKadNetwork com base em seu modelo de conversão definido. Supondo que seja um modelo de receita, a Singular soma as somas para mostrar a receita da campanha.	Período de medição definido no modelo de conversão	Postbacks de SKAdNetwork, modelo de receita configurado
Modeled SKAN Revenue	A Singular estima a receita para o período de coorte selecionado com base nos dados de MMP baseados em IDFV.	Você pode selecionar: O período de medição definido no modelo de conversão Ou 7 dias	Dados de MMP baseados em IDFV, postbacks de SKAdNetwork, modelo SKAN configurado

As métricas de coorte modeladas estão disponíveis por meio da API Singular SKAdNetworknas seguintes métricas:

• modeled_skan_revenue 
• modeled_skan_roi

Atualmente, as métricas de coorte modeladas não estão incluídas nos esquemas de destinos de dados padrão. Se estiver interessado em incluí-las em seus dados, entre em contato com o suporte da Singular.

Se determinarmos que não podemos fornecer uma modelagem suficientemente precisa, não mostraremos as métricas.

A receita modelada é baseada em dados MMP. Portanto, a Singular pode fornecer a receita modelada mesmo que você não use um modelo de conversão de receita para uma determinada campanha ou aplicativo.

• A campanha pode não ter nenhum valor de conversão (todos os postbacks foram enviados com valores de conversão censurados), o que deixa o algoritmo da Singular sem dados para basear um modelo.
• Para campanhas do Google: Atualmente, o Google informa as instalações do SKAN com valores de conversão ausentes como se tivessem o valor de conversão 0. Como a Singular não sabe quantos valores de conversão estão faltando para qualquer campanha, não podemos mostrar métricas modeladas.

Os dados do país não estão disponíveis na SKAdNetwork, e o ID do site do editor não está disponível sempre que o valor da conversão é censurado. Para ver as métricas/eventos modelados em seu relatório, certifique-se de desmarcar as dimensões Country e Publisher Site ID.

As métricas modeladas são extrapoladas com base em todo o intervalo de datas que você escolheu para o relatório. Isso significa, por exemplo, que um relatório semanal com um detalhamento diário pode mostrar métricas modeladas ligeiramente diferentes das de um relatório diário.

No momento, as métricas de coorte do SKAN são compatíveis apenas com clientes que têm o SDK da Singular integrado em seus aplicativos ou que usam uma integração híbrida SDK+S2S.

Se estiver usando uma integração S2S, entre em contato com o suporte da Singular para obter diretrizes de implementação.

A receita da SKAN é calculada com base nos grupos definidos no modelo de receita, usando o meio do grupo em cada caso. A receita modelada é mais precisa.

Grandes diferenças podem ser devidas a:

• Definição de compartimentos muito grandes
• Não usar todos os compartimentos disponíveis no modelo de receita

Tanto o Facebook quanto a Singular fornecem a receita do modelo com base nos valores de conversão ofuscados. No entanto, o modelo da Singular é mais preciso, pois temos acesso a mais informações com base em todas as suas campanhas SKAN.