Мобильная атрибуция простыми словами

Сегодня поговорим о том, как устроена мобильная атрибуция. Заглянем немного назад в историю, как было раньше, и что изменилось. А также попробуем сделать небольшой прогноз на будущее

Разберем основные типы атрибуции, которые существуют.

Детерминированная атрибуция

В самом начале мы поговорим с вами про так называемую «детерминированную атрибуцию».

Вообще, атрибуция в контексте мобильного маркетинга — это определение, откуда именно пришел пользователь к нам в приложение: с какого источника, с какого рекламного креатива и тд. Само слово "Детерминированный" означает обусловленный, однозначно определённый. Поэтому и в нашем случае детерминированная атрибуция означает, что мы точно уверены, откуда именно пришел пользователь в продукт.

Такая точная атрибуция достигается через использование специальных рекламных идентификаторов, которые есть на каждом устройстве.

• Identifier for Advertisers (или IDFA) на iOS
• Google Advertising ID (или GAID) на Android

Если простыми словами, то как это работает?

При нажатии на рекламу рекламная сетка фиксирует IDFA/GAID мобильного устройства. Далее при первом запуске приложения (при срабатывании ивента first_open) сработает код отслеживания от MMP (Appsflyer, Adjust), который в свою очередь тоже считает IDFA/GAID устройства. Если идентификатор, который мы получили в момент клика, срабатывает с полученным идентификатором при запуске, значит это тот же пользователь. Таким образом мы установили точную (детерминированную) связь между кликом по рекламе и установкой продукта.

На Android площадке также существует такой параметр, как Play Install Referrer

Install Referrer — данные, которые сам магазин Google Play передаёт вашему приложению при первом запуске. Эти данные забирает SDK (AppsFlyer/Adjust и т.д.) и делает детерминированную атрибуцию установки к клику/кампании.

Из Install Referrer можно получить данные, когда был совершен клик, а также, когда началась установка приложения.

Как говорит сам Google, Install Referrer строит прямое защищённое соединение между вашим приложением и Google Play. Это быстрее, безопаснее и устойчивее. А также позволяет лучше бороться с фродом.

Fingerprinting атрибуция

Еще один тип атрибуции, который широко применялся до апреля 2021 года, до момента, когда Apple существенно ужесточила правила приватности. Раньше он мог применятся в качестве резервного способа атрибуции, когда не было возможности установить IDFA/GAID мобильного устройства. Например, даже до 2021 года на iOS можно было вручную отключить передачу IDFA в настройках (функция Limit Ad Tracking). Или реклама могла была быть в мобильном браузере, когда тоже не было возможности получить IDFA.

Как это работало?

При клике на рекламу фиксировались технические детали устройства и сети, например:

• IP-адрес устройства и часовой пояс,
• Модель телефона и версия операционной системы,
• Версия приложения или браузера, тип подключения (Wi-Fi или сотовая сеть),
• Другие характеристики, которые могут быть уникальными в данный момент (например, язык системы, оператор связи и т.п.).

Все эти данные совокупно образуют некоторый «портрет» устройства. Он не уникален навсегда, как IDFA, но зачастую в короткий промежуток времени комбинация таких параметров уникальна для одного устройства. MMP при клике по рекламе сохранял этот портрет. Затем, когда пользователь устанавливал и открывал приложение, SDK MMP собирал аналогичные параметры устройства. Если набор ключевых данных совпадал, делалась обоснованная догадка, что это тот же самый пользователь, что кликнул по объявлению ранее. Тогда установку атрибутировали соответствующей рекламной кампании, но с некоторой долей вероятности, а не со стопроцентной уверенностью.

Стоит отметить, что точность атрибуции через Fingerprinting ниже, чем у детерминированной. Всегда есть шанс, что пользователи могут совпасть по IP и по устройству. Однако в коротких интервалах времени шанс совпадения очень мал.

Probabilistic атрибуция

После анонса изменений в использовании IDFA в iOS 14.5 рынок задался вопросом, а можно ли сохранить логику Fingerprinting атрибуции и продолжать использовать те же параметры для идентификации устройства. На что Apple ответили вполне лаконично – NO

В FAQ у Apple сказано: « you may not derive data from a device for the purpose of uniquely identifying it.» - Вы не имеете права извлекать данные с устройства с целью его уникальной идентификации.

Probabilistic атрибуция – это статистический метод, при котором установка атрибуцируется источнику с некоторой вероятностью, а не со 100% уверенностью, как при детерминированной атрибуции.

Как работает?

MMP и здесь собирает обезличенные параметры устройства. Но основное отличие от Fingerprinting атрибуции, здесь MMP не имеет права создавать свой внутренний ID устройства, который вполне реально создать по имеющимся данным. При использовании Fingerprinting могли даже собираться такие данные, как шрифты, настройки графики и другие параметры на устройстве, чтобы точно различать конкретного пользователя на длинной дистанции.

Probabilistic атрибуция же оценивает долю вероятности пользователя прийти с определенного канала. И где вероятность оказывается выше, туда и будет атрибуцирован пользователь.

Чтобы можно было точнее определить пользователя, Probabilistic атрибуция использует короткое окно после установки, до 24 часов. Adjust у себя в справке указывает, что 80% всех установок происходят в первый же час. Исходя из этого, на короткой дистанции используя данные устройства можно посчитать вероятность для каждой из кампаний.

Графически это выглядит примерно вот так

С учетом всего вышесказанного, Probabilistic атрибуция менее точна, чем детерминированные методы, и также менее точная, чем Fingerprinting. Всегда здесь будут установки, которых не удалось атрибуцировать в рабочие кампании, и которые будут в органике. И также главное здесь, что данная атрибуция не нарушает правила приватности от Apple (во всяком случае пока что).

SkadNetwork атрибуция

• Про данную модель поговорим в отдельной статье, тк достаточно объемный материал

Особенности SRN (SAN) источников.

SRN (SAN) источники это такие источники, как Facebook, Google, Tik Tok и Snapchat (который уже наверное никто не использует)

Их основная особенность в том, что и до ATT эры на iOS, и после они всегда атрибуцировали все установки самостоятельно на своей стороне. И только потом они отдавали эти данные MMP.

Сразу же после выхода iOS 14.5 все установки от этих источников сыпались в органику, однако спустя какое-то время Facebook и Google построили своего рода Probabilistic атрибуцию на своей стороне. Когда у вас есть так много данных от пользователей, построить вероятностную атрибуцию, которая работает достаточно точно, не так уж и сложно.

У Facebook, например, такой протокол называется Aggregated Event Measurement (AEM).

Согласно документации Meta, AEM — это протокол, который позволяет измерять события в веб-сайтах и приложениях от пользователей устройств с iOS 14 и более поздними версиями. Агрегированная обработка измерения событий включает меры по защите конфиденциальности, такие как удаление идентификаторов, добавление дифференциальной конфиденциальности и агрегирование данных по пользователям перед доставкой или измерением рекламы. Если упростить, то META заявяет, что AEM не нарушает правила приватности от Apple.

На рынке существуют несколько кейсов, когда пробовали сравнивать кол-во установок, которые показал Facebook с использованием AEM, с кол-вом установок из App Store Connect. Разница не такая существенная, когда использовался только Facebook без других источников. Но все равно разница есть, поэтому обычно часть установок будет улетать в органику. С другой стороны, вы можете понимать, какие показатели у атрибуцированных AEM пользователей, насколько они качественные.

На этом давайте остановимся. Можно бесконечно долго смотреть на огонь, воду и говорить про мобильну атрибуцию. Скоро разберем SKAN, про который можно говорить еще одну бесконечную жизнь...

Другие полезные статьи про User Acquisition у меня на канале
@serg_useracq