最近发现一个有趣的现象:

观察某个产品我们服务器来源的iOS新用户数据和广告平台数据对比,当GG预算投放占比最大的时候,账户投放总单价变贵了,服务器上总新增是高的,回收价值也是比较好的。

但是同样的预算,投放占比最大的改为TT上,账户单价看起来是更便宜的,账户面板上似乎获得的推广新增也变多了,一开始我们还很高兴同样的预算买到更多的安装,而后面慢慢观察下来,实际的服务器获取到的全渠道总新增反而比起GG涨量的时候降低很多,且全渠道新用户回收对比起来有所下降。

同样的预算之前也有放在FB上去尝试过,确实都会有一些变化。主流媒体这样轮流观察下来,同等预算下,对比广告平台数据和服务器数据,变化差异最大的是谷歌。

然后就一直在想为什么会有这种情况出现,最明显的答案是iOS14政策,仔细去考虑一下,单独将最明显的TT和GG对比为例子,想到一些原因列出来有以下几点:

因素1:

首先想到是在老用户归因层面的区别。

公司服务器数据是会对用户进行用户ID和设备ID层级的永久排重的。所以新增数据相对来说更多的是新用户群体,卸载了很久再回来的设备不会被算进去。如果老用户比较多的话,就会有一种情况是,平台收费了也算安装了,但是服务器新用户是没有太大变化的。

如果产品投放比较久,老用户占比较多的话,GG是比TT的新用户占比大的。实际上我们GG投放时间和总体预算都比TT要就久很多,除非TT覆盖到的都是GG曾经获取的老用户,分析两个平台在当地的用户群体属性区别的话,这种原因的可能性不会太大。

因素2:

其次是不同平台的面板归因差异,可能导致自归因的谷歌iOS实力可能被低谷了。

谷歌面板的数据是采用SKAN+数据模型模拟的形式进行数据处理的,iOS SKAN对于影片浏览转化的归因是不会计算在内的,谷歌会进行这方面的统计;且接收到SKAN数据以后,GG的归因到用户浏览或者点击广告当天,数据有可能在多次处理下产生误差和延时,导致在评估谷歌iOS的投放效果的时候有偏差。

明明带来的用户可能有100个,但是用自家的模型归因预测出来的面板显示可能只有90个,这差异造成部分广告系列层级用户数据本来就受到隐私政策限制,大概率回收数据到后期也会被三方归因到自然来源的那部分,

而Tiktok平台作为SKAN能力比较强的一个平台,对于iOS安装用户的归因能力较强,且更多的是用SKAN数据进行面板的数据显示,比起GG面板来说几乎是没有什么误差的。

另外一个归因的区别就是,TT对于SKAN回传的延迟数据是归因到回传时间当天,不会去回溯更新前几天的数据,比起GG是会归因到用户浏览或者点击广告当天,回传时间上也会导致数据有差别。

所以如果站在这个层面上,看账户数据不客观的原因之一可能是因为对iOS的归因能力和面板归因方式不同导致同样的预算,谷歌账面上的数据会显得更低,一开始就不在一个归因水平线去衡量它的流量了。

因素3:

除了对用户定义和数据归因方面本身的区别之外,苹果发布的iOS14政策本身也是有很多细节限制的。

其中最明显的就是SKAN数据分系列层级归因数据丢失,也就是会出现null值,是由于在campaign-level, cv -level, source_app_id-level都有隐私阀值限制。

基于以上不同数据层级的限制,谷歌需要一个campaign一天至少有128个用户,且Admob的版位占比多少直接影响null值的比例。

TT也需要一个campaign一天至少不低于88-128左右(具体多少数值没有找官方确认)的新增数据。

隐私阀值的限制和基于此不同的应对方式也会使数据有明显的误差。比如说谷歌是有很多的产品,在进行用户匹配的时候,有用YouTube登陆信息去匹配其他平台的信息,然后归因到iOS的Campaign,如果在信息匹配的时候没有足够的信息去匹配到,可能也会造成差异。最近中东取消掉Youtube流量的版位以后,发现中东系列谷歌面板和三方的数据差异明显减小了不少。

因素4:

另一种可能性就是GG为其他渠道带来的助攻会比较多。比如说对ASM和FB等渠道的助攻等。基于这一点拉了一下曲线,发现在GG渠道量级上涨的时候,ASM这个渠道的量级确实会多一些,而且TT在同等预算下没有达到这么明显的效果。

助攻这个概念也很好理解,比如AF是基于Last Click归因的,而很多时候,用户可能从几个平台上看到了广告,最终是自己搜索关键词,或者点击了最后看到的那个平台的广告,这样之前几个平台的广告就是助攻的成分。

当一个渠道投放的足够大,用户覆盖量级比较多,当时不一定能及时受益,但是品牌效应大出去了,对其他平台的流量和转化也会有所助益。

当然助攻这个事情估计也分地区和不同的平台,基于目前这个产品和数据情况观察到的是GG助攻确实比较明显一些,具体的真实性目前暂时没有数据考究,姑且作为可能性之一,这也是Last Click归因局限性的地方-----只能看到最后决定性行为的归属,无法衡量之前的路径价值。

当我控制TT的花费往下走的时候,明显没有控制GG的花费往下走对自然流量的影响更大。可能不是所有产品都是这样 ,大家如果有机会,可以测试一下不同渠道的量级变化对同一个产品自然流量走势的影响趋势。

因素5:

两个平台在目标区域的的用户属性和用户价值区别。

一个是搜索引擎平台,当然也有YouTube和商店等其他平台,另外一个是短视频平台,本身平台的属性不同也会吸引不同目标的用户群体,比如说欧美区域,用GG的是什么年龄层的人,用TT是什么年龄的用户比较多,对比下来同一个区域不同平台的用户也会有差别的,这个差别可能就决定了回收的差别。

还有CPM区别,同一个区域在不同平台上的CPM不一样,用户展示价值也会随着大盘,素材,广告设置等各方面的变化而波动,一开始两个平台同等预算下能获取到的新增就是有差异的。而且两个平台对于虚假流量恶意点击等情况的规避可能也会根据平台有一些不同,这一点没有细节去研究,感兴趣的也可以去问问对应的AM,这也是会造成数据细微差异的点。

因素6:

产品&测试本身对数据对比的影。

除了上面提到的归因和平台方面的差异,本身这个产品的测试对比现象也并不算特别严谨,起量的周期不同,产品内活动可能不同,不过新用户运营活动变化不算太大,也还有一些更新方面的技术以及外部的节日因素影响等,这期间的变量也一直在产生。

所以观察到的现象也只是自己基于手头的产品预算不断地调整测试发现的一个变化,不准确的点也有很多,可能换一个产品,换一个地区,都不一定是同样的观察结果,不过这并不妨碍我们对iOS数据的研究和对策略的不断尝试。




以上都是基于个人观察和理解的一些想法,不代表完全正确无误。

不过通过和服务器数据的对比,确实是发现只对比各平台面板数据就显得特别的不准确,因为数据归因模式,平台和产品等因素影响,导致一开始就不是一场公平的对比。

如果单纯只看三方的数据,也不太能满足需求,毕竟广告平台还是需要参考面板数据趋势做出预算调整,而且效果衡量方面,应用内数据一般更加信任自家的数据。

所以,还是要结合情况,多渠道多平台的数据都参考对比来看,当然关于iOS的效果衡量希望有更多讨论!






下拉推荐菜单可查看更多精彩内容↓

PLTV和事件优化有什么不同吗
做IAP产品是否一定要跑AEO VO呢?

APP推广做官网下载引导

广告素材审核机制

新产品到手 ,优化师怎么初步了解产品情况?

为什么广告总是会展示给非目标语言定位的用户

同样的广告组,为什么在有的系列跑的好有的系列跑的不好?

关于ASA抢自然量的问题

同时接入Firebase 和AF,谷歌平台的安装是以哪个为准

为什么谷歌iOS广告面板数据和AF的对不上?

AC 3.0和2.5哪个回收比较好

更新整理一下:FB VO/AEO,GG2.5/3.0等广告投放条件


Google:

新APP准备投放谷歌广告了,要做些什么?

同时接入Firebase 和AF,谷歌平台的安装是以哪个为准

Google UAC最佳实践

Google ACe

如何避免GoogleUAC广告策略失败Google UAC 3.0 转化价值优化

谷歌UAC广告优化思路总结篇(附思维导图)

谷歌UAC广告拒登常见原因:为什么素材审核不通过?

Audience Trigger(上篇):是什么?有什么用?

Audience Trigger(下篇):多事件点优化的区别


Facebook:

Facebook安装广告优化思路总结篇(附思维导图)

为什么你的Facebook广告会被禁?

Facebook广告:账户结构是什么?(3)建立账户框架的几个原则

Facebook VO 和AEO有什么区别?

Facebook AEO精准用户获取:几种不同用户定位模式的测试


Tiktok:

关于Tiktok安装广告的几个小Tips

Tiktok的App profile page真的好用

新产品到手 ,优化师怎么初步了解产品情况?


Twitter:

看,原来老外都在Twitter上聊这些游戏话题

如何批量进行Twitter广告系列兴趣定位修改?

APP类投放Twitter广告优化技巧(1)

APP类投放Twitter广告优化技巧(2)

Tailered Audience:Twitter的自定义受众定位

Twitter的三种出价方式




点赞(3) 打赏

评论列表 共有 0 条评论

暂无评论

服务号

订阅号

备注【拉群】

商务洽谈

微信联系站长

发表
评论
立即
投稿
返回
顶部