Xây Dựng Chiến Lược Attribution Trên iOS 14.5 Hiệu Quả

19/04/2021
1,116
0

Tháng 4/2020, Apple chính thức áp dụng một số hạn chế về SDK liên quan đến AppTrackingTransparency (ATT). Một số SDK đã từng bị gắn cờ cảnh báo vì chứa code vi phạm nguyên tắc của Apple, theo đó đi ngược lại với tính năng thu thập thông tin để ngăn chặn ad fraud. Đó cũng chính là nguyên nhân mà Apple cho phát hành SDK 4.28 để giải quyết vấn đề trên, cụ thể là tất cả các ứng dụng khi được khởi chạy trên App Store đều sẽ được hệ thống chấp nhận.

Hiện nay, giả mạo SDK spoofing đang là một trong những nguyên nhân cốt lõi dẫn đến tổn thất lớn trong việc bảo toàn dữ liệu và gây ra sự tốn kém ngân sách cho khách hàng. Nhận thức được điều này, Adjust đã phát hành một đoạn code để nhằm mục đích thu thập thông tin cho công tác phát hiện gian lận, tuy vậy Apple đã gắn cờ cảnh cáo vì cho rằng những ký tự được sử dụng đã trùng lặp hoặc đồng bộ hoàn toàn với những ký tự mà các SDK khác sử dụng để tạo những định danh không thay đổi được (persistent ID).. Do vậy, người dùng cần cập nhật SDK lên phiên bản 4.28 vì tất cả ứng dụng và SDK cần tuân thủ chính sách mới.

Ngoài ra, Adjust đang thử nghiệm Adjust SDK với một ATT consent flow (tức là quy trình yêu cầu người dùng cho phép ứng dụng thu thập dữ liệu). Kết quả là nếu bạn sử dụng ATT nhưng chỉ hiện thông báo đến người dùng của iOS 14.5+ (để yêu cầu họ đồng ý cho ứng dụng thu thập dữ liệu), thì kiểm soát viên sẽ từ chối ứng dụng vì họ muốn người dùng chạy consent flow trên tất cả các hệ điều hành. Sau đó, nếu người dùng gửi lại với tuyên bố rằng bạn chỉ chạy consent trên iOS 14.5+, thì ứng dụng sẽ được duyệt lên App Store.

Ảnh minh họa

Các phương pháp và mô hình Attribution chính trong tương lai

SKAdNetwork: Là hệ thống của Apple có khả năng phân bổ hạn chế, tuy nhiên nó lại phân bổ chính xác lượt click cuối cùng của tập hợp lượt cài đặt (aggregated install).
Deterministic Attribution: Khi tải ứng dụng, nếu người dùng đồng ý chia sẻ mã IDFA cho nguồn media (kênh hiện đang khởi chạy quảng cáo) và ứng dụng thì cả hai phía đều sẽ nhận được mã IDFA, nhờ vậy hoạt động attribution của bạn sẽ chính xác hơn, với điều kiện bạn đang sử dụng tracking link để theo dõi lượt click.
Imprecise Attribution hay Probabilistic Attribution: Adjust sử dụng một số thông tin cơ bản của thiết bị để đưa ra dự đoán gần đúng nhất về quảng cáo đã mang đến lượt cài đặt. Dữ liệu này dù có độ chính xác thấp hơn, nhưng đủ để người dùng phân tích tính tối ưu của quảng cáo và sử dụng chi phí truyền thông hiệu quả hơn.

Để phát triển bền vững, bạn cần biết cách tận dụng riêng từng chiến lược, cách kết hợp chúng với nhau. Dưới đây là một số phương án hiệu quả được khuyến cáo sử dụng bởi các advertisers:

Pure SKAdNetwork: Một vài marketers hiện nay chỉ sử dụng SKAdNetwork. Mặc dù điều này được khá nhiều app developer sử dụng, nhưng trong một số trường hợp bạn sẽ gặp một số tác động không nhỏ đến hiệu quả hoạt động của app. Với cách thức này, phân bổ lượt click cuối cùng (last click attribution) sẽ trở nên chính xác hơn nhưng có thể cản trở khả năng phân tích chiến dịch, digital marketing, influencer marketing hay lập báo cáo doanh thu so với chi phí truyền thông. Hơn nữa, việc bạn thiếu thông tin quan trọng trong dài hạn sẽ ảnh hưởng đến việc tối ưu hóa trải nghiệm của người dùng mới.
SKAdNetwork và Deterministic: Một số marketers chỉ sử dụng SKAdNetwork và deterministic attribution. Như vậy, họ sẽ tiếp tục sử dụng các link hỗ trợ attribution, và tắt tính năng Probabilistic Attribution. Nếu người dùng đồng ý chia sẻ mã IDFA cho cả ứng dụng hiện quảng cáo và app mà họ tải về (sau khi xem quảng cáo đó), thì các mô hình attribution sẽ mang lại kết quả chính xác hơn, cũng như duy trì tính hiệu quả của báo cáo tổng hợp, ROAS và phân tích cohort dài hạn. Tuy nhiên hạn chế gặp phải đó là rất ít người dùng đồng ý cấp mã.
SKAdNetwork, Deterministic và Probabilistic: Mặc dù sử dụng cùng lúc 3 hệ thống attribution sẽ trở nên khá phức tạp, nhưng lại đem lại hiệu quả cao nhất. Vì nếu người dùng chia sẻ mã IDFA với một ứng dụng, nhưng sau đó lại từ chối chia sẻ mã IDFA với nhà quảng cáo khi tải ứng dụng, thì lượt cài đặt đó có nguy cơ bị phân bổ trùng lặp. Theo đó, lượt cài đặt sẽ được phân bổ theo SKAdNetwork, và đôi khi lại được phân bổ theo xác suất (probabilistic attribution). Ngoài ra, nếu một người dùng đã được phân bổ một cách chính xác (deterministically), người dùng đó vẫn có thể được ghi nhận là 1 cài đặt từ SKAdnetwork ở một nguồn media khác hoặc cùng nguồn này, và việc phân bổ này không thể tránh khỏi việc bị trùng lặp.

Ảnh minh họa

Lời kết

Nhà phát triển ứng dụng (app developers), nhà cung cấp giải pháp đo lường di động (MMP), và tất cả các bên liên quan trong hệ sinh thái phát hành mobile app vẫn đang làm việc liên tục để tiếp tục nhận được dữ liệu họ cần và vẫn buộc phải tuân thủ chính sách mới của Apple.

Khi SKAdNetwork ra mắt và các marketers bắt đầu lựa chọn phương pháp và mô hình attribution, việc tạo ra thêm giải pháp để có thể đo lường tốt hơn tỷ lệ trùng lặp là điều cần thiết. Ngoài ra, khi thực hiện marketing app, bạn cần xác định rõ sẽ sử dụng mô hình attribution nào để giảm thiểu rủi ro thiếu hụt thông tin và cải thiện hiệu suất hoạt động.

Xin Chân Thành Cảm Ơn,
AppROI Marketing Team.