iOS 14+ Attribution và các vấn đề tối ưu cấu trúc silo dữ liệu

Trở lại thời điểm tháng 6 năm 2020, khi Apple tuyên bố bản cập nhật iOS 14 sẽ đem lại sự thay đổi lớn hệ sinh thái ứng dụng dành cho smartphone, hầu hết người dùng lúc này đều bắt đầu đặt những câu hỏi giống nhau. Chẳng hạn như:

  • SKAdNetwork có phải là một cách tốt để đo lường các nỗ lực marketing hay không?

  • Tỷ lệ người dùng bật tính năng App Tracking Transparency (ATT) sẽ như thế nào?

  • Nếu hầu hết người dùng vẫn không chọn tham gia, tại sao tôi nên sử dụng tính năng này?

Tất cả những thắc mắc trên hiển nhiên đều là những câu hỏi hoàn toàn chính đáng, nhưng theo thời gian, đây mới chính là những thắc mắc được người dùng đề cập trên hết.

Làm cách nào để tôi có thể hợp nhất tất cả “silo dữ liệu” thành một nguồn duy nhất là câu hỏi mà nhiều người đặt ra khi iOS 14 ra mắt.

“Data silo” (hay còn được gọi là silo dữ liệu) là những dữ liệu thô mà chỉ có một số đội nhóm được phép truy cập trong một công ty/doanh nghiệp. Với sự ra đời của iOS 14, marketers đã bắt đầu nhận được các luồng dữ liệu từ nhiều nguồn khác nhau: SKAdNetwork, tính năng ATT, dữ liệu tổng hợp từ mô hình xác suất, thông tin chi tiết dựa trên mức độ gia tăng, API dành riêng cho quảng cáo đi kèm kết quả tìm kiếm của Apple,…Vậy đâu là giải pháp để các marketers có thể xem xét dữ liệu một cách toàn diện để từ đó đưa ra những quyết định có tính chiến lược? Cùng tìm hiểu ngay trong bài viết sau đây.

Các vấn đề về data silo xuất hiện xoay quanh iOS 14

Có 3 bộ dữ liệu phân bổ chính mà bất kỳ marketers nào cũng nên xem xét, bao gồm:

  • SKAdNetwork: phân bổ được thực hiện bởi iOS, trực tiếp trên thiết bị

  • Người dùng cho phép tính năng theo dõi ATT: phân bổ dựa trên đối sánh ID

  • Người dùng không đồng ý tính năng theo dõi ATT: phân bổ dựa trên khuôn khổ bảo mật nâng cao tổng hợp (đối với phương tiện trả phí) hoặc mô hình xác suất (đối với phương tiện được sở hữu).

Theo đó, SKAdNetwork mang lại 2 lợi thế đáng kể đó là tính xác định và tối ưu với tất cả người dùng. Tuy nhiên, SKAdNetwork cũng có những nhược điểm lớn như đo lường LTV bị hạn chế vì không bao gồm tất cả các luồng, tính năng postbacks bị trì hoãn và có nguy cơ gian lận cao.

Vậy câu hỏi đặt ra là vì sao SKAdNetwork lại chưa hoạt động tốt như kỳ vọng?

  • Về lý thuyết vấn đề này đã có thể được giải quyết. Tuy nhiên trong thực tế, điều này dường như là không thể. Vì dữ liệu SKAdNetwork được ẩn danh nên không có bất kỳ ai, hay cách thức nào được sử dụng để tìm ra các chuyển đổi tương tự liên quan đến phân bổ bởi các mô hình khác, và ngược lại.

  • Về khả năng, mỗi lượt cài đặt có thể là:

  • Chỉ được phân bổ bởi SKAdNetwork

  • Chỉ được phân bổ bởi các chế độ phân bổ khác

  • Được phân bổ bởi cả hai

  • Không được phân bổ

Tính ẩn danh được xem là bản chất của SKAdNetwork. Theo thiết kế, SKAdNetwork ngăn chặn kỹ thuật đảo ngược để đối sánh cấp độ người dùng nhờ các tính năng như độ trễ ngẫu nhiên trong việc kích hoạt postback. Tuy nhiên, trên thực tế, các nhà quảng cáo phải đối mặt với hai thực tế khác nhau.

Một số API và trang tổng quan khiến nhà quảng cáo gần như không thể tiếp cận thông tin chi tiết của người dùng. Giải pháp duy nhất là sử dụng một trang tổng quan hoặc API tổng hợp, nơi dữ liệu được kết hợp, loại bỏ trùng lặp và hợp nhất nhưng vẫn duy trì quyền riêng tư của người dùng, cũng như phù hợp với các chính sách của Apple. Tuy nhiên, như đã giải thích ở trên, điều này là không thể.

Liệu có cách nào giải quyết vấn đề này hay không?

SKAdNetwork có những hạn chế và một trong trong số chúng có thể được khắc phục bằng cách đổi mới dựa trên các giá trị chuyển đổi của giao thức. Giá trị chuyển đổi là cách duy nhất để nhà quảng cáo iOS đo lường LTV của người dùng trong các chiến dịch SKAN. Bằng cách vạch ra đúng 64 giá trị có thể có, nhà quảng cáo có thể đo lường doanh thu, hoạt động và tỷ lệ giữ chân người dùng sau cài đặt.

Bản phát hành AppsFlyer Conversion Studio cung cấp một cấu hình siêu linh hoạt, nơi mỗi giá trị có thể được tối đa hóa và tính toán đầy đủ. Mặc dù các giá trị chuyển đổi hạn chế khả năng đo lường LTV của nhà quảng cáo (cả về thời gian và phạm vi), nhưng những giải pháp loại trừ hạn chế về trùng lặp đã được đưa ra. Cụ thể khi người dùng khởi chạy ứng dụng sau khi tải xuống lần đầu tiên, AppsFlyer sẽ cố gắng thực hiện phân bổ lượt cài đặt. Giả sử AppsFlyer có thể phân bổ lượt cài đặt, một bit từ giá trị chuyển đổi SKAN lúc này sẽ được sử dụng để gắn cờ “phân bổ được tìm thấy” trong giá trị chuyển đổi thông qua lệnh “update Conversion Value”.

Lời kết

Khi hầu hết các ngành công nghiệp đang tiếp tục thích nghi với kỷ nguyên mới, điều quan trọng là độ chính xác của dữ liệu và quyền riêng tư của người dùng phải luôn được duy trì và đổi mới. Một nguồn dữ liệu duy nhất về hiệu suất marketing sẽ giúp đảm bảo rằng marketers có thể tối ưu hóa chi tiêu quảng cáo, phát triển doanh nghiệp của họ và cung cấp trải nghiệm vượt trội cho người dùng cuối.

* Nguồn: AppROI Marketing