隐私至上 移动归因入门全指南 为您带来 iOS 14 时代 移动成效衡量行业的全方位解读 引言 广告驱动 app 下载成为主流增长模式 隐私至上的新归因时代 第一章：移动归因的基本原理 确定性归因方法 移动归因窗口期 移动归因模型 配置合作伙伴生态网络 深度链接 再互动与再营销 第二章：安装后营销分析 应用内事件 留存 群组分析 3 5 19 38 31 用户生命周期价值衡量 成本衡量 数据报告 用户获取优化 第三章：作弊 作弊类型 应用内事件作弊 归因后防作弊 如何有效防作弊？ 第四章：隐私至上 陆续出台的隐私新规 iOS 14 时代，迎接汇总衡量方案 SKAdNetwork 归因原理 SKAdNetwork 机制的局限 SKAdNetwork 机制的补充解决方案 为什么在隐私至上的时代，必须具备归因方案？ 目录 2 广告驱动 app 下载成为主流增长 模式 欢迎来到移动优先的数字营销时代。价格亲民、性能优越的智能手机，在全 球消费者市场中全面普及，越来越多的功能通过应用程序在智能手机端实 现，移动领域成为商业主战场的格局已毋庸置疑。 eMarketer 数据显示，移动广告支出从 2020 年的 2460 亿美元上涨到 2021 年的 2950 亿美元，跃升近两成。预计 2024 年，移动广告支出持续提升 25 个百分点，移动端将占据广告预算大盘的半壁江山。 新冠疫情进一步加速移动端增长态势，居家隔离的用户通过移动设备来满 足一切日常所需。新冠肺炎在全球范围内传播，不仅加速企业数字化转型 进程，还促使企业将移动端业务，特别是移动应用的发展战略提上了高优 日程。 AppsFlyer 数据研究指出， 2020 年全球应用下载量同比增长 33 ，反哺总 估值为 746 亿美元的应用安装预算大盘。一方面，政府强制的社交隔离政 策下，用户较以往更频繁地使用 App，在智能设备上停留时间变长，另一方 面，各家应用发力营销，刺激用户增长。 引言 移动经济蒸蒸日上，加速企业数字化转型，但同时也带来 Apple 和 Google Play 应用商店超过四百万 App 同期竞争的挑战，争夺用户注意力。在应用 商店主动搜索发现 App，已成为移动生态的明日黄花。对于应用来说，等待 用户通过自然搜索、主动下载自家应用是不现实的。应用开发者已经意识 到，带来非自然安装的营销广告已经日渐超过自然安装，成为用户增长的 首要来源。 数据显示， 2020 年非自然安装占比达到 35%，较 2018 年提升 16%。营销预 算较少的应用，非自然安装占比接近 60 。 这一行业现实，使得移动归因稳居营销技术解决方案的核心地位。移动生 态中有着大大小小、成百上千的媒体渠道，对于营销人员来说，没有归因， 就无从查看营销活动的真实效果，就无法作出正确的营销决策，极易导致 预算错位或超支。 如果想要透彻了解移动业态，为实际触达的价值买单，营销人员需要与具 备全局观、权威视角，独立公正、不偏不倚的平台建立合作，由此通过真实 准确的数据，发现真正带来价值的营销活动。 3 隐私至上的新归因时代 2020 年，消费者隐私保护成为了移动行业最受关注的议题之一。 2020 年初， Google 宣布在 Chrome 浏览器中移除第三方 Cookie，沿 袭 2018 加州消费者隐私法案（ CCPA）、通用数据保护条例（ GDPR）中的隐私 规定以及 2016 年 Apple 推出的限制广告追踪（ LAT）的做法。 2020 年 6 月， Apple 宣布 iOS 14 系统上线后将执行新的应用追踪透明度 框 架（ AppTransparency Framework，简称 ATT），引爆移动广告行业跃变。 ATT 生效后最显著的变化是，以前用户需要主动关闭设备标识符才能不被 广告追踪，现在则需要主动授权才能开启。预测显示，绝大部分用户不会主 动授权 ATT，因此，用于广告追踪的 IDFA 将逐渐淡出历史舞台。 隐私保护已成为移动营销的核心议题，特别是在 iOS 端，对归因模型、广告 优化、变现模式、再营销、防作弊带来深远影响。 一方面， iOS 平台的广告衡量与归因将经历巨大变革，另一方面，现有的衡 量与归因机制仍适用于 Android 平台，以及 iOS 端授权同意使用 IDFA 的 设备。 由于大多数应用均为双端应用，未来衡量归因的工作流程将会变得更加 复杂。 这份指南为您深度解析上述变化对实际工作造成的影响，指导营销人员 如何进一步调整，在不断变化的新形势下把握方向，平稳前行。 4 第一章 移动归因的基本原理 5 移动归因，即采用多个标识符来衡量用户安装 app 前到安装 app 后的转 化路径，并在较长时期内保证精准且统一的衡量。标识符大体可分为两类： 1. 用户层级的确定性归因， 采用包括设备 ID（即 Apple 的 IDFA 和 Google 的 GAID）、 Google Play Referrer 以及消费者标识符（比如匿 名登录数据，或经过哈希处理的邮箱地址等）在内的多个标识符，精准 识别用户设备，并将点击广告、下载应用或执行应用内事件等用户行为 与之匹配。 2. SKAdNetwork 是 Apple 推出的确定性归因机制，将 iOS 应用归因数据 进行汇总。该机制将隐私保护置于核心，在不识别用户身份信息的前提 下，对应用安装和广告效果进行衡量。 我们会在后面深入探讨。 除非另有说明，本章信息仅适用于 Android 设 备以及在 iOS 设备授权同意的用户。要了解隐 私至上的时代背景下的移动归因的深度原理， 请参考第四章。 6 Google Play Referrer Google Play Referrer 仅适用于 Android 设备，借助这个标识 符， Google Play 应用商店中上架的 Android 应用营销人员能够将 用户与广告的交互行为归因至媒体渠道（暂不支持第三方 Android 应用商店）。在这种场景下，归因提供商将追踪参数发送到应用商 店，在用户下载应用时，再回传给渠道。 归因提供商很可能会采用 Google Play Referrer，因为这种方法仅 取决于自身机制，仅基于公开可用数据。 确定性归因方法 7 设备 ID 匹配 - GAID 和 IDFA 设备 ID 匹配，即通过唯一的设备 ID，在 Android 及 iOS 设备上识 别并衡量与广告交互的用户行为、应用安装以及应用内事件。 设备 ID 主要分两种，以相同方式对安装进行归因： null Google Advertising ID (GAID) 是用来衡量 Google Play 应用 商店以及 Android 第三方应用商店的应用安装的设备 ID。 null IDFA 是用来衡量 Apple 应用商店的应用安装的设备 ID。 iOS 14 系统的场景下，仅当用户授权同意的情况下， IDFA 才可用。 注意：移动网页端不支持设备 ID，并且还需要合作渠道进行相关配 置，换句话说，当配置未完成或配置有误时，就无法获取设备 ID。 8 设备 ID 匹配 - SRN 与常规设备 ID 匹配不同的是，通过 Facebook、 Snapchat、 Google Ads 和 Twitter 等自归因广告平台（ self-reporting networks，下文简称 SRN）执行的归因更加受限，因为 SRN 获取的安装数据不会自动发送给归因提供商。当应用首次打 开时，归因提供商检查应用是否已经进行相关配置，能够从 这些渠道获取流量，由此将安装归因到 SRN。 为了将安装归因到 SRN，在应用程序首次启动时，归因服务 供应商会检查应用程序是否被设置为接收来自这些来源的 流 量 。 归因提供商通过新的应用安装的唯一设备 ID，向该应用对接 的所有 SRN 进行查询。例如， Facebook 广告活动衡量方案， 是通过一个专属的 Facebook 移动生效衡量合作伙伴 API 实现的。根据 SRN 的回复，归因提供商即可归因新的用户。 点 这里 进一步了解。 9 安装归因的业务性质取决于预设的时间范围，即回溯窗口。这意味着，用户 在安装之前执行的操作，无论是点击还是浏览广告，都会被视为对下载应 用的决定产生了影响。 对应用安装归因，需要预先设定一个时间框架，即归因窗口期。也就是说， 在用户下载 app 之前，追溯用户点击或浏览广告这一段的时间窗口，用来 确定对下载应用是否有关联。这样一来，发生于回溯窗口期内的应用安装， 才会被定义为非自然安装，进而被归因到媒体渠道或相应的广告系列。 归因窗口期分为点击和浏览两种类型。 点击型归因 大多数被归因的 app 下载来自于用户点击横幅、视频、插页式广告等。 注意，在 SKAdNetwork 机制中，回溯时间窗口受到额外限制。具体内容请 查看第四章。 如果用户点击渠道 X 上的一则广告之后， 7 天内下载了 app；根据末次点 击原则，如果在这之后没有其他点击发生，渠道 X 就获得了这次安装的归 因。 浏览型归因 用户看到广告但并没有点击广告，由此带来的安装就可以归因到展示该广 告的渠道。由此，归因窗口较短，仅为 24 小时。但是，点击广告一定比浏览 广告的权重更重，因此，当窗口期内同时发生点击和浏览的交互行为时，优 先归因点击。 科技巨头/ SRN 每家 SRN 自行定义归因回溯窗口。我们建议将您的标准归因窗口期与各 家 SRN 进行统一配置，尽可能减少数据汇报不一致的情况。 SRN Default click-through lookback window 30 7 28 14 30 7 Google Facebook Snapchat Twitter Apple Search Ads Oath (YAhooGemini) Default view-through lookback window 1 1 1 1 N/A 1 移动归因窗口期 10 CPC 和 CPM 是主流广告计费模式，因此，媒体渠道对自家设定的归因窗 口期内发生的所有点击收费，无论该点击是否为末次点击。但是，归因提供 商将安装数据发送给渠道，渠道可将该数据用于自身优化。 为了更好地理解归因窗口期，我们来看下面这个例子。 在上图中，哪家媒体渠道“赢得”了归因？ 答案是： 渠道 B 讲解： A. 渠道 B 发生了回溯窗口期内的最后一次点击。 B. 当浏览为最后一次广告交互时，总是优先归因点击。 11 可调整的归因窗口 在归因提供商的后台面板中，营销人员可自行配置点击型和浏览型归因窗 口，根据与合作伙伴协商一致的标准，调整窗口期。 各家媒体渠道可设置不同的归因回溯窗口，由此，归因提供商可确保归因 流程遵循一个既定的流程，在各方同意的前提下，能够保证一定的灵活度。 一般情况下，广告平台希望窗口期尽可能长，而广告主则希望能对数据 进行标准化处理，从而对比分析渠道表现。例如，由于有效每安装成本 （ eCPI）的计费模式在基本取决于窗口期的时长，因此，如果合作渠道的窗 口期有长有短，就无法进行适当的比较。 运行限时广告系列时，就发挥可调整的归因窗口的便利。打个比方，一款叫 车 app 推出限时 24 小时的优惠活动，下载即可享受第一次打车免费，在 这种场景下， 24 小时窗口期内发生的安装数据就具有重要意义。 12 广告主基于归因模型，向媒体渠道付费，并对各种广告活动的价值进行评 估分析。 付费结算时， 末次点击 的归因模型极为重要。末次点击归因，即将安装归因 到归因窗口期内，用户路径中发生的最后一次点击。那么，带来最后一次用 户点击的广告就赢得了归因，成功计费。该计费模型是目前的行业标准，但 是在广告主与多个渠道并行合作的场景下，也存在一定局限性。 但是，营销人员可以通过 多触点归因 模型，获得对整个消费者路径的多角 度深入分析。 例如，应用营销人员可以看到渠道 A 出现多次助攻，或者首次触点比率最 高。因此，如果应用希望提高品牌势能，营销人员就可以相应提高首次触点 的权重。 如果应用希望提升转化，就可以提高末次触点的权重。如果更多的广告主 主动构建内部模型，就可以与合作渠道协商，在计费时遵循这些规则。 下图为单一设备的用户路径： 点 这里 ，查看更多归因模型。 移动归因模型 13 归因提供商，大都会向广告主展示自身强大的合作伙伴生态网络，为什么 这一点值得展示？主要出于以下两个原因： 1. 通用 SDK。 如果广告主需要与归因提供商已配置的合作伙伴合作，就不 必逐一添加各家广告平台的 SDK。归因平台的 SDK 会将相关数据回传 给广告平台。 这解决了营销及开发人员的一大痛点，即不必投入 IT 资源与每家合作 平台进行对接，一个通用 SDK 即可收集所有数据并发送给所有合作伙 伴 。 有了这样的平台，营销人员即可通过全球任一媒体渠道投放广告，而归 因平台由此可帮助广告主和广告平台后续优化，惠及整个移动生态。 对于开发者来讲，通用 SDK 能够带来更加顺畅的对接工作，提升应用 表现与用户体验，为后续产品升级蓄力。 2. 连接到整个移动营销生态。 集成归因平台的 SDK 即可成就您的营销技 术解决方案。一键连接到整个移动媒体行业，还包括其他数据自动化相 关的 SaaS 企业。 配置合作伙伴生态网络 14 重点合作伙伴 归因提供商选择对接合作伙伴生态网络并不仅着眼于广告平台所能提供 的服务，一般来讲，一家好的归因提供商的合作平台可分为以下五大类。 1. 媒体渠道 旨在提升品牌声誉、获客增长以及再互动而投放付费广告的媒体渠道， 还可细分为以下两类： null 广告平台、需求侧平台（ DSP）与子渠道。 集成通用 SDK 后，所有已配置 广告平台的数据都将纳入数据汇报， 即可获取准确公正的数据。也就是 说，广告主可通过归因提供商已对接的多个广告平台全方位洞悉用户 行为和路径，而无需自行将各个平台数据拼凑在一起进行分析。各个媒 体渠道的业务范畴与覆盖面不尽相同，广告主由此可以更轻松地触达 不同用户群体。 null 自归因平台（ SRN）。 虽然上述渠道可接收归因提供商的追踪链接和 回传数据，有一些广告平台，即自归因平台仅使用其自有的衡量技 术。 SRN 要求广告主使用他们的 SDK，或已认证的第三方归因伙伴的 SDK。 SRN 通常是全球头部广告平台，即 Facebook、 Google、 Instagram、 Apple Search Ads、 Snap、 Twitter、腾讯广告等。绝大部分营销人员将 SRN 视为主要投放渠道，但是每家 SRN 无法看到其他渠道的安装数 据，因此，一家独立公正的第三方归因提供商就能够帮助广告主化解归 因错误或重复的情况。 2. 技术合作伙伴 归因技术已然成为移动衡量解决方案的核心，各式各样的技术合作伙 伴能够在消费者路径的各个阶段提升广告表现。 null 营销自动化- 媒体渠道通过付费渠道向用户传递信息，自动化工具则 专注于通过 CRM 渠道与产品本身，促进已有用户再次互动。细分受众、 创建 A/B 测试，通过推送通知、邮件、短信或应用内信息等方式，提升用 户参与度。营销自动化企业包括 Braze 与 Leanplum。许多自动化平台 都开发自己的 SDK，但一般不会从事归因。 null 产品分析- 类似于 Amplitude 和 Localytics 的产品分析平台专注于打 造移动应用体验，更关注 UX 测试与画像分类。通过用户行为分析与预 测分析，这类平台能够为优化产品提供一个便捷的框架，还提供留存指 标、用户路径漏斗分析以及群组分析。产品界面与产品分析密切相关， 这类平台还会提供与营销自动化相关的其他功能。 null 营销云- 作为合作伙伴中覆盖面最广的一个分类，营销云平台提供类似 于产品分析、营销自动化相关服务，但不局限于移动应用，提供网页端 与线下 CRM 渠道的消费者身份信息管理，广告推广与分析等。 类似于 Adobe、 Oracle、 Salesforce 和 IBM 的云服务提供商所提供的 产品可能与付费广告服务有所交叉，比如为第一方或第三方受众开发 的数据管理平台（ DMPs）以及投放广告的需求侧平台。 15 null 客户数据平台（ CDP）- 营销技术领域中的新锐玩家，客户数据平台通过 多个 SDK 收集、统一、细分并激活用户数据。与营销云服务类似， CDP 也提供客户档案管理，但是 CDP 不提供广告推广或提升用户参与的服 务，也不会提供直接数据汇报服务。 相反， CDP 更专注于在广告主技术解决方案中，将不同系统中的客户 数据细分进行实时自动化与丰富化处理。这不但能够优化新的 SDK 集 成，同时也能保证从 AWS 或 Tableau 等数据仓库中下载的汇总及原 始数据的一致性与直观性。 mParticle 和 Segment 都是 CDP 平台。 这些技术合作伙伴有什么共性？在 SDK 集成过程中，归因提供商的客户也 是技术合作伙伴的客户，而获取客户数据即可创建并优化用户档案。 这是通过数据回传实现的，归因提供商负责将归因数据回传给媒体合作伙 伴。这样一来，技术合作伙伴就可将第一方数据跨渠道进行匹配。比如，营 销自动化合作伙伴按照归因日期、安装来源和应用内行为建立细分群组， 使用 AppsFlyer 数据创建更加先进的用户画像序列。 要进一步了解如何打造高效营销技术解决方案，请阅读 指南 或观看 视频 。 16 深度链接是一种营销方法，可跨渠道、跨平台、跨设备创建高度情景化的用 户体验，对于用户获取和再营销尤其关键。 具体来讲，就是通过包含所有必要信息的一条移动端深度链接，用户可以 直接进入指定的应用内页面，不仅仅是应用首页，由此，应用将用户从促销 活动页引入着陆页，提高转化率。 深度链接的使用场景主要有：将用户引入产品页，在 Facebook 投放付费 广告，在网站与邮件触达的用户带入应用，在应用内为用户推送重要的推 广活动和优惠信息。 作为一项复杂的技术革新，深度链接现在已经成为头部归因提供商的主要 产品，从基础功能到高级功能一应俱全。但是归因始终比深度链接更重要， 而且建议不要将两种解决方案分开从两家归因提供商处获取。 建议广告主深入了解归因提供商的各种归因功能、渠道对接、客户案例以 及量级规模，再查看深度链接对于您的用户体验和应用表现可带来的优 势 。 通过优先考虑归因，但同时维持两个功能，您可降低技术成本，将复杂数据 整合到单个面板中，更便捷地读取关键营销分析。 请阅读我们的 深度链接指南 进一步了解。 深度链接 17 如何克服 留存挑战 ，与消费者建立更牢固的关系？通过付费再营销广告，或 通过邮件、推送等自有营销渠道发送再互动广告让营销人员与当前用户再 次交流，激活休眠用户。在日益饱和的市场中，这种营销方法的价值将不断 走高。 在一个理想的再营销场景中，用户已安装 app 并开始使用，所以用户再次 打开 app 的可能性要远远高出用户首次自然发现 app。 因此，在营销人员脑海中始终徘徊的问题是：是否应当采用付费广告，以及 如何确定互动频率？增量测试就能够解答这个疑问，请点 这里 和 这里 进一 步了解增量分析。 再营销归因 当安装了应用的现有用户点击再营销广告后打开应用，再互动归因就发生 了。这种场景下，通过包含归因平台参数的深度链接或设备 ID（深度链接 不可用）实现归因。 再互动归因窗口 再互动归因窗口，即可将应用内事件归因到再营销广告的天数。从用户点 击广告并打开应用开始，到指定的再互动归因窗口结束时截止。 再互动与再营销 18 第二章 安装后营销分析 19 我们在上文已经揭示了归因基本原理，现在我们把注意力转向移动归因的 商业价值、最佳实践以及需要警惕的陷阱。值得注意的是，这个主题较为复 杂，包含许多重要细节，但在本指南中，我们将仅做基础层面的探讨。 移动营销从诞生之日起，各种营销方式始终在演变，但是前进的方向始终 明晰。在免费增值的业态下，特别是应用安装之后的应用表现是营销优化 的终极目标。 关于应用表现及其衍生出来的基于价值的各项指标，可以参考这个例子： 你使用的一家媒体渠道为您带来大量新用户，但是仔细观察后，你发现，用 户多为低价值用户，用户流失严重，生命周期价值极低。也就是说，您的用 户群体也许不小，但多数用户并不是活跃用户，也没有在应用内执行过任 何事件。 除非另有说明，本章信息仅适用于 Android 设 备以及在 iOS 设备授权同意的用户。要了解隐 私至上的时代背景下的移动归因的深度原理， 请参考第四章。 20 追求优化应用内事件的广告系列经过精准归因后，就可基于数据作出成熟 的优化决策，选择更为适合的媒体渠道。提升用户下载量，有助于提升 app 在应用商店的排位，也可为 app 下一步寻找高价值用户设立基准线。 从“量”到“质” 提升忠诚用户比率的能力是最重要的。为什么这么说？为能够带来更多 忠诚、高价值用户的媒体渠道投资，达到您的既定目标，可以是用户参 与度或是收入相关指标，有效管理营销预算。 参看如下图解： 21 应用内事件 我们已经讲解了归因数据与营销渠道、媒体渠道、广告系列之间的关 系，现在我们来逐个查看应用表现有哪些粒度指标。 null Install/ loyal user, conversion rate null App opens (for retention) null Revenue null Average Revenue Per User (ARPU) null Number of purchases Travel null Hotel/ flight/ package searched/ viewed null Add to wishlist null Registration null Initiated checkout null Hotel/ flight/ package booked null Logged-in Gaming null Tutorial completion null Facebook registration null Achievement unlocked null Level-passed e-Commerce null Product viewed null Product added to cart null Registration null Product purchased null Logged-in Basic Vertical specific 22 留存 用户下载应用是转化路径上的一个重要节点，但是，用户下载 app 后 ，是 否会经常使用，是否会为您的业务带来实际营收，都是需要重点考虑的问 题。 应用商店中有成千上万的应用，您的设备也有上百个应用，如何确保用户 打开你的应用？在免费增值的移动业态下，用户留存是移动营销的一大挑 战，是应用变现和实现用户生命周期价值的基础。 将某一天唯一用户的活跃数量处以选定时段内首次打开应用的唯一用户 总数，得出留存率。 下图截自 AppsFlyer 数据面板，我们可以清楚看到，渠道 4 的整体留存率 最高。而渠道 3 刚保持较高的留存率，到第 10 天的留存率超过渠道 4。渠 道 5 第 1 天的留存率最低，但是长期来看保持了上升趋势，第 10 天成为留 存率最高的渠道。渠道 2 流失的用户最多， 10 天后，仅有 6.05% 的用户留 了下来。 iOS 14 系统采用的 SKAdNetwork 机制并不提供应用内事件的回传数据， 再营销受到冲击。在这种场景下，营销人员需要以各种方式争取用户授权 ATT 以获取诸如邮件地址等第一方数据，才能够精准衡量再营销。 23 卸载衡量 将 App 从设备中移除是较为激进的用户行为，这意味着应用存在某些问 题。关注用户卸载 App 的原因、哪些用户进行了卸载，以及卸载通常发生 的时间节点，都是对抗用户流失的重要思路。 2020 年，超过二分之一的 App 下载后 30 天内就被卸载。 卸载衡量有助于开发者将隐私保护措施落到实处。卸载 app 的用户需被 排除于再营销广告定义的受众之外，保护这部分用户的数据隐私。 为您的应用设置卸载衡量是很容易的。开发者只需在 SDK 中添加一小行 代码，即可获取卸载相关的数据洞察。 群组分析 群组分析可将具有相同特征的用户归入一组，规定不同的时间范围查看指 标表现。 例如，为一月份任一天打开 app 的用户创建一个群组，或为居住在美国， 二月份任一天打开 app 的用户创建另一个群组。这样一来，就可以控制变 量，将两个群组用户进行对比，以得出规律。通常，我们可以了解用户平均 价值是多少，以及是否有所增长。 右图截自 AppsFlyer 群组分析报告页面。 这个群组是 1 月 1-31 日期间安装 应用的英国用户，按照媒体渠道细分，这样我们就可以 看出哪家渠道平均 每用户的应用会话量最高。 与留存不同的是，这项指标计算的是不同时间范围内的会话量，并且为累 积性数据，因此呈向上走势。 从这张图我们可以得出哪些结论？ 渠道 5、渠道 7 和渠道 8 表现不佳 - 建议不再使用 渠道 6 （粉色）表现最好，长期来看表现也是最优秀的 - 建议增加预算 渠道 4 （ 紫 色 ）第 14 天趋向平缓，说明用户参与度逐渐下降。建议发送 再营销广告，维持用户参与度。 24 用户生命周期价值衡量 移动端的海量用户为营销人员呈现巨大增长机遇的同时，如何获取忠诚 用户成为另一大挑战。应用商店上百万 app 同期竞争，用户期待不断上扬 的当下，用户的忠诚度、留存率以及变现能力对各家 app 提出了不小的难 题。用户参与度降低，变现会更加困难，因为应用内购减少，广告浏览次数 降低，导致用户生命周期走低。 为了克服广告变现的挑战，应用必须最大程度上发挥多重收入模式的潜 力，包括应用内购买 ( In-App Purchases，简称 IAP)、应用内广告 ( In-App Advertising，简称 IAA)、付费应用和订阅。 付费模式仅适用于极为独特的内容型应用和顶级品牌应用，这类应用占比 很小。对于一小部分应用来说，订阅模式是其主要收入来源，这部分应用能 够为忠实用户提供持续价值，并且能在功能或内容方面定期更新。 最终，应用绝大部分收入来自于 IAP 和 IAA。尽管 IAP 占比最大，但 IAA 占 比逐渐攀升，因为越来越多的开发者尝试通过应用内广告库存进行变现， 充分利用媒体成本的上涨趋势，通过 IAA 实现盈利。 25 成本衡量 衡量收入，必须要衡量成本，这是不言而喻的，放在移动营销的语境下，我 们需要衡量投入产出比（ ROI）和广告花费回报率（ ROAS）。 许多营销人员没有意识到，他们的投资回报率是不准确或不完整的。这是 由于资源错位或现金流不断失血造成的。应用需借助精准的归因数据，保 证获取有效的收入与成本数据，得出真实的 ROAS。 如采用不符合标准的归因解决方案就无法准确衡量成本，可能会带来严重 后果，比如数据不匹配或颗粒度极低。归因提供商还可识别作弊活动。如缺 乏有效的防作弊机制，对隐私安全也构成了一定风险。 采用强大领先的归因解决方案才能获取真实的 ROAS。有了精准归因，应 用开发者就能够通过 API 或归因链接，收集处理多个渠道产生的成本数据 并进行标准化处理。 要进一步了解成本衡量，请 阅读 这份指南。 26 数据报告 数据报告是移动营销决策的基石。没有精准数据，就无法作出实现增长的 决策。我们可从多个角度分析处理数据，但最主要通过以下两种方法解读 数据： 生命周期价值与活跃数据报告 分析用户事件数据的方法主要有两种：用户生命周期价值（ LTV）或活跃度。 事件数据涉及用户在安装后执行的动作，例如应用内购买、注册、等级完成 等。安装数据既不属于活跃数据，也不属于 LTV 数据。 生命周期- 生命周期价值数据包括在特定日期范围内进行安装的用户 在整个生命周期内执行的所有事件。它有助于表明来自不同媒体渠道 的用户质量，正因如此，出色的营销活动优化取决于用户生命周期价值 数 据 。 活跃度- 活跃数据包括在特定日期范围内由所有活跃应用程序用户执 行的所有事件。它显示了按时间顺序排列的事件的准确细分，因此可用 于衡量媒体渠道在特定日期范围内的整体绩效。 假设有一个人在铁轨旁观察经过的火车。在一分钟之内，此人能看到的只 有所有乘客当前的行为。这就是活跃度数据。 另一个人在火车其中一节车厢中。这个人看到火车里这节车厢所有乘客执 行的所有动作，从他们上车（即安装应用）到下车（卸载应用）。这个人看不 到其他车厢乘客的行为。从安装应用，到卸载应用这段时间产生的数据，就 叫做生命周期价值数据。 汇总数据与原始数据 数据可用于不同目的，但无论以何种维度对数据进行分类，数据主要有两 种形式：汇总数据与原始数据。 汇总数据- 将您的多个合作渠道的原始数据统一汇编到数据面板上， 呈现于各种摘要报告和图表中。这些报告提供更清晰、更深入的数据分 析，更容易理解，广告主可以专注后续优化，不必耗费精力在读取数据。 如前所述，汇总层级的数据归因是隐私至上时代的重要归因机制。 原始数据- 您的数据具有巨大的潜在价值，需始终持有对原始数据，这 一最纯粹的高质量数据的访问权限，否则，原始数据就无法实现其真正 的价值。 假设 您已经获取用户授权同意 ，您可通过如下方式优化营销表现： 营销效果计费标准 您的内部归因逻辑 营销与产品漏斗分析 精准定位的再营销 用户细分 识别潜在作弊 创建并优化更精准的的营销文案 27 用户获取优化 在竞争白热化的移动营销领域，只有拿到充分丰富数据又知道如何使用数 据的营销人员才能够促进增长。获客既是一项高度专业化的技术，也是一 门艺术，只有具备了正确的工具，才能够实现成功获客。 为了最大限度地提高这些工具的效率，营销人员还必须在一个通用控制面 板中整合并分析数据。我们来看看 AppsFlyer 后台控制面板中应用内 KPI 的一些示例。 如果我们更关注数量，渠道 1 自然胜出。但从安装后价值来看，渠道 1 的忠 诚用户比安装的比率低于平均水平，渠道 3 和渠道 9 显然表现更优。 28 渠道 1 为这款 app 带来了大批忠实粉丝。从上表还可看出，渠道 9 虽然 带来收入较少，每用户平均收入（ ARPU）却较高，相比之下，渠道 2 则是 ARPU 较低，整体收入较高。 一款旅行应用的广告系列 B 显然带来巨幅增长，但平均订单价值 （ Average Order Value，简称 AOV）指标却排在最后。广告系列 A 只带来 了 43 次购买， AOV 却首屈一指。 29 如何成功实现增长？ 如果必须总结出一条移动广告成功法则，那就是： 简单来讲，如果您所获取的用户，无论是通过应用内购还是参与，为您带来 的价值超过了获取成本，这就对了。不过没有那么快，有时候需要几个月的 时间。 我们已经讨论过的要点，也通过这个公式反应出来：先获取最优用户，再争 取已有用户的价值最大化。 LTV CPI 30 第三章： 作弊 31 移动广告作弊影响广告主营销工作的方方面面，建议提早为您的 app 保 驾护航，长期容忍作弊将会给广告主造成更大危害。 AppsFlyer 最新 作弊现状报告 指出，全球应用安装作弊率同比下降 30%。 作弊率降低，直接暴露于作弊风险的广告预算也会减少，但是潜在的损失 仍然不容小觑。 2020 上半年全球暴露于应用安装作弊的营销预算约为 16 亿美元。目前全球作弊趋势虽有好转，但是作弊的本质意味着，未知大于已 知。因此，还未被探测、识别或拦截到的作弊，并不代表它不存在。这也激励 我们不断增强防作弊技术，采取先发制人的策略。 除非另有说明，本章信息仅适用于 Android 设 备以及在 iOS 设备授权同意的用户。要了解 SKAdNetwork 归因机制，请参考第四章。 32 作弊类型 我们看到，应用安装作弊，可以说是作弊者与防作弊方案之间的一场你追 我赶的较量。 整体来讲，作弊者的手段可分为两种：伪造虚假用户或劫持真实用户。 劫持真实用户： 归因劫持，指的是用户的一次自然或非自然安装归因被抢走；作弊者在用 户路径中发送大量虚假点击，篡改标准归因流程。 null 大点击（撞库） -作弊子渠道向大量设备发送“泛滥”的虚假点击报告， 如果某台设备的用户之后来到应用商店下载应用，这些伪造点击就能 会抢走归因（自然或非自然）。如果用户看到其他子渠道广告才进行下 载操作，那么这次非自然安装的归因就会被最近的一次虚假点击窃取。 如果用户自行来到应用商店下载 app，那么广告主就会为这次自然安 装买单。 33 null 安装劫持- 安装劫持是一种使用恶意软件来欺骗归因平台的作弊行为。 由于安装归因是在首次打开 app 时才发生，恶意软件通常已经存在于 用户设备，在 app 下载开始的时候，立即触发虚假点击。 虚假点击报告将于新 app 首次打开前发送，由此篡改归因流程，成为 末次点击。 34 伪造虚假用户： 与归因劫持不同，这种作弊类型不需要依赖真实用户行为。这种作弊类型 伪造了所有的点击、曝光、安装以及应用内事件。 null 机器人- 机器人是运行设定程序或操作的恶意代码。虽然机器人可以 基于真实手机，但大多数机器人都是基于服务器的。机器人旨在针对从 未真正发生的安装发送点击、安装和应用内事件。随着机器人和恶意软 件变得越来越先进，其中一些已经具备模拟实际用户行为的能力，这使 其更难被检测到。 null 设备农场和设备 ID重置作弊- 设备农场拥有大量真实的移动设备，他 们会点击真实广告并下载真实应用程序，隐藏新 IP 地址并将其设备 ID 重置以避免被检测到。 设备农场发起的新一轮作弊现在使用的是模拟器而不是物理设备。模拟 器只是软件，它使作弊者能够生成无穷无尽的变体，无论是设备 ID 还是手 机设置，这进一步增加了这种作弊行为被检测到的难度。 35 应用内事件作弊 安装作弊变得更加复杂的同时，应用内作弊手段也层出不穷。 1. 应用内事件作弊： 定价模式基于一个概念，即用户在安装应用之后仍然 活跃，则定义为高质量用户而不是虚假用户。因此， CPA 定价往往高出 CPI 许多。 采用 CPA 定价模式的广告主，包括游戏、电商和旅行等，最初确实降低 了作弊比例，现在却受到机器人作弊的重创：按照特定脚本运行的机器 人，躲避防安装作弊技术的探测，从应用内事件中获利，给广告主造成 巨大损失。 2. 应用内购买作弊： 应用内商店和应用内购买是常见的广告主售卖实际 或虚拟产品服务带来收入的变现方式。 CPS （每销售成本）目前是市场最看好的定价模式，反映了用户的最高 价值以及为广告主带来的收入。既可按照固定价格，也可根据每单销售 的 CPS 是一种较为灵活的定价模式。可以料想，作弊者也会不惜一切 成本入侵这种定价模式。广告主的 CPS 账单显然比 CPI 会更高，因为 作弊者能够以更少的动作换取更多的利润。 36 归因后防作弊 业内长期以来有一个错误认知，即作弊可被实时识别。 AppsFlyer 的独家 归因后防作弊技术发现，平均只有 18% 的作弊行为 在归因时即可识别，这 是行业的一个认知盲点。 因此，初始归因时新出现的作弊行为模式，只有将其与安装后作弊方法匹 配，才能进行识别。帮助建立新的防作弊逻辑的安装，只有在归因到作弊 渠道之后，才定义为作弊安装。样本量足够才能形成统计意义，最终判定 为作弊。 如何有效防作弊？ 由于作弊者想尽各种方式不断适应新技术并轮番发起越来越先进的攻 击，有效的作弊防范措施不仅要与时俱进，还必须在两个因素保持领先： 1. 庞大的跨平台规模，具有显著且互补的市场渗透 2. 利用机器学习从数据中获得深入分析。此外，供应商的防作弊解决方案 应着重于屏蔽，同时还必须在无法进行实时屏蔽时进行安装后检测。 这些因素结合多源归因功能及安全 SDK，将使作弊者实施攻击并得逞难 上加难。 要了解先进的防作弊解决方案，请点 这里 。 37 第四章 隐私至上 38 我们身处于隐私至上的时代。保证用户数据的隐私安全，帮助行业