AppsFlyer: esensya, attribution, at mga tool ng marketing analytics

Ano ang AppsFlyer?

AppsFlyer ay isang cloud-based na platform ng mobile attribution at marketing analytics, na itinatag noong 2011. Ang sistema ay nagpapahintulot sa mga developer ng app na matukoy kung aling mga channel ng advertising ang humahantong sa mga pag-install, pagpaparehistro, at pagbili. Pinoproseso ng AppsFlyer ang higit sa 12 bilyong pag-install taun-taon.

Sinusuportahan ng platform ang mahigit 8000 network ng advertising at mga partner ng MMP. Kinokolekta ang data sa pamamagitan ng mga mobile SDK, Server-to-Server API, at pagsasama sa SKAdNetwork ng Apple. Ang AppsFlyer ay sertipikado ayon sa mga pamantayang ISO 27001 at SOC 2 Type II para sa proteksyon ng data ng user.

Ang pangunahing halaga ng AppsFlyer — isang pinag-isang dashboard para sa lahat ng kampanya sa advertising. Nakikita ng marketer ang gastos sa pag-install (CPI), kita bawat user (ARPU), at return on investment (ROAS) para sa bawat channel sa isang interface nang walang manu-manong pagkolekta ng data mula sa iba't ibang pinagmulan.

Mga Modelo ng Attribution sa AppsFlyer

AppsFlyer ay sumusuporta sa ilang modelo ng attribution ng pag-install at kaganapan. Ang pangunahing modelo — Last-Click Attribution: ang pag-install ay iniuugnay sa huling click ng ad bago pumasok sa App Store o Google Play. Kung ang user ay nakakita ng ad sa Facebook, pagkatapos ay sa Google Ads at nag-install ng app — ang pag-install ay itatala sa Google Ads.

Last-Click at First-Click attribution

First-Click na modelo ay iniuugnay ang pag-install sa unang click sa chain ng contact. Ang modelong ito ay kapaki-pakinabang para sa pagsusuri ng epektibo ng mga upper funnel channel (Top-of-Funnel). Pinapayagan ng AppsFlyer ang nababaluktot na setting ng window ng attribution: mula 1 araw hanggang 90 araw mula sa sandali ng click.

View-Through attribution

View-Through (o impression-based attribution) ay isinasaalang-alang hindi lamang ang mga click, kundi pati na rin ang mga pagtingin sa ad. Kung ang user ay nakakita ng banner ng ad, hindi ito na-click, ngunit sa loob ng itinakdang window (karaniwang 24 oras) ay nag-install ng app — maaaring iugnay ng AppsFlyer ang pag-install sa pagtingin na iyon. Ang View-Through window ay naka-configure nang hiwalay sa Click-Through.

Cohort LTV analysis

Cohort LTV — ulat ng AppsFlyer na nagpapakita ng kita bawat user ayon sa mga araw pagkatapos ng pag-install. Halimbawa, ang cohort ng mga user na nag-install ng app noong Marso 1 ay maaaring magpakita ng ARPU na $2.5 sa araw 7 at $4.8 sa araw 30. Ito ay nagbibigay-daan upang ihambing ang kalidad ng trapiko mula sa iba't ibang pinagmulan.

SKAdNetwork at Attribution nang walang IDFA

SKAdNetwork (SKAN) — framework ng Apple para sa attribution ng pag-install nang hindi ginagamit ang IDFA, na inilunsad noong 2021. Ang AppsFlyer ay isa sa mga unang MMP na ganap na sumuporta sa SKAdNetwork. Ang paglipat sa SKAN ay sanhi ng pagbabago sa patakaran sa privacy ng iOS 14.5, na nangangailangan ng tahasang pahintulot ng user para sa pag-access sa IDFA.

Gumagana ang SKAdNetwork sa prinsipyo ng postback: nagpapadala ang network ng advertising ng naka-encrypt na abiso tungkol sa click sa Apple, ibinabalik ng Apple ang kumpirmasyon ng pag-install sa pamamagitan ng pinagsama-samang mga postback message. Natatanggap ng AppsFlyer ang mga postback na ito at dinedekode ang mga ito para sa pagpapakita sa mga ulat.

Kasama sa mga limitasyon ng SKAdNetwork ang pagkaantala ng postback hanggang 48 oras, kakulangan ng data sa antas ng indibidwal na user (pinagsama-sama lamang), at maximum na limitasyon ng 100 kampanya bawat app. Nagbibigay ang AppsFlyer ng mga tool para i-optimize ang trabaho sa ilalim ng mga limitasyong ito, kabilang ang SKAdNetwork Copilot — sistema ng rekomendasyon para sa pagpili ng pinakamainam na setting ng kampanya.

Proteksyon laban sa Pandaraya ng AppsFlyer Protect360

AppsFlyer Protect360 — built-in na sistema ng proteksyon laban sa pandaraya sa mobile advertising. Ginagamit ng system ang machine learning para makita ang mga hindi wastong pag-install: pandaraya sa click, pandaraya sa pag-install, spam ng click, at pandaraya sa device. Sinusuri ng Protect360 ang bawat pag-install sa real-time at binibigyan ito ng iskor ng kahina-hinala.

Ayon sa data ng AppsFlyer, hinaharang ng Protect360 ang hanggang 30% ng mga mapanlinlang na pag-install bago sila pumasok sa mga ulat. Sinusuri ng system ang mahigit 100 signal: dalas ng mga click mula sa isang IP, oras sa pagitan ng click at pag-install, mga anomalya sa mga bersyon ng OS at uri ng device. Nakikita ng marketer sa dashboard ang hiwalay na seksyon ng Fraud Score para sa bawat channel. Ang pagtuklas ng pandaraya ay gumagana sa real-time: bawat pag-install ay sinusuri sa millisecond bago ito maitala sa mga ulat.

Mga uri ng pandaraya na natutukoy ng Protect360: Install Fraud (mga pekeng pag-install sa pamamagitan ng emulator at device farm), Click Fraud (maling click nang walang tunay na pagbisita sa tindahan), Click Spam (awtomatikong click nang walang intensyong mag-install) at SDK Spoofing (pekeng data ng SDK). Ang bawat uri ng pandaraya ay may natatanging pattern na natutukoy ng system sa pamamagitan ng supervised ML models na sinanay sa makasaysayang data ng bilyong pag-install.

Ang Key Performance Indicators (KPI) na may pagsasaalang-alang ng pandaraya ay ipinapakita sa na-filter na anyo. Awtomatikong kinakalkula muli ng AppsFlyer ang CPI, ROAS, at LTV pagkatapos alisin ang mga mapanlinlang na pag-install, na nagbibigay ng tunay na larawan ng epektibo ng mga kampanya sa advertising. Fraud Score ng bawat pinagmumulan ng advertising ay ipinapakita sa dashboard bilang color indication: berde (mababang panganib, 0–5% pandaraya), dilaw (katamtamang panganib, 5–15%), at pula (mataas na panganib, higit sa 15%).

Machine learning ng Protect360 ay sinanay sa data ng milyun-milyong pag-install at patuloy na ina-update. Ang mga modelo ay muling sinasanay tuwing 24 oras na isinasaalang-alang ang mga bagong pattern ng pandaraya. Ito ay nagpapahintulot sa system na umangkop sa mga bagong uri ng pandaraya nang walang manu-manong pag-update ng mga patakaran.

Pagsasama ng AppsFlyer SDK sa Mobile App

AppsFlyer ay nagbibigay ng native SDK para sa iOS, Android, React Native, Flutter, at Unity. Ang pangunahing pagsasama ay kinabibilangan ng pag-install ng SDK, pagsisimula gamit ang dev key, at pag-configure ng mga delegate para sa paghawak ng mga link. Awtomatikong kinokolekta ng SDK ang data tungkol sa mga pag-install, session, at pagbili.

Pagsisimula sa Android (Kotlin)

import com.appsflyer.AppsFlyerLib

class MainApplication : Application() {
    override fun onCreate() {
        super.onCreate()
        AppsFlyerLib.getInstance()
            .init("YOUR_DEV_KEY", null, this)
        AppsFlyerLib.getInstance()
            .start(this)
    }
}

Pagsisimula sa iOS (Swift)

import AppsFlyerLib

class AppDelegate: UIResponder, UIApplicationDelegate {
    func application(
        _ application: UIApplication,
        didFinishLaunchingWithOptions launchOptions: [UIApplication.LaunchOptionsKey: Any]?
    ) -> Bool {
        AppsFlyerLib.shared()
            .appsFlyerDevKey = "YOUR_DEV_KEY"
        AppsFlyerLib.shared()
            .appleAppID = "123456789"
        AppsFlyerLib.shared()
            .start()
        return true
    }
}

Pagsasama sa pamamagitan ng Flutter

import 'package:appsflyer_sdk/appsflyer_sdk.dart';

final appsFlyerSdk = AppsFlyerSdk(
    AppsFlyerOptions(
        devKey: "YOUR_DEV_KEY",
        isDebug: true,
        appId: "123456789"
    )
);

void main() {
    appsFlyerSdk.initSdk(
        registerConversionDataCallback: true,
    );
}

Marketing Analytics at mga Panel ng Ulat

AppsFlyer ay nagbibigay ng ilang built-in na dashboard: Overview (pangkalahatang panel), Cohort LTV (kita ayon sa cohort), Raw Data Report (raw data para sa export), at Aggregate (mga benchmark ng merkado). Ipinapakita ng Overview ang mga pangunahing sukatan: mga pag-install, organic traffic, non-organic traffic, kita, ROAS, at gastos sa pag-install. Lahat ng dashboard ay available sa web interface at sa pamamagitan ng REST API para sa pagsasama sa mga internal na sistema ng pag-uulat.

Raw Data Report — detalyadong export ng data sa antas ng indibidwal na pag-install at kaganapan. Ang data ay available sa CSV at JSON na format, pati na rin sa pamamagitan ng S3-exporter para sa awtomatikong pag-load sa sariling imbakan. Ang Raw Data Report ay kinakailangan para sa pagbuo ng sariling dashboard sa Tableau, Power BI, o Looker.

Aggregate — tool ng comparative analytics na nagpapakita kung paano nauugnay ang mga sukatan ng iyong app sa merkado. Pinagsasama-sama ng AppsFlyer ang data mula sa 12 bilyong pag-install at nagbibigay ng mga benchmark ayon sa kategorya ng app, rehiyon, at platform ng advertising. Makikita ng developer kung anong CPI ang itinuturing na normal para sa kanyang kategorya at kung paano nagbabago ang Retention Rate depende sa heograpiya.

Mga Presyo ng AppsFlyer at Gastos ng Attribution

AppsFlyer ay gumagamit ng modelo ng bayad na subscription, na ang gastos ay depende sa bilang ng buwanang pag-install. Para sa maliliit na proyekto, available ang Starter package na may limitasyon hanggang 5000 pag-install bawat buwan. Ang pangunahing package (Pro) ay nagsisimula sa 2–3 libong dolyar bawat taon at kasama ang buong set ng mga function ng attribution, pagsasama sa lahat ng network ng advertising, at proteksyon ng Protect360.

Sa corporate na presyo ng Enterprise ay available: dedicated instance ng platform, custom na SLA, personal na manager, pagsasanay ng team, at security audit. Ang gastos ng Enterprise ay kinakalkula nang indibidwal at karaniwang nagsisimula sa 20 libong dolyar bawat taon para sa mga app na may katamtamang trapiko hanggang 500 libong pag-install bawat buwan.

Mga karagdagang gastos ay kinabibilangan ng: pagsasama sa premium na network ng advertising, pinahabang Raw Data Report na may orasang export sa S3, at multi-platform na account para sa mga ahensya at malalaking advertiser. Nag-aalok din ang AppsFlyer ng libreng 30-araw na panahon ng pagsubok para makilala ang platform nang hindi nangangailangan ng impormasyon sa pagbabayad.