Desafios dos relatórios de receitas de anúncios ao nível do utilizador

Nas últimas semanas, o nosso sector entrou num debate vibrante em torno do controlo das receitas dos anúncios a nível do utilizador.

É fácil compreender o entusiasmo: para os programadores de aplicações que dependem da monetização de anúncios móveis, é intuitivo que este seria o Santo Graal da análise de dados de receitas de anúncios. A sua intuição permite cálculos precisos do LTV das receitas de publicidade para cada utilizador adquirido. A esperança é que permita aos programadores prever as receitas de forma mais fiável, invocando estratégias sofisticadas que de outra forma não seriam possíveis.

O facto é que existem várias barreiras técnicas importantes à precisão dos relatórios de receitas de anúncios ao nível do utilizador. A maior delas é o facto de as redes de publicidade que servem anúncios geradores de receitas têm de dar aos programadores (incluindo soluções como parceiros de mediação) acesso a dados de conversão e de ofertas ao nível do utilizador.

Por exemplo, se um anunciante pagar a uma rede e a um editor numa base de CPI e nunca ocorrer uma instalação/conversão a partir de um clique no anúncio, o editor e a rede não são pagos (receitas de publicidade). Atualmente, o melhor que um terceiro pode saber é uma impressão ou um clique. Nenhum fornecedor de soluções de terceiros tem acesso aos dados de conversão/instalação para saber se serão efectuados pagamentos (onde são geradas as receitas dos anúncios). A única entidade que conhece os dados de conversão é a rede que trabalha com o anunciante.

Como resultado, os fornecedores de soluções de todos os sectores da indústria criaram os seus próprios modelos para enfrentar este desafio, mas o facto é que não existe atualmente uma abordagem normalizada e totalmente exacta. Até que os dados de conversão e de licitação estejam acessíveis a todas as partes, a estimativa é a única alternativa às receitas de publicidade ao nível do utilizador. Idealmente, as receitas publicitárias ao nível do utilizador seriam controladas ligando os dados das receitas a um ID de dispositivo específico, mas com diferentes tipos de propostas e requisitos de conversão para os pagamentos dos anunciantes. A transparência não é totalmente possível no ecossistema atual.

As receitas de publicidade ao nível do utilizador são ainda uma estimativa

O acompanhamento das receitas de publicidade por nível de utilizador não é um conceito novo. Várias empresas de atribuição/análise móvel oferecem alguma variação do serviço. O problema é que estas soluções não são coerentes entre si - baseiam-se nas suas próprias estimativas. Não se deixe enganar. O que pretende, até que os dados ao nível das propostas estejam acessíveis a terceiros, é a consistência interna das estimativas entre as suas equipas.

A realidade é que apenas as redes de publicidade que apresentam anúncios diretamente do anunciante têm acesso a dados de receitas que podem ser atribuídos ao nível do utilizador. Em termos simples, se for necessário efetuar uma conversão, apenas a rede do anunciante tem uma visão completa desse evento de conversão e pode gerar receitas para o cliente. Todas as outras partes têm:

• Receitas de publicidade agregadas de redes (Facebook, Google, ironSource, Tapjoy, etc.)
• O número de eventos de aplicações gerados por cada utilizador móvel agrupado por fonte de publicidade

Estas fontes de dados não podem gerar uma comparação 1:1 das receitas por utilizador, mas são suficientes para preencher as lacunas de conhecimento utilizando um modelo algorítmico. Já vimos mais de 10 abordagens de cálculo que são comercializadas como "receitas de publicidade ao nível do utilizador".

Os problemas começam quando o editor não é coerente com os cálculos de estimativa. Se utilizar dois cálculos de estimativa diferentes de fornecedores diferentes, a confusão é inevitável. Neste caso, não se está a comparar maçãs com maçãs, o que pode levar a decisões comerciais incorrectas.

Existe uma solução perfeita?

Embora as estimativas não sejam perfeitas, são suficientemente boas para gerar um enorme retorno do investimento. Como a Tenjin trabalha com dados de todas estas partes, estudos internos demonstraram que existe uma diferença inferior a 10% entre os modelos de estimativa, indicando que não é necessária muita otimização na modelação. De facto, nem sequer é possível dizer qual das estimativas é "mais" precisa - uma vez que se está a comparar duas estimativas.

Neste momento, a indústria móvel não está suficientemente madura para suportar o acompanhamento universal das receitas de publicidade ao nível do utilizador. Até que as redes de publicidade que pagam aos editores com receitas de publicidade possam partilhar dados reais de conversão ao nível do utilizador (juntamente com as licitações associadas a essas conversões), a indústria é obrigada a fazer estimativas.

O nosso conselho: escolha um sistema e um processo que seja internamente consistente e fiável. A consistência conduz a uma forma mais estável de executar os seus objectivos comerciais. A menos que conheça o funcionamento interno das estimativas e saiba como lidar com problemas e discrepâncias, mantenha as coisas simples e internamente consistentes. É muito mais eficaz manter os processos empresariais normalizados e compreensíveis para todas as equipas.