Comprendre les données SKAdNetwork pour maintenir le niveau de performance de ses campagnes d’acquisition utilisateur
Depuis mai 2021 (iOS 14.5), Apple a mis en place l’ATT qui limite la remontée de data pour les campagnes publicitaires. L’objectif d’Apple est de favoriser la protection des données utilisateurs. Le problème pour l’industrie mobile : les données des campagnes d’acquisition ne remontent plus aussi finement et ne permettent plus la même lecture des performances au sein des outils de tracking.
Pour rappel, si l’utilisateur opt-in sur la pop-up de consentement alors on peut récupérer l’IDFA et se baser sur une attribution déterministe. Le SKAdNetwork est la solution d’attribution proposée par Apple. Il fait office de back-up quand on ne reçoit pas la data déterministe dans le cas où les utilisateurs n’ont pas opt-in.
Jusqu’à 80% d’IDFA en moins sur IOS
Selon Appsflyer 40 à 50% des personnes donnent leur consentement via la pop-up. Ce qui ne veut pas dire que l’IDFA est remonté car l’utilisateur doit également avoir accepté sur les plateformes de diffusion (telles que Facebook, TikTok, Snapchat etc…). A la fin du parcours, on se retrouve avec potentiellement 20 à 30% d’IDFA remontés ce qui est critique pour une bonne lecture des résultats.
La donnée des campagnes paid iOS étant maintenant limitée, il y a un réel enjeu à savoir lire cette dernière, pour prendre les bonnes décisions en matière de rentabilité des campagnes d’acquisition utilisateurs. Or, aujourd’hui, on constate une vraie difficulté à comprendre et traiter cette data chez les éditeurs d’application. Même si les logiques d’opt-in et de SKAdNetwork sont intégrées, la lecture des résultats elle, ne l’est pas. Il est facile de considérer que les performances sont mauvaises sans comprendre pourquoi et de couper les campagnes en question en se coupant ainsi d’une potentielle audience rentable.
Les installations payantes attribuées à l’organique
Sur cet exemple client, on constate que moins de données déterministes sont remontées depuis la mise en place de l’ATT. Certaines n’étant pas renvoyée par Apple dans le SKAdNetwork car les utilisateurs ont refusé d’être traqués. Elles tombent alors dans l’organique. Ici on voit bien qu’il y a 15% attribués à l’organique alors que la vraie structure de campagne ressemble plus à ce qu’il y a à gauche donc on a besoin de comprendre d’où viennent ces 15%.
Avant / Après attribution SKAdNetwork
Grâce à notre méthodologie, et nos modélisations prédictives, nous sommes en capacité de ré-assigner ces installations pour une lecture de la donnée plus précise et exploitable.
Ici, on applique un modèle prédictif grâce aux données disponibles via le SKAdNetwork, l’organique Android et aux données IDFA pour essayer de combler l’écart entre le graphique 1 et 2. « Cette donnée n’est peut peut-être pas organique elle provient de Snapchat ou de Facebook etc.. ». Nos équipes vont même plus loin dans le funnel. La plupart du temps seule l’installation remonte pour les campagnes paid via le SKAN. Cette solution permet de prédire les évènements post-installs et avoir une meilleure lecture des performances.
Quelle méthodologie mettre en place ?
Chez Addict Mobile nous accompagnons nos clients dans la mise en place de stratégie de marketing mobile performante. Depuis la sortie de iOS 14.5 nous accompagnons tous nos clients dans ce changement pour continuer à générer de la performance à travers nos campagnes. Pour cela nous avons mis en place :
- Une équipe spécifique dédiée sur le sujet qui s’assure que tous les collaborateurs d’Addict Mobile comprennent les enjeux liés à ces nouveaux modes de tracking et adoptent la bonne approche.
- Un suivi régulier de toutes les nouveautés marché, des nouvelles feature d’Apple et des modules des MMP. Notre position de partenaire privilégié des outils de tracking et des sources d’acquisition nous permet d’être informé en amont de ces évolutions.
- La mise en place d’une méthodologie dédiée. Nous analysons toutes les données à disposition. A partir de ces données nous réalisons des projections. En étudiant comment les données déterministes se comportent, on construit des modèles de prédiction. C’est un travail lourd, important et spécifique à chaque application.
- La mise à disposition d’un Dashboard adapté à ces problématiques pour suivre la donnée intégrant ces prédictions facilitant la lecture et la compréhension des performances iOS au sein d’un même dashboard. Ainsi nous avons une vision d’ensemble qui nous permet de prendre de meilleures décisions.
- La création de rapports spécifiques adaptés aux besoins de nos clients pour une meilleure compréhension. Sans ce travail, ces derniers seraient obligés d’aller sur des Dashboard différents (celui du MMP, celui du SKAdNetwork etc.. ) pour récolter la donnée ce qui est rarement fait car trop lourd à mettre en place.
Android ayant aussi annoncé mettre en place des limitations dans un futur proche, comprendre pleinement les spécificités de ces nouveaux modes de tracking est devenu l’enjeu n°1 de toutes les applications mobiles en 2023. Il faut être prêt à cela si l’on veut continuer à tirer la pleine puissance des campagnes d’acquisition utilisateur.
ACTUALITÉS
Article en relation
Entretien avec Carla Vassalo, Team Lead UA et…
Rencontre avec Carla, Team Lead UA et Manager UGC chez Addict Mobile. Depuis son arrivée en 2022 comme UA Manager, Carla a progressivement pris...
Publié le 21 novembre 2024Creative testing : 3 étapes clé pour des…
La créa, c’est le nerf de la guerre en acquisition ! Dans un monde où le suivi des utilisateurs est de plus en...
Publié le 18 novembre 2024Black Friday & User Acquisition : les stratégies…
Comme chaque année, le Black Friday est l’un des événements commerciaux les plus importants. De nombreuses grandes marques profitent de cette période pour...
Publié le 31 octobre 2024