Hva er signal engineering, og hvorfor flytter det tallene mer enn kreativt gjør?

Etter ATT ser annonseplattformen en brøkdel av det som skjer i appen din. Det du sender tilbake, avgjør hvem den går på jakt etter. Å fikse det laget har flyttet kontoer lenger enn noe kreativt bytte jeg har gjennomført, og det er det første jeg gjør på hver konto.

Denne siden er for et team der value optimization sluttet å fungere, der de tre dashbordene er uenige, eller der iOS-konverteringene kommer inn som antall uten verdi på seg. Den navngir de tre tingene som som regel er ødelagt, hva som bygges for å fikse dem, og testen for $606K som avgjorde hvilket signal som predikerer D28 ROAS.

Hva som som regel er ødelagt

Tre ting, i den rekkefølgen jeg sjekker dem. Budsjett samler seg i noen få annonsesett mens resten sulter, fordi Meta optimaliserer per annonsesett og fordelingen er feil før noen ser på det kreative. Prøvestarter når plattformen, men fornyelser og kanselleringer gjør det ikke, så den optimaliserer på halve datagrunnlaget. Og plattformen, RevenueCat og MMP-en rapporterer hver sitt omsetningstall, så ingen vet hvilken kampanje som faktisk betaler seg tilbake.

Hva som bygges

Event-mapping som sender eventene som betyr noe, på riktig tidspunkt, med verdi festet til. SKAN 4 og AdAttributionKit satt opp slik at iOS-konverteringer bærer verdi fremfor antall. Et kjøpssignal sendt gjennom serveren din via CAPI der signalet fra enheten er tynt. AEM på iOS. Forventet LTV i budet der tilbakebetalingsvinduet er langt. Og value optimization slått på først når signalet kan bære det, fordi slått på for tidlig optimaliserer det mot feil brukere med stor selvtillit.

Til SDK-arbeid og alt som kjører på serverne dine, henter jeg inn en attribusjonsingeniør fra nettverket mitt. Jeg designer og eier laget, de tekniske hendene er spesialister. Hos Videa var det laget, et skreddersydd CAPI-kjøpssignal og forventet LTV i budgivningen, som tok D0 ROAS fra 20% til 43%.

Bevisene for å gjøre dette først

En test for $606K på om verdi på dag null eller kostnad per kjøp predikerer D28 ROAS. En revisjon for $383K av hvor ofte Meta faktisk treffer et tROAS-mål. Hvorfor jeg holder 1-dags view-attribusjon på når de fleste råd sier man skal slå den av. Hver av dem er en beslutning jeg tok med penger på spill, skrevet opp i etterkant.

Hvem det passer for

  • Apper der Metas value optimization sluttet å fungere, eller aldri gjorde det
  • Team som avstemmer Meta, RevenueCat og Adjust for hånd hver måned
  • Apper som lener seg på iOS, der SKAN-postbacks bærer antall men ingen verdi
  • Enhver konto som er i ferd med å skalere forbruk på et signal som ikke er sjekket

Hva du får

  • En revisjon av hva plattformene mottar i dag, og hva de optimaliserer mot
  • Event-mapping og verdikonfigurasjon på tvers av Meta, Google og Apple
  • SKAN 4- og AdAttributionKit-oppsett, AEM på iOS
  • Et CAPI-kjøpssignal der signalet fra enheten er tynt
  • En avstemming mellom plattform, abonnementssystem og MMP som du kan kjøre på nytt

Spørsmål folk stiller

Er dette det samme som å sette opp MMP-en?

Nei. MMP-en registrerer hva som skjedde. Signal engineering avgjør hva annonseplattformene får vite, og i hvilken form, slik at de optimaliserer mot betalere. De fleste kontoer har MMP-en installert og signalet feil.

Hvor mye av min organiske iOS-trafikk er egentlig betalt?

Mer enn du tror, og det finnes en måte å anslå det på. Metoden ligger på bloggen.

Hvor lang tid tar det?

Revisjonen tar dager. Fiksene begynner å mate algoritmene i løpet av uker, som er raskere enn noen kreativ dom, og det er derfor dette kommer først. Growth audit er der det starter for team under retainer-terskelen.

Krever dette engineering fra min side?

Noe, for SDK-endringer og alt som kjører på serverne dine, og jeg henter inn en attribusjonsingeniør fra nettverket mitt til å gjøre det med teamet ditt. Designet og eierskapet til laget blir hos meg.