Изменение правил атрибуции Google: Время установки заменяет время клика, как должны реагировать специалисты по мобильному маркетингу?

I. Ключевые изменения: смещение якоря от «кликов» к «установкам»

II. Влияние на оптимизацию рекламы: колебания данных и вызовы для принятия решений

Приведём пример: почему в индексе потребительских цен возникает иллюзия «завышенных» или «заниженных» Оценки?

• Сцена: Вы наВ понедельникПроведена рекламная кампания: затраты — 100 долларов, получено 100 кликов. Один пользователь нажал на объявление в понедельник, но после нескольких дней сравнения только к…В четвергТолько тогда я наконец скачал и установил приложение.
• При старых правилах (атрибуции по времени клика):
  • В понедельник: Получено 1 установка. CPI (стоимость одной установки) = 100/1=∗∗100**. Данные выглядят нормально и соответствуют затратам.
  • В четверг: Данные не затрагиваются этой установкой.
• В соответствии с новыми правилами (атрибуция по времени установки):
  • В понедельник: Потрачено 100 долларов, но число установок равно 0 (потому что установки произошли в четверг). CPI = 100 долл. США / 0 =«Бесконечно высокий» или отсутствие данных. Это сильно завышает реальную стоимость понедельника, создавая«Ложный» феномен завышенных Оценок, что может привести к тому, что оптимизатор неправильно решит, что реклама в понедельник работает очень плохо, и закроет качественный план.
  • В четверг: Предположим, что в четверг также были рекламные расходы в размере 50 долларов, которые привели к двум мгновенным установкам. Теперь система также учтёт отложенную установку, произошедшую по клику в понедельник, как принадлежащую четвергу. Таким образом, общее количество установок в четверг составляет 3, но стоимость учитывается только за 50 долларов, потраченных в четверг. CPI = 50/3 ≈ ∗∗16,7. Это значительно улучшило данные о затратах в четверг, сформировав«Ложная низкая» иллюзия**, может побудить лиц, принимающих решения, бездумно увеличить бюджет на четверг.

3. Почему Google решил провести эти изменения?

1. Согласовано со стандартами отрасли (MMP): Основные платформы мобильного отслеживания (например, AppsFlyer, Adjust) долгое время считали «время установки» началом жизненного цикла пользователя. Ранее Google Ads использовал другие критерии, что часто приводило к расхождениям в данных при сравнении между платформами у рекламодателей, требуя дополнительной калибровки. Эта корректировка направлена наЕдиный формат данных, снижая затраты рекламодателей на анализ.
2. Оптимизация эффективности обучения алгоритмов: Системы автоматического таргетинга Google (например, tCPA, tROAS) опираются на огромный объём сигналов конверсий для обучения машинных моделей. В прежней логике сигналы конверсий пользователей с длинными цепочками принятия решений могли теряться из-за превышения временного окна, что негативно сказывалось на работе модели. Новая логика использует более стабильное «время установки» в качестве якорной точки, что позволяет полнее фиксировать последующее поведение пользователей,Повышение скорости обучения алгоритмической модели и точности ставок.
3. Более реалистичное отражение пользовательского пути: Для приложений с длительным циклом принятия решений, таких как игры, финансовые сервисы и подписки, между кликом пользователя и установкой может проходить продолжительный период обдумывания. Старая модель могла систематически недооценивать таких «высоколиквидных отложенных пользователей». Новые правила делают измерение конверсий более соответствующими реальному пути принятия решений пользователем.

IV. Практическое руководство для рекламодателей по реагированию

1. Включить «Двойной вид атрибуции»: Это способ справиться с текущей ситуациейКлючевой инструмент. В отчётах Google Ads одновременно добавьте две группы столбцов: «Количество конверсий» (с атрибуцией по времени клика) и «Конверсии (по времени конверсии)» (с атрибуцией по времени установки). Первая используется для оценки долгосрочного ROI и оптимизации глубоких целей, а вторая — для мониторинга затрат на установки в текущий день и регулирования бюджета.
2. Удлинить период наблюдения за данными: Решительно отказаться от чрезмерной зависимости от однодневных данных. Вместо этого сосредоточиться на3-дневная, 7-дневная скользящая средняя стоимостьиЕженедельная динамика ROI. Плавные периодические данные эффективно нейтрализуют дневные колебания, вызванные переключением атрибуции, и выявляют реальные тенденции.
3. Реализовать стратегию оптимизации по уровням:
   1. Для поверхностных целей, таких как установка, регистрация и т. п.: Принимайте новые правила, в основном основывайтесь на данных «атрибуции по времени установки» для замены материалов и предварительной оценки эффективности.
   2. По ключевым показателям монетизации, таким как платные пользователи и удержание пользователей: Оптимизация и корректировка ставок по-прежнему должны основываться в основном на данных «атрибуции по времени клика», чтобы алгоритмическая модель обучалась на сигналах, тесно связанных с конечными бизнес-результатами.
4. Осторожная оценка и тестирование: Для новых рекламных кампаний, если цикл принятия решения о покупке длится долго (более 24 часов), в расширенных настройках можно подумать о том, чтобы повременить со сменой окна атрибуции до тех пор, пока данные по существующей кампании не стабилизируются.

V. Перспективы: Принятие новой эры гибридной атрибуции