SKAd নেটওয়ার্ক রূপান্তর মান স্কিমার জন্য রাজস্ব বাকেট গণনা করুন

1. ভূমিকা

শুরু করার আগে কিছু প্রসঙ্গ

আপনি যদি একজন iOS অ্যাপ ডেভেলপার হন, তাহলে আপনি অবশ্যই iOS 14.5+ গোপনীয়তা আপডেট সম্পর্কে শুনেছেন। ইনস্টলেশনের পরে অর্থপূর্ণ রূপান্তর ক্রিয়া পরিমাপ করার জন্য, Apple SKAd নেটওয়ার্ক API প্রদান করে যা আপনাকে ব্যবহারকারীর গোপনীয়তাকে সম্মান করে আপনার বিজ্ঞাপন প্রচারণার সাফল্য পরিমাপ করতে দেয়। আপনার ব্যবসায়িক চাহিদার উপর ভিত্তি করে, আপনি আপনার প্রচারণা সম্পর্কে অর্থপূর্ণ অন্তর্দৃষ্টি ক্যাপচার করার জন্য SKAd নেটওয়ার্ককে কাজে লাগানোর সবচেয়ে অনুকূল উপায় নিয়ে আসতে পারেন। এই কোডল্যাবে, আমরা BigQuery-তে আপনার GA4F ডেটা ব্যবহার করে অ্যাপ ইনস্টলেশনের পরে আয়কে বাকেটগুলিতে গ্রুপ করার জন্য একটি উদাহরণ পদ্ধতি পরীক্ষা করি, যা আপনি আপনার অ্যাপ অ্যাট্রিবিউশন অংশীদারের সাথে সেট আপ করতে ব্যবহার করতে পারেন। যদিও এই কোডল্যাব একটি রাজস্ব ভিত্তিক পদ্ধতি ব্যবহার করে, আপনি SKAN পরিমাপের জন্য ইভেন্ট বা ফানেল ভিত্তিক পদ্ধতিও ব্যবহার করতে পারেন। আরও বিস্তারিত নির্দেশিকা জন্য দয়া করে এই সহায়তা কেন্দ্রটি দেখুন। এটি কেবল একটি উদাহরণ, কোনও অফিসিয়াল Google সুপারিশ নয় । আপনি আপনার নির্দিষ্ট ব্যবসায়িক চাহিদার উপর ভিত্তি করে আপনার নিজস্ব স্কিমা ডিজাইন করতে পারেন।

আমরা কী কভার করতে চাই

• BigQuery-তে GA4F ডেটা অন্বেষণ করুন
• ০-২ দিনের মধ্যে রূপান্তরিত ব্যবহারকারীদের জন্য আয়ের তথ্য খুঁজুন
• রাজস্ব তথ্যকে বিভিন্ন ভাগে ভাগ করুন
• প্রতিটি বাকেটে ব্যবহারকারীর বন্টন বুঝুন
• Appsflyer SKAN কনভার্সন স্টুডিওতে বাকেটগুলি বাস্তবায়ন করুন

পূর্বশর্ত

• আপনার iOS অ্যাপে GA4F SDK , এবং সমস্ত রাজস্ব ইভেন্ট ইন্টিগ্রেটেড (in_app_purchase বা বিজ্ঞাপনের অর্থায়নে আয় )
• Firebase থেকে BigQuery এক্সপোর্ট সক্ষম করা হয়েছে
• অ্যাপ অ্যাট্রিবিউশন পার্টনার, যা সমস্ত রাজস্ব ইভেন্ট রেকর্ড করছে

২. BigQuery এক্সপোর্ট অ্যাক্সেস করা

গুগল ক্লাউড ডেটাসেটে নেভিগেট করুন

GA4F-এর ডেটাসেটে যান , Project Settings > Integrations > BigQuery-তে যান। প্রথমে টগলটি সক্রিয় করতে হবে এবং একবার সক্রিয় হয়ে গেলে, ডেটাসেটটি উপলব্ধ হতে প্রায় 48 ঘন্টা সময় লাগে। আপনি নীচের লিঙ্কে ক্লিক করতে পারেন এবং এটি আপনাকে BigQuery-তে নিয়ে যাবে।

কিছু কোয়েরি চালান

এখন যেহেতু আপনি BigQuery-তে আছেন, আপনি প্রতিদিনের তৈরি টেবিলগুলি দেখতে পাবেন। নীচের উদাহরণের স্ক্রিনশটে, আমরা 64টি দৈনিক টেবিল দেখতে পাচ্ছি, অর্থাৎ রপ্তানি 64 দিন ধরে চলছে। আপনি যদি প্রথমবার এটি অ্যাক্সেস করেন, তাহলে আপনি আগের দিনের ডেটার জন্য কেবল 1টি দৈনিক টেবিল দেখতে পাবেন। ডানদিকে, আপনি টেবিল স্কিমা দেখতে পাবেন। আপনি এখানে ক্ষেত্রগুলি সম্পর্কে আরও বিশদ দেখতে পারেন।

আপনার কোয়েরি লেখা শুরু করার জন্য, আপনি কোয়েরি > নতুন ট্যাবে ক্লিক করতে পারেন।

তারপর আপনি নতুন ট্যাবে নমুনা কোয়েরি চালানোর চেষ্টা করতে পারেন

৩. রাজস্ব তথ্য বিশ্লেষণ করুন

ইনস্টল ডেটা আনা হচ্ছে

এখন রাজস্ব বাকেট তৈরি শুরু করার জন্য, আমাদের প্রথমে গত ২৪ থেকে ৭২ ঘন্টার মধ্যে অ্যাপটিতে ইনস্টল করা ব্যবহারকারীদের ডেটা দেখতে হবে। SKAd Network 4.0 আপনাকে 0-2 দিনের মধ্যে ডেটা দেখতে দেয়, যেখানে SKAd Network 3.5 ডিফল্টভাবে 24 ঘন্টার মধ্যে ডেটা দেখতে দেয়। (আপনার অ্যাপ অ্যাট্রিবিউশন পার্টনারের ক্ষমতার উপর নির্ভর করে, আপনি সাধারণত এই অ্যাক্টিভিটি উইন্ডোটি 72 ঘন্টার বেশি পরিবর্তন করতে সক্ষম হতে পারেন)। যখন ব্যবহারকারীরা অ্যাপটি ইনস্টল করেন এবং প্রথমবার এটি খোলেন, তখন first_open ইভেন্টটি SDK দ্বারা চালিত হয় এবং BigQuery-তে রেকর্ড করা হয়।

BigQuery-এর জন্য আপনি যে শনাক্তকারীটি ব্যবহার করতে পারেন তা হল user_pseudo_id (যাকে অ্যাপ ইনস্ট্যান্স আইডিও বলা হয়), তাই আপনি এই ব্যবহারকারীদের খুঁজে পেতে নীচের কোয়েরিটি ব্যবহার করতে পারেন।

SELECT
  user_pseudo_id,
  event_name,
  event_date,
  event_timestamp
FROM `project_name.dataset_name.events_2023*`
WHERE
  event_name = 'first_open'
  AND platform = 'IOS'

এই কোয়েরি সম্পর্কে কয়েকটি বিষয় মনে রাখবেন

• আপনার অ্যানালিটিক্স এক্সপোর্ট করা টেবিলের নাম দিয়ে টেবিলের নামটি প্রতিস্থাপন করুন। আপনি একাধিক দৈনিক টেবিল কোয়েরি করতে ওয়াইল্ডকার্ড ব্যবহার করতে পারেন। উদাহরণস্বরূপ, 2023* 2023 সালে সমস্ত ডেটা জুড়ে কোয়েরি করবে।
• যদি আপনার অনেক ব্যবহারকারী থাকে, তাহলে দ্রুত প্রক্রিয়াকরণের জন্য আপনি গত 30 দিনের প্রশ্নও করতে পারেন।
• আমরা প্ল্যাটফর্ম = 'IOS'-এ ফিল্টার করি। যদি আপনার Firebase প্রজেক্টে একাধিক iOS অ্যাপ থাকে, তাহলে নির্দিষ্ট অ্যাপের ডেটা পেতে আপনি app_info.firebase_app_id-এর জন্য একটি ফিল্টারও যোগ করতে পারেন।

রাজস্ব তথ্য সংগ্রহ করা হচ্ছে

এখন, আপনার ব্যবহারকারীদের জন্য রাজস্ব খুঁজে বের করার জন্য একটি কোয়েরি দেখি। এই ক্ষেত্রে, আমরা ধরে নেব যে আপনার রাজস্ব ইভেন্টগুলি হল in_app_purchase এবং ad_impression। in_app_purchase থেকে আয় event_value_usd-এ পাওয়া যায়, যখন ad_impression-এর জন্য, আয় event parameters-এর মধ্যে value প্যারামিটারে পাওয়া যায়। আপনি যদি BigQuery-তে ইভেন্ট প্যারামিটারগুলির সাথে পরিচিত না হন, তাহলে এখানে সংজ্ঞাটি পরীক্ষা করার পরামর্শ দেব, এবং আপনি আমাদের অফিসিয়াল রেফারেন্সে এই নমুনা কোয়েরিটি চেষ্টা করে দেখতে পারেন, যা event_params থেকে মান বের করার বিষয়টিও অন্তর্ভুক্ত করে।

SELECT
  user_pseudo_id,
  event_name,
  EXTRACT(date FROM Parse_datetime('%Y%m%d', event_date)) AS event_date,
  (
    SELECT COALESCE(value.int_value, value.float_value, value.double_value, NULL)
    FROM UNNEST(event_params)
    WHERE
      KEY = 'value'
      AND event_name = 'ad_impression'
  ) AS ad_funded_revenue,
  (
    SELECT value.string_value
    FROM UNNEST(event_params)
    WHERE
      KEY = 'currency'
      AND event_name = 'ad_impression'
  ) AS ad_revenue_currency,
  (
    CASE
      WHEN event_name = 'in_app_purchase' THEN event_value_in_usd
      ELSE 0
      END) AS iap_revenue_usd,
FROM `project_name.dataset_name.events_2023*`
WHERE
  platform = 'IOS'
  AND event_name IN (
    'in_app_purchase',
    'ad_impression')

আসুন জেনে নেই কোয়েরিটি এখানে কী করছে। এই জিনিসগুলি আপনি লক্ষ্য করবেন।

• WHERE ধারায়, আমরা রাজস্ব ইভেন্টগুলির জন্য ফিল্টার করছি, যেহেতু আমরা কেবল সেগুলিতেই আগ্রহী, এবং গতবারের মতো, আমরা iOS ডেটা খুঁজছি
• এখন, SELECT ধারায়, আমরা বিজ্ঞাপন রাজস্ব ইভেন্টের (ad_impression) জন্য মূল্যের পাশাপাশি মুদ্রাও নিচ্ছি, এবং ইভেন্টটি in_app_purchase হলে আমরা event_value_in_usd নিচ্ছি।
• যদি আপনি একাধিক মুদ্রা পাঠান, তাহলে এই বিশ্লেষণের জন্য আপনাকে প্রথমে একটি একক মুদ্রার সাথে সামঞ্জস্য করতে হবে। এই উদাহরণের উদ্দেশ্যে, আমরা ধরে নেব যে বিজ্ঞাপন তহবিলযুক্ত রাজস্বের মুদ্রাও USD।

আউটপুটটি নীচের মত কিছু হবে (user_pseudo_id এর কলামটি এখানে সম্পাদনা করা হয়েছে)।

এই তথ্য একত্রিত করা

এখন পর্যন্ত, আমরা দুটি কোয়েরি চালিয়েছি, একটি অ্যাপটি ইনস্টল এবং খোলা ব্যবহারকারীদের ডেটা খুঁজে বের করার জন্য এবং আরেকটি ব্যবহারকারীদের আয় খুঁজে বের করার জন্য। এখন, আসুন SKAd নেটওয়ার্ক সীমাবদ্ধতা সম্পর্কে আমরা কী আলোচনা করেছি তা মনে রাখি। অ্যাট্রিবিউশন উইন্ডোটি ইনস্টলেশনের 0-2 দিনের মধ্যে উপলব্ধ হতে পারে। অতএব, আমাদের ইনস্টল এবং আয়ের জন্য ইভেন্ট টাইমস্ট্যাম্পগুলি পরীক্ষা করতে হবে এবং যদি এটি সেই সময়সীমার মধ্যে ঘটে তবেই তথ্য গ্রহণ করতে হবে। এখন আসুন একটি কোয়েরি তৈরি করার চেষ্টা করি যা অ্যাপ ইনস্টলেশনের দুই দিনের প্রতিটি পোস্টের জন্য মোট আয় প্রদান করে।

#creating the install table
WITH
  install_table AS (
    SELECT
      user_pseudo_id,
      event_name,
      event_date,
      event_timestamp
    FROM `project_name.dataset_name.events_2023*`
    WHERE
      event_name = 'first_open'
      AND platform = 'IOS'
  ),
  #creating the revenue table
  revenue_table AS (
    SELECT
      user_pseudo_id,
      event_name,
      event_timestamp,
      EXTRACT(date FROM Parse_datetime('%Y%m%d', event_date)) AS event_date,
      (
        SELECT COALESCE(value.int_value, value.float_value, value.double_value, NULL)
        FROM UNNEST(event_params)
        WHERE
          KEY = 'value'
          AND event_name = 'ad_impression'
      ) AS ad_funded_revenue,
      (
        SELECT value.string_value
        FROM UNNEST(event_params)
        WHERE
          KEY = 'currency'
          AND event_name = 'ad_impression'
      ) AS ad_revenue_currency,
      (
        CASE
          WHEN event_name = 'in_app_purchase' THEN event_value_in_usd
          ELSE 0
          END) AS iap_revenue_usd,
    FROM `project_name.dataset_name.events_2023*`
    WHERE
      platform = 'IOS'
      AND event_name IN (
        'in_app_purchase',
        'ad_impression')
  )
SELECT
  it.user_pseudo_id AS user_pseudo_id,
  #combine ad revenue and IAP revenue, assuming both are in same currency
  sum(ifnull(rt.iap_revenue_usd,0) + ifnull(rt.ad_funded_revenue,0)) AS total_revenue,
FROM install_table it
INNER JOIN revenue_table rt
  ON it.user_pseudo_id = rt.user_pseudo_id
WHERE
  rt.event_timestamp >= it.event_timestamp
  AND rt.event_timestamp
    <= it.event_timestamp + 86400000000 * 2  #added 86400 000 millisecond as 24 hours, taking for 2 days later
GROUP BY 1

কোয়েরিটি কেবল user_pseudo_id ক্ষেত্রের ইনস্টল ডেটা এবং রাজস্ব ডেটা যোগ করার চেষ্টা করে, এবং তারপরে আমাদের নিশ্চিত করতে হবে যে টাইমস্ট্যাম্পটি 2 দিনের মধ্যে রয়েছে। আপনি যদি SKAd নেটওয়ার্ক 3.5 ব্যবহার করেন, তাহলে ডিফল্ট 24 ঘন্টা, তাই আপনি শর্তটি পরিবর্তন করে শুধুমাত্র 1 দিনের ডেটা অন্তর্ভুক্ত করতে পারেন।

রাজস্বকে বালতিতে ভাগ করা

পূর্ববর্তী প্রশ্নের পরে, আপনার কাছে user_pseudo_id এবং মোট রাজস্ব থাকবে

এখন আমাদের এটিকে এমন বাকেটের সাথে একত্রিত করতে হবে যা আমরা আমাদের রূপান্তর মানের রেঞ্জের জন্য ব্যবহার করতে পারি। এই উদ্দেশ্যে, আমরা BigQuery-তে approx_quantiles ফাংশন ব্যবহার করব, যা স্বয়ংক্রিয়ভাবে আপনার জন্য এই রেঞ্জগুলি তৈরি করে। এই উদাহরণের উদ্দেশ্যে ধরে নেওয়া যাক যে আমরা 5টি রেঞ্জ তৈরি করতে চাই, তাই আমরা কেবল SELECT approx_quantiles(total_revenue, 5) AS buckets ব্যবহার করতে পারি।

এর সাথে, আসুন এটিকে আমাদের সামগ্রিক প্রশ্নের মধ্যে অন্তর্ভুক্ত করি

#creating the install table
WITH
  install_table AS (
    SELECT
      user_pseudo_id,
      event_name,
      event_date,
      event_timestamp
    FROM `project_name.dataset_name.events_2023*`
    WHERE
      event_name = 'first_open'
      AND platform = 'IOS'
  ),
  #creating the revenue table
  revenue_table AS (
    SELECT
      user_pseudo_id,
      event_name,
      event_timestamp,
      EXTRACT(date FROM Parse_datetime('%Y%m%d', event_date)) AS event_date,
      (
        SELECT COALESCE(value.int_value, value.float_value, value.double_value, NULL)
        FROM UNNEST(event_params)
        WHERE
          KEY = 'value'
          AND event_name = 'ad_impression'
      ) AS ad_funded_revenue,
      (
        SELECT value.string_value
        FROM UNNEST(event_params)
        WHERE
          KEY = 'currency'
          AND event_name = 'ad_impression'
      ) AS ad_revenue_currency,
      (
        CASE
          WHEN event_name = 'in_app_purchase' THEN event_value_in_usd
          ELSE 0
          END) AS iap_revenue_usd,
    FROM `project_name.dataset_name.events_2023*`
    WHERE
      platform = 'IOS'
      AND event_name IN (
        'in_app_purchase',
        'ad_impression')
  ),
  total_revenue_table AS (
    SELECT
      it.user_pseudo_id AS user_pseudo_id,
      #combine ad revenue and IAP revenue, assuming both are in same currency
      sum(ifnull(rt.iap_revenue_usd,0) + ifnull(rt.ad_funded_revenue,0)) AS total_revenue,
    FROM install_table it
    INNER JOIN revenue_table rt
      ON it.user_pseudo_id = rt.user_pseudo_id
    WHERE
      rt.event_timestamp >= it.event_timestamp
      AND rt.event_timestamp
        <= it.event_timestamp + 86400000000 * 2  #added 86400 000 millisecond as 24 hours
    GROUP BY 1
  )
SELECT approx_quantiles(total_revenue, 5) AS buckets FROM total_revenue_table

এই কোয়েরিটি রাজস্বকে ৫টি ভাগে ভাগ করবে এবং BigQuery একটি সুসংগত শতাংশ বন্টন বজায় রাখার চেষ্টা করবে।

এই বাকেটগুলি ব্যবহার করে ব্যবহারকারীর বিতরণ বিশ্লেষণ করুন

প্রতিটি বাকেটে আপনার ব্যবহারকারীদের বন্টন বুঝতে চাইলে এটি একটি ঐচ্ছিক পদক্ষেপ। আমাদের উদাহরণের জন্য, পূর্ববর্তী কোয়েরিতে ফেরত দেওয়া বাকেট রেঞ্জগুলি হল

• ০.১
• ০.৫
• ২
• ২.৫
• ৫ [শেষ মানটি পরিসর কনফিগারেশনে ব্যবহার করা হবে না]

চূড়ান্ত পরিসরের জন্য, আমরা শেষ বাকেট ৫ উপেক্ষা করব, কারণ এটি সাধারণত সর্বোচ্চ মান, এবং আমরা কেবল 2.5 কে শেষ পরিসর হিসাবে বিবেচনা করতে পারি। এর কারণ হল অ্যাপ অ্যাট্রিবিউশন প্রদানকারীরা পরিসরের গড় ব্যবহার করে ROAS গণনা করে, তাই আরও অভিন্ন গণনার জন্য আউটলায়ার বাদ দিতে হবে।

আমরা এখন প্রতিটি রেঞ্জের প্রতিটি তারিখের জন্য ব্যবহারকারীর সংখ্যা দেখার চেষ্টা করব, যাতে আমরা প্রতিটি বাকেটে ব্যবহারকারীর দৈনিক পরিমাণ বুঝতে পারি। আমরা এই নমুনা কোয়েরি ব্যবহার করে এটি করতে পারি, যেখানে আপনি আপনার প্রকৃত ডেটা দিয়ে বাকেট মানগুলি প্রতিস্থাপন করতে পারেন, এবং কোয়েরিটি দেখতে এরকম কিছু হবে।

#creating the install table
WITH
  install_table AS (
    SELECT
      user_pseudo_id,
      event_name,
      event_date,
      event_timestamp
    FROM `project_name.dataset_name.events_2023*`
    WHERE
      event_name = 'first_open'
      AND platform = 'IOS'
  ),
  #creating the revenue table
  revenue_table AS (
    SELECT
      user_pseudo_id,
      event_name,
      event_timestamp,
      EXTRACT(date FROM Parse_datetime('%Y%m%d', event_date)) AS event_date,
      (
        SELECT COALESCE(value.int_value, value.float_value, value.double_value, NULL)
        FROM UNNEST(event_params)
        WHERE
          KEY = 'value'
          AND event_name = 'ad_impression'
      ) AS ad_funded_revenue,
      (
        SELECT value.string_value
        FROM UNNEST(event_params)
        WHERE
          KEY = 'currency'
          AND event_name = 'ad_impression'
      ) AS ad_revenue_currency,
      (
        CASE
          WHEN event_name = 'in_app_purchase' THEN event_value_in_usd
          ELSE 0
          END) AS iap_revenue_usd,
    FROM `project_name.dataset_name.events_2023*`
    WHERE
      platform = 'IOS'
      AND event_name IN (
        'in_app_purchase',
        'ad_impression')
  ),
  total_revenue_table AS (
    SELECT
      it.user_pseudo_id AS user_pseudo_id,
      rt.event_date,
      #combine ad revenue and IAP revenue, assuming both are in same currency
      sum(ifnull(rt.iap_revenue_usd,0) + ifnull(rt.ad_funded_revenue,0)) AS total_revenue,
    FROM install_table it
    INNER JOIN revenue_table rt
      ON it.user_pseudo_id = rt.user_pseudo_id
    WHERE
      rt.event_timestamp >= it.event_timestamp
      AND rt.event_timestamp
        <= it.event_timestamp + 86400000000 * 2  #added 86400 000 millisecond as 24 hours
    GROUP BY 1, 2
  )
SELECT
  event_date,
  sum(CASE WHEN total_revenue BETWEEN 0 AND 0.1 THEN 1 ELSE 0 END) AS Bucket1,
  sum(CASE WHEN total_revenue BETWEEN 0.1 AND 0.5 THEN 1 ELSE 0 END) AS Bucket2,
  sum(CASE WHEN total_revenue BETWEEN 0.5 AND 2 THEN 1 ELSE 0 END) AS Bucket3,
  sum(CASE WHEN total_revenue BETWEEN 2 AND 2.5 THEN 1 ELSE 0 END) AS Bucket4,
  sum(CASE WHEN total_revenue > 2.5 THEN 1 ELSE 0 END) AS Bucket5
FROM total_revenue_table
GROUP BY 1 ORDER BY 1 DESC

এটি প্রতিটি দিনের জন্য প্রতিটি আয় পরিসরে ব্যবহারকারীদের তথ্য প্রদান করবে, যেমনটি নীচে দেওয়া হয়েছে। যদি আপনি কোনও বাকেটে খুব কম সংখ্যা দেখতে পান বা সাধারণত অসম বন্টন দেখতে পান, তাহলে আপনি বাকেটের সংখ্যা সামঞ্জস্য করতে এবং কোয়েরিটি পুনরায় চালাতে চাইতে পারেন।

SKAd নেটওয়ার্ক 4.0 সম্পর্কে কিছু তথ্য

SKAd নেটওয়ার্ক 4.0 2 দিন, 3-7 দিন এবং 8-35 দিন পর্যন্ত একাধিক রূপান্তর উইন্ডো প্রদান করে। উপরের পদ্ধতিতে, আপনি এই অতিরিক্ত পরিস্থিতিগুলির জন্য ডেটা বিশ্লেষণ করার জন্য সহজেই উইন্ডোটি পরিবর্তন করতে পারেন। LOW, MEDIUM এবং HIGH এর মোটা দানাদার মানগুলিও উপলব্ধ। আবার, আপনি যদি এই পদ্ধতিটি ব্যবহার করতে চান, তাহলে আপনি এটিকে 3 বালতি হিসাবে ভাবতে পারেন, তাই, বালতির সংখ্যা 3 এ পরিবর্তন করে, আপনি LOW, MEDIUM এবং HIGH এর জন্য থ্রেশহোল্ড পেতে পারেন।

৪. আপনার অ্যাট্রিবিউশন প্রদানকারীর সাথে স্থাপনা

নির্দিষ্ট প্ল্যাটফর্মের উপর নির্ভর করে, এই নির্দেশিকা পরিবর্তিত হতে পারে। এই বিষয়ে সর্বাধিক আপডেটেড তথ্যের জন্য দয়া করে প্ল্যাটফর্ম প্রতিনিধিদের সাথে কাজ করুন। এই উদাহরণের উদ্দেশ্যে, আমরা দেখব কিভাবে আমরা বর্তমানে AppsFlyer-এ এটি স্থাপন করতে পারি।

আমরা আগে যে কোয়েরিটি চালিয়েছিলাম, তাতে আউটপুট হিসেবে আমরা যে চূড়ান্ত রেঞ্জগুলি পেয়েছি তা নিম্নরূপ ছিল

• পরিসর ১: ০ থেকে ০.১
• পরিসর ২: ০.১ থেকে ০.৫
• পরিসর ৩: ০.৫ থেকে ২
• পরিসর ৪: ২ থেকে ২.৫

মনে রাখবেন যে আমরা শেষ রাজস্ব পরিসরটি উপেক্ষা করার সিদ্ধান্ত নিয়েছি, কারণ এটি একটি বহির্মুখী হবে, এবং আপনার অ্যাপ অ্যাট্রিবিউশন প্রদানকারীর জন্য গড় গণনাগুলিকে বিকৃত করব।

AppsFlyer SKAN Conversion Studio অফার করে, যেখানে এটি সরাসরি UI-তে ইনপুট করা বেশ সহজ। আপনি সরাসরি 4.0 ব্যবহার করতে পারেন অথবা 3.5 ব্যবহার করলে "কাস্টম" মোড ব্যবহার করতে পারেন এবং "রেভিনিউ" পরিমাপ যোগ করতে পারেন। এরপর আপনি আগের বিশ্লেষণ থেকে গণনা করা রাজস্ব পরিসর যোগ করতে পারেন।

গুগল বিজ্ঞাপনের সেরা অনুশীলন এবং শিক্ষা

আপনি যদি গুগল বিজ্ঞাপনে প্রচারণা চালাচ্ছেন এবং SKAd নেটওয়ার্ক রূপান্তর মান স্কিমার মাধ্যমে প্রভাব পরিমাপ করছেন, তাহলে আমরা আপনাকে কিছু সুপারিশ দিতে চাই।

• নিশ্চিত করুন যে আপনি Google Ads-এ যে কনভার্সন উইন্ডোটি ব্যবহার করছেন তা আপনার অ্যাপ অ্যাট্রিবিউশন প্ল্যাটফর্মে নির্দিষ্ট করা অ্যাক্টিভিটি উইন্ডোর সাথে মিলে যাচ্ছে। SKAd নেটওয়ার্ক 3.5-এর জন্য, এটি সম্ভবত 1-3 দিনের মধ্যে হতে পারে, তাই আপনি এখানে তালিকাভুক্ত পদক্ষেপগুলি অনুসরণ করে Google Ads-এ সেই অনুযায়ী এটি সামঞ্জস্য করতে পারেন।

• আপনি যদি Appsflyer ব্যবহার করেন, তাহলে বর্তমানে ডিফল্ট ইভেন্ট কাউন্টার হল 1, যার অর্থ হল এটি প্রতি ব্যবহারকারীর জন্য একাধিক ইভেন্টের হিসাব রাখে না। আপনি যদি SKAN পরিমাপের জন্য একটি ইভেন্ট ভিত্তিক মডেল ব্যবহার করেন এবং Google Ads-এ tCPA প্রচারণার সাথে তুলনা করেন, তাহলে আপনি Appsflyer-এর এই নির্দেশিকা অনুসরণ করে কাস্টমাইজ করতে পারেন।

৫. অভিনন্দন

অভিনন্দন, আপনি আপনার SKAd নেটওয়ার্ক রূপান্তর মান স্কিমা সফলভাবে সেট আপ করেছেন। এটি লাইভ হওয়ার পরে, আপনি এখন আপনার Google বিজ্ঞাপন SKAd নেটওয়ার্ক রিপোর্টের ডেটা পর্যবেক্ষণ করতে পারেন এবং আপনার Google বিজ্ঞাপন প্রচারাভিযানের রূপান্তর মান পরীক্ষা করতে পারেন।

তুমি শিখেছো

• BigQuery-তে GA4F থেকে সমৃদ্ধ কাঁচা ডেটা কীভাবে অন্বেষণ করবেন
• আপনার ব্যবসার জন্য আয়ের পরিমাণ গণনা করার জন্য বিশ্লেষণাত্মক পদ্ধতি
• AppsFlyer দিয়ে স্কিমাটি স্থাপন করুন