SKAd नेटवर्क की कन्वर्ज़न वैल्यू स्कीमा के लिए रेवेन्यू बकेट की गणना करें

1. शुरुआती जानकारी

शुरू करने से पहले कुछ जानकारी

अगर आप iOS ऐप्लिकेशन डेवलपर हैं, तो आपने iOS 14.5 और उसके बाद के वर्शन के लिए निजता से जुड़े अपडेट के बारे में ज़रूर सुना होगा. ऐप्लिकेशन इंस्टॉल करने के बाद, काम के कन्वर्ज़न ऐक्शन को मेज़र करने के लिए, Apple SKAdNetwork API उपलब्ध कराता है. इससे, उपयोगकर्ताओं की निजता का सम्मान करते हुए, अपने विज्ञापन कैंपेन की सफलता को मेज़र किया जा सकता है. अपने कारोबार की ज़रूरतों के हिसाब से, SKAdNetwork का इस्तेमाल करने का सबसे सही तरीका चुना जा सकता है. इससे आपको अपने कैंपेन के बारे में अहम जानकारी मिल सकती है. इस कोडलैब में, हम ऐप्लिकेशन इंस्टॉल होने के बाद मिले रेवेन्यू को बकेट में ग्रुप करने के लिए, BigQuery में GA4F डेटा का इस्तेमाल करने के तरीके का एक उदाहरण देखते हैं. इसके बाद, इस डेटा का इस्तेमाल करके, ऐप्लिकेशन एट्रिब्यूशन पार्टनर के साथ सेट अप किया जा सकता है. इस कोडलैब में, रेवेन्यू पर आधारित अप्रोच का इस्तेमाल किया गया है. हालांकि, SKAN मेज़रमेंट के लिए, इवेंट या फ़नल पर आधारित अप्रोच का भी इस्तेमाल किया जा सकता है. ज़्यादा जानकारी के लिए, कृपया सहायता केंद्र पर जाएं. यह सिर्फ़ एक उदाहरण है. यह Google का आधिकारिक सुझाव नहीं है. अपने कारोबार की ज़रूरतों के हिसाब से, खुद का स्कीमा डिज़ाइन किया जा सकता है

हम वीडियो में क्या-क्या बताने वाले हैं

• BigQuery में GA4F डेटा एक्सप्लोर करना
• उन उपयोगकर्ताओं के लिए रेवेन्यू का डेटा ढूंढना जो 0 से 2 दिनों के अंदर ग्राहक में बदले
• रेवेन्यू के डेटा को बकेट में ग्रुप करना
• हर बकेट में उपयोगकर्ता डिस्ट्रिब्यूशन को समझना
• Appsflyer SKAN कन्वर्ज़न स्टूडियो में बकेट लागू करना

ज़रूरी शर्तें

• आपके iOS ऐप्लिकेशन में GA4F SDK होना चाहिए. साथ ही, रेवेन्यू के सभी इवेंट इंटिग्रेट किए गए हों (in_app_purchase या ad funded revenue)
• Firebase से BigQuery में डेटा एक्सपोर्ट करने की सुविधा चालू है
• ऐप्लिकेशन एट्रिब्यूशन पार्टनर, जो रेवेन्यू से जुड़े सभी इवेंट भी रिकॉर्ड कर रहा है

2. BigQuery Export को ऐक्सेस करना

Google Cloud Dataset पर जाएं

GA4F में डेटासेट पर जाएं. इसके लिए, प्रोजेक्ट सेटिंग > इंटिग्रेशन > BigQuery पर जाएं. डेटासेट को उपलब्ध कराने के लिए, सबसे पहले टॉगल को चालू करना होगा. इसके चालू होने के बाद, डेटासेट उपलब्ध होने में करीब 48 घंटे लगते हैं. यहां दिए गए लिंक पर क्लिक करके, BigQuery पर जाएं

कुछ क्वेरी चलाना

अब BigQuery में, आपको हर दिन जनरेट होने वाली टेबल दिखेंगी. नीचे दिए गए उदाहरण के स्क्रीनशॉट में, हमें हर दिन की 64 टेबल दिख रही हैं. इसलिए, एक्सपोर्ट 64 दिनों से चल रहा है. अगर इसे पहली बार ऐक्सेस किया जा रहा है, तो आपको पिछले दिन के डेटा के लिए सिर्फ़ एक रोज़ की टेबल दिख सकती है. दाईं ओर, आपको टेबल स्कीमा दिखेगा. फ़ील्ड के बारे में ज़्यादा जानकारी के लिए, यहां जाएं

क्वेरी लिखना शुरू करने के लिए, क्वेरी > नए टैब में पर क्लिक करें

इसके बाद, नए टैब में सैंपल क्वेरी चलाने की कोशिश करें

3. रेवेन्यू के डेटा का विश्लेषण करना

ऐप्लिकेशन इंस्टॉल करने से जुड़ा डेटा फ़ेच करना

अब रेवेन्यू बकेट बनाना शुरू करने के लिए, हमें सबसे पहले उन उपयोगकर्ताओं का डेटा देखना होगा जिन्होंने पिछले 24 से 72 घंटों में ऐप्लिकेशन इंस्टॉल किया है. SKAdNetwork 4.0 की मदद से, 0 से 2 दिनों का डेटा देखा जा सकता है. वहीं, SKAdNetwork 3.5 में डिफ़ॉल्ट रूप से 24 घंटे का डेटा देखा जा सकता है. (आपके ऐप्लिकेशन एट्रिब्यूशन पार्टनर की सुविधाओं के आधार पर, इस गतिविधि विंडो को आम तौर पर 72 घंटे से ज़्यादा नहीं बदला जा सकता). जब उपयोगकर्ता ऐप्लिकेशन इंस्टॉल करते हैं और उसे पहली बार खोलते हैं, तब SDK टूल, first_open इवेंट को ट्रिगर करता है. साथ ही, इसे BigQuery में रिकॉर्ड किया जाता है.

BigQuery के लिए, user_pseudo_id (इसे ऐप्लिकेशन इंस्टेंस आईडी भी कहा जाता है) का इस्तेमाल किया जा सकता है. इसलिए, इन उपयोगकर्ताओं का पता लगाने के लिए, नीचे दी गई क्वेरी का इस्तेमाल किया जा सकता है

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'

इस क्वेरी के बारे में कुछ ज़रूरी बातें

• कृपया टेबल के नाम को Analytics से एक्सपोर्ट की गई टेबल से बदलें. एक से ज़्यादा रोज़ाना अपडेट होने वाली टेबल से क्वेरी करने के लिए, वाइल्डकार्ड का इस्तेमाल किया जा सकता है. उदाहरण के लिए, 2023* से 2023 के सभी डेटा के लिए क्वेरी की जाएगी
• अगर आपके पास बहुत सारे उपयोगकर्ता हैं, तो तेज़ी से प्रोसेस करने के लिए, सिर्फ़ पिछले 30 दिनों के डेटा के लिए क्वेरी की जा सकती है
• हम प्लैटफ़ॉर्म = ‘IOS' के हिसाब से फ़िल्टर करते हैं. अगर आपके Firebase प्रोजेक्ट में एक से ज़्यादा iOS ऐप्लिकेशन हैं, तो किसी खास ऐप्लिकेशन का डेटा पाने के लिए, app_info.firebase_app_id के लिए फ़िल्टर भी जोड़ा जा सकता है

रेवेन्यू का डेटा फ़ेच करना

अब, अपने उपयोगकर्ताओं के लिए रेवेन्यू ढूंढने की क्वेरी देखते हैं. इस मामले में, हम यह मान लेंगे कि आपके रेवेन्यू इवेंट, in_app_purchase और ad_impression हैं. in_app_purchase से मिलने वाला रेवेन्यू, event_value_usd में उपलब्ध होता है. वहीं, ad_impression के लिए रेवेन्यू, इवेंट पैरामीटर में मौजूद वैल्यू पैरामीटर में उपलब्ध होता है. अगर आपको BigQuery में इवेंट पैरामीटर के बारे में नहीं पता है, तो हमारा सुझाव है कि आप यहां इसकी परिभाषा देखें. साथ ही, हमारे आधिकारिक रेफ़रंस में इस सैंपल क्वेरी को आज़माएं. इसमें event_params से वैल्यू निकालने के बारे में भी बताया गया है

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')

आइए, समझते हैं कि इस क्वेरी में क्या हो रहा है. आपको ये बदलाव दिखेंगे

• WHERE क्लॉज़ में, हम रेवेन्यू इवेंट को फ़िल्टर कर रहे हैं, क्योंकि हमें सिर्फ़ उनमें दिलचस्पी है. साथ ही, पिछली बार की तरह, हम iOS का डेटा ढूंढ रहे हैं
• अब SELECT क्लॉज़ में, हम विज्ञापन से मिलने वाले रेवेन्यू के इवेंट (ad_impression) के लिए वैल्यू और मुद्रा, दोनों को ले रहे हैं. साथ ही, जब इवेंट in_app_purchase होता है, तब हम event_value_in_usd को ले रहे हैं
• अगर आपको एक से ज़्यादा मुद्राओं में डेटा भेजना है, तो इस विश्लेषण के लिए आपको पहले एक मुद्रा चुननी होगी. इस उदाहरण के लिए, हम यह मान लेंगे कि विज्ञापन से मिलने वाले रेवेन्यू की मुद्रा भी डॉलर है

आउटपुट कुछ इस तरह का होगा. यहां user_pseudo_id कॉलम को छिपा दिया गया है.

इस डेटा को एक साथ इस्तेमाल करना

अब तक, हमने दो क्वेरी चलाई हैं. पहली क्वेरी उन उपयोगकर्ताओं का डेटा ढूंढने के लिए है जिन्होंने ऐप्लिकेशन इंस्टॉल किया और उसे खोला. दूसरी क्वेरी उन उपयोगकर्ताओं के लिए रेवेन्यू ढूंढने के लिए है. अब, SKAdNetwork की सीमाओं के बारे में हुई चर्चा को याद करते हैं. एट्रिब्यूशन विंडो, इंस्टॉल करने के बाद सिर्फ़ 0 से 2 दिनों तक उपलब्ध हो सकती है. इसलिए, हमें इंस्टॉल और रेवेन्यू के लिए इवेंट के टाइमस्टैंप की जांच करनी होगी. साथ ही, अगर यह उस समयावधि में होता है, तो ही जानकारी लेनी होगी. अब हम एक ऐसी क्वेरी बनाने की कोशिश करते हैं जो ऐप्लिकेशन इंस्टॉल करने के दो दिनों के बाद, हर पोस्ट से मिलने वाले कुल रेवेन्यू की जानकारी दे

#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

क्वेरी में, सिर्फ़ उपयोगकर्ता के user_pseudo_id फ़ील्ड के आधार पर, ऐप्लिकेशन इंस्टॉल करने से जुड़े डेटा और रेवेन्यू से जुड़े डेटा को जोड़ने की कोशिश की जाती है. इसके बाद, हमें यह पक्का करना होता है कि टाइमस्टैंप दो दिनों के अंदर का हो. अगर SKAdNetwork 3.5 का इस्तेमाल किया जा रहा है, तो डिफ़ॉल्ट रूप से 24 घंटे का समय होता है. इसलिए, शर्त को बदलकर सिर्फ़ एक दिन का डेटा भी शामिल किया जा सकता है

रेवेन्यू को बकेट में ग्रुप करना

पिछली क्वेरी के बाद, आपके पास user_pseudo_id और कुल रेवेन्यू होगा

अब हमें इसे ऐसे बकेट में बांटना होगा जिनका इस्तेमाल हम कन्वर्ज़न वैल्यू की रेंज के लिए कर सकें. इसके लिए, हम BigQuery में approx_quantiles फ़ंक्शन का इस्तेमाल करेंगे. यह फ़ंक्शन, आपके लिए इन रेंज को अपने-आप बना देता है. इस उदाहरण के लिए, मान लें कि हमें पांच रेंज बनानी हैं. इसलिए, हम SELECT approx_quantiles(total_revenue, 5) AS buckets का इस्तेमाल कर सकते हैं

अब इस जानकारी को अपनी क्वेरी में शामिल करते हैं

#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

यह क्वेरी, रेवेन्यू को पांच बकेट में बांटेगी. साथ ही, BigQuery, पर्सेंटाइल के डिस्ट्रिब्यूशन को एक जैसा बनाए रखने की कोशिश करेगा

इन बकेट की मदद से, उपयोगकर्ताओं के डिस्ट्रिब्यूशन का विश्लेषण करना

अगर आपको हर बकेट में अपने उपयोगकर्ताओं की संख्या के बारे में जानना है, तो यह ज़रूरी नहीं है. हमारे उदाहरण के लिए, पिछली क्वेरी में दिखाई गई बकेट रेंज ये हैं

• 0.1
• 0.5
• 2
• 2.5
• 5 [the last value shall not be used in the range configuration]

आखिरी रेंज के लिए, हम आखिरी बकेट 5 को अनदेखा करेंगे, क्योंकि यह आम तौर पर सबसे बड़ी वैल्यू होती है. इसलिए, हम सिर्फ़ 2.5 को आखिरी रेंज मान सकते हैं. ऐसा इसलिए है, क्योंकि ऐप्लिकेशन एट्रिब्यूशन की सेवाएं देने वाली कंपनियां, रेंज के औसत का इस्तेमाल करके आरओएएस का हिसाब लगाती हैं. इसलिए, ज़्यादा सटीक हिसाब लगाने के लिए, आउटलायर को शामिल नहीं किया जाना चाहिए.

अब हम सभी रेंज के लिए, हर तारीख के हिसाब से उपयोगकर्ताओं की संख्या देखेंगे, ताकि हमें हर बकेट में उपयोगकर्ताओं की रोज़ाना की संख्या के बारे में पता चल सके. इसके लिए, हम इस सैंपल क्वेरी का इस्तेमाल कर सकते हैं. इसमें बकेट की वैल्यू को अपने असल डेटा से बदला जा सकता है. इसके बाद, क्वेरी कुछ इस तरह दिखेगी

#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

यह हर दिन के लिए, रेवेन्यू की हर सीमा में उपयोगकर्ताओं की संख्या दिखाएगा. जैसे, यहाँ दिखाया गया है. अगर आपको किसी बकेट में बहुत कम संख्या दिखती है या डिस्ट्रिब्यूशन सामान्य नहीं है, तो हो सकता है कि आपको बकेट की संख्या में बदलाव करना पड़े और क्वेरी को फिर से चलाना पड़े.

SKAdNetwork 4.0 के बारे में खास जानकारी

SKAdNetwork 4.0 में, कन्वर्ज़न विंडो के कई विकल्प मिलते हैं. जैसे, दो दिन, तीन से सात दिन, और आठ से 35 दिन. ऊपर दिए गए तरीके में, इन अतिरिक्त स्थितियों के लिए डेटा का विश्लेषण करने के लिए, विंडो को आसानी से बदला जा सकता है. कम, सामान्य, और ज़्यादा के लिए अनुमानित वैल्यू भी उपलब्ध हैं. अगर आपको इस तरीके का इस्तेमाल करना है, तो इसे तीन बकेट के तौर पर देखा जा सकता है. इसलिए, बकेट की संख्या को तीन में बदलकर, कम, सामान्य, और ज़्यादा के थ्रेशोल्ड पाए जा सकते हैं

4. एट्रिब्यूशन सेवा देने वाली कंपनी के साथ डिप्लॉयमेंट

प्लैटफ़ॉर्म के हिसाब से, इस गाइडलाइन में बदलाव हो सकता है. इस बारे में सबसे नई जानकारी पाने के लिए, कृपया प्लैटफ़ॉर्म के प्रतिनिधियों से संपर्क करें. इस उदाहरण के लिए, हम देखेंगे कि AppsFlyer पर इसे कैसे डिप्लॉय किया जा सकता है

हमने पहले जो क्वेरी चलाई थी उसमें हमें आउटपुट के तौर पर ये फ़ाइनल रेंज मिली थीं

• रेंज 1 : 0 से 0.1
• रेंज 2 : 0.1 से 0.5
• रेंज 3 : 0.5 से 2
• रेंज 4 : 2 से 2.5

ध्यान रखें कि हमने रेवेन्यू की आखिरी रेंज को अनदेखा करने का फ़ैसला किया है, क्योंकि यह आउटलायर होगी. साथ ही, इससे आपके ऐप्लिकेशन एट्रिब्यूशन प्रोवाइडर के लिए औसत कैलकुलेशन में गड़बड़ी होगी.

AppsFlyer, SKAN कन्वर्ज़न स्टूडियो की सुविधा देता है. इसमें इस वैल्यू को सीधे यूज़र इंटरफ़ेस में डालना बहुत आसान होता है. आपके पास सीधे तौर पर 4.0 का इस्तेमाल करने का विकल्प होता है. इसके अलावा, अगर 3.5 का इस्तेमाल किया जा रहा है, तो "कस्टम" मोड का इस्तेमाल करके "रेवेन्यू" मेज़रमेंट जोड़ा जा सकता है. इसके बाद, आपको सिर्फ़ रेवेन्यू की उन रेंज को जोड़ना होगा जिन्हें आपने पहले के विश्लेषण से कैलकुलेट किया था.

Google Ads के बारे में सबसे सही तरीके और जानकारी

अगर Google Ads पर कैंपेन चलाए जा रहे हैं और SKAdNetwork कन्वर्ज़न वैल्यू स्कीमा की मदद से, कैंपेन के असर को मेज़र किया जा रहा है, तो हम आपको कुछ सुझाव देना चाहेंगे

• पक्का करें कि Google Ads पर इस्तेमाल की जा रही कन्वर्ज़न विंडो, आपके ऐप्लिकेशन एट्रिब्यूशन प्लैटफ़ॉर्म पर तय की गई गतिविधि विंडो से मेल खाती हो. SKAdNetwork 3.5 के लिए, यह समय एक से तीन दिन का हो सकता है. इसलिए, Google Ads पर इसे अपनी ज़रूरत के हिसाब से बदला जा सकता है. इसके लिए, यहां दिया गया तरीका अपनाएं

• अगर Appsflyer का इस्तेमाल किया जा रहा है, तो फ़िलहाल डिफ़ॉल्ट इवेंट काउंटर 1 है. इसका मतलब है कि यह हर उपयोगकर्ता के हिसाब से कई इवेंट को ध्यान में नहीं रखता. अगर SKAN मेज़रमेंट के लिए इवेंट आधारित मॉडल का इस्तेमाल किया जा रहा है और Google Ads पर टीसीपीए कैंपेन से तुलना की जा रही है, तो Appsflyer के इस दिशा-निर्देश का पालन करके, इसे अपनी पसंद के मुताबिक बनाया जा सकता है

5. बधाई

बधाई हो, आपने SKAdNetwork कन्वर्ज़न वैल्यू स्कीमा को सेट अप कर लिया है. अब Google Ads SKAdNetwork रिपोर्ट में डेटा को मॉनिटर किया जा सकता है. इससे, लाइव होने के बाद अपने Google Ads कैंपेन के लिए कन्वर्ज़न वैल्यू देखी जा सकती हैं

आपने सीखा

• BigQuery में GA4F से मिले रॉ डेटा को एक्सप्लोर करने का तरीका
• अपने कारोबार के लिए रेवेन्यू बकेट का हिसाब लगाने का तरीका
• AppsFlyer की मदद से स्कीमा डिप्लॉय करना