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

1. शुरुआती जानकारी

शुरू करने से पहले कुछ ज़रूरी जानकारी

अगर आप कोई iOS ऐप्लिकेशन डेवलपर हैं, तो आपको iOS 14.5 और उसके बाद के वर्शन के लिए निजता से जुड़े अपडेट के बारे में ज़रूर पता होगा. Apple, SKAd Network API उपलब्ध कराता है, ताकि ऐप्लिकेशन इंस्टॉल करने के बाद काम के कन्वर्ज़न ऐक्शन का आकलन किया जा सके. इसकी मदद से, उपयोगकर्ता की निजता को ध्यान में रखते हुए अपने विज्ञापन कैंपेन की सफलता का आकलन किया जा सकता है. अपने कारोबार की ज़रूरतों के आधार पर, SKAd Network का इस्तेमाल करने का सबसे बेहतर तरीका ढूंढा जा सकता है. इससे आपको अपने कैंपेन के बारे में अहम जानकारी मिल सकती है. इस कोडलैब में, हम BigQuery में GA4F डेटा इस्तेमाल करके, ऐप्लिकेशन इंस्टॉल करने के बाद होने वाली आय को बकेट में ग्रुप करने के लिए, एक उदाहरण के तौर पर दिए गए तरीके का इस्तेमाल करते हैं. इस तरीके का इस्तेमाल करके, अपने ऐप्लिकेशन एट्रिब्यूशन पार्टनर के साथ सेट अप किया जा सकता है. यह कोडलैब, रेवेन्यू के आधार पर काम करता है. हालांकि, SKAN मेज़रमेंट के लिए, इवेंट या फ़नल पर आधारित तरीकों का भी इस्तेमाल किया जा सकता है. ज़्यादा जानकारी के लिए, कृपया इस सहायता केंद्र पर जाएं. यह सिर्फ़ एक उदाहरण है. यह Google का कोई आधिकारिक सुझाव नहीं है. अपने कारोबार की ज़रूरतों के हिसाब से, खुद का स्कीमा डिज़ाइन किया जा सकता है

हम इन विषयों पर बात करेंगे

• BigQuery में GA4F डेटा एक्सप्लोर करना
• पिछले एक दिन के अंदर ग्राहक में बदलने वाले उपयोगकर्ताओं की आय का डेटा देखें
• बकेट में ग्रुप रेवेन्यू का डेटा दिखाना
• हर बकेट में उपयोगकर्ता डिस्ट्रिब्यूशन को समझना
• Appsflyer SKAN Conversion Studio में बकेट लागू करें

ज़रूरी शर्तें

• आपके iOS ऐप्लिकेशन में मौजूद GA4F SDK टूल और सभी रेवेन्यू इवेंट इंटिग्रेट किए गए हैं (in_app_purchase या विज्ञापन से मिलने वाला रेवेन्यू)
• Firebase से BigQuery में डेटा एक्सपोर्ट करने की सुविधा चालू की गई
• ऐप्लिकेशन एट्रिब्यूशन पार्टनर, जो रेवेन्यू के सभी इवेंट भी रिकॉर्ड कर रहा है

2. BigQuery Export को ऐक्सेस करना

Google Cloud डेटासेट पर जाएं

प्रोजेक्ट सेटिंग > इंटिग्रेशन > BigQuery. टॉगल को सबसे पहले चालू करना ज़रूरी है. इसके चालू होने के बाद, डेटासेट उपलब्ध होने में करीब 48 घंटे लगते हैं. नीचे दिए गए लिंक पर क्लिक करें. यह आपको BigQuery पर ले जाएगा

कुछ क्वेरी चलाना

अब आप BigQuery में हैं, इसलिए आपको हर दिन जनरेट होने वाली टेबल दिखेंगी. नीचे दिए गए उदाहरण के स्क्रीनशॉट में, हमें 64 रोज़ टेबल दिखती हैं. इसलिए, एक्सपोर्ट 64 दिनों से चल रहा है. अगर आपने इसे पहली बार ऐक्सेस किया है, तो हो सकता है कि आपको पिछले दिन के डेटा के लिए, हर दिन की एक टेबल दिखे. दाईं ओर, आपको टेबल स्कीमा दिखता है. फ़ील्ड के बारे में ज़्यादा जानकारी यहां देखी जा सकती है

अपनी क्वेरी लिखना शुरू करने के लिए, आप Query > नए टैब में

इसके बाद, सैंपल क्वेरी को नए टैब में चलाकर देखें

3. रेवेन्यू के डेटा का विश्लेषण करना

इंस्टॉल से जुड़ा डेटा फ़ेच करना

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

BigQuery के लिए, आपके पास user_pseudo_id (इसे ऐप्लिकेशन इंस्टेंस आईडी भी कहा जाता है) आइडेंटिफ़ायर है. इसलिए, इन उपयोगकर्ताओं को ढूंढने के लिए नीचे दी गई क्वेरी का इस्तेमाल करें

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 ध्यान देने वाली कुछ बातें

• कृपया टेबल के नाम को Analytics से एक्सपोर्ट की गई अपनी टेबल से बदलें. हर दिन की कई टेबल पर क्वेरी करने के लिए, वाइल्डकार्ड का इस्तेमाल किया जा सकता है. उदाहरण के लिए, 2023* में 2023 के पूरे डेटा के लिए क्वेरी की जाएगी
• अगर आपके पास कई उपयोगकर्ता हैं, तो तेज़ी से प्रोसेस करने के लिए पिछले 30 दिनों के दौरान भी क्वेरी की जा सकती है
• हम प्लैटफ़ॉर्म = ‘IOS' पर 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 एक फ़िल्टर भी जोड़ा जा सकता है

रेवेन्यू का डेटा फ़ेच करना

चलिए, अब आपके उपयोगकर्ताओं की आय के बारे में जानकारी पाने के लिए क्वेरी पर नज़र डालते हैं. इस मामले में, हम यह मानेंगे कि आपके रेवेन्यू के इवेंट, in_app_purchase और ad_impression हैं. in_app_purchase से मिलने वाला रेवेन्यू, event_value_usd में उपलब्ध होता है, जबकि ad_impression के लिए आय, इवेंट पैरामीटर के वैल्यू पैरामीटर में उपलब्ध है. अगर आपको BigQuery में इवेंट पैरामीटर के बारे में जानकारी नहीं है, तो हमारा सुझाव है कि आप यहां परिभाषा देखें. हमारे आधिकारिक रेफ़रंस में, इस सैंपल क्वेरी को आज़माएं. इसमें, event_params से वैल्यू निकालना भी शामिल 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, जानते हैं कि यहां की गई क्वेरी क्या कर रही है. आपको इन बातों पर ध्यान देना होगा

• WHERE क्लॉज़ में, हम रेवेन्यू इवेंट को फ़िल्टर करते हैं, क्योंकि हमें सिर्फ़ उनमें दिलचस्पी है. पिछली बार की तरह हम iOS डेटा ढूंढ रहे हैं
• अब SELECT क्लॉज़ में, हम विज्ञापन से होने वाली आय इवेंट (ad_impression) की वैल्यू और मुद्रा ले रहे हैं. साथ ही, इवेंट के in_app_purchase होने पर, हम event_value_in_usd ले रहे हैं
• अगर आप कई मुद्राएं भेज रहे हैं, तो पहले आपको इस विश्लेषण के लिए एक ही मुद्रा को अलाइन करना होगा. इस उदाहरण के लिए, हम यह मानेंगे कि विज्ञापन से मिलने वाले रेवेन्यू की मुद्रा भी डॉलर है

आउटपुट कुछ ऐसा होगा: user_pseudo_id के कॉलम को यहां छिपाने के लिए बदलाव किया गया है.

इस डेटा को जोड़ना

अब तक, हमने दो क्वेरी चलाई हैं: पहली क्वेरी उन उपयोगकर्ताओं का डेटा ढूंढने के लिए जिन्होंने ऐप्लिकेशन को इंस्टॉल और खोला है और दूसरी क्वेरी का इस्तेमाल, इन उपयोगकर्ताओं की आय के बारे में जानने के लिए किया है. आइए, अब याद करते हैं कि हमने SKAd नेटवर्क की सीमाओं के बारे में क्या चर्चा की थी. एट्रिब्यूशन विंडो, इंस्टॉलेशन के बाद सिर्फ़ 0 से दो दिनों के अंदर उपलब्ध हो सकती है. इसलिए, हमें इंस्टॉल और रेवेन्यू के लिए, इवेंट के टाइमस्टैंप की जांच करनी होगी. साथ ही, अगर यह जानकारी दी गई समयसीमा में आती है, तो हमें सिर्फ़ ऐसी जानकारी लेनी होगी. आइए, अब एक ऐसी क्वेरी के बारे में बात करते हैं जो ऐप्लिकेशन इंस्टॉल किए जाने के दो दिनों के अंदर हर पोस्ट से मिला कुल रेवेन्यू देती है

#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, user_pseudo_id फ़ील्ड में इंस्टॉल डेटा और रेवेन्यू का डेटा जोड़ने की कोशिश करती है. इसके बाद, हमें यह पक्का करना होता है कि टाइमस्टैंप दो दिनों के अंदर का हो. अगर SKAd Network 3.5 का इस्तेमाल किया जा रहा है, तो डिफ़ॉल्ट तौर पर यह 24 घंटे का होता है. इसलिए, इस शर्त को बदलकर सिर्फ़ एक दिन का डेटा शामिल किया जा सकता है

रेवेन्यू को अलग-अलग कैटगरी में बांटना

पिछली क्वेरी के बाद, आपके पास user_pseudo_id और कुल आय होगी

अब हमें इसे बकेट में जोड़ना होगा, ताकि हम कन्वर्ज़न वैल्यू रेंज के लिए इनका इस्तेमाल कर सकें. इसके लिए, हम BigQuery में approx_quantityantiles फ़ंक्शन का इस्तेमाल करेंगे. यह फ़ंक्शन आपके लिए अपने-आप ये रेंज बनाता है. मान लीजिए कि इस उदाहरण के लिए हम 5 रेंज बनाना चाहते हैं, ताकि हम सिर्फ़ SELECT approx_quaantiles(total_revenue, 5) AS बकेट का इस्तेमाल कर सकें

चलिए, अब इसे अपनी पूरी 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 आय को पांच बकेट में बांट देगी और BigQuery प्रतिशत के तौर पर एक जैसा डिस्ट्रिब्यूशन बनाए रखने की कोशिश करेगा

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

अगर आपको हर बकेट में अपने उपयोगकर्ताओं के डिस्ट्रिब्यूशन को समझना है, तो यह एक वैकल्पिक चरण है. हमारे उदाहरण के लिए, पिछली क्वेरी में दिखाई गई बकेट रेंज इस तरह हैं:

• 0.1
• 0.5
• 2
• 2.5
• 5 [आखिरी वैल्यू का इस्तेमाल, रेंज के कॉन्फ़िगरेशन में नहीं किया जाएगा]

आखिरी रेंज के लिए, हम आखिरी बकेट 5 को अनदेखा करेंगे, क्योंकि आम तौर पर यह सबसे बड़ी वैल्यू होती है. इसलिए, हम सिर्फ़ 2.5 को आखिरी रेंज मान सकते हैं. इसकी वजह यह है कि ऐप्लिकेशन एट्रिब्यूशन की सुविधा देने वाली कंपनियां, आम तौर पर रेंज के मीन का इस्तेमाल करके आरओएएस का हिसाब लगाती हैं. इसलिए, एक जैसे कैलकुलेशन के लिए आउटलायर को शामिल न करें.

अब हम सभी रेंज में हर तारीख के लिए उपयोगकर्ताओं की संख्या देखने की कोशिश करेंगे, ताकि हम हर बकेट में उपयोगकर्ताओं की डेली वॉल्यूम को समझ सकें.हम इस सैंपल क्वेरी का इस्तेमाल करके ऐसा कर सकते हैं, जहां आप बकेट वैल्यू को अपने असल डेटा से बदल सकते हैं और 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

इससे, हर दिन के लिए रेवेन्यू की हर रेंज के उपयोगकर्ताओं की जानकारी दिखेगी. इसके बारे में नीचे बताया गया है. अगर आपको किसी बकेट में बहुत कम संख्याएं या सामान्य रूप से असमान वितरण दिखाई देता है, तो हो सकता है कि आप बकेट की संख्या समायोजित करना और क्वेरी को फिर से चलाना चाहें.

SKAd Network 4.0 के बारे में कम शब्दों में जानकारी

SKAd Network 4.0 से, दो दिन, 3 से 7 दिन, और 8 से 35 दिन तक के कई कन्वर्ज़न विंडो मिलते हैं. ऊपर दिए गए तरीके में, इन दूसरे स्थितियों के डेटा का विश्लेषण करने के लिए, विंडो को आसानी से बदला जा सकता है. LOW, MEDIUM, और ज़्यादा वाले अनुमानित ग्रेन वैल्यू भी उपलब्ध हैं. दोबारा, अगर आपको इस तरीके का इस्तेमाल करना है, तो इसे तीन बकेट की तरह समझें. इसलिए, बकेट की संख्या को 3 में बदलकर, LOW, MEDIUM, और HIGH कैटगरी के थ्रेशोल्ड हासिल किए जा सकते हैं

4. अपने एट्रिब्यूशन कंपनी के साथ डिप्लॉयमेंट

इस दिशा-निर्देश में, खास प्लैटफ़ॉर्म के हिसाब से बदलाव हो सकता है. इस बारे में नई जानकारी पाने के लिए, प्लैटफ़ॉर्म के प्रतिनिधियों से बात करें. इस उदाहरण में हम देखेंगे कि इसे AppsFlyer पर कैसे डिप्लॉय किया जा सकता है

हमने पहले जो क्वेरी चलाई थी उसमें आउटपुट के तौर पर मिली आखिरी रेंज इस तरह थीं

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

याद रखें कि हमने रेवेन्यू की पिछली रेंज को अनदेखा करने का फ़ैसला लिया है. ऐसा इसलिए, क्योंकि यह एक आउटलायर होगा, जिससे आपके ऐप्लिकेशन एट्रिब्यूशन प्रोवाइडर के औसत रेवेन्यू की गिनती पर असर पड़ सकता है.

AppsFlyer में SKAN Conversion Studio की सुविधा दी गई है. यहां इसे सीधे यूज़र इंटरफ़ेस (यूआई) में आसानी से डाला जा सकता है. आप या तो सीधे 4.0 का उपयोग कर सकते हैं या "कस्टम" का उपयोग कर सकते हैं मोड, आप 3.5 का उपयोग कर रहे हैं और "आय" जोड़ें और उन्हें मापा जा सकता है. इसके बाद, पिछले विश्लेषण में जिन रेवेन्यू रेंज का हिसाब लगाया गया था उन्हें जोड़ा जा सकता है.

Google Ads पर इस्तेमाल करने के सबसे सही तरीके और जानकारी

अगर Google Ads पर कैंपेन चलाए जा रहे हैं और SKAd Network की कन्वर्ज़न वैल्यू स्कीमा से उनके असर को मेज़र किया जा रहा है, तो हम आपको कुछ सुझाव देना चाहते हैं

• पक्का करें कि Google Ads पर इस्तेमाल की जा रही कन्वर्ज़न विंडो, उस गतिविधि विंडो से मेल खाती हो जिसे आपने अपने ऐप्लिकेशन एट्रिब्यूशन प्लैटफ़ॉर्म पर तय किया है. SKAd नेटवर्क 3.5 के लिए, इसमें एक से तीन दिन लग सकते हैं. इसलिए, यहां दिया गया तरीका अपनाकर, Google Ads पर ज़रूरत के मुताबिक बदलाव किया जा सकता है

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

5. बधाई

बधाई हो, आपने SKAd Network की कन्वर्ज़न वैल्यू स्कीमा को सेट अप कर लिया है. अपने Google Ads कैंपेन के लाइव होने के बाद उनकी कन्वर्ज़न वैल्यू देखने के लिए, अब Google Ads SKAd Network की रिपोर्ट में डेटा पर नज़र रखी जा सकती है

आपको सीख मिली है

• BigQuery में GA4F से मिले रिच रॉ डेटा को एक्सप्लोर करने का तरीका
• अपने कारोबार के लिए रेवेन्यू बकेट का हिसाब लगाने के लिए, विश्लेषण करने वाला तरीका
• AppsFlyer के साथ स्कीमा डिप्लॉय करना