फर्स्ट-टच बनाम लास्ट-टच बनाम मल्टी-टच एट्रिब्यूशन मॉडल

फर्स्ट-टच, लास्ट-टच और मल्टी-टच एट्रिब्यूशन मॉडल में क्या अंतर है? फर्स्ट-टच, लास्ट-टच और मल्टी-टच एट्रिब्यूशन मॉडल यह निर्धारित करते हैं कि मोबाइल मार्केटर उपयोगकर्ता अधिग्रहण (user acquisition) टचपॉइंट्स के बीच रूपांतरण का श्रेय कैसे वितरित करते हैं। जैसे-जैसे मोबाइल अधिग्रहण चैनल पेड सर्च, सोशल विज्ञापनों, इन्फ्लुएंसर्स और रीटारगेटिंग अभियानों में फैल रहे हैं, मोबाइल ऐप एट्रिब्यूशन मॉडल उपयोगकर्ता यात्राओं के दौरान चैनल के योगदान का मूल्यांकन करने के लिए मापन ढांचा प्रदान करते हैं।

एट्रिब्यूशन मॉडल एक मात्रात्मक नियम या गणितीय ढांचा है जो यह निर्धारित करता है कि रूपांतरण घटना (conversion event) से पहले मार्केटिंग टचपॉइंट्स के बीच रूपांतरण श्रेय और राजस्व मूल्य को कैसे आवंटित किया जाए। आंशिक या एकल-बिंदु श्रेय आवंटित करके, ये मॉडल मार्केटर्स को व्यक्तिगत मीडिया चैनलों की वास्तविक अधिग्रहण दक्षता का मूल्यांकन करने में सक्षम बनाते हैं।

मोबाइल मापन प्लेटफॉर्म (MMP) जैसे AppsFlyer, Adjust, Branch, और Openinstall अभियानों के टचपॉइंट्स, इंस्टॉल्स, पोस्ट-इंस्टॉल इवेंट्स और विज्ञापन चैनलों के बीच राजस्व संकेतों को पुन: मेल करने के लिए एट्रिब्यूशन मॉडल लागू करते हैं।

यहाँ जाएँ: त्वरित तुलना तालिका | एट्रिब्यूशन बनाम एट्रिब्यूशन विंडो | एट्रिब्यूशन बनाम इंक्रीमेंटैलिटी | अक्सर पूछे जाने वाले प्रश्न

त्वरित उत्तर

मोबाइल मार्केटिंग में, एट्रिब्यूशन मॉडल स्वयं कोई ट्रैकिंग तंत्र नहीं है। यह एट्रिब्यूशन प्रक्रिया के दौरान लागू किया जाने वाला निर्णय नियम है जो यह निर्धारित करता है कि किस टचपॉइंट को रूपांतरण का श्रेय मिलना चाहिए। फर्स्ट-टच डिस्कवरी को मापता है, लास्ट-टच अंतिम रूपांतरण प्रभाव को मापता है, और मल्टी-टच कई इंटरैक्शन के संयुक्त योगदान का मूल्यांकन करता है।

• लास्ट-टच एट्रिब्यूशन तब चुनें जब: आपके उत्पाद का खरीदारी चक्र छोटा (24 घंटे से कम) हो, और उपयोगकर्ता आमतौर पर एक विज्ञापन इंटरैक्शन के तुरंत बाद रूपांतरित हो जाते हैं।
• मल्टी-टच एट्रिब्यूशन तब चुनें जब: आपका ऐप मल्टी-चैनल यात्राओं (जैसे पेड सर्च, सोशल विज्ञापन और इन्फ्लुएंसर अभियान) या सदस्यता मॉडल से जुड़ा हो जिसमें कई सप्ताह का विचार समय लगता है।
• डेटा-संचालित एट्रिब्यूशन तब चुनें जब: आपकी टीम के पास पर्याप्त रूपांतरण मात्रा और योगदान मॉडल को प्रशिक्षित करने के लिए सांख्यिकीय रूप से सार्थक ऐतिहासिक टचपॉइंट डेटा हो।

त्वरित तुलना तालिका

नीचे दी गई तालिका सारांशित करती है कि सिंगल-टच और मल्टी-टच एट्रिब्यूशन मॉडल के बीच रूपांतरण श्रेय कैसे वितरित किया जाता है:

एट्रिब्यूशन मॉडल चयन चेकलिस्ट

• लास्ट-टच मॉडल का उपयोग करें यदि:
  • ✓ अभियान एकल-चैनल CPI मॉडल पर चलते हैं।
  • ✓ रूपांतरण चक्र पहली विज्ञापन एक्सपोजर के 24 घंटों के भीतर पूरा हो जाता है।
  • ✓ उपयोगकर्ता यात्राओं में न्यूनतम मध्यवर्ती पोषण टचपॉइंट्स शामिल होते हैं।
• मल्टी-टच मॉडल का उपयोग करें यदि:
  • ✓ मार्केटिंग खर्च कई भुगतान नेटवर्क, सर्च और सोशल चैनलों में वितरित होता है।
  • ✓ उत्पादों के लिए कई सप्ताह के विचार की आवश्यकता होती है (जैसे सदस्यता ऐप्स, फिनटेक, B2B SaaS)।
  • ✓ SAN नेटवर्क (जैसे मेटा विज्ञापन और गूगल विज्ञापन) ओवरलैपिंग रूपांतरण दावे करते हैं।
• डेटा-संचालित मॉडल का उपयोग करें यदि:
  • ✓ अभियान की मात्रा मासिक रूप से हजारों रूपांतरण उत्पन्न करती है।
  • ✓ डेटा इंफ्रास्ट्रक्चर इवेंट-स्तरीय टचपॉइंट लॉग निर्यात करने का समर्थन करता है।

सामान्य मोबाइल एट्रिब्यूशन मॉडल प्रकार

मोबाइल एट्रिब्यूशन ढांचे को श्रेय वितरण नियमों के आधार पर तीन संरचनात्मक प्रतिमानों में वर्गीकृत किया गया है:

• सिंगल-टच एट्रिब्यूशन: रूपांतरण का 100% श्रेय एक ही इंटरैक्शन को देता है। इसमें फर्स्ट-टच (प्रारंभिक डिस्कवरी टचपॉइंट को श्रेय देना) और लास्ट-टच (एट्रिब्यूशन विंडो के भीतर अंतिम इंटरैक्शन को श्रेय देना) शामिल है।

• नियम-आधारित मल्टी-टच एट्रिब्यूशन: सभी रिकॉर्ड किए गए टचपॉइंट्स पर निश्चित एल्गोरिथम प्रतिशत लागू करता है। इसमें लीनियर (समान श्रेय), टाइम-डिके (हाल के इंटरैक्शन को अधिक श्रेय), और पोजीशन-आधारित (U-आकार का श्रेय) शामिल हैं।

• एल्गोरिथम एट्रिब्यूशन: टचपॉइंट योगदान की गतिशील रूप से गणना करने के लिए मशीन लर्निंग का उपयोग करता है।

  मोबाइल एट्रिब्यूशन मॉडल
  │
  ├── सिंगल-टच एट्रिब्यूशन
  │ ├── फर्स्ट-टच एट्रिब्यूशन
  │ └── लास्ट-टच एट्रिब्यूशन
  │
  ├── नियम-आधारित मल्टी-टच एट्रिब्यूशन
  │ ├── लीनियर एट्रिब्यूशन
  │ ├── टाइम-डिके एट्रिब्यूशन
  │ └── पोजीशन-आधारित एट्रिब्यूशन (U-आकार)
  │
  └── एल्गोरिथम एट्रिब्यूशन
  └── डेटा-संचालित मशीन लर्निंग मॉडल

मोबाइल एट्रिब्यूशन उद्योग संदर्भ

मोबाइल मापन उद्योग के बेंचमार्क के अनुसार, जैसे-जैसे मोबाइल विज्ञापन पारिस्थितिकी तंत्र अधिक जटिल होते गए, मोबाइल एट्रिब्यूशन सरल इंस्टाल-स्तरीय मापन से विकसित होकर इवेंट और राजस्व-आधारित एट्रिब्यूशन की ओर बढ़ गया।

प्रारंभिक लागत-प्रति-इंस्टॉल (CPI) अभियान आमतौर पर लास्ट-टच एट्रिब्यूशन पर निर्भर थे क्योंकि रूपांतरण पथ छोटे थे और प्रदर्शन डिस्प्ले विज्ञापन और भुगतान किए गए अधिग्रहण चैनलों का वर्चस्व था। जैसे-जैसे सदस्यता ऐप्स, गेमिंग मुद्रीकरण लूप और क्रॉस-चैनल अधिग्रहण का विस्तार हुआ, मार्केटर्स ने सहायता प्राप्त रूपांतरणों का विश्लेषण करने और फनल के ऊपरी हिस्से के मीडिया खर्च का मूल्यांकन करने के लिए मल्टी-टच और डेटा-संचालित एट्रिब्यूशन मॉडल को अपनाना शुरू किया।

आधुनिक एट्रिब्यूशन आर्किटेक्चर क्लिक लॉग्स, इंप्रेशन डेटा, ऐप स्टोर इंस्टाल सिग्नल, पोस्ट-इंस्टॉल रूपांतरण इवेंट्स और राजस्व कॉल-बैक को एकीकृत करते हैं ताकि प्रारंभिक डाउनलोड से परे अधिग्रहण गुणवत्ता का मूल्यांकन किया जा सके।

एट्रिब्यूशन मॉडल चयन मार्केटिंग प्रदर्शन को कैसे प्रभावित करता है

एक अनुपयुक्त एट्रिब्यूशन मॉडल चुनना अभियान के मूल्यांकन में गलत प्रदर्शन रिपोर्टिंग पेश करता है। ऐतिहासिक रूप से, विकास टीमें अपनी सरलता के कारण सिंगल-टच ढांचे—विशेष रूप से लास्ट-टच मापन—पर निर्भर थीं। हालाँकि, रूपांतरण का 100% श्रेय अंतिम विज्ञापन जुड़ाव को देने से उन पिछले डिस्कवरी और विचार इंटरैक्शन की अनदेखी हो जाती है जिन्होंने मूल रूप से उपयोगकर्ता को अधिग्रहण फ़नल में निर्देशित किया था।

यह एकल-बिंदु पूर्वाग्रह मीडिया खरीद में वित्तीय जोखिम पैदा करता है। फ़नल के ऊपरी हिस्से वाले अभियान, जैसे वीडियो जागरूकता विज्ञापन या इन्फ्लुएंसर प्रचार, प्रारंभिक उपयोगकर्ता रुचि उत्पन्न करने के बावजूद अक्सर शून्य रूपांतरण श्रेय प्राप्त करते हैं। नतीजतन, मार्केटिंग टीमें गलती से उच्च-प्रदर्शन वाले डिस्कवरी चैनलों के लिए फंडिंग में कटौती कर सकती हैं, और बजट को पूरी तरह से बॉटम-ऑफ़-फ़नल रीटारगेटिंग विज्ञापनों में पुनर्निर्देशित कर सकती हैं जो केवल उन उपयोगकर्ताओं के लिए अंतिम श्रेय का दावा करते हैं जो पहले से ही रूपांतरित होने की संभावना रखते थे।

मार्केटिंग दक्षता का मूल्यांकन करने के लिए यह मूल्यांकन करना आवश्यक है कि विभिन्न टचपॉइंट्स एक एकल अधिग्रहण में कैसे योगदान करते हैं। एक इष्टतम एट्रिब्यूशन मॉडल पूरी उपयोगकर्ता यात्रा में संतुलित दृश्यता प्रदान करता है, जिससे मार्केटिंग टीमों को वास्तविक विज्ञापन खर्च पर प्रतिफल (ROAS) की गणना करने और जटिल मीडिया मिश्रण में ग्राहक अधिग्रहण लागत (CAC) को अनुकूलित करने की अनुमति मिलती है।

सिंगल-टच और मल्टी-टच एट्रिब्यूशन ढांचे की तुलना

बुनियादी स्तर पर, मोबाइल अभियान मापन को सिंगल-टच और मल्टी-टच एट्रिब्यूशन ढांचे में विभाजित किया गया है। प्रत्येक ढांचा उपयोगकर्ता इंटरैक्शन डेटा को अलग-अलग संसाधित करता है:

• सिंगल-टच एट्रिब्यूशन: एक उपयोगकर्ता यात्रा का मूल्यांकन एकल इंटरैक्शन—या तो सबसे पहला या सबसे अंतिम रिकॉर्ड किया गया क्लिक या इंप्रेशन—चुनकर और उस एकल बिंदु को रूपांतरण मूल्य का 100% आवंटित करके करता है।
• मल्टी-टच एट्रिब्यूशन (MTA): रूपांतरण से पहले उपलब्ध उपयोगकर्ता इंटरैक्शन को कैप्चर करता है, सभी पात्र टचपॉइंट्स के बीच आंशिक श्रेय वितरित करने के लिए वेटिंग नियम लागू करता है।

यह दर्शाने के लिए कि एट्रिब्यूशन मॉडल मल्टी-चैनल उपयोगकर्ता यात्रा में रूपांतरण श्रेय कैसे आवंटित करते हैं, $49.99 की वार्षिक सदस्यता खरीद में परिणत होने वाले 30-दिवसीय रूपांतरण चक्र पर विचार करें:

• दिन 0: उपयोगकर्ता TikTok वीडियो विज्ञापन देखता है और लिंक पर क्लिक करता है (ब्रांड डिस्कवरी)।
• दिन 3: उपयोगकर्ता गूगल पेड सर्च पर ऐप खोजता है और टेक्स्ट विज्ञापन पर क्लिक करता है।
• दिन 7: उपयोगकर्ता मेटा विज्ञापन रीटारगेटिंग बैनर पर क्लिक करता है।
• दिन 30: उपयोगकर्ता एप्लिकेशन के भीतर $49.99 की सदस्यता खरीद पूरी करता है।

इन दृष्टिकोणों के बीच जल्दी से निर्णय लेने के लिए, डेटा टीमें उपयोगकर्ता निर्णय समयसीमा के आधार पर निम्नलिखित निर्णय प्रवाह का उपयोग करती हैं:

क्या उपयोगकर्ता पहली विज्ञापन एक्सपोजर के 24 घंटों के भीतर रूपांतरित होते हैं?
       │
      हाँ ──> लास्ट-टच मॉडल
       │
       नहीं
       │
क्या उपयोगकर्ता रूपांतरण से पहले कई विज्ञापन चैनलों के साथ इंटरैक्ट करते हैं?
       │
      हाँ ──> मल्टी-टच मॉडल (पोजीशन-आधारित या टाइम डिके)
       │
       नहीं ──> फर्स्ट-टच या लीनियर मॉडल

एट्रिब्यूशन मॉडल रूपांतरण श्रेय कैसे आवंटित करते हैं

एट्रिब्यूशन मॉडल रिकॉर्ड किए गए अभियान टचपॉइंट्स के बीच श्रेय आवंटित करने के लिए विशिष्ट वेटिंग नियमों का उपयोग करते हैं। विकास टीमें आमतौर पर अपनी रूपांतरण जटिलता के आधार पर पाँच प्राथमिक नियम-आधारित मॉडलों में से चुनती हैं:

लास्ट-टच मॉडल

• श्रेय आवंटन नियम: रूपांतरण से पहले एट्रिब्यूशन विंडो के भीतर अंतिम योग्य क्लिक, या व्यू-थ्रू इंप्रेशन (जहाँ समर्थित हो) को 100% रूपांतरण श्रेय आवंटित करता है।
• श्रेय सूत्र: अंतिम टचपॉइंट श्रेय = 100% रूपांतरण मूल्य।
• उपयोग का मामला: हालांकि यह बहुत सीधा है, यह मॉडल डिस्कवरी चैनलों की उपेक्षा करता है, जिससे रीटारगेटिंग और ब्रांडेड सर्च की ओर भारी झुकाव पैदा होता है।

फर्स्ट-टच मॉडल

• श्रेय आवंटन नियम: उस प्रारंभिक रिकॉर्ड किए गए मार्केटिंग टचपॉइंट को 100% श्रेय देता है जिसने उपयोगकर्ता को ऐप से परिचित कराया।
• श्रेय सूत्र: प्रारंभिक टचपॉइंट श्रेय = 100% रूपांतरण मूल्य।
• उपयोग का मामला: यह मॉडल ब्रांड जागरूकता चैनलों को उजागर करता है, लेकिन बाद की रीटारगेटिंग या अंतिम रूपांतरण चालकों में शून्य दृश्यता प्रदान करता है।

लीनियर एट्रिब्यूशन मॉडल

• श्रेय आवंटन नियम: रूपांतरण विंडो के भीतर सभी रिकॉर्ड किए गए टचपॉइंट्स के बीच रूपांतरण मूल्य को समान रूप से वितरित करता है।
• श्रेय सूत्र: प्रति टचपॉइंट श्रेय = 1 ÷ N, जहाँ N रिकॉर्ड किए गए टचपॉइंट्स की कुल संख्या का प्रतिनिधित्व करता है।
• उपयोग का मामला: हालांकि संतुलित, यह मॉडल कम-इरादे वाले विज्ञापन दृश्यों को उच्च-इरादे वाले रूपांतरण क्लिक के समान वजन के साथ मानता है।

टाइम-डिके एट्रिब्यूशन मॉडल

• श्रेय आवंटन नियम: उन टचपॉइंट्स को उच्च श्रेय भार आवंटित करने के लिए डिके फॉर्मूला का उपयोग करता है जो अंतिम रूपांतरण के समय के करीब हुए थे।
• टाइम-डिके वेटिंग सूत्र: श्रेय भार = 2^(-t/h), जहाँ t बीते हुए समय का प्रतिनिधित्व करता है और h चयनित हाफ-लाइफ पैरामीटर का प्रतिनिधित्व करता है। प्रत्येक टचपॉइंट वजन की गणना करने के बाद, मान सामान्यीकृत होते हैं ताकि कुल एट्रिब्यूशन श्रेय 100% के बराबर हो।
• उपयोग का मामला: रूपांतरण के करीब के टचपॉइंट्स को अधिक श्रेय मिलता है, यह स्वीकार करते हुए कि हाल के इंटरैक्शन खरीदारी के निर्णय पर अधिक मजबूत प्रभाव डालते हैं।

पोजीशन-आधारित मॉडल

• श्रेय आवंटन नियम: टचपॉइंट अनुक्रमों में वेटिंग वितरित करता है, प्रारंभिक डिस्कवरी और अंतिम रूपांतरण को उच्च भार आवंटित करता है, जबकि शेष श्रेय को मध्यवर्ती स्पर्शों के बीच विभाजित करता है।
• मिडिल-टच आवंटन: फर्स्ट टच = 40%, लास्ट टच = 40%, मिडिल टच = 20% जो मध्यवर्ती इंटरैक्शन के बीच समान रूप से विभाजित है। जब किसी यात्रा में केवल दो टचपॉइंट होते हैं, तो प्लेटफॉर्म कॉन्फ़िगरेशन के आधार पर समान आवंटन जैसे सरल नियमों को लागू कर सकते हैं।
• उपयोग का मामला: एक सामान्य U-आकार का कार्यान्वयन पहले टच को 40% श्रेय, अंतिम टच को 40% देता है, और शेष 20% को मध्य इंटरैक्शन के बीच समान रूप से वितरित करता है, ब्रांड डिस्कवरी को खरीद निष्पादन के साथ संतुलित करता है।

नियम-आधारित बनाम एल्गोरिथम एट्रिब्यूशन मॉडल

जबकि नियम-आधारित एट्रिब्यूशन मॉडल टचपॉइंट्स पर निश्चित स्थिर प्रतिशत लागू करते हैं, एल्गोरिथम या डेटा-संचालित एट्रिब्यूशन मॉडल उपयोगकर्ता इंटरैक्शन श्रृंखलाओं का गतिशील रूप से विश्लेषण करने के लिए मशीन लर्निंग का उपयोग करते हैं।

एल्गोरिथम मॉडल ऐतिहासिक रूपांतरण पथों के आधार पर सांख्यिकीय और मशीन लर्निंग मॉडल का उपयोग करके टचपॉइंट्स की सापेक्ष योगदान संभावना का अनुमान लगाते हैं:

• मार्कोव चेन मॉडल: टचपॉइंट्स के बीच संक्रमण संभावनाओं का विश्लेषण करते हैं और हटाने के प्रभावों के माध्यम से चैनल योगदान का अनुमान लगाते हैं।
• शापली वैल्यू मॉडल: टचपॉइंट संयोजनों के दौरान प्रत्येक विज्ञापन चैनल के सीमांत वृद्धिशील योगदान का मूल्यांकन करने के लिए सहकारी गेम थ्योरी यांत्रिकी लागू करता है।

हालांकि एल्गोरिथम मॉडल जटिल मीडिया मिश्रणों के लिए अच्छी तरह से अनुकूलित होते हैं, नियम-आधारित मॉडल ऑडिट करने के लिए आसान, कॉन्फ़िगर करने के लिए पारदर्शी और तीसरे पक्ष के मार्केटिंग चैनलों में पुन: मेल करने के लिए सरल रहते हैं।

निश्चित बनाम संभाव्य एट्रिब्यूशन

अभियान मापन में एक मौलिक तकनीकी अंतर वातावरण में उपयोगकर्ता इंटरैक्शन का मिलान करने के लिए उपयोग की जाने वाली प्रणाली है:

• निश्चित एट्रिब्यूशन: स्पष्ट, अद्वितीय पहचानकर्ताओं (जैसे अधिकृत IDFA, लॉगिन आईडी, या अधिकृत डिवाइस पहचानकर्ता) का उपयोग करके उपयोगकर्ता टचपॉइंट्स का मिलान करता है। निश्चित मिलान लगभग-सटीक सटीकता प्रदान करता है, लेकिन गोपनीयता सहमति दरों द्वारा सीमित है।
• संभाव्य एट्रिब्यूशन: जब स्पष्ट पहचानकर्ता प्रतिबंधित होते हैं, तो प्रासंगिक मिलान संकेतों (जैसे ब्राउज़र वातावरण और सत्र मेटाडेटा) का मूल्यांकन करके उपयोगकर्ता इंटरैक्शन का मिलान करता है। संभाव्य मॉडलिंग आधुनिक गोपनीयता बाधाओं के तहत व्यापक पहुंच प्रदान करती है।

क्लिक-थ्रू बनाम व्यू-थ्रू एट्रिब्यूशन

अभियान मापन में एक मौलिक अंतर क्लिक-थ्रू और व्यू-थ्रू एट्रिब्यूशन के बीच है:

• क्लिक-थ्रू एट्रिब्यूशन (CTA): एक स्थापित लुकबैक विंडो (जैसे, 7-दिवसीय क्लिक विंडो) के भीतर रूपांतरण से पहले एक स्पष्ट उपयोगकर्ता इंटरैक्शन (एक विज्ञापन क्लिक) की आवश्यकता होती है।
• व्यू-थ्रू एट्रिब्यूशन (VTA): उस उपयोगकर्ता द्वारा देखे गए विज्ञापन इंप्रेशन को श्रेय देता है जो बाद में विज्ञापन पर क्लिक किए बिना रूपांतरित होता है, जो काफी सख्त लुकबैक विंडो (जैसे, 24-घंटे इंप्रेशन विंडो) के भीतर काम करता है।

अधिकांश मोबाइल मापन प्लेटफॉर्म कार्यान्वयन विज्ञापन क्लिक और इंप्रेशन दोनों के पात्र रूपांतरण विंडो में आने पर व्यू-थ्रू एट्रिब्यूशन की तुलना में क्लिक एट्रिब्यूशन को प्राथमिकता देते हैं।

एट्रिब्यूशन बनाम इंक्रीमेंटैलिटी: कारण प्रभाव बनाम श्रेय आवंटन

आधुनिक मोबाइल विकास में एक महत्वपूर्ण अंतर एट्रिब्यूशन और इंक्रीमेंटैलिटी के बीच के अंतर को समझना है। विकास टीमें अक्सर इन दो मापन ढांचों को भ्रमित करती हैं:

• एट्रिब्यूशन (श्रेय आवंटन): पूर्व-निर्धारित मिलान नियमों के आधार पर उत्तर देता है कि किस चैनल को श्रेय प्राप्त होता है। एट्रिब्यूशन वित्तीय मूल्य वितरित करने के लिए टचपॉइंट श्रृंखलाओं को पीछे की ओर देखता है।
• इंक्रीमेंटैलिटी (कारण लिफ्ट): उत्तर देता है कि कौन से वृद्धिशील रूपांतरण हुए जो अन्यथा नहीं होते। इंक्रीमेंटैलिटी सच्चे कारण प्रभाव को मापने के लिए A/B परीक्षण और होल्डआउट समूहों का उपयोग करती है।

एक चैनल को लास्ट-टच मॉडल के तहत उच्च एट्रिब्यूशन श्रेय मिल सकता है (जैसे ब्रांडेड सर्च विज्ञापन), लेकिन इंक्रीमेंटैलिटी परीक्षण से पता चल सकता है कि उन उपयोगकर्ताओं में से 90% वैसे भी जैविक रूप से रूपांतरित हो जाते। उच्च-प्रदर्शन वाली विकास टीमें दिन-प्रतिदिन के अभियान अनुकूलन के लिए एट्रिब्यूशन मॉडल का उपयोग करती हैं, जबकि इंक्रीमेंटैलिटी प्रयोगों के माध्यम से समय-समय पर चैनल लिफ्ट को मान्य करती हैं।

गोपनीयता परिवर्तन और मोबाइल एट्रिब्यूशन पर SKAdNetwork प्रभाव

आधुनिक मोबाइल एट्रिब्यूशन को प्लेटफॉर्म गोपनीयता ढांचों, विशेष रूप से Apple के ऐप ट्रैकिंग ट्रांसपेरेंसी (ATT) और SKAdNetwork (SKAN) के लिए जिम्मेदार होना चाहिए। Apple के SKAdNetwork दस्तावेज़ीकरण में रेखांकित किया गया है, IDFA उपलब्धता को काफी प्रतिबंधित कर दिया गया है।

ये गोपनीयता परिवर्तन सीधे तौर पर प्रभावित करते हैं कि iOS डिवाइस पर एट्रिब्यूशन मॉडल कैसे कार्य करते हैं:

• एकत्रित पोस्टबैक वितरण: SKAdNetwork ट्रैकिंग को अधिकृत नहीं करने वाले उपयोगकर्ताओं के लिए गोपनीयता-संरक्षण एकत्रित अभियान मापन के साथ उपयोगकर्ता-स्तरीय एट्रिब्यूशन को बदल देता है। ये रूपांतरण मान उपयोगकर्ता-स्तरीय इवेंट एट्रिब्यूशन के बजाय एकत्रित पोस्ट-इंस्टॉल गतिविधि संकेतों का प्रतिनिधित्व करते हैं।
• रूपांतरण मान मैपिंग: मार्केटर्स को इन-ऐप इवेंट्स को सूक्ष्म रूपांतरण मानों के साथ मैप करना चाहिए (पुराने SKAdNetwork संस्करणों ने 6-बिट सूक्ष्म रूपांतरण मान प्रणाली का उपयोग किया था, जबकि नए संस्करणों ने मोटे मानों और कई पोस्टबैक सहित अतिरिक्त मापन तंत्र पेश किए हैं) सख्त पोस्टबैक समय विंडो के भीतर।
• मॉडल और संभाव्य एट्रिब्यूशन की ओर बदलाव: विकास टीमें सटीक रूप से चैनल प्रदर्शन का मूल्यांकन करने के लिए SKAN कुल पोस्टबैक को गोपनीयता-अनुपालन वाले फर्स्ट-पार्टी सत्र टोकन और इंक्रीमेंटैलिटी परीक्षण के साथ जोड़ रही हैं।

एट्रिब्यूशन धोखाधड़ी और मापन जोखिम

मोबाइल एट्रिब्यूशन को सुरक्षित करने के लिए यह समझना आवश्यक है कि अमान्य ट्रैफ़िक और विज्ञापन धोखाधड़ी कैसे एट्रिब्यूशन मॉडल गणनाओं को कमजोर करती है:

• क्लिक इंजेक्शन: धोखाधड़ी वाले स्क्रिप्ट्स स्टोर डाउनलोड ट्रिगर का पता लगाते हैं और पहले लॉन्च से मिलीसेकंड पहले सिम्युलेटेड विज्ञापन क्लिक इंजेक्ट करते हैं, लास्ट-टच मॉडल के तहत श्रेय चुराते हैं।
• क्लिक स्पैमिंग: दुर्भावनापूर्ण नेटवर्क जैविक इंस्टाल के लिए लास्ट-टच श्रेय का दावा करने की संभावना को कृत्रिम रूप से बढ़ाने के लिए उच्च-मात्रा, कम-इरादे वाले बैकग्राउंड क्लिक उत्पन्न करते हैं।
• इंस्टॉल हाईजैकिंग: वैध डिस्कवरी चैनलों से रूपांतरण श्रेय को हटाने के लिए पोस्ट-इंस्टॉल एट्रिब्यूशन संकेतों को रोकना।

धोखाधड़ी को रोकने के लिए क्लिक-टू-इंस्टॉल टाइम (CTIT) विश्लेषण, डिवाइस-स्तरीय विसंगति पता लगाने और सर्वर-साइड सत्यापन तंत्र की आवश्यकता होती है।

SAN एट्रिब्यूशन मॉडल सटीकता को कैसे प्रभावित करते हैं

मोबाइल ऐप एट्रिब्यूशन में एक बड़ी चुनौती सेल्फ-एट्रिब्यूटिंग नेटवर्क (SAN) का प्रबंधन करना है। प्रमुख विज्ञापन चैनल बंद पारिस्थितिकी तंत्र के रूप में कार्य करते हैं जो डिवाइस-स्तरीय क्लिक लॉग को बाहरी रूप से साझा नहीं करते हैं। इसके बजाय, ये नेटवर्क इंस्टाल होने पर अपने आंतरिक डेटाबेस को क्वेरी करके रूपांतरण श्रेय का दावा करते हैं।

जब कोई उपयोगकर्ता एप्लिकेशन इंस्टॉल करने से पहले कई सेल्फ-एट्रिब्यूटिंग नेटवर्क पर विज्ञापनों के साथ इंटरैक्ट करता है, तो SAN आमतौर पर उपयोगकर्ता-स्तरीय मिलान डेटा तक बाहरी पहुंच को प्रतिबंधित करते हैं और अपनी आंतरिक एट्रिब्यूशन प्रणालियों पर भरोसा करते हैं। नेटवर्क द्वारा स्व-रिपोर्ट किए गए डेटा पर भरोसा करने से दोहराया गया रूपांतरण रिपोर्टिंग हो सकता है जब नेटवर्क के बीच दावे ओवरलैप होते हैं।

इस संघर्ष को हल करने के लिए एक स्वतंत्र मोबाइल मापन प्लेटफॉर्म (MMP) तैनात करने की आवश्यकता होती है। स्वतंत्र एट्रिब्यूशन प्लेटफॉर्म रूपांतरण टाइमस्टैम्प को सामान्य करके, ओवरलैपिंग दावों को हटाकर और विज्ञापन चैनलों में सुसंगत एट्रिब्यूशन नियमों को लागू करके इन संघर्षों को हल करते हैं।

अपने व्यवसाय के लिए एट्रिब्यूशन मॉडल कैसे चुनें

इष्टतम एट्रिब्यूशन मॉडल चुनने के लिए व्यवसाय प्रकार, औसत उपयोगकर्ता निर्णय चक्र और मीडिया चैनल विविधता का मूल्यांकन करने की आवश्यकता होती है। नीचे दिया गया निर्णय मैट्रिक्स उत्पाद वर्टिकल के आधार पर अनुशंसित मॉडल ढांचे की रूपरेखा तैयार करता है:

एट्रिब्यूशन मॉडल बनाम एट्रिब्यूशन विंडो: क्या अंतर है

मार्केटर अक्सर एट्रिब्यूशन मॉडल को एट्रिब्यूशन विंडो के साथ भ्रमित करते हैं। हालांकि दोनों सेटिंग्स सीधे अभियान प्रदर्शन रिपोर्टिंग को प्रभावित करती हैं, वे अलग-अलग मापन कार्य करती हैं:

एट्रिब्यूशन विंडो को समझना

उपयुक्त लुकबैक विंडो सेट करना भी उतना ही महत्वपूर्ण है। एक एट्रिब्यूशन विंडो रूपांतरण से पहले की निर्धारित समयसीमा को परिभाषित करती है जिसके दौरान पूर्व विज्ञापन क्लिक या इंप्रेशन एट्रिब्यूशन श्रेय प्राप्त करने के पात्र बने रहते हैं। सामान्य एट्रिब्यूशन विंडो में शामिल हैं:

• 1-दिवसीय क्लिक एट्रिब्यूशन विंडो: अल्ट्रा-शॉर्ट इम्पल्स रूपांतरणों के लिए उपयोग किया जाता है, एट्रिब्यूशन दावों को तत्काल विज्ञापन जुड़ावों तक कम करता है।

• 7-दिवसीय क्लिक एट्रिब्यूशन विंडो: कई प्रदर्शन मार्केटिंग चैनलों में उपयोग किया जाने वाला एक सामान्य बेंचमार्क, जो खरीद निर्णय अंतराल के साथ हाल के इरादे को संतुलित करता है।

• 30-दिवसीय क्लिक एट्रिब्यूशन विंडो: उच्च-विचार सदस्यता या उद्यम उत्पादों में लागू किया जाता है जहां कई सप्ताह के मूल्यांकन की आवश्यकता होती है।

  [प्रारंभिक विज्ञापन डिस्कवरी] ──> [फर्स्ट टच: 40% श्रेय]
  │
  ▼
  [रीटारगेटिंग और सामग्री] ──> [मिडिल टच: 20% समान विभाजन]
  │
  ▼
  [अंतिम सर्च क्लिक] ──> [लास्ट टच: 40% श्रेय] ──> [रूपांतरण सत्यापित]

रूपांतरण विंडो को प्राकृतिक खरीदारी समयसीमा से मिलाना उन पुराने विज्ञापन इंटरैक्शन को श्रेय देने से रोकता है जिन्होंने उपयोगकर्ता के रूपांतरण निर्णय में कोई सक्रिय भूमिका नहीं निभाई थी।

टीमों को मल्टी-टच एट्रिब्यूशन की आवश्यकता कब होती है

कंपनियां आमतौर पर सिंगल-टच से मल्टी-टच एट्रिब्यूशन में तब संक्रमण करती हैं जब अभियान की जटिलता लास्ट-टच रिपोर्टिंग की सीमाओं को उजागर करती है। स्केलिंग एप्लिकेशन आमतौर पर चार स्थितियों के तहत मल्टी-टच ढांचे को अपनाते हैं:

• मल्टी-चैनल उपयोगकर्ता यात्राएं: संभावित उपयोगकर्ता ऐप इंस्टॉल करने से पहले लगातार तीन या अधिक अलग-अलग मीडिया चैनलों (जैसे इन्फ्लुएंसर वीडियो, सोशल विज्ञापन, और सर्च) के साथ इंटरैक्ट करते हैं।
• मीडिया बजट विस्तार: मासिक विज्ञापन व्यय एकल-चैनल परीक्षण से परे फैलता है, जिसके लिए सटीक क्रॉस-चैनल ROAS सत्यापन की आवश्यकता होती है।
• SAN एट्रिब्यूशन संघर्ष: सेल्फ-एट्रिब्यूटिंग नेटवर्क ओवरलैपिंग रूपांतरण दावे करते हैं, जिसके लिए दोहरे गिने गए राजस्व को हल करने के लिए तटस्थ डिडुप्लीकेशन की आवश्यकता होती है।
• सदस्यता प्रतिधारण फोकस: ग्राहक जीवनकाल मूल्य इम्पल्स पहले दिन की खरीदारी के बजाय दीर्घकालिक प्रतिधारण पर निर्भर करता है, जिससे टॉप-ऑफ-फ़नल डिस्कवरी चैनल बनाए रखना महत्वपूर्ण हो जाता है।

मोबाइल एट्रिब्यूशन के लिए व्यावहारिक विचार

वास्तविक दुनिया के मोबाइल मार्केटिंग अभियानों में, इंजीनियरिंग और एनालिटिक्स टीमें अक्सर तीन मुख्य परिचालन चुनौतियों का सामना करती हैं जो एट्रिब्यूशन सटीकता को प्रभावित करती हैं:

• SAN नेटवर्क ओवरलैप: प्रमुख सेल्फ-एट्रिब्यूटिंग नेटवर्क अक्सर स्वतंत्र रूप से एक ही रूपांतरण का दावा करते हैं, जिसके लिए विज्ञापन नेटवर्क भुगतान को मंजूरी देने से पहले सख्त डिडुप्लीकेशन नियमों को लागू करने के लिए एक तटस्थ बैकएंड मध्यस्थ की आवश्यकता होती है।
• एट्रिब्यूशन विंडो विसंगतियां: अलग-अलग विज्ञापन नेटवर्क अलग-अलग डिफ़ॉल्ट लुकबैक विंडो (जैसे 7-दिवसीय क्लिक बनाम 1-दिवसीय व्यू) लागू करते हैं, जिससे कच्चा अभियान प्रदर्शन तुलना भ्रामक हो जाती है जब तक कि केंद्रीय रूप से मानकीकृत न हो।
• पोस्ट-इंस्टॉल रूपांतरण देरी: उच्च-मूल्य मुद्रीकरण इवेंट (जैसे सदस्यता नवीनीकरण या गतिशील इन-ऐप चेकआउट) अक्सर प्रारंभिक डाउनलोड के हफ़्तों बाद होते हैं, जिसके लिए लगातार उपयोगकर्ता आईडी बाइंडिंग की आवश्यकता होती है।

इन जटिलताओं को हल करने के लिए, एक विश्वसनीय मोबाइल मापन आर्किटेक्चर तीन मापन पाइपलाइनों में एक सख्त कार्यात्मक अलगाव बनाए रखता है:

1. इंस्टॉल एट्रिब्यूशन: ऐप स्टोर सीमाओं में प्रारंभिक डाउनलोड उत्पत्ति को सत्यापित करता है।
2. इवेंट एट्रिब्यूशन: बाद के इन-ऐप उपयोगकर्ता कार्यों को विशिष्ट अभियान मापदंडों से बांधता है।
3. राजस्व एट्रिब्यूशन: वित्तीय ऑर्डर मूल्य को मूल अधिग्रहण चैनल से वापस जोड़ता है।

तकनीकी कार्यान्वयन और रॉ लॉग निर्यात

हालांकि एकत्रित डैशबोर्ड रिपोर्ट उच्च-स्तरीय प्रदर्शन सारांश प्रदान करती है, उन्नत डेटा टीमों को कस्टम एल्गोरिथम मॉडलिंग निष्पादित करने के लिए लॉग-स्तरीय टचपॉइंट डेटा की आवश्यकता होती है। गैर-एकत्रित, रॉ लॉग डेटा निर्यात करने से डेटा इंजीनियरों को उद्यम डेटा गोदामों के भीतर मालिकाना मल्टी-टच वेटिंग एल्गोरिदम बनाने की अनुमति मिलती है।

रॉ एट्रिब्यूशन लॉग्स दानेदार इवेंट मेटाडेटा को कैप्चर करते हैं, जिसमें सत्र पहचानकर्ता, टचपॉइंट टाइमस्टैम्प, विज्ञापन रचनात्मक आईडी और पूर्णांक सेंट में व्यक्त सामान्यीकृत राजस्व मेट्रिक्स शामिल हैं। ये संकेत प्लेटफॉर्म क्षमताओं के आधार पर सर्वर-टू-सर्वर पोस्टबैक, API, या अनुसूचित रॉ-डेटा निर्यात के माध्यम से वितरित किए जा सकते हैं। उत्पादन वेबहुक स्कीमा में आमतौर पर अतिरिक्त सत्यापन फ़ील्ड, पहचानकर्ता और सुरक्षा हस्ताक्षर शामिल होते हैं। एट्रिब्यूशन प्लेटफॉर्म एट्रिब्यूशन संकेतों को एकत्र करने और इवेंट-स्तरीय डेटा निर्यात करने के लिए बुनियादी ढांचा प्रदान करते हैं।

[रूपांतरण इवेंट] ──> [मिलान सर्वर] ──> [S2S वेबहुक प्रेषण] ──> [उद्यम गोदाम]

तकनीकी पेलोड विनिर्देशों के लिए रॉ डेटा निर्यात दस्तावेज़ीकरण देखें।

{
  "event_type": "attribution_postback",
  "model_applied": "position_based",
  "touchpoint_count": 3,
  "total_revenue_cents": 4999,
  "currency": "USD"
}

// उदाहरण एट्रिब्यूशन पोस्टबैक पेलोड स्कीमा
// फ़ाइल: postback_event_schema.json
{
  "event_type": "attribution_postback",
  "model_applied": "position_based",
  "touchpoint_count": 3,
  "total_revenue_cents": 4999,
  "currency": "USD"
}

सामान्य एट्रिब्यूशन मॉडल चयन गलतियाँ

एट्रिब्यूशन ढांचे के मूल्यांकन और संक्रमण के दौरान, विकास टीमें अक्सर कई कार्यान्वयन जाल का सामना करती हैं:

• सदस्यता उत्पादों के लिए लास्ट टच का उपयोग करना: सिंगल-टच मॉडल के साथ लंबे-विचार वाले ऐप्स का मूल्यांकन करना टॉप-ऑफ-फ़नल डिस्कवरी अभियानों को कम आंकता है, अधिग्रहण फ़नल के शीर्ष को भूखा रखता है।
• डिडुप्लीकेशन के बिना SAN रिपोर्ट किए गए इंस्टॉल्स की तुलना करना: सेल्फ-एट्रिब्यूटिंग नेटवर्क दावों को सीधे स्वीकार करना दोहरी गिनती का कारण बनता है, जो विज्ञापन चैनलों में गलत राजस्व मेट्रिक्स बनाता है।
• जैविक सहायता रूपांतरणों को अनदेखा करना: भुगतान किए गए विज्ञापन टचपॉइंट्स के साथ जैविक ब्रांड डिस्कवरी के लिए खाते में विफल रहने से रीटारगेटिंग मीडिया पर अधिक खर्च होता है।
• अत्यधिक लंबी लुकबैक विंडो सेट करना: उपयोगकर्ता की खरीदारी से हफ़्तों पहले हुए विज्ञापन क्लिक की गिनती करना उन निष्क्रिय विज्ञापन इंप्रेशन को श्रेय देता है जिन्होंने रूपांतरण इरादे को प्रेरित नहीं किया था।

उदाहरण: स्केलिंग मोबाइल ऐप के लिए मल्टी चैनल खर्च का मूल्यांकन करना

सिम्युलेटेड परिदृश्य: मोबाइल सदस्यता एप्लिकेशन एकीकरण

चुनौती

एक मोबाइल सदस्यता एप्लिकेशन ने पेड सर्च, सोशल मीडिया विज्ञापन और इन्फ्लुएंसर प्रायोजन में मार्केटिंग खर्च आवंटित किया। विशेष रूप से लास्ट-टच एट्रिब्यूशन पर निर्भर रहने से टॉप-ऑफ-फ़नल वीडियो डिस्कवरी चैनल गैर-लाभकारी दिखाई देने लगे, जिससे प्रबंधन जागरूकता अभियानों को रद्द करने पर विचार करने लगा।

कार्यान्वयन

मार्केटिंग एनालिटिक्स टीम ने एक पोजीशन-आधारित मल्टी-टच एट्रिब्यूशन मॉडल लागू किया, जिसमें विज्ञापन नेटवर्क दावों को डिडुप्लीकेट करने और उपयोगकर्ता अधिग्रहण यात्रा में आंशिक मूल्य वितरित करने के लिए एक स्वतंत्र एट्रिब्यूशन प्लेटफॉर्म से रॉ एट्रिब्यूशन निर्यात का उपयोग किया गया।

अपेक्षित परिणाम

यह कार्यान्वयन प्रदर्शित करता है कि कैसे मल्टी-टच मॉडल चैनल गलत आवंटन को रोकते हैं। मूल्यांकन के दौरान, विश्लेषण से पता चला कि इन्फ्लुएंसर अभियानों ने मापने योग्य सहायता प्राप्त रूपांतरणों में योगदान दिया, जिससे टीम को कुल इंस्टाल वॉल्यूम खोए बिना फ़नल के ऊपरी हिस्से के खर्च को प्रभावी ढंग से संतुलित करने में मदद मिली।

सीखे गए सबक

• चैनल स्थिति भूमिकाओं का ऑडिट करें: फर्स्ट-टच इंटरैक्शन का मूल्यांकन करना डिस्कवरी अभियानों को समय से पहले काटने से रोकता है।
• नेटवर्क दावों को डिडुप्लीकेट करें: एक स्वतंत्र प्लेटफॉर्म के माध्यम से पोस्टबैक संसाधित करना दोहरे गिने गए रूपांतरणों को समाप्त करता है।
• उपयोगकर्ता यात्राओं के लिए मॉडल का मिलान करें: विचार लंबाई के आधार पर वेटिंग फॉर्मूले चुनने से ROAS दृश्यता में सुधार होता है।

एट्रिब्यूशन मॉडल प्रदर्शन और उपयोग के मामले की तुलना

विभिन्न एट्रिब्यूशन मॉडल अभियान लक्ष्यों के आधार पर विश्लेषणात्मक विवरण के विभिन्न स्तर प्रदान करते हैं। नीचे दी गई तुलना सामान्य एट्रिब्यूशन ढांचे को सारांशित करती है:

सारांश और निर्णय ढांचा

जब आपके विकास उद्देश्य निम्नलिखित कार्यात्मक मानदंडों से मेल खाते हैं तो एक उन्नत मल्टी-टच एट्रिब्यूशन मॉडल चुनें:

• ✓ मल्टी-चैनल मीडिया मिश्रण: विज्ञापन खर्च कई भुगतान नेटवर्क, सामग्री रचनाकारों और रीटारगेटिंग चैनलों में एक साथ वितरित होता है।
• ✓ विस्तारित रूपांतरण विचार: उपयोगकर्ता निर्णय चक्र कई दिनों या हफ़्तों तक फैला होता है, जिसमें चेकआउट से पहले कई इंटरैक्शन शामिल होते हैं।
• ✓ SAN डिडुप्लीकेशन आवश्यक है: विज्ञापन नेटवर्क ओवरलैपिंग रूपांतरण दावे करते हैं जिन्हें स्वतंत्र बैकएंड सुलह की आवश्यकता होती है।
• ✓ दानेदार ROAS अनुकूलन आवश्यक: बजट आवंटन के लिए नीचे के फनल रूपांतरण के साथ टॉप-ऑफ-फनल जागरूकता योगदान को समझने की आवश्यकता है।

इन परिदृश्यों में, सिंगल-टच मापन से मल्टी-टच एट्रिब्यूशन मॉडल में संक्रमण चैनल दक्षता का एक सटीक दृश्य प्रदान करता है। यह बुनियादी ढांचा प्रदान करने वाले प्लेटफॉर्म मोबाइल टीमों को रेफरल-संचालित इंस्टाल को मापने की अनुमति देते हैं, जबकि फर्स्ट-पार्टी डेटा नियंत्रण बनाए रखते हैं। सर्वर-साइड एट्रिब्यूशन बुनियादी ढांचा बनाने वाली टीमों के लिए, Openinstall जैसे प्लेटफॉर्म वेबहुक-आधारित पोस्टबैक और लॉग-स्तरीय एट्रिब्यूशन निर्यात का समर्थन करते हैं।

मोबाइल मापन विशेषज्ञ द्वारा समीक्षा की गई | अंतिम अपडेट: अगस्त 2026

संबंधित एट्रिब्यूशन अवधारणाएं

संबंधित सामग्री

संबंधित अवधारणाएं

• इंस्टॉल एट्रिब्यूशन: एप्लिकेशन डाउनलोड स्रोतों की पहचान करने वाली मूलभूत मापन पाइपलाइन।
• ग्राहक अधिग्रहण लागत: एक एकल सक्रिय उपयोगकर्ता को प्राप्त करने के लिए आवश्यक कुल वित्तीय व्यय।
• सेल्फ-एट्रिब्यूटिंग नेटवर्क: प्रमुख विज्ञापन प्लेटफॉर्म जो बिना बाहरी सत्यापन के आंतरिक रूपांतरण गणना की रिपोर्ट करते हैं।

संबंधित तकनीकें

• Google Play इंस्टॉल रेफरर: Android पर इंस्टाल-टाइम अभियान मेटाडेटा पास करने वाला Google का देशी API।
• यूनिवर्सल लिंक्स: वेब क्रियाओं को देशी स्क्रीन से जोड़ने वाला Apple का देशी डीप लिंकिंग मानक।
• ऐप लिंक्स: Android पर कस्टम वेब URL को संभालने वाला Google का सत्यापित डीप लिंकिंग प्रोटोकॉल।
• मोबाइल मापन प्लेटफॉर्म: स्वतंत्र मापन प्रणाली जो चैनलों के बीच एट्रिब्यूशन संकेतों को एकीकृत और डिडुप्लिकेट करती है।
• SKAdNetwork: Apple का गोपनीयता-संरक्षण, एकत्रित विज्ञापन एट्रिब्यूशन मापन ढांचा।

आधिकारिक दस्तावेज़ीकरण / संदर्भ

• Google विज्ञापन एट्रिब्यूशन मॉडल दस्तावेज़ीकरण
• मेटा विज्ञापन एट्रिब्यूशन सेटिंग्स दस्तावेज़ीकरण
• Apple ऐप ट्रैकिंग ट्रांसपेरेंसी फ्रेमवर्क दिशानिर्देश
• Apple SKAdNetwork दस्तावेज़ीकरण
• Google Play सेवाएँ इंस्टॉल रेफरर API विनिर्देश