MMP คำนวณ ROI ของแอปมือถือได้อย่างไร?

MMP คำนวณ ROI ของแอปมือถือได้อย่างไร? MMP จะคำนวณ ROI โดยการเปรียบเทียบรายได้ที่มาจากการติดตั้งจริงของผู้ใช้ (Attributed Revenue) กับค่าใช้จ่ายในการทำตลาด โดยใช้ข้อมูลการทำ Attribution ของการติดตั้งและข้อมูล Conversion หลังการติดตั้งเพื่อเชื่อมโยงต้นทุนทางการตลาดเข้ากับผลลัพธ์ทางการเงิน เนื่องจากการหาผู้ใช้ใหม่บนมือถือครอบคลุมทั้งเครือข่ายโฆษณาหลายแห่งและช่องทางแบบออร์แกนิก นักการตลาดจึงใช้ข้อมูลจาก MMP เพื่อแก้ไขปัญหาการเคลม Conversion ซ้ำซ้อนและคำนวณ ROI ในระดับแคมเปญ

โดยสรุปง่ายๆ MMP จะคำนวณ ROI ของแอปมือถือตามสูตรนี้:

$$\text{ROI} = \frac{\text{รายได้ที่ได้รับการยืนยัน (Attributed Revenue)} - \text{ค่าใช้จ่ายในการโฆษณา}}{\text{ค่าใช้จ่ายในการโฆษณา}} \times 100%$$

MMP จะเชื่อมโยงต้นทุนการได้มาซึ่งผู้ใช้แบบเสียค่าใช้จ่าย เข้ากับข้อมูลการติดตั้งที่ผ่านการยืนยันและกิจกรรมการสร้างรายได้หลังการติดตั้ง เพื่อระบุว่าแคมเปญโฆษณานั้นสร้างผลตอบแทนทางการเงินที่เป็นบวกหรือไม่

สาระสำคัญ

• การคำนวณ ROI: เชื่อมโยงค่าใช้จ่ายแคมเปญกับรายได้ที่ตรวจสอบได้เพื่อประเมินผลกำไรโดยรวม
• การทำ Deduplication: กำจัดการเคลม Conversion ซ้ำซ้อนจากช่องทางโฆษณาที่ทับซ้อนกัน
• การแมปรายได้: เชื่อมโยงการซื้อในแอป การสมัครสมาชิก และรายได้จากโฆษณา เข้ากับแหล่งที่มาของการติดตั้งต้นทาง
• Conversion Postbacks: ส่งข้อมูลเหตุการณ์ที่ผ่านการยืนยันกลับไปยังแพลตฟอร์มโฆษณาเพื่อเพิ่มประสิทธิภาพแคมเปญโดยอัตโนมัติ

Mobile Measurement Partner (MMP) คืออะไร?

Mobile attribution คือกระบวนการเชื่อมโยงการติดตั้งแอปและเหตุการณ์ Conversion เข้ากับแหล่งที่มาของการได้มาซึ่งผู้ใช้ MMP จะจัดเตรียมโครงสร้างพื้นฐานที่จำเป็นในการทำ Attribution ข้ามช่องทางโฆษณาต่างๆ

MMP คำนวณประสิทธิภาพของแคมเปญโดยการเชื่อมโยงการคลิกโฆษณา ข้อมูลการติดตั้งที่ตรวจสอบได้ และเหตุการณ์รายได้หลังการติดตั้ง เข้าสู่โมเดล Attribution แบบรวมศูนย์

แพลตฟอร์ม MMP ทั่วไปประกอบด้วย AppsFlyer, Adjust และ Branch ซึ่งเชี่ยวชาญด้านการรวบรวมข้อมูลค่าใช้จ่ายโฆษณาในระดับองค์กรและการทำรายงาน Attribution โดย SDK เฉพาะทางสามารถรองรับการกู้คืนพารามิเตอร์หลังการติดตั้งและเวิร์กโฟลว์การติดตามเหตุการณ์ซึ่งจะป้อนข้อมูลเข้าสู่ระบบวิเคราะห์เหล่านี้

MMP ใช้ข้อมูลใดในการคำนวณ ROI?

เพื่อประเมินผลกำไรของแคมเปญ MMP จะรวบรวมและเชื่อมโยงข้อมูลตลอดวงจรชีวิตของผู้ใช้ การคำนวณผลตอบแทนจากการลงทุน (ROI) จำเป็นต้องรวบรวมข้อมูลจาก API ของโฆษณา, ตัวรับเหตุการณ์ฝั่งไคลเอนต์ และไปป์ไลน์เหตุการณ์ฝั่งแบ็กเอนด์

MMP ต้องการอินพุตข้อมูลหลัก 5 ประการ:

• ค่าใช้จ่ายแคมเปญโฆษณา: ตัวชี้วัดต้นทุนที่ดึงผ่าน Network API รวมถึงต้นทุนต่อคลิก (CPC), ต้นทุนต่อการมองเห็น (CPM) และค่าใช้จ่ายรวมของแคมเปญ
• สัญญาณการคลิกและการแสดงผล: ข้อมูลการมีส่วนร่วมของผู้ใช้ก่อนการติดตั้ง รวมถึงเวลาที่คลิก, รหัสผู้เผยแพร่โฆษณา และพารามิเตอร์แคมเปญแบบไดนามิก
• ข้อมูลการติดตั้งแอปที่ยืนยันแล้ว: เหตุการณ์การติดตั้งและสัญญาณการเปิดแอปครั้งแรกที่บันทึกโดย Mobile SDK เมื่อเริ่มใช้งานแอป
• เหตุการณ์รายได้ในแอป: ข้อมูลธุรกรรมหลังการติดตั้ง รวมถึงยอดการซื้อ, หมวดหมู่สินค้า และรหัสต่ออายุสมาชิก
• สัญญาณ Attribution: ตัวระบุที่สอดคล้องกับการขอความยินยอม, สัญญาณอุปกรณ์ หรือโทเค็น Conversion ที่เน้นความเป็นส่วนตัว

MMP คำนวณ ROI ทีละขั้นตอนอย่างไร?

การคำนวณผลตอบแทนจากการลงทุน (ROI) ของแคมเปญ จำเป็นต้องเชื่อมโยงค่าใช้จ่ายด้านการตลาดฝั่งหน้าบ้านเข้ากับรายได้จริงฝั่งหลังบ้าน MMP ประเมินผลกำไรแคมเปญผ่านไปป์ไลน์การคำนวณ 5 ขั้นตอน:

1. การเก็บข้อมูลการคลิก: ผู้ใช้โต้ตอบกับลิงก์โฆษณา พารามิเตอร์แคมเปญและโทเค็นการคลิกจะถูกบันทึกโดยเซิร์ฟเวอร์ Attribution
2. การทำ Attribution ของการติดตั้ง: เมื่อเปิดใช้งานครั้งแรก Mobile SDK จะสอบถามไปยังระบบจับคู่เพื่อระบุแหล่งที่มาของการติดตั้งโดยใช้ API ของสโตร์ และกู้คืนบริบทแคมเปญผ่าน deferred deep linking
3. การบันทึกเหตุการณ์ Conversion: เมื่อผู้ใช้ที่ได้มาทำรายการซื้อหรือต่ออายุสมาชิก ไลบรารีฝั่งไคลเอนต์จะบันทึกเหตุการณ์ Conversion เหล่านั้น
4. การจับคู่รายได้: ระบบ Attribution จะแมปธุรกรรมทางการเงินหลังการติดตั้งกลับไปยังแหล่งที่มาของการติดตั้งตามกรอบเวลาที่กำหนด (Cohorts วันที่ 7, 30 และ 90)
5. การคำนวณ ROI: แพลตฟอร์มจะรวบรวมรายได้ที่ตรวจสอบแล้ว หักลบด้วยค่าใช้จ่ายแคมเปญทั้งหมด และคำนวณความสามารถในการทำกำไรของช่องทาง

เพื่อสนับสนุนไปป์ไลน์การคำนวณนี้ โครงสร้างพื้นฐานการวัดผลจะจัดลำดับข้อมูลตามหน้าที่การทำงาน:

ทำความเข้าใจตัวชี้วัด ROAS, CAC และ LTV

จำนวนการติดตั้งเพียงอย่างเดียวไม่สามารถบ่งบอกถึงผลกำไรของแคมเปญได้ การเชื่อมโยงเหตุการณ์การติดตั้งเข้ากับผลลัพธ์ทางการเงินโดยตรง จะช่วยให้ทีมเติบโตสามารถประเมินประสิทธิภาพช่องทางระยะสั้นเทียบกับคุณค่าของผู้ใช้ในระยะยาวโดยใช้ 3 ตัวชี้วัด:

• ผลตอบแทนจากค่าโฆษณา (ROAS): วัดรายได้รวมต่อ 1 ดอลลาร์ที่จ่ายไปตามกรอบเวลาที่กำหนด:
  $$\text{ROAS}_t = \frac{\text{รายได้กลุ่มผู้ใช้ ณ วันที่ } t}{\text{ค่าใช้จ่ายโฆษณาของแคมเปญ}} \times 100%$$
• การคำนวณต้นทุนการได้มาซึ่งผู้ใช้ (CAC): ปรับค่าใช้จ่ายให้เป็นมาตรฐานโดยการหารต้นทุนเครือข่ายรวมด้วยจำนวนการติดตั้งที่ตรวจสอบแล้ว:
  $$\text{CAC} = \frac{\text{ค่าใช้จ่ายแคมเปญทั้งหมด}}{\text{จำนวนการติดตั้งที่ผ่านการตรวจสอบ}}$$
• มูลค่าตลอดอายุการใช้งาน (LTV): ช่วยให้ทีมการเงินเปรียบเทียบต้นทุนการได้มากับคุณค่าที่ได้รับตลอดช่วงเวลาใช้งานจริง และกำหนดจุดคุ้มทุนที่ชัดเจน

MMP เชื่อมโยงรายได้เพื่อคำนวณ ROI อย่างไร

การเชื่อมโยงธุรกรรมหลังการติดตั้งกับความสนใจโฆษณาต้นทางต้องอาศัยขั้นตอนการจับคู่รายได้อัตโนมัติหลายขั้นตอน:

Ad Spend Ingestion ──> Install Attribution ──> In-App Event Logging ──> Revenue Matching ──> ROI Calculation

เพื่อแสดงภาพรวมของกำไรระดับแคมเปญ ให้พิจารณาตัวอย่างการตรวจสอบช่องทางด้านล่าง:

MMP ช่วยเพิ่มความแม่นยำของ ROI อย่างไร

หากไม่มีการวัดผลที่เป็นกลาง นักการตลาดอาจคำนวณ ROI ผิดพลาดเนื่องจาก:

• เครือข่ายโฆษณาหลายแห่งอาจเคลมการติดตั้งเดียวกัน
• ผู้ใช้ออร์แกนิกอาจถูกนับรวมกับผู้ใช้ที่มาจากการทำโฆษณา
• เหตุการณ์รายได้หลังการติดตั้งอาจไม่ถูกเชื่อมโยงกับแหล่งที่มาดั้งเดิม
• การฉ้อโกงโฆษณาอาจทำให้ตัวชี้วัดผลงานของแคมเปญสูงเกินจริง

MMP สร้างชั้นการวัดผลที่เป็นอิสระซึ่งสร้างมาตรฐานกฎการ Attribution ข้ามช่องทาง และยังประเมินรายได้ส่วนเพิ่มเพื่อแยกแยะผลกระทบทางการตลาดที่แท้จริงจากการเติบโตแบบออร์แกนิก

MMP เชื่อมโยงการคลิกกับรายได้แอปอย่างไร

เวิร์กโฟลว์ Attribution ประกอบด้วย 4 ขั้นตอน: 1. การเก็บข้อมูลการคลิก, 2. การจับคู่การติดตั้ง, 3. การตรวจสอบ Conversion และ 4. การตอบกลับเครือข่าย

[คลิกโฆษณา] ──> [เครือข่ายโฆษณา] ──> [App Store] ──> [เปิดแอป]
                                                     │
                                                     ▼
[เพิ่มประสิทธิภาพโฆษณา] <── [S2S Postback] <── [MMP Server] <── [เหตุการณ์รายได้]

กระบวนการนี้ช่วยให้พารามิเตอร์การ Attribution ถูกบันทึกและส่งกลับไปยังอัลกอริทึมการประมูลโฆษณาได้อย่างปลอดภัย

ทำไมเครือข่าย Self-Attributing Networks ถึงสร้างปัญหาการวัด ROI

การโฆษณาบนมือถือพึ่งพาเครือข่าย Self-Attributing Networks (SAN) ขนาดใหญ่เช่น Meta และ Google ซึ่งเป็นระบบปิดที่วัดผลเองโดยไม่เปิดเผยข้อมูลการคลิกดิบให้บุคคลภายนอก เมื่อนักการตลาดทำแคมเปญหลายช่องทาง มักจะเกิดปัญหาข้อมูลการเคลมซ้ำซ้อน

MMP ทำหน้าที่เป็นชั้นการวัดผลที่เป็นกลางในการแก้ปัญหาเหล่านี้ โดยรับสัญญาณการมีส่วนร่วมจากทุกช่องทางและใช้กฎ Attribution ชุดเดียว ซึ่งช่วยป้องกันการจ่ายเงินซ้ำซ้อนและรักษาความสะอาดของฐานข้อมูล

ตารางเปรียบเทียบ: SANs กับ Independent MMPs

การวัดผลระหว่าง Android และ iOS

Android

บน Android ระบบจะสื่อสารกับบริการ Google Play Install Referrer เพื่อดึงพารามิเตอร์การติดตั้งที่ให้ไว้ระหว่างการดาวน์โหลดจาก Google Play

iOS และ SKAdNetwork

บน iOS ระบบจะจัดการ Universal Links ร่วมกับ SKAdNetwork ของ Apple เพื่อให้ข้อมูลการแปลงข้อมูลที่คำนึงถึงความเป็นส่วนตัวโดยสมบูรณ์ โดยการใช้ deferred deep linking จะเป็นไปตามกฎ App Tracking Transparency (ATT) ของ Apple

การใช้งานทางเทคนิค

เพื่อส่งข้อมูล Conversion ไปยังเครือข่ายโฆษณา ทีมวิศวกรจะกำหนดค่า Server-to-Server (S2S) webhooks ซึ่งแพลตฟอร์มจะส่งคำขอ HTTP POST แบบเรียลไทม์เมื่อมีการติดตั้งหรือ conversion เกิดขึ้น โดยรองรับการยืนยันด้วย HMAC signature เพื่อความปลอดภัย

ตัวอย่างการคำนวณ ROI

สถานการณ์สมมติ: แอปอีคอมเมิร์ซ ทีมการตลาดพบช่องว่างระหว่างการติดตั้งที่เครือข่ายรายงานกับข้อมูลจริง การผสานรวม SDK และ S2S ช่วยให้ตรวจสอบที่มาของการติดตั้งได้แม่นยำและตัดปัญหาการเคลมซ้ำซ้อน

เลือกใช้ MMP ที่เป็นกลางเมื่อกลยุทธ์การหาผู้ใช้ของคุณเข้าเกณฑ์ต่อไปนี้:

• ✓ ใช้งบประมาณโฆษณาข้ามหลายช่องทาง: ต้องการการทำ Deduplication เพื่อป้องกันการจ่ายซ้ำซ้อน
• ✓ ต้องการทำ Attribution อัตโนมัติ: เพื่อจัดการโบนัสแนะนำเพื่อนโดยไม่ต้องผ่านการตรวจสอบด้วยคน
• ✓ ทีมข้อมูลต้องการข้อมูลดิบ (Raw Data): ต้องการสตรีมข้อมูล Attribution ตรงเข้าสู่ Data Warehouse
• ✓ ต้องปฏิบัติตามกฎความเป็นส่วนตัว: ต้องทำงานได้ภายใต้ ATT และกฎความเป็นส่วนตัวของ Google โดยไม่ใช้ hardware ID

ในกรณีเหล่านี้ การผสานรวม SDK การวัดผลที่เป็นอิสระจะมอบโมเดล Attribution ที่ปลอดภัยและขยายตัวได้จริง แพลตฟอร์มเช่น AppsFlyer, Adjust, Branch และผู้ให้บริการอื่นๆ ล้วนใช้สถาปัตยกรรมการวัดผลที่ใกล้เคียงกัน

อภิธานศัพท์