Mudança nas regras de atribuição do Google: O horário de instalação substitui o horário de clique, como os profissionais de marketing móvel devem reagir?

1. Mudança principal: Migração da âncora de “clique” para “instalação”

II. O impacto na otimização de anúncios: flutuações nos dados e desafios na tomada de decisões

Exemplo: Por que o IPC apresenta uma aparência de “alta falsa” ou “baixa falsa”?

• Cena: Você emSegunda-feiraVeicule anúncios, gaste US$ 100 e obtenha 100 cliques. Um usuário clicou no anúncio na segunda-feira, mas depois de alguns dias de comparação, atéQuinta-feiraSó então baixei e instalei o aplicativo.
• Sob as regras anteriores (atribuição por tempo de clique):
  • Segunda-feira: Obteve 1 instalação. CPI (custo por instalação) = 100/1=∗∗100**. Os dados parecem normais e correspondem aos gastos.
  • Quinta-feira: Os dados não são afetados por esta instalação.
• Sob as novas regras (atribuição do tempo de instalação):
  • Segunda-feira: Gastou US$ 100, mas o número de instalações foi 0 (porque a instalação ocorreu na quinta-feira). CPI = US$ 100 / 0 ="Infinitamente alto" ou dados em falta. Isso superestima seriamente o custo real de segunda-feira, formandoIlusão de “Nota alta”, Pode levar o otimizador a interpretar erroneamente que a eficácia do anúncio de segunda-feira é péssima e encerrar planos de qualidade.
  • Quinta-feira: Suponha que a quinta-feira em si também tenha gasto US$ 50 em anúncios e tenha gerado duas instalações imediatas. Agora, o sistema também contará a instalação tardia da clique de segunda-feira na quinta-feira. Portanto, o número total de instalações na quinta-feira = 3, mas o custo é calculado apenas pelos US$ 50 da quinta-feira. CPI = 50/3≈∗∗16,7. Isto embeleza significativamente os dados de custos de quinta-feira, formandoA aparência de “Nota baixa** pode levar os tomadores de decisão a aumentarem cegamente o orçamento de quinta-feira.

3. Por que a Google está promovendo esta mudança?

1. Alinhado com o padrão da indústria (MMP): As plataformas de monitoramento móveis tradicionais (como AppsFlyer e Adjust) têm usado há muito tempo o “tempo de instalação” como ponto de partida do ciclo de vida do usuário. Anteriormente, o Google Ads adotava critérios diferentes, o que frequentemente causava “discrepâncias nos dados” quando os anunciantes comparavam dados entre plataformas, exigindo calibração adicional. Esta alteração visaPadronização de dados, reduzindo os custos de análise do anunciante.
2. Otimizar a eficiência de aprendizagem do algoritmo: O sistema de lances inteligentes do Google (como tCPA, tROAS) depende de uma grande quantidade de sinais de conversão para o aprendizado de máquina. No antigo raciocínio, os sinais de conversão de usuários com longos caminhos de decisão podiam ser perdidos por ultrapassarem a janela, afetando a avaliação do modelo. O novo raciocínio utiliza o “tempo de instalação”, mais estável, como ponto de referência, permitindo captar de forma mais completa o comportamento subsequente dos usuários,Aprimorar a velocidade de treinamento do modelo de algoritmo e a precisão da oferta。
3. Refletir com mais precisão a jornada do usuário: Para aplicativos com longos ciclos de decisão, como jogos, finanças e serviços de assinatura, pode haver um longo período de consideração entre o clique do usuário e a instalação. O modelo antigo poderia subestimar sistematicamente esses “usuários de alto valor com atraso”. A nova regra torna a medição da conversão mais alinhada ao caminho real de tomada de decisão do usuário.

4. Guia prático de resposta para anunciantes

1. Ativar a "Visualização de Dupla Atribuição": Esta é a maneira de lidar com a situação atualFerramenta principal. No relatório do Google Ads, adicione simultaneamente duas séries de colunas de dados: “Número de conversões” (atribuído pelo tempo de clique) e “Conversões (pelo tempo de conversão)” (atribuídas pelo tempo de instalação). A primeira é usada para avaliar o ROI de longo prazo e otimizar os objetivos profundos, enquanto a segunda é usada para monitorar os custos de instalação do dia e regular o orçamento.
2. Alongar o período de observação dos dados: Abandone decididamente a dependência excessiva de dados diários. Em vez disso, concentre-se emCusto médio móvel de 3 dias, 7 diase tambémTendência do ROI semanal. Os dados periódicos suaves podem efetivamente cancelar as flutuações diárias causadas pela mudança de atribuição e revelar a tendência real.
3. Implementar estratégias de otimização em camadas:
   1. Para objetivos superficiais, como instalação, registro, etc.: Aceitar as novas regras e basear-se principalmente nos dados de "atribuição por tempo de instalação) para substituir os materiais e fazer uma avaliação preliminar dos resultados.
   2. Para metas de receita core, como pagamentos e retenção: A otimização e os ajustes de lances ainda devem ser baseados principalmente nos dados da “atribuição por tempo de clique”, garantindo que o modelo do algoritmo aprenda sinais fortemente associados aos resultados comerciais finais.
4. Avaliação e testes prudentes: Para novas campanhas, se o ciclo de decisão do produto for muito longo (mais de 24 horas), nas configurações avançadas pode-se considerar adiar a mudança para a nova janela de atribuição, aguardando até que os dados da campanha existente se estabilizem antes de tomar uma decisão.

5. Perspectivas: Abraçar uma nova era de atribuição híbrida