アトリビューション ウォーターフォール モデル
アトリビューションウォーターフォールモデルは、アトリビューションを行うための最適なエンゲージメントをAdjustがどのように選択するかを決定します。ウォーターフォールモデルは、Adjustが使用する確定的アトリビューションと確率的モデリングの2つのアトリビューション手法の精度を反映するように設計されています。
Adjustでは、以下の順番に従ってアトリビューションを行います。
- クリックに基づく 確定的アトリビューションまたは クリックに基づく リファラーマッチング（Androidのみ）
- クリックベースの 確率的モデリング
- インプレッションに基づく 確定的アトリビューション
- インプレッションベースの 確率的モデリング
- オーガニック
計測の仕組み
クリックとインプレッションの優先順位
インプレッションがインストールの数分前に発生した場合でも、Adjustは常にインプレッションよりもクリックを優先します。これは、Adjustがクリックによるエンゲージメントの方が意図的で積極的なものであると推測するからです。
確定的アトリビューションと確率的モデリングの比較
確定的アトリビューションは、より信頼性が高く正確な方法であるため、確率的モデリングよりも推奨されます。確率的モデリングではさまざまなデータポイントを使用しますが、ユーザーのIPアドレスなどのデータが一部変化する可能性があります。
ウォーターフォールモデルの活用例
Adjustは、インストールの時点からさかのぼる形でアトリビューション期間内のデータポイントを探します。その後、データポイントが審査され、どれが最も確実な情報を持っていてアトリビューションできるかが判断されます。
確定的アトリビューションによるクリック: はじめに、アプリがインストールされているデバイスと同じデバイスIDまたは広告IDを持つクリックがないか探します。
- Androidリファラーを含むクリック: Androidデバイスの場合、Playストアリファラーとの一致もチェックされます。2つのエンゲージメントが同時に発生し、1つにリファラーがあり、もう1つにデバイスIDがある場合は、リファラーのあるクリックが優先されます。
確率的モデリングによるクリック： 一致するIDを持つクリックデータがない場合、IP、デバイスのタイプ、デバイス名、オペレーティングシステムなど、他に一致するデータポイントから発生したクリックエンゲージメントを探します。クリックごとにスコアカードを作成し、インストール情報と最も共通性があるものにアトリビューションを計上します。
確定的アトリビューションによるインプレッション: 対象となるクリックがない場合、インストールデバイスと同じデバイスIDまたは広告IDを含むインプレッションを探します。
確率的モデルによるインプレッション： デバイスID/広告IDを持つインプレッションがない場合、他のデータポイントと一致するエンゲージメントがないか確認します。スコアカードを作成し、インストール情報と最も共通性が高いエンゲージメントにアトリビューションを計上します。
オーガニック: 全てを検証し、マッチングするエンゲージメントが見つからない場合、ユーザーはオーガニックとしてアトリビュートされます。