Cascata da atribuição
A cascata de atribuição determina como a Adjust seleciona os melhores engajamentos para premiar a atribuição. A metodologia em cascata foi projetada para refletir a precisão dos dois métodos de atribuição que a Adjust usa: atribuição determinística e a modelagem probabilística.
A Adjust segue esta ordem ao realizar a atribuição:
- Atribuição determinística baseada em cliques OU referrer matching (matching com referenciador) baseado em cliques (somente Android)
- Baseada em cliques modelagem probabilística
- Atribuição determinística baseada em impressões
- Baseada em impressões modelagem probabilística
- Orgânica
Como funciona
Cliques vs. impressões
A Adjust sempre prioriza cliques sobre impressões, mesmo que a impressão tenha ocorrido minutos antes da instalação. Isso porque consideramos os engajamentos com cliques mais intencionais e ativos.
Determinística vs modelagem probabilística
A atribuição determinística tem preferência sobre a modelagem probabilística pois é um método mais confiável e preciso. A modelagem probabilística usa uma variedade de diferentes pontos de dados, alguns dos quais podem mudar - como o endereço de IP do usuário.
Cascata em ação
Desde o momento da instalação, a Adjust trabalha no sentido inverso procurando por pontos de dados dentro da janela de atribuição. Em seguida, os dados são julgados para determinar quais contêm as informações mais robustas e podem receber a atribuição.
Clique com matching determinístico: primeiro, procuramos verificar se há algum clique com o mesmo ID do dispositivo ou ID de publicidade que o dispositivo no qual o aplicativo foi instalado.
- Clique com referrer do Android: para dispositivos Android, também verificamos se há uma correspondência com o referrer da Play Store. Se há dois engajamentos que acontecem ao mesmo tempo, e um tem o referrer e o outro tem um identificador do dispositivo, damos preferência ao clique com o referrer.
Clique com modelagem probabilística: se não houver dados de cliques com IDs correspondentes, procuramos engajamentos de cliques que apareceram com outros pontos de dados correspondentes, como IP, tipo de dispositivo, nome do dispositivo e sistema operacional. Criamos, então, uma pontuação para cada clique, e premiamos a atribuição para aquele que tiver mais coisas em comum com a informação de instalação.
Impressão com matching determinístico: se não houver cliques elegíveis, procuramos impressões que tragam o mesmo ID de dispositivo/publicidade que o dispositivo de instalação.
Impressão com modelagem probabilística: se não há impressões com informações de IDs de dispositivo/publicidade, buscamos por engajamentos com outros pontos de dados que tenham correspondência. Criamos uma pontuação e premiamos a atribuição ao engajamento que tiver mais coisas em comum com a informação de instalação.
Orgânico: se passarmos por todas as verificações e não encontrarmos nenhum engajamento correspondente, o usuário é atribuído como orgânico.