Thác phân bổ (Attribution waterfall)
Adjust sử dụng thác phân bổ (attribution waterfall) để lựa chọn loại tương tác phù hợp nhất. Thác phân bổ phản ánh cách thức hoạt động của hai phương pháp phân bổ đang được Adjust sử dụng: deterministic attribution và probabilistic modeling.
Adjust sử dụng trình tự sau khi tiến hành phân bổ:
- Deterministic attribution dựa trên lượt click HOẶC referrer matching dựa trên lượt click (chỉ áp dụng đối với Android)
- Probabilistic modeling dựa trên lượt click
- Deterministic attribution dựa trên lượt hiển thị
- Probabilistic modeling dựa trên lượt hiển thị
- Nguồn tự nhiên
Cơ chế hoạt động
Lượt click và lượt hiển thị
Adjust luôn ưu tiên lượt click hơn lượt hiển thị, ngay cả khi lượt hiển thị xảy ra trước lượt click nhiều phút. Bởi vì, hành động click mang tính chủ động hơn, còn hành động xem thì phần nhiều là bị động.
Deterministic và Probabilistic modeling
Adjust ưu tiên deterministic attribution hơn probabilistic modeling bởi vì phương pháp này ổn định và chính xác hơn. Probabilistic modeling sử dụng nhiều điểm dữ liệu khác nhau, một số điểm trong số đó thường dễ thay đổi - ví dụ địa chỉ IP của người dùng.
Cơ chế hoạt động của thác phân bổ
Ngay tại thời điểm người dùng cài ứng dụng về máy, Adjust sẽ bắt đầu xem xét ngược lại các điểm dữ liệu trong khung thời gian phân bổ (attribution window). Adjust sẽ đánh giá các điểm dữ liệu để xem điểm dữ liệu nào có độ tin cậy cao nhất và tiến hành phân bổ.
Click và deterministic matching: Trước hết, Adjust sẽ xem liệu có lượt click nào có device ID hoặc advertising ID trùng khớp với ID của thiết bị mà ứng dụng được cài về hay không.
- Click và Android referrer: Đối với thiết bị Android, chúng tôi còn kiểm tra thêm Play Store referrer. Nếu có hai lượt tương tác xảy ra cùng một lúc, một lượt tương tác có referrer và một lượt tương tác có device ID, thì chúng tôi sẽ ưu tiên lượt tương tác có referrer.
Lượt click và probabilistic modeling: Nếu không có lượt click nào có ID trùng khớp, thì chúng tôi sẽ xem xét các điểm dữ liệu khác (ví dụ IP, loại thiết bị, tên thiết bị và hệ điều hành) của lượt click. Chúng tôi sẽ tạo một thẻ điểm cho từng lượt click, và phân bổ lượt cài đặt cho lượt click có nhiều thông tin trùng với lượt cài đặt nhất.
Lượt hiển thị và deterministic matching: Nếu không có lượt click nào đáp ứng các điều kiện trên, thì chúng tôi sẽ chuyển qua xem xét lượt hiển thị, tìm xem liệu có lượt hiển thị nào có device ID hoặc advertising ID trùng khớp với ID của thiết bị mà ứng dụng được cài về hay không.
Lượt hiển thị và probabilistic modeling: Nếu không có lượt hiển thị nào có device ID hoặc advertising ID, thì chúng tôi sẽ xem xét các điểm dữ liệu khác của lượt hiển thị. Chúng tôi sẽ tạo một thẻ điểm cho từng lượt hiển thị, và phân bổ lượt cài đặt cho lượt hiển thị có nhiều thông tin trùng với lượt cài đặt nhất.
Tự nhiên (organic): Nếu sau khi kiểm tra hết mọi lượt tương tác và không tìm ra lượt tương tác phù hợp, thì chúng tôi sẽ xem đây là lượt cài đặt tự nhiên.