Bài viết liên tục được cập nhật, và những phần được cập nhật rất có thể chưa được dịch sang ngôn ngữ của bạn. Để xem thông tin mới nhất, vui lòng chọn ngôn ngữ Tiếng Anh.

Phương án hiệu quả: chiến dịch đa thiết bị (cross-device)

Nếu bạn đang có dự định chạy một chiến dịch quảng cáo trên thiết bị truyền hình kết nối (CTV) để tăng lượt cài đặt cho ứng dụng di động, thì dạng chiến dịch đa thiết bị này có một số điểm khác với chiến dịch thông thường mà bạn cần lưu ý. Dưới đây là một số phương án giúp bạn thiết lập chiến dịch hiệu quả và khai thác tối đa dữ liệu đo lường.

Khung thời gian phân bổ

Khung thời gian phân bổ mặc định của phương pháp probabilistic modeling là 24 giờ. Adjust đặt khung thời gian này dựa trên giả định rằng, quảng cáo được hiển thị trên thiết bị di động và thường ở định dạng banner ad.

Tuy nhiên, quảng cáo trên thiết bị di động và quảng cáo trên thiết bị CTV tác động khác nhau lên người dùng: quảng cáo trên CTV thường tương tác tốt hơn và có sức ảnh hưởng mạnh hơn so với quảng cáo dạng smart banner.

Khai thác tích hợp đối tác của Adjust

Bạn có thể sử dụng tích hợp đối tác của Adjust để gửi thông báo đến đối tác cung cấp vị trí quảng cáo trên CTV rằng: người dùng này đã cài ứng dụng, nên đối tác không cần hiển thị quảng cáo đến người dùng này nữa. Giải pháp tích hợp đối tác giúp tối ưu hóa chi phí marketing, bởi vì không tốn chi phí để hiển thị quảng cáo đến người dùng đã cài đặt ứng dụng.

Bạn có thể sử dụng các tích hợp này để lên chiến lược toàn diện trên tất cả nền tảng, xây dựng một hành trình người dùng chất lượng từ xem quảng cáo trên CTV đến cài đặt ứng dụng di động, cũng như sử dụng quảng cáo trên CTV để đẩy mạnh tỷ lệ chuyển đổi.

Phân tích đa điểm chạm

Phần đông người dùng tương tác với nhiều quảng cáo trước khi cài đặt ứng dụng. Với Adjust Multi-Touch, bạn có thể theo dõi tất cả tương tác trước chuyển đổi (pre-conversion engagement) do mạng tự phân bổ (SAN) ghi nhận — chứ không chỉ dừng lại ở dữ liệu phân bổ cuối cùng. Nhờ đó, bạn có thể hiểu đúng hơn về hành trình của người dùng, cũng như hiệu quả hoạt động của chiến dịch quảng cáo. Phân tích đa điểm chạm cho biết mức độ tương tác của người dùng với quảng cáo, đồng thời giúp người làm marketing xác định kênh quảng cáo đã đem đến giá trị cho doanh nghiệp.

Quảng cáo CTV thường được xếp cao trong phễu marketing và dùng trong chiến lược xây dựng nhận diện thương hiệu, nên phân bổ trực tiếp (direct attribution) không thể phản ánh hết tác động của quảng cáo CTV. Nhưng nếu sử dụng phân bổ đa điểm chạm, thì bạn có thể theo dấu mọi lượt hiển thị quảng cáo — bao gồm lượt hiển thị CTV — mà Adjust có đưa vào cân nhắc trong quá trình phân bổ. Từ tất cả thông tin này, bạn có thể biết được hiệu quả của quảng cáo CTV lên toàn chiến dịch, cũng như phân bổ chi phí quảng cáo sao cho phù hợp.

Cài đặt raw data export cho phân tích đa điểm chạm

Bạn có thể nhận được dữ liệu phân tích đa điểm chạm trong dữ liệu thô qua callback hoặc CSV upload. Nhưng trước hết, bạn cần lưu ý các điểm sau.

  1. Hãy đảm bảo hệ thống BI (business intelligence) có thể xử lý lượng lớn dữ liệu theo thời gian thực hoặc công cụ phân tích dữ liệu của bạn có thể diễn giải dữ liệu đa điểm chạm.
  2. Hãy luôn thêm trường dữ liệu {reftags} vào callback hoạt động đơn (single activity callback) để nhận tất cả dữ liệu phân bổ đa điểm chạm (multi-touch attribution).

Bạn có thể áp dụng với:

  • Installs (Lượt cài đặt)
  • Reattributions (Tái phân bổ)
  • Lượt cài đặt lại_tái phân bổ

Trong báo cáo, bạn sẽ nhận được một danh sách JSON chứa reftag từ tất cả lượt tương tác mà chúng tôi tra cứu được. Từ đó, bạn không phải tốn công xử lý và đối soát lượng lớn dữ liệu, và có thể phân tích báo cáo một cách nhanh chóng và dễ dàng.

Đọc thêm bài viết Theo dõi đa điểm chạm (Multi-Touch tracking) để xem cách cài đặt cũng như thông tin chi tiết về trường dữ liệu {reftags}.

Chênh lệch dữ liệu

Để có thể phân bổ thuận lợi, cả thiết bị CTV và thiết bị di động cần kết nối với cùng một mạng wifi. Bạn có thể dễ dàng đáp ứng điều kiện này nếu người dùng sử dụng thiết bị tại nhà hay một nơi riêng tư, nhưng lại khó khi người dùng đang ở bên ngoài như quán bar hay khách sạn. Như vậy, có một tỷ lệ nhỏ các trường hợp mà bạn không thể đo lường.

Ở những nơi mà lượng lớn người dùng cùng truy cập vào internet từ một địa chỉ IP chung, như văn phòng làm việc, thì có thể xảy ra hiện tượng phân bổ giả (false positive). Nhưng tỷ lệ này tương đối thấp vì chúng tôi còn xem xét thêm khung thời gian phân bổ.

Ngoài những trường hợp trên, nếu thấy dữ liệu bị chênh lệch, thì bạn có thể khắc phục lỗi bằng một trong các cách sau.

  • Kiểm tra để đảm bảo module đã được kích hoạt cho tất cả nền tảng ứng dụng.
  • Kiểm tra để đảm bảo install pixel ID đã chính xác.