InSight

Adjust InSight giúp bạn có cái nhìn thấu suốt về hiệu suất chiến dịch. InSight sử dụng nhiều mô hình toàn diện để đo lường dữ liệu lịch sử (historical data) của ứng dụng, kết hợp thêm phân tích riêng của Adjust, giúp bạn đánh giá hiệu ứng tăng (incremental effect) của chiến dịch lên các chỉ số cụ thể.

Adjust InSight cho biết nếu bạn lựa chọn không triển khai hoặc không ngừng một chiến dịch/mạng quảng cáo cụ thể, hoặc không tăng hoặc giảm ngân sách cho một chiến dịch/mạng quảng cáo cụ thể, thì dữ liệu thu về sẽ khác đi như thế nào. Sử dụng Adjust InSight để:

So sánh hiệu suất của chiến dịch hoặc mạng quảng cáo với mô hình cơ sở (cách thức giống kiểm thử A/B). Nhận dữ liệu về tác động của hành động marketing lên chiến dịch và mạng quảng cáo cụ thể. Ra quyết định chiến lược về chiến dịch hoặc mạng quảng cáo.

Khả dụng

Quyền truy cập

Người dùng Admin và Editor có thể tạo đợt kiểm thử tăng tiến (incrementality test) mới. Còn người dùng Custom không thể truy cập đợt kiểm thử trên InSight. Để xem thêm thông tin về các vai trò khác nhau của người dùng tài khoản, vui lòng tham khảo bài viết Cấp độ quyền truy cập.

Cơ chế hoạt động?

Adjust InSight kết hợp dữ liệu lịch sử của ứng dụng với dữ liệu toàn cầu có trong bộ dữ liệu của riêng Adjust. Dữ liệu sau kết hợp được đem đi so sánh với nhóm đối chứng tổng hợp, nhằm xác định tác động của hành động marketing lên chỉ số trong vòng bảy ngày.

Đo lường hiệu ứng tăng của hành động marketing

InSight có thể phân tích từng chiến dịch một, hoặc tất cả chiến dịch cùng chạy trên một mạng quảng cáo. Sử dụng InSight để đánh giá tác động của hành động marketing:

• Đánh giá hành động có tác động tích cực hay tiêu cực lên chỉ số mục tiêu
• Đánh giá hành động có làm giảm lưu lượng truy cập tự nhiên hay không.

Bạn có thể chạy kiểm thử tăng tiến cho các hành động marketing sau:

• Khởi chạy chiến dịch mới hoặc khởi chạy mạng quảng cáo mới.
• Ngừng chiến dịch đang chạy hoặc ngừng mạng quảng cáo đang dùng.
• Tăng ngân sách phân bổ cho chiến dịch hoặc mạng quảng cáo.
• Giảm ngân sách phân bổ cho chiến dịch hoặc mạng quảng cáo.

Dữ liệu của mô hình

Adjust sử dụng dữ liệu của 12 tuần để huấn luyện mô hình tăng tiến (incrementality model), từ đó thiết lập mẫu chung. Mô hình nhận diện mẫu chung của chỉ số như lượt cài đặt và sự kiện bằng cách sử dụng các dữ liệu đầu vào sau:

• Thứ hạng trên app store
• Chi phí quảng cáo (Ad spend)
• Lượt cài đặt
• Người dùng hoạt động hằng tháng (MAU)
• Xu hướng ngành
• Số phiên truy cập hằng ngày

Adjust sử dụng mẫu chung để thiết lập đường cơ sở, đây là căn cứ dùng để so sánh. Dữ liệu được chia nhỏ theo thứ tự sau:

• Theo ứng dụng
• Theo nền tảng
• Theo quốc gia

Nhóm đối chứng

Adjust lưu trữ dữ liệu của hàng chục nghìn ứng dụng trong thư viện, bảo đảm bạn nhận được kết quả phân tích tăng tiến (incremental analysis) phù hợp nhất. Nhóm đối chứng tổng hợp (synthetic control group) của Adjust thay đổi linh hoạt, không có bất kỳ ràng buộc nào. Hay nói cách khác, mỗi lần bạn tiến hành phân tích, Adjust sẽ đi tìm nhóm đối chứng có quan hệ chặt chẽ nhất với ứng dụng của bạn cả về mặt chỉ số và mặt hành vi người dùng. Nhờ đó bạn luôn có thể xác định chính xác mức độ tăng tiến (incremental lift) mà không phải tạm ngừng bất kỳ hoạt động hay chiến dịch nào. Dưới đây là một số đòn bẩy mà Adjust sử dụng để tìm ra nhóm đối chứng phù hợp nhất:

• Ứng dụng thuộc cùng một phân khúc hoặc phân khúc phụ
• Ứng dụng có dữ liệu MAU, lượt cài đặt, sự kiện và phiên truy cập hằng ngày tương đương
• Ứng dụng phát hành tại cùng một quốc gia
• Ứng dụng phát hành trên cùng một nền tảng

Bạn nhận được kết quả gì?

Adjust InSight mô tả hiệu suất của chiến dịch thông qua các kết quả sau:

Incremental lift : cho biết sự khác nhau giữa giá trị của biến mục tiêu khi có chiến dịch và khi không có chiến dịch.

Organic cannibalization : cho biết chiến dịch quảng cáo có làm giảm lưu lượng truy cập tự nhiên hay không.

Loss : kết quả này xuất hiện nếu chiến dịch không mang lại giá trị tăng tiến cho biến mục tiêu.

Bắt đầu

• Tạo đợt kiểm thử tăng tiến mới trên InSight.
• Diễn giải kết quả kiểm thử tăng tiến.