Что такое данные первой стороны? Руководство для команд роста

Данные первой стороны — это любая информация, которую компания собирает непосредственно от своей аудитории, через свои собственные продукты, каналы и взаимодействия, без посредников, без сторонних брокеров и без догадок, основанных на предположениях. Он включает в себя всё: от поведения в приложении и истории покупок до вовлеченности в электронную почту и разговоров в службе поддержки. Когда данные собираются прозрачно и с соответствующего согласия, они, как правило, более точны и легче поддаются регулированию, чем данные, полученные от внешних поставщиков. Для игровых студий и команд по росту это показывает, как игроки находят, играют и тратят в вашей игре, и предоставляет системам оптимизации сигналы, на которых они обучаются.

Поскольку правила конфиденциальности развиваются, а традиционные идентификаторы становятся менее надежными, студии больше не могут полагаться на единственный источник истины для оптимизации. Повышение производительности все больше зависит от построения прочной базы данных с высококачественными сигналами от первой стороны, которые устраняют слепые зоны и предоставляют системам оптимизации более полное представление о поведении и производительности игроков.

Данные первой, второй и третьей сторон

Три категории определяются тем, откуда поступают данные, а не тем, что они содержат.

• Данные первой стороны — это данные, которые вы собираете напрямую от своих пользователей через собственные каналы: ваше приложение, веб-сайт, система управления взаимоотношениями с клиентами (CRM) или система точек продаж.
• Вторичные данные — это данные первой стороны кого-то другого, переданные вам напрямую, обычно через партнерство. Розничная торговая компания, делящаяся данными о лояльности с партнером бренда, является распространенным примером.
• Данные третьих сторон агрегируются из множества несвязанных источников, продаются или лицензируются поставщиком данных, который не имеет прямой связи с людьми, которых описывают эти данные.

Почему данные первой стороны важны сейчас

Аргумент в пользу данных первой стороны исходит прямо из того, как изменилась среда данных.

Требования к конфиденциальности изменились и не отменяются. Законы о защите данных, такие как Общий регламент по защите данных ЕС (GDPR) и Закон Калифорнии о конфиденциальности потребителей (CCPA), а также фреймворки согласия на уровне мобильных устройств, такие как App Tracking Transparency от Apple, затруднили, а во многих случаях и сделали невозможным полагаться на внешние идентификаторы без явного разрешения. Регуляторное расширение не замедлилось: 20 штатов теперь приняли всеобъемлющие законы о конфиденциальности.

Потеря сигнала имеет реальные последствия для производительности. Когда идентификаторы, такие как IDFA (идентификатор рекламы на уровне устройства Apple для iOS), недоступны или блокируются сторонние файлы cookie, модели оптимизации теряют входные данные, на которые они полагались.

Данные первой стороны стали по умолчанию более надежным активом. Это связано с реальными отношениями. Кроме того, собирающая компания контролирует это и может собирать согласие напрямую, вместо того чтобы полагаться на стороннего поставщика. Вот почему это больше не рассматривается как галочка соответствия, а как основная инфраструктура.

Типы данных первой стороны

Данные первой стороны охватывают несколько категорий, каждая из которых полезна для разной части воронки роста.

• Поведенческие данные охватывают то, что люди на самом деле делают внутри вашего продукта: просмотры страниц, продолжительность сеанса, использование функций, модели вовлеченности. Мобильная игра может отслеживать игрока, который проходит десять уровней за одну первую сессию, что является сильным ранним признаком вероятности удержания.
• Транзакционные данные охватывают обмен деньгами или ценностью: покупки, продление подписок, доход от рекламы и возврат средств. Например, история внутриигровых покупок, показывающая, когда и сколько игрок тратит, является прямым сигналом ценности.
• Данные об устройстве и диагностические данные описывают техническую среду, в которой работает игра: модель устройства, версию операционной системы (OS), качество соединения, а также сигналы о сбоях и производительности. Эти данные могут быть собраны с помощью собственного измерительного оборудования, комплекта для разработки программного обеспечения (SDK) или диагностического инструмента, и то, что каждый из них фиксирует, различается. Например, инструмент для отчетов о сбоях может показать, что ваша игра чаще вылетает на старых телефонах.
• Данные времени выполнения охватывают сигналы, которые генерирует игра во время ее прохождения: Это может включать начало и продолжительность сеансов, прогресс уровня, использование функций, внутриигровые покупки и другие события вовлеченности и поведения, присущие игре.
• Заявленные и данные первой стороны охватывают то, что пользователи решают сообщить вам напрямую: заявленные предпочтения, ответы на опросы и выборы при регистрации. Выбор игроком предпочтительного жанра во время настройки является прямым, недвусмысленным заявлением о намерениях.

Большинство программ, использующих данные первой стороны, объединяют поведенческие, транзакционные, данные об устройствах и диагностические данные, данные о времени выполнения и заявленные данные, при этом каждый тип сигнала добавляет разный взгляд на клиента.

Каждый из этих типов сигналов по отдельности отвечает на узкий вопрос: как кто-то прибыл, что он делал, на что тратил и какой опыт у него был? Истинная ценность проявляется, когда они рассматриваются вместе. Команда, рассматривающая только поведенческие данные, может увидеть снижение вовлеченности, не зная, связано ли это с изменением качества привлечения, решением о Monetization или проблемой производительности во время выполнения. Соединение типов сигналов закрывает этот пробел и превращает разрозненный набор показателей в более ясную картину того, что на самом деле влияет на результаты.

Построение стратегии данных первой стороны

Стратегия данных первой стороны — это по сути две связанные дисциплины: ответственный сбор данных и их использование после получения. Большинство организаций уже имеют больше данных, чем используют; пробел обычно в структуре.

Коллекция: ответственный сбор данных

Коллекция начинается с инструментации. Например, интеграция SDK для сбора поведенческих сигналов, отслеживание событий для сбора транзакций и механизмы согласия, которые делают выбор в пользу согласия ясным и простым в управлении. Механизм менее важен, чем принцип, который стоит за ним. Коллекция должна быть прозрачной и основанной на согласии, а не прикрученной к существующему продукту в качестве второстепенной функции. На практике это означает четкое информирование игроков о том, какие данные собираются, как они будут использоваться и передаваться, а также о том, как они могут ими управлять. Данные младших игроков, таких как дети, подпадают под более строгие правила и, как правило, не могут использоваться для персонализированной рекламы.

Активация: использование данных

Сырые данные, хранящиеся на складе, сами по себе не двигают никаких метрик. Активация — это то место, где проявляется ценность. Это означает использование данных первой стороны для построения сегментов аудитории, моделирования похожих аудиторий, обогащения моделей оптимизации сигналов, на которых обучается, и координации таргетинга между каналами.

Каждый из этих методов активации делает нечто свое:

Сегменты аудитории: группы пользователей, определенные по общим признакам, например, высокодоходные пользователи или пользователи, которые отписались после третьего дня, чтобы кампании могли по-разному относиться к разным пользователям.

Похожие аудитории: новые пользователи, похожие на существующую группу, обычно ваших лучших клиентов, позволяющие рекламной платформе находить больше людей, похожих на тех, кто уже доказал свою ценность.

Signal enrichment: добавление сигналов от первой стороны, таких как покупки и удержание, к тому, что обучаются модели оптимизации рекламных платформ; более богатые сигналы означают более точные решения о ставках.

Кросс-канальный таргетинг: использование данных из одного источника, приложения или веб-сайта, для принятия решений в другом канале, таком как социальные сети или подключенное ТВ, чтобы один и тот же пользователь не таргетировался непоследовательно, если это разрешено применимым законодательством о конфиденциальности.

Собирая правильные сигналы, вы получаете лучшие входные данные для модели, что может улучшить решения по ставкам, таргетингу и бюджету. Эти более точные решения могут проявиться со временем в виде улучшенного возврата от рекламных расходов (ROAS), пожизненной ценности (LTV) и удержания.

Данные первой стороны в играх

Игры генерируют огромный поток данных первой стороны. Одна сессия может генерировать десятки таких сигналов, таких как паттерны сессий, поведение в игровой Economy, социальные взаимодействия и вовлеченность в рекламу. Когда это собирается с помощью собственной игры и инструментов студии, это является продуктом первой стороны для этой студии.

Сигналы, заслуживающие внимания, делятся на несколько категорий. Данные о поведении игроков охватывают кривые удержания, глубину вовлеченности и модели Monetization на протяжении жизненного цикла игрока. Диагностические сигналы охватывают производительность устройства, данные о сбоях и время загрузки: технические сигналы, важные для качества продукта, показателей удержания и точности таргетинга. Данные игровой Economy охватывают темпы заработка и трат валюты, а также модели In-app Purchase (IAP), которые часто хорошо предсказывают покупательское поведение задолго до того, как игрок совершит первую транзакцию. Поскольку игры фиксируют это с высокой и непрерывной частотой, результирующий набор сигналов обычно богаче, чем тот, который генерирует стандартная настройка Analytics.

Выгода заключается в соединении этих сигналов, а не в их изоляции. Когда поведенческие данные, телеметрия времени выполнения и данные атрибуции поступают в одну и ту же систему, оптимизационные модели просто имеют больше данных для обучения, и больше сигналов, как правило, приводит к лучшим прогнозам и более высокой отдаче от рекламных расходов. Здесь согласованная структура данных, Analytics, привязанные к данным о привлечении, и сигналы времени выполнения на уровне SDK работают вместе, а не как отдельные инструменты.

Согласие играет в этом большую роль, чем может показаться сперва. Четкие сценарии согласия помогают завоевать доверие игроков, а полученные сигналы дают оптимизационным моделям, таким как Unity Vector, больше данных для обучения.

Данные первой стороны для рекламы и оптимизации

Самый очевидный коммерческий результат данных первой стороны проявляется в эффективности рекламы, по которой напрямую измеряются команды UA и роста. Под каждым из нижеперечисленных преимуществ находится один и тот же базовый механизм. Оптимизационные модели, как правило, принимают более обоснованные решения о ставках и бюджетах, когда у них есть более полные и взаимосвязанные сигналы для обучения, и они могут становиться всё более точными по мере поступления дополнительных сигналов, а не достигать плато после одной интеграции. Более полные данные не просто добавляют информацию; они уменьшают догадки, которые модели иначе должны заполнять прокси-переменными.

Прицеливание становится точнее. Сегменты аудитории, построенные на основе фактического наблюдаемого поведения, а не на предполагаемых категориях интересов, означают меньшие нецелевые расходы на людей, которые вряд ли конвертируются, что напрямую отражается в более низких затратах на привлечение.

Цикл оптимизации становится более плотным. Когда модели торгов и оптимизации получают сигналы первой стороны, такие как события после установки, данные о доходах и этапы вовлеченности, у них есть конкретные результаты для обучения, а не прокси. Более богатые входные данные, как правило, поддерживают лучшие прогнозы, что является одним из основных механизмов, лежащих в основе большинства приростов ROAS, связанных с внедрением данных первой стороны.

Сигналы передаются по каналам. Где это разрешено законом, данные, собранные в одной среде, например, вовлеченность в приложении, могут информировать решения о таргетинге в совершенно другом канале, будь то программатиклейтинг, connected TV или социальные сети. Значение накапливается, потому что один и тот же базовый сигнал повторно используется, а не перестраивается для каждого канала отдельно.

Данные первой стороны — это более прочная основа, на которую сходятся стратегии роста, в гейминге и далеко за его пределами.

Ваш набор данных настроен на успех?

Ответы на часто задаваемые вопросы

Что такое данные первой стороны?

Данные первой стороны — это информация, которую компания собирает непосредственно от своих пользователей через каналы, которыми она владеет: приложения, веб-сайты, CRM-системы, системы сбора данных в точках продаж. Поскольку он поступает непосредственно из источника, он, как правило, точнее, чем данные от внешних поставщиков или брокеров, и проще регулировать при прозрачном сборе.

Что такое пример данных первой стороны?

Мобильная игра, отслеживающая продолжительность первой сессии игрока, какие внутриигровые предметы он покупает и на каком устройстве он играет, — все это данные первой стороны. Так это история покупок клиента на розничном сайте или его ответы на опрос при регистрации.

В чем разница между данными первой, второй и третьей сторон?

Данные первой стороны поступают непосредственно от ваших собственных пользователей через ваши собственные каналы. Данные второй стороны — это данные первой стороны кого-то другого, переданные вам напрямую. Данные третьих сторон агрегируются сторонним провайдером из множества несвязанных источников и продаются или лицензируются вам, при этом между вами и людьми, которых они описывают, нет прямой связи.

Что такое данные нулевой стороны?

Данные первой стороны — это информация, которую пользователь намеренно и проактивно предоставляет вам, например, заявленные предпочтения, ответы на опросы или выборы при регистрации. Это тип данных первой стороны, но пользователь дал его вам напрямую и намеренно, а не вывели из его поведения. В игре выбор игроком предпочтительного жанра во время настройки — распространенный пример.

Почему данные первой стороны важны для рекламы?

Поскольку мобильные идентификаторы и файлы cookie браузера становятся менее доступными, данные первого лица стали одним из немногих надежных источников для таргетинга и оптимизации. Это может повысить точность аудитории и подавать более богатые сигналы в модели оптимизации.

Как вы собираете данные первой стороны из мобильного приложения?

Коллекция обычно объединяет интеграцию SDK для поведенческих сигналов, отслеживание событий для покупок и других транзакций, а также четкий механизм согласия, чтобы пользователи понимали и контролировали собираемые данные. Качество согласия и качество данных напрямую связаны: прозрачный сбор данных приводит к более чистому и пригодному для использования набору данных.

Что такое активация данных первой стороны?

Активация данных — это процесс приведения данных первой стороны в рабочее состояние. Это означает сбор правильных сигналов, подключение их к правильным платформам и обеспечение их доступности для измерения, оптимизации и принятия решений. Активация включает построение аудиторий, обучение моделей машинного обучения, обогащение сигналов оптимизации и координацию кампаний по различным каналам. Сбор данных — это только первый шаг. Бизнес-ценность заключается в том, чтобы использовать эти данные.

Как данные первой стороны улучшают ROAS?

Системы оптимизации могут оптимизировать только то, что они могут видеть. Когда у них есть доступ к более богатым данным первой стороны, таким как покупки, вовлеченность и удержание, они узнают, какие пользователи наиболее ценные, вместо того чтобы полагаться на выводимые прокси.

Представьте две кампании с одинаковым бюджетом. Только он знает, кто установил приложение. Другой также знает, кто завершил учебный курс, совершил покупку, оставался вовлеченным и стал игроком с высокой ценностью. Вторая кампания содержит гораздо больше информации для изучения, что позволяет системам оптимизации находить больше пользователей, похожих на ваших лучших клиентов, и сокращать нецелевые расходы.