Conversion Hub智能設置 | 帶您邁向iOS成功

前不久，完整版Conversion Hub正式推出。Conversion Hub是Adjust的一站式解決方案，能幫您進行智能、輕松、高效的轉化值映射。在之前的博文中，我們已經深入了解了高級設置。今天，我們就將目光轉向智能設置，了解如何根據(jù)應用所處類別和具體需求，輕松進行轉化值映射。

當下，要推動增長監(jiān)測，在iOS和SKAN中取得成功，符合具體業(yè)務模型需求的解決方案必不可少。這也是我們打造SKAN解決方案套件的初衷。Adjust知道，轉化值策略的制定和實施有時相當復雜，令許多移動營銷人員不知所措，望而卻步。

別擔心！借助Conversion Hub的智能設置功能，您可以依照策略有條不紊地映射并設置轉化值，同時打磨SKAN營銷技巧。話不多說，接下來我們就來具體看一下這一強大功能。?

滿足每位移動營銷人員的技術和策略需求

初涉SKAN的iOS端移動營銷人員總會遇到許多問題，讓人應接不暇。如果沒有必要的背景信息，則難以做出決策。有沒有必要將所有可用的63個轉化值都映射到關鍵事件？還是應該放棄轉化值映射，改用比特位映射？要回答這些問題，歸根結底是要了解每款應用的具體情況，選擇最合理的映射方法。

智能設置能夠根據(jù)應用具體需求，依托機器學習技術，以最少的輸入信息生成適合的轉化值映射，幫助營銷人員便捷地解決問題。此外，智能設置還有助于團隊提高SKAN技能，不斷改善和強化iOS策略。

為針對每位客戶的特殊

需求找到最合適的轉化值

智能設置會回答

前文提出的問題

透明簡便的比特位映射和靈活的轉化值映射

哪種方案效果更好？

要回答這個問題

我們就要考慮下列三個因素

·應用類別/所處領域

·應用變現(xiàn)是否在安裝后初始24小時內發(fā)生

·應用變現(xiàn)和收入模型原理

應用類別對智能設置的推薦至關重要。假設兩款應用都通過應用內購買（IAP）變現(xiàn)，且都會在安裝后初始24小時內產生收入，但所屬類別不同，那么，它們適用的收入范圍映射就可能存在差異。而智能設置會推薦適合應用類別的轉化映射模型，有效監(jiān)測關鍵事件或收入范圍。

下面，以剛才假設的兩款應用為例，我們來詳細解釋看似情況相同的應用為何會獲得不同的轉化推薦。?

智能設置用例：游戲應用Hyper Combat VS食品外送應用Amazing Groceries

Adjust示例應用Hyper Combat和Amazing Groceries的營銷經理都需要技術和策略指引，從頭開始創(chuàng)建轉化值設置，并在不犧牲iOS策略的前提下提高SKAN技能。他們需要找到合適的方法，映射復雜的轉化值設置，不斷優(yōu)化設置并收集SKAN信息，盡可能精準地反映關鍵應用指標和事件。選擇轉化值映射還是比特位映射？

Hyper Combat的策略重點是廣告支出、應用內事件、防作弊和廣告收入；行業(yè)推廣涵蓋新關卡發(fā)布、玩法模擬推廣和廣告移除推廣，跟蹤的應用內交互事件包括社交媒體分享、好友邀請、完成關卡1、完成關卡10等。Hyper Combat最注重的收入和訂閱事件是"購買1000枚金幣"和其他金幣捆綁包購買，掛件購買和付費去廣告。

Amazing Groceries采用的也是IAP收入模型（完成購買），但注重不同的策略方面，如推廣活動精細度、用戶獲取和跨平臺/渠道跟蹤。作為電商類應用的Amazing Groceries，應用內交互事件也與游戲應用Hyper Combat完全不同。前者的重點在產品搜索、產品查看、首次銷售、結賬等。

要獲得現(xiàn)成的智能設置映射推薦，Hyper Combat和Amazing Groceries的營銷經理都只需完成幾個簡單步驟：

01 智能設置

他們首先會回答兩個簡單的問題。智能設置會根據(jù)回答中的信息，評估應用究竟適合轉化值映射（收入）還是比特位映射（行為）。如下圖所示，兩款應用都表示采用了IAP變現(xiàn)模型，并會在安裝后初始24小時內產生收入。

02 基于應用類別的推薦

基于應用類別，兩款應用分別獲得了不同的推薦。Hyper Combat適合收入映射。因為基于預測型LTV數(shù)據(jù)分析，我們可以認定游戲類應用安裝后最初幾小時的用戶購買額與用戶長期購買行為密切相關。通過從低到高將收入范圍映射到所有63個可用轉化值上，我們能夠深入理解推廣活動所吸引用戶的情況。如果一款推廣活動回調量高，轉化值均在較低的范圍，說明用戶產生高收入的可能性較低；而回調量高、轉化值范圍也較高的推廣活動指示用戶LTV更高，能夠產生大量收入。

而食品外送類應用則更適合比特位映射。對于此類應用來說，安裝后初期購買行為和長期購買行為之間并沒有特別緊密的聯(lián)系。假設用戶安裝了一款食品外送類應用，并從連鎖快餐店訂了餐。訂單金額相對較低，因此，安裝后初始24小時內產生的收入一般落在較低的轉化值范圍內。但這并不代表該用戶以后就不會訂購更昂貴的餐點；反之亦然：第1天下一筆大單的用戶可能以后不會再點餐，也可能在同一周晚些時候訂購價格更加低廉的快餐。通過安裝后初始24小時內的收入，我們能預測游戲類應用用戶的LTV，但食品外送類應用則不然。對于后者來說，初始24小時內發(fā)生的其他關鍵事件對未來用戶行為的指示性更強，如初期會話量、進行的搜索次數(shù)，以及查看的餐廳數(shù)量等。正是基于這一點，智能設置向導才會認定行為——即比特位映射更適合Amazing Groceries。

03 轉化值映射

接下來，我們將看到Hyper Combat的收入范圍轉化值映射情況，以及Amazing Groceries映射到比特位的事件。Hyper Combat的各個收入范圍都映射到了63個可用轉化值上，每個范圍都指示不同的LTV；Amazing Groceries則選擇了6個關鍵事件，并將這些事件映射到6個比特位，據(jù)此預測用戶長期行為或LTV。

對于移動營銷人員來說，使用SKAN并發(fā)揮出這一框架的最大潛力，是2023年不得不考慮的問題。只有這樣，才能打造出可監(jiān)測的成功推廣活動，推動iOS端的增長。而Conversion Hub能夠針對您的應用、行業(yè)類別和變現(xiàn)模型自動定制轉化值映射，讓每個人都能輕松玩轉SKAN。?