SKAN y Android Privacy Sandbox: qué son y por qué existen

14 septiembre

Conoce los desafíos de SKAN y Android Privacy Sandbox

Primero que nada, deberíamos empezar por lo más sencillo: a qué nos referimos cuando decimos Android Privacy Sandbox y SKAN, también conocida como SKAdNetwork.

Tanto Android Privacy Sandbox como SKAN son API (Application Programming Interfaces) que ayudan a las redes publicitarias y a los anunciantes a medir la efectividad de sus acciones publicitarias (a través del conteo de impresiones, clics, instalaciones, etc.), pero cuyo foco está puesto en la privacidad del usuario.

Estas API son la manera en la que iOS y Android permiten que los anunciantes puedan obtener cierta información en cuanto al impacto de su comunicación en canales digitales.

Para todo marketer, medir el impacto de sus estrategias es crítico, y el mundo de la publicidad para apps no es ajena a esto. El problema está cuando los anunciantes comienzan a tener demasiada información sobre el comportamiento de los usuarios, lo cual ha derivado en que la industria evolucione hacia soluciones más orientadas hacia la privacidad sin quitar la posibilidad de medir y adjudicar resultados a estas estrategias de comunicación.

¿Qué quiere decir esto?

Que con SKAN o Android Privacy Sandbox los proveedores de servicios publicitarios no pueden acceder a los datos individuales de los usuarios, lo cual redunda en una mayor privacidad.

El gran cambio que estos nuevos protocolos traen al ecosistema de marketing es que se deja de usar un identificador único de usuario, también conocido como IDFA, y, para poder trackear, se diseñaron otros métodos.

¿Y cuál es la diferencia entre SKAN y Sandbox?

Lo cierto es que hay más similitudes que diferencias. Ambas interfaces buscan brindar información a los anunciantes sin exponer la privacidad de los usuarios, solo que una de ellas lo hace para iOS y la otra para Android.

SKAN fue lanzado en 2018 por Apple para que los anunciantes de iOS puedan medir y optimizar campañas, sin revelar ningún dato específico sobre los usuarios, ni sus dispositivos. Un par de años después, en 2020, Android le siguió los pasos y lanzó Sandbox, con el propósito de crear un entorno seguro y aislado que este sistema operativo proporciona para ejecutar aplicaciones, el cual limita el acceso a los recursos y datos del sistema e impide la interferencia con otras aplicaciones.

A fin de cuentas, ambas buscan salvaguardar la seguridad y protección de la privacidad de sus personas usuarias.

¿Cómo trackean estas API?

Antes de explicar cómo se miden las acciones y conversiones de los usuarios, sería necesario explicar qué actores están en juego.

En primer lugar, está el usuario, que es el target de una campaña publicitaria. Por supuesto, la contracara del usuario al que se desea llegar es la aplicación anunciante que quiere fomentar una acción, ya sea una descarga, una compra in app, etc. A esto se suman otros dos actores que se encuentran en el medio, la ad network (o red publicitaria), que es donde se muestra el anuncio, y el MMP (Mobile Measurement Partner), el responsable de la medición y atribución de las conversiones y visualizaciones a cada ad network.

• Un anunciante podría ser Boomit – Growth Marketing
• Un MMP podría ser Singular o Appsflyer
• Una ad network podría ser TikTok Ads, por ejemplo.

Lo que hacen las API es registrar eventos, que pueden ser la visualización de un anuncio por más de tres segundos, la visualización completa de un anuncio (si se trata de un video) y otras interacciones como la visita a la app store y la descarga de una app. Esta información se envía desde la ad network hacia el MMP y se registra lo que va ocurriendo entre los anuncios y los usuarios.

Paso a paso de SKAN y Sandbox

Existen una serie de hitos que tienen que pasar para que se atribuya una descarga, que es, en la mayoría de los casos, el objetivo de una campaña publicitaria para apps. Repasemos una por una cuáles son las acciones que llevan a cumplir esta meta.

Ambas API, tanto SKAN como Sandbox, (en sus configuraciones por defecto y para simplificar esta lectura) atribuyen las descargas de app que realiza el público que fue impactado por los anuncios por un plazo de 30 días, lo cual se conoce como ventana de atribución.

Una vez lograda la conversión, la API notifica a la red publicitaria sobre dicha conversión, lo que se conoce como postback. El tema es que, a partir del surgimiento de estas interfaces centradas en la protección de la privacidad de los usuarios, no se brinda ningún tipo de información personal o sobre el dispositivo. Esto vuelve mucho más complejo el seguimiento de ese usuario a lo largo del tiempo y, por lo tanto, complejiza los cálculos de costos por usuario, LTV, RoAS, entre otros.

Qué desafíos traen estas API al performance marketing

Si bien la privacidad de los usuarios es un factor sumamente importante a tener en cuenta, lo cierto es que este tipo de interfaces obstaculizan, o al menos complejizan, el trabajo de los marketers.

Adicionalmente, la privacidad puede verse como un beneficio para el usuario final, pero también es importante entender que el trabajo del marketer es diseñar estrategias de comunicación relevantes para los usuarios, es decir que lo que vean a nivel publicitario les interese y les aporte valor.

Estos nuevos obstáculos serán un gran desafío en términos de lograr estrategias de comunicación relevantes para la audiencia objetivo.

¿De qué manera nos afectan estas API?

• Dificultad de medir RoAS y LTV – Estas API son útiles para medir acciones inmediatas, como una instalación, pero no tanto para medir valores de conversión o ticket promedio en el largo plazo, debido a las restricciones temporales que establecen.

• Riesgo de fraude – La información puede ser manipulada con facilidad, lo cual aumenta la posibilidad de fraude publicitario.
• Dificultad de hacer acciones de re-engagement – Al no contar con mucha información sobre el usuario, ni su dispositivo, la tarea de re-engagement termina siendo mucho más difícil.

Qué estamos haciendo en Boomit para afrontar estos desafíos

Para resolver estas nuevas dificultades que la privacidad de datos nos trae, desde Boomit, estamos desarrollando prácticas que nos permitan medir de manera más acertada el impacto de las estrategias digitales que desarrollamos.

Este trabajo lo realizamos principalmente en tres diferentes líneas:

• Análisis de incrementalidad

Este tipo de análisis se basa en aislar determinadas variables y generar los cambios en las estrategias de forma tal de poder atribuir los cambios con un alto grado de seguridad.

Llevando esto a un ejemplo sencillo, si tuviésemos una app que durante un año no estuvo desarrollando una estrategia de paid media y, al comenzar la estrategia, se duplican las suscripciones, entonces podemos tener un indicio de que el crecimiento se debe a estas nuevas acciones.

• Análisis de correlación

Este tipo de análisis consiste en aplicar modelos matemáticos de correlación entre el tráfico no atribuible (en general asignado como orgánico) y el tráfico atribuido para entender los patrones de comportamiento de ambas componentes.

Nuevamente, para llevar esto a un ejemplo simple, si vemos que el componente de tráfico orgánico se comporta exactamente igual a las variaciones en las inversiones publicitarias durante un período de tiempo estadísticamente válido, podemos calcular la porción de tráfico no atribuible que corresponde asignarle a la estrategia de paid media.

• Asignación de costos dinámicos

Este tipo de cálculo consiste en diseñar ecuaciones a medida para cada producto digital o proyecto en el que estemos trabajando.

Dependiendo del histórico de comportamiento, de la correlación entre orgánico y paid media, y de los estudios de incrementalidad, podemos diseñar una ecuación de comportamiento que calcula el RoAS real considerando estos nuevos escenarios desafiantes en la privacidad de datos que traen SKAN y Android Privacy Sandbox.