Conversion Hub智能设置 | 带您迈向iOS成功

前不久，完整版Conversion Hub正式推出。Conversion Hub是Adjust的一站式解决方案，能帮您进行智能、轻松、高效的转化值映射。在之前的博文中，我们已经深入了解了高级设置。今天，我们就将目光转向智能设置，了解如何根据应用所处类别和具体需求，轻松进行转化值映射。

当下，要推动增长监测，在iOS和SKAN中取得成功，符合具体业务模型需求的解决方案必不可少。这也是我们打造SKAN解决方案套件的初衷。Adjust知道，转化值策略的制定和实施有时相当复杂，令许多移动营销人员不知所措，望而却步。

别担心！借助Conversion Hub的智能设置功能，您可以依照策略有条不紊地映射并设置转化值，同时打磨SKAN营销技巧。话不多说，接下来我们就来具体看一下这一强大功能。?

满足每位移动营销人员的技术和策略需求

初涉SKAN的iOS端移动营销人员总会遇到许多问题，让人应接不暇。如果没有必要的背景信息，则难以做出决策。有没有必要将所有可用的63个转化值都映射到关键事件？还是应该放弃转化值映射，改用比特位映射？要回答这些问题，归根结底是要了解每款应用的具体情况，选择最合理的映射方法。

智能设置能够根据应用具体需求，依托机器学习技术，以最少的输入信息生成适合的转化值映射，帮助营销人员便捷地解决问题。此外，智能设置还有助于团队提高SKAN技能，不断改善和强化iOS策略。

为针对每位客户的特殊

需求找到最合适的转化值

智能设置会回答

前文提出的问题

透明简便的比特位映射和灵活的转化值映射

哪种方案效果更好？

要回答这个问题

我们就要考虑下列三个因素

·应用类别/所处领域

·应用变现是否在安装后初始24小时内发生

·应用变现和收入模型原理

应用类别对智能设置的推荐至关重要。假设两款应用都通过应用内购买（IAP）变现，且都会在安装后初始24小时内产生收入，但所属类别不同，那么，它们适用的收入范围映射就可能存在差异。而智能设置会推荐适合应用类别的转化映射模型，有效监测关键事件或收入范围。

下面，以刚才假设的两款应用为例，我们来详细解释看似情况相同的应用为何会获得不同的转化推荐。?

智能设置用例：游戏应用Hyper Combat VS食品外送应用Amazing Groceries

Adjust示例应用Hyper Combat和Amazing Groceries的营销经理都需要技术和策略指引，从头开始创建转化值设置，并在不牺牲iOS策略的前提下提高SKAN技能。他们需要找到合适的方法，映射复杂的转化值设置，不断优化设置并收集SKAN信息，尽可能精准地反映关键应用指标和事件。选择转化值映射还是比特位映射？

Hyper Combat的策略重点是广告支出、应用内事件、防作弊和广告收入；行业推广涵盖新关卡发布、玩法模拟推广和广告移除推广，跟踪的应用内交互事件包括社交媒体分享、好友邀请、完成关卡1、完成关卡10等。Hyper Combat最注重的收入和订阅事件是”购买1000枚金币”和其他金币捆绑包购买，挂件购买和付费去广告。

Amazing Groceries采用的也是IAP收入模型（完成购买），但注重不同的策略方面，如推广活动精细度、用户获取和跨平台/渠道跟踪。作为电商类应用的Amazing Groceries，应用内交互事件也与游戏应用Hyper Combat完全不同。前者的重点在产品搜索、产品查看、首次销售、结账等。

要获得现成的智能设置映射推荐，Hyper Combat和Amazing Groceries的营销经理都只需完成几个简单步骤：

01 智能设置

他们首先会回答两个简单的问题。智能设置会根据回答中的信息，评估应用究竟适合转化值映射（收入）还是比特位映射（行为）。如下图所示，两款应用都表示采用了IAP变现模型，并会在安装后初始24小时内产生收入。

02 基于应用类别的推荐

基于应用类别，两款应用分别获得了不同的推荐。Hyper Combat适合收入映射。因为基于预测型LTV数据分析，我们可以认定游戏类应用安装后最初几小时的用户购买额与用户长期购买行为密切相关。通过从低到高将收入范围映射到所有63个可用转化值上，我们能够深入理解推广活动所吸引用户的情况。如果一款推广活动回调量高，转化值均在较低的范围，说明用户产生高收入的可能性较低；而回调量高、转化值范围也较高的推广活动指示用户LTV更高，能够产生大量收入。

而食品外送类应用则更适合比特位映射。对于此类应用来说，安装后初期购买行为和长期购买行为之间并没有特别紧密的联系。假设用户安装了一款食品外送类应用，并从连锁快餐店订了餐。订单金额相对较低，因此，安装后初始24小时内产生的收入一般落在较低的转化值范围内。但这并不代表该用户以后就不会订购更昂贵的餐点；反之亦然：第1天下一笔大单的用户可能以后不会再点餐，也可能在同一周晚些时候订购价格更加低廉的快餐。通过安装后初始24小时内的收入，我们能预测游戏类应用用户的LTV，但食品外送类应用则不然。对于后者来说，初始24小时内发生的其他关键事件对未来用户行为的指示性更强，如初期会话量、进行的搜索次数，以及查看的餐厅数量等。正是基于这一点，智能设置向导才会认定行为——即比特位映射更适合Amazing Groceries。

03 转化值映射

接下来，我们将看到Hyper Combat的收入范围转化值映射情况，以及Amazing Groceries映射到比特位的事件。Hyper Combat的各个收入范围都映射到了63个可用转化值上，每个范围都指示不同的LTV；Amazing Groceries则选择了6个关键事件，并将这些事件映射到6个比特位，据此预测用户长期行为或LTV。

对于移动营销人员来说，使用SKAN并发挥出这一框架的最大潜力，是2023年不得不考虑的问题。只有这样，才能打造出可监测的成功推广活动，推动iOS端的增长。而Conversion Hub能够针对您的应用、行业类别和变现模型自动定制转化值映射，让每个人都能轻松玩转SKAN。?

相关推荐: 预警！4600名电商卖家已因偷税被英国税务局警告！英国税务稽查是怎么盯上你的?

在过去两年中，英国税务部门对在亚马逊和eBay等主要电商平台上销售的商品进行了总计7000次调查，其中有4600家电商卖家因偷税漏税收到了警告通知。 据了解，目前已有许多商家被下线整改或关闭移除，而目前合法出售的卖家约为英国税务贡献了2.05亿英镑（约2.55…