Mobile app developers use paid advertising campaigns to acquire new users, and they need to know the campaigns' performance to guide their spending. Determining the campaign that led to an install requires that the app and advertising network share an identifier that allows matching ad clicks to installs. Ad networks use the identifier to build user profiles that help with targeting and personalization. Modern mobile operating systems have features to protect the privacy of the user. In Apple's iOS 14, privacy features are protective to an extent never seen before. Instead of asking the user to opt-out of tracking, all apps need to get system permission for tracking explicitly. If the user does not allow tracking, the identifier for advertisers (IDFA) required for attributing the installation to the campaign is not shared. The lack of an identifier for the attribution changes profoundly how user acquisition campaigns' performance is measured. For users who do not allow tracking, there is a new feature that still allows following campaign performance. The app can set a conversion value for each user, and the developer can get the number of installs per conversion value for each campaign. This paper investigates the task of distributing revenue to advertising campaigns using the conversion values. Our contributions are to formalize the problem, find the theoretically optimal revenue attribution scheme for any \emph{reasonable} conversion value scheme and show empirical results on past data of a free-to-play mobile game using different conversion value schemas.


翻译:移动应用程序开发者使用付费的广告运动来获取新用户, 他们需要了解运动的运行情况来指导新用户。 确定导致安装的运动, 要求应用程序和广告网络共享一个识别器, 以便匹配广告点击来安装。 广告网络使用识别符来构建用户配置特征, 帮助定位和个人化。 现代移动操作系统具有保护用户隐私的特征。 在苹果的 iOS 14 中, 隐私功能具有保护性, 其程度前所未见。 应用程序可以设定每个用户的转换值, 而开发者可以为每项运动获得安装每个转换值的安装次数。 如果用户不允许跟踪, 广告商( IDFA) 所需的标识符( IDFA) 将安装指定为该运动所需的标识符无法共享。 缺乏标识符来构建用户获取运动的性能如何测量用户获取性能的深度变化。 对于不允许跟踪的用户来说, 新的操作系统仍然允许在运动业绩中设置一个新的特性。 应用程序可以为每个用户设定一个转换值, 开发者可以为每次运动的每个转换值获得安装次数。 。 本文调查利用转换值将收入分配到广告上的任何转换结果的任务 。 。 将任何最可靠的收入转换计划 。 。 将 。 将 将 将 将 将 将 将 格式转换成为 。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
深度强化学习策略梯度教程,53页ppt
专知会员服务
179+阅读 · 2020年2月1日
强化学习最新教程,17页pdf
专知会员服务
176+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
276+阅读 · 2019年10月9日
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
计算机 | USENIX Security 2020等国际会议信息5条
Call4Papers
7+阅读 · 2019年4月25日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年4月13日
Arxiv
0+阅读 · 2021年4月13日
Arxiv
0+阅读 · 2021年4月9日
The Matrix Calculus You Need For Deep Learning
Arxiv
12+阅读 · 2018年7月2日
VIP会员
相关资讯
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
计算机 | USENIX Security 2020等国际会议信息5条
Call4Papers
7+阅读 · 2019年4月25日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
【TED】什么让我们生病
英语演讲视频每日一推
7+阅读 · 2019年1月23日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员