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

专知会员服务
41+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
180+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
计算机 | 中低难度国际会议信息8条
Call4Papers
9+阅读 · 2019年6月19日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年4月12日
Arxiv
0+阅读 · 2021年4月11日
Arxiv
0+阅读 · 2021年4月9日
VIP会员
相关VIP内容
专知会员服务
41+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
180+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
相关资讯
计算机 | 中低难度国际会议信息8条
Call4Papers
9+阅读 · 2019年6月19日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
10+阅读 · 2019年1月29日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员