मोबाइल ऐड नेटवर्क की तुलना: क्या आप अब भी गलत नंबरों पर भरोसा कर रहे हैं?

अमेरिका में बैठे एक डिजिटल मार्केटिंग विशेषज्ञ के तौर पर मैंने पिछले एक दशक में सैकड़ों मोबाइल ऐप कैंपेन चलाए हैं। जब भी कोई क्लाइंट या मार्केटिंग टीम मुझसे पूछती है, “कौन सा मोबाइल ऐड नेटवर्क सबसे बेहतर है?” तो मेरा पहला जवाब हमेशा एक सवाल होता है: “आप तुलना किस आधार पर कर रहे हैं?” अगर आपका जवाब CPI, eCPM, CTR, IPM या blended ROAS है, तो मैं आपको सीधे बता दूँ-आप एक पुराने, खतरनाक जाल में फँस चुके हैं। ये सारी मेट्रिक्स उसी पार्टी द्वारा दी जाती हैं जो आपको इन्वेंट्री बेच रही है। यानी जिस नेटवर्क की परफॉर्मेंस आप जज कर रहे हैं, वही आपको रिपोर्ट भी दे रहा है। यह एक बुनियादी हितों का टकराव है, और iOS 14.5 के बाद से यह समस्या और भी गहरी हो गई है क्योंकि अब डेटा एग्रीगेटेड, डिलेड और नॉइज़ी हो चुका है।

इस ब्लॉग पोस्ट का मकसद एक अनोखा, कम चर्चित दृष्टिकोण सामने रखना है। हम मोबाइल ऐड नेटवर्क की तुलना को एक नए फ्रेमवर्क से देखेंगे, जिसमें सबसे बड़ा जोर इस बात पर होगा कि कौन सा नेटवर्क साफ, वेरिफ़ायबल और सचमुच इंक्रीमेंटल ग्रोथ देता है-न कि किसका डैशबोर्ड सबसे आकर्षक दिखता है।

पुराना तरीका क्यों धोखा दे रहा है?

Google Ads, Meta Ads, TikTok Ads और Snapchat Ads जैसे सेल्फ-एट्रिब्यूटिंग नेटवर्क अपने कन्वर्ज़न को खुद मापते हैं। वे अपनी क्लिक/व्यू डेटा के आधार पर बताते हैं कि उन्होंने कितने ऐप इंस्टॉल या खरीदारी दिलाई। लेकिन मोबाइल मेजरमेंट पार्टनर्स जैसे AppsFlyer, Adjust या Branch के पास केवल वही पोस्टबैक आती है जो नेटवर्क भेजना चाहता है। यानी आप एक तरह से उसी पार्टी की कहानी सुन रहे हैं जो आपको बेच रही है।

दूसरी ओर Unity Ads, ironSource, AppLovin, Mintegral और Liftoff/Vungle जैसे नेटवर्क इन-ऐप बिडिंग इकोसिस्टम में काम करते हैं। वहाँ इंप्रेशन-लेवल डेटा अक्सर पब्लिशर या SSP के पास रहता है, एडवरटाइज़र के पास नहीं। ऐसे में आप यह तुलना ही नहीं कर पाते कि कौन सा नेटवर्क वास्तव में बेहतर था।

मैं आपको एक किस्सा सुनाता हूँ। पिछले साल एक US ई-कॉमर्स ऐप के लिए हमने दो नेटवर्क की तुलना की। पहले नेटवर्क का डैशबोर्ड दिखा रहा था कि उसने 2,000 इंस्टॉल दिलाए, CPI $3.5। दूसरे नेटवर्क का CPI $4.8 था। लेकिन जब हमने MMP का रॉ डेटा खोला, तो पता चला कि पहले नेटवर्क के 1,100 इंस्टॉल ऐसे यूज़र थे जिन्होंने पिछले 7 दिनों में दूसरे नेटवर्क का ऐड देखा था। यानी पहला नेटवर्क सिर्फ क्रेडिट चुरा रहा था, असली योगदान न के बराबर था। यही हाल तब होता है जब आप सिर्फ सेल्फ-रिपोर्टेड मेट्रिक्स पर भरोसा करते हैं।

चार पैमाने जो असली तुलना करते हैं

मैं अपने US-आधारित क्लाइंट्स के लिए मोबाइल ऐड नेटवर्क की तुलना चार ऐसे एक्सिस पर करता हूँ जिन पर शायद ही कभी खुलकर बात होती है। ये चारों मिलकर किसी नेटवर्क की सच्ची वैल्यू सामने रखते हैं।

एट्रिब्यूशन विंडो और सेल्फ-रिपोर्टिंग का खेल

हर नेटवर्क अपनी एट्रिब्यूशन विंडो खुद सेट करता है। Meta और Google व्यू-थ्रू एट्रिब्यूशन में काफी आक्रामक होते हैं। इसका मतलब यह है कि अगर किसी यूज़र ने आपका ऐड देखा भी नहीं, लेकिन वह उसी ऑडियंस कोहॉर्ट में था, तो भी कुछ मॉडल्ड कन्वर्ज़न उनके खाते में जा सकते हैं। इसे विंडो बायस कहते हैं।

उदाहरण के लिए, मान लीजिए आपका ऐप एक फिटनेस ऐप है। iOS पर Meta और Google दोनों चल रहे हैं। अब आप TikTok जोड़ते हैं। TikTok का डैशबोर्ड दिखाता है कि उसका CPI $4.5 है, Google का $5.2 और Meta का $5.8। आप खुश होकर TikTok पर बजट बढ़ाते हैं। लेकिन जब आप MMP में रॉ डेटा देखते हैं तो पाते हैं कि TikTok के 60% इंस्टॉल उन यूज़र्स के हैं जिन्होंने पिछले 7 दिनों में Google या Meta का ऐड देखा था। यानी TikTok सिर्फ लास्ट-क्लिक ले रहा था, इंक्रीमेंटल वैल्यू नगण्य थी।

तुलना का सही तरीका:

• हर नेटवर्क के लिए समान एट्रिब्यूशन विंडो सेट करें-जैसे 7-दिन क्लिक-थ्रू, 1-दिन व्यू-थ्रू।
• MMP में वेरिफ़ाइड इंस्टॉल देखें, न कि नेटवर्क के सेल्फ-रिपोर्टेड इंस्टॉल।
• जहाँ गैप 20% से अधिक हो, वहाँ नेटवर्क की रिपोर्टिंग पर भरोसा कम करें।

SKAdNetwork की पारदर्शिता

iOS पर अब SKAdNetwork यानी SKAN का डेटा ही सबसे न्यूट्रल मेजरमेंट है। लेकिन हर नेटवर्क SKAN पोस्टबैक को अलग तरीके से हैंडल करता है। कुछ नेटवर्क कन्वर्ज़न वैल्यू मैपिंग सही करते हैं, कुछ नहीं। कुछ नेटवर्क Apple के प्राइवेसी थ्रेशोल्ड के कारण नल पोस्टबैक की भारी संख्या के साथ आते हैं।

यहाँ एक ठोस उदाहरण है। एक US फूड डिलीवरी ऐप के लिए मैंने तीन नेटवर्क की SKAN पोस्टबैक क्वालिटी तुलना की। नेटवर्क A का नल रेट 18% था, नेटवर्क B का 42% और नेटवर्क C का 67%। डैशबोर्ड पर तीनों का ब्लेंडेड CPA लगभग बराबर दिख रहा था। लेकिन जब हमने केवल नॉन-नल, वैलिड पोस्टबैक पर CPA कैलकुलेट किया, तो नेटवर्क C का CPA 2.3 गुना महंगा निकला। यानी उसका सस्ता दिखना नल डेटा के नॉइज़ में छिपा था।

देखने योग्य मेट्रिक्स:

• SKAN पोस्टबैक नल रेट
• कन्वर्ज़न वैल्यू मैपिंग की फ्लेक्सिबिलिटी
• क्राउड एनोनिमिटी थ्रेशोल्ड कंप्लायंस
• डिलेड पोस्टबैक में कंसिस्टेंसी

तीखा सच यह है कि कई नेटवर्क अपने डैशबोर्ड में SKAN डेटा को अपने मॉडल्ड डेटा के साथ मिलाकर ब्लेंडेड ROAS दिखाते हैं। इसमें SKAN का हिस्सा अक्सर छिपा होता है। जो नेटवर्क SKAN डेटा को अलग से नहीं दिखाता, वह प्राइवेसी युग में ब्लैक-बॉक्स है और आपको उसे ट्रस्ट नहीं करना चाहिए।

Log-Level डेटा कौन देता है?

यह सबसे कम चर्चित पहलू है, लेकिन सबसे अधिक धोखा यहीं होता है। जब आप Google या Meta से लॉग-लेवल इंप्रेशन/क्लिक डेटा माँगते हैं, तो आपको नहीं मिलता। वे एग्रीगेटेड, मॉडल्ड डेटा देते हैं। Unity, ironSource, AppLovin जैसे नेटवर्क कुछ हद तक लॉग-लेवल डेटा दे सकते हैं, लेकिन उनकी फ्रॉड फ़िल्टरिंग और डिवाइस ग्राफ क्वालिटी में बड़ा अंतर होता है।

तुलना के मापदंड:

• क्या नेटवर्क रॉ पोस्टबैक डेटा देता है?
• क्या आपको सब-पब्लिशर, प्लेसमेंट, क्रिएटिव लेवल का डेटा मिलता है?
• क्या फ्रॉड सिग्नल जैसे क्लिक इंजेक्शन, क्लिक फ्लडिंग, इंसेंटिवाइज़्ड इंस्टॉल को पारदर्शी तरीके से फ्लैग किया जाता है?
• क्या नेटवर्क ads.txt या sellers.json के ज़रिए सप्लाई पाथ साफ़ करता है?

मेरे अनुभव से, जो नेटवर्क लॉग-लेवल डेटा नहीं देता, उसका ओरिजिनल परफॉर्मेंस अक्सर उसके डैशबोर्ड से 30-50% खराब होता है जब आप न्यूट्रल वेंडर से वेरिफिकेशन कराते हैं। एक US गेमिंग ऐप के लिए हमने एक जाने-माने ऐड नेटवर्क का डेटा उसके डैशबोर्ड से तुलना किया। डैशबोर्ड पर CPI $3.2 दिख रहा था। जब हमने रॉ पोस्टबैक डेटा को थर्ड-पार्टी फ्रॉड फ़िल्टर से चलाया, तो वेरिफ़ाइड CPI $4.9 निकला-53% का गैप।

Incremental Audience: क्या नेटवर्क सच में नए यूज़र ला रहा है?

यह मेरा पसंदीदा और सबसे अनदेखा पैमाना है। मान लीजिए आप Google Ads और Meta Ads पर अच्छा स्केल कर रहे हैं। अब आप TikTok, Snap या Unity को जोड़ते हैं। उनके डैशबोर्ड के हिसाब से CPI कम दिख सकता है, लेकिन असली सवाल यह है: क्या वे नई ऑडियंस ला रहे हैं, या उसी यूज़र के पीछे भाग रहे हैं जो पहले से ही Google/Meta से एक्सपोज़ हो चुका है?

इसे मैं “ओवरलैप रिमूवल रेट” कहता हूँ। अगर किसी नेटवर्क के 70% इंस्टॉल उन यूज़र्स से आ रहे हैं जिन्होंने पिछले 7 दिनों में Google/Meta ऐड देखे हैं, तो वह नेटवर्क इंक्रीमेंटल ग्रोथ नहीं दे रहा-वह सिर्फ लास्ट-क्लिक ले रहा है।

तुलना का तरीका:

1. MMP रॉ डेटा में क्रॉस-नेटवर्क ओवरलैप देखें।
2. जियो-होल्डआउट टेस्ट चलाएँ-किसी एक राज्य/शहर में नया नेटवर्क ऑफ करके देखें कि क्या टोटल इंस्टॉल गिरते हैं या नहीं।
3. कन्वर्ज़न लिफ्ट टेस्ट करें-सिर्फ उस ऑडियंस को दिखाएँ जो Google/Meta से एक्सपोज़ नहीं हुई है।

कई बार एक नेटवर्क का CPI 20% महँगा होता है, लेकिन उसकी मार्जिनल इंक्रीमेंटल ऑडियंस 2x होती है। असली वैल्यू वहीं छिपी होती है।

US मार्केट में नेटवर्क-दर-नेटवर्क रिपोर्ट कार्ड

अब उस अनोखे लेंस से शॉर्ट, शार्प तुलना करते हैं। यह स्कोरकार्ड मेरे US क्लाइंट्स के लिए प्रैक्टिकल इनसाइट्स पर आधारित है।

• Google App Campaigns (UAC): रीच बहुत बड़ी, Android पर फर्स्ट-पार्टी डेटा की ताकत। समस्या: पूरी तरह ब्लैक-बॉक्स; लॉग-लेवल डेटा नहीं मिलता। iOS पर SKAN परफॉर्मेंस कमज़ोर। इंक्रीमेंटैलिटी टेस्ट में अक्सर ऑर्गेनिक इंस्टॉल को भी कैप्चर कर लेता है। कब चुनें: जब स्केल चाहिए और आप मॉडलिंग रिस्क सह सकते हैं।
• Meta Ads: iOS/Android दोनों पर मजबूत क्रिएटिव टेस्टिंग। समस्या: व्यू-थ्रू एट्रिब्यूशन इन्फ्लेटेड होता है। ATT के बाद ऑडियंस सिग्नल कमज़ोर। रिपोर्टिंग में 20-40% ओवर-एट्रिब्यूशन आम है। कब चुनें: जब क्रिएटिव टेस्टिंग और मिड-फ़नल एंगेजमेंट प्राथमिकता हो, लेकिन MMP वेरिफिकेशन ज़रूर रखें।
• TikTok Ads: Gen Z, कम CPM, वायरल क्रिएटिव पोटेंशियल। समस्या: सेल्फ-एट्रिब्यूशन ब्लैक-बॉक्स, SKAN डेटा क्वालिटी बहुत वेरिएबल। Meta से ऑडियंस ओवरलैप हाई। इंक्रीमेंटल रीच सीमित। कब चुनें: जब आपकी ऑडियंस युवा हो और क्रिएटिव हैवी हो। ओवरलैप चेक अनिवार्य।
• Snapchat Ads: कम स्केल, लेकिन Google/Meta से ऑडियंस ओवरलैप काफी कम। मज़बूत पक्ष: SKAN हैंडलिंग अच्छी, इंक्रीमेंटल ऑडियंस वैल्यू अधिक। कब चुनें: जब आप मार्जिनल ऑडियंस चाहते हैं और CPI थोड़ा हाई सह सकते हैं।
• Unity Ads / ironSource / AppLovin: गेमिंग इन्वेंट्री में बहुत मजबूत, रिवॉर्डेड वीडियो के लिए बेस्ट। समस्या: नॉन-गेमिंग कैंपेन के लिए क्वालिटी इनकंसिस्टेंट। फ्रॉड फ़िल्टर्स में अंतर। लॉग-लेवल डेटा मिल सकता है, लेकिन आपको माँगना पड़ता है। कब चुनें: गेमिंग ऐप या रिवॉर्डेड एंगेजमेंट के लिए। नॉन-गेमिंग में इंक्रीमेंटैलिटी टेस्ट ज़रूर करें।
• Mintegral: US में सस्ता CPI देने वाला आक्रामक नेटवर्क। समस्या: फ्रॉड रिस्क और सप्लाई क्वालिटी का बड़ा सवाल। ब्लैक-बॉक्स रिपोर्टिंग। कब चुनें: बहुत कम बजट टेस्टिंग में ही; बिना स्ट्रिक्ट फ्रॉड फ़िल्टर के स्केल न करें।
• Liftoff / Vungle: मशीन लर्निंग ड्रिवन बाइंग, प्रोग्रामैटिक ऑप्टिमाइज़ेशन अच्छी। समस्या: एनालिटिक्स ओपेक हो सकती है; क्रिएटिव लेवल ट्रांसपेरेंसी सीमित। कब चुनें: जब आप प्रोग्रामैटिक एफिशिएंसी चाहते हैं और वेंडर वेरिफिकेशन मौजूद है।

Delta Incrementality Score: एक व्यावहारिक फ्रेमवर्क

अब सबसे महत्वपूर्ण हिस्सा। ऊपर दिए गए चारों एक्सिस को मिलाकर मैं हर नेटवर्क के लिए एक सरल स्कोरिंग सिस्टम यूज़ करता हूँ। इसे मैं Delta Incrementality Score (DIS) कहता हूँ। यह स्कोर 0 से 100 तक होता है।

DIS के चार कंपोनेंट:

1. एट्रिब्यूशन ट्रांसपेरेंसी (0-25 पॉइंट)-क्या नेटवर्क समान विंडो पर वेरिफ़ाइड इंस्टॉल देता है? क्या सेल्फ-एट्रिब्यूशन गैप 20% से कम है?
2. SKAN क्वालिटी (0-25 पॉइंट)-नल रेट, पोस्टबैक डिले, कन्वर्ज़न वैल्यू मैपिंग कंसिस्टेंसी।
3. डेटा एक्सेस और फ्रॉड सिग्नल (0-25 पॉइंट)-लॉग-लेवल डेटा, सब-पब्लिशर विजिबिलिटी, ads.txt/sellers.json कंप्लायंस।
4. इंक्रीमेंटल ऑडियंस वैल्यू (0-25 पॉइंट)-जियो-होल्डआउट टेस्ट से मापी गई मार्जिनल लिफ्ट, ओवरलैप रेट 30% से कम होना।

DIS कैलकुलेट करने के स्टेप्स:

1. हर नेटवर्क को चारों पैरामीटर पर स्कोर दें।
2. वेटेज बराबर रखें (25-25-25-25)।
3. स्कोर को 0-100 में नॉर्मलाइज़ करें।
4. जिस नेटवर्क का DIS 70 से अधिक है, वहीं स्केल करें।
5. 50-70 वाले नेटवर्क को लिमिटेड बजट में टेस्ट करते रहें।
6. 50 से नीचे वाले नेटवर्क को सिर्फ एक्सपेरिमेंटल रखें, कभी कोर ग्रोथ के लिए रिलाय न करें।

रियल उदाहरण: एक US फूड डिलीवरी ऐप के लिए हमने चार नेटवर्क तुलना किए। Google Ads: DIS 68 (रीच बड़ी, but ब्लैक-बॉक्स)। Meta Ads: DIS 60 (इन्फ्लेटेड एट्रिब्यूशन)। Snapchat Ads: DIS 81 (लो ओवरलैप, क्लीन SKAN)। TikTok Ads: DIS 45 (हाई ओवरलैप, पुअर SKAN नल रेट)। डैशबोर्ड पर TikTok का CPI सबसे कम था ($3.1), जबकि Snapchat का $5.6। लेकिन DIS के हिसाब से Snapchat सबसे बेहतर था। जब हमने बजट शिफ्ट किया, तो टोटल इंक्रीमेंटल इंस्टॉल 18% बढ़े, जबकि ब्लेंडेड CPI सिर्फ 6% बढ़ा। यही है सच्ची मोबाइल ग्रोथ।

निष्कर्ष: अब खेल बदल गया है

अमेरिकी बाजार में मोबाइल ऐड नेटवर्क की तुलना अब एक मीडिया बाइंग की समस्या नहीं रही। यह डेटा सॉवरिन्टी और इंक्रीमेंटैलिटी मेजरमेंट की समस्या बन गई है। जो मार्केटर सिर्फ CPI और eCPM देखता है, वह प्राइवेसी युग में धीरे-धीरे खत्म हो जाएगा। जो मार्केटर रॉ डेटा, SKAN क्वालिटी, सप्लाई पाथ ट्रांसपेरेंसी और इंक्रीमेंटल ऑडियंस वैल