Investire in campagne per la propria app e non sapere quali di esse stiano effettivamente generando installazioni e conversioni è uno dei problemi più comuni che incontriamo lavorando con aziende che hanno già un'app attiva sul mercato.
Non si tratta di una configurazione mancante o di un report da correggere, è un limite strutturale. Risolverlo richiede un approccio diverso.
La zona cieca tra l'annuncio e l'app store
Quando un utente clicca su un annuncio per scaricare un'app, il suo percorso attraversa un punto che strumenti di analytics “tradizionali” come Firebase, GA4 o Amplitude non riescono a vedere: il passaggio attraverso l'app store.
Il flusso reale è questo:
- l'utente vede un annuncio su Meta, Google o TikTok;
- clicca e viene reindirizzato verso App Store o Google Play;
- scarica e installa l'app;
- apre l'app per la prima volta.
Gli strumenti di analytics integrati nell'app entrano in gioco solo al punto 4. Tutto ciò che è accaduto prima, il clic sull'annuncio, il canale di provenienza, la campagna specifica, avviene in un ambiente che non è né controllato né visibile da Firebase (il Google Analytics per le app) o da qualsiasi SDK analogo.
Questo passaggio attraverso l'app store è una zona cieca informativa. L'utente entra come un “clic” su un annuncio e riemerge come un “install” anonimo, senza che nessun dato lo colleghi alla sua origine.
Il risultato pratico è che tutte quelle installazioni vengono registrate come dirette o organiche, indistinguibili da chi ha trovato l'app cercando direttamente sullo store. Le campagne paid diventano invisibili ai dati, e qualsiasi decisione di budget si basa su informazioni incomplete.
Perché gli strumenti di analytics tradizionali non risolvono questo problema
Firebase è uno strumento solido per analizzare il comportamento degli utenti all'interno dell'app: retention, funnel, eventi custom, engagement per schermata. È progettato per rispondere alla domanda "cosa fanno gli utenti una volta che sono dentro l'app?".
Non è invece progettato per rispondere a "come ci sono arrivati?". E non potrebbe farlo, perchè non ha tracking link, non intercetta il clic prima del redirect verso l'app store, e non ha modo di mantenere il filo tra un click su un annuncio pubblicitario e un install successivo.
Questa non è una lacuna di Firebase: è semplicemente fuori dal suo perimetro. Per colmarla serve uno strumento diverso, progettato specificamente per questo scopo.
Come funziona un MMP
Un MMP, Mobile Measurement Partner, è una piattaforma specializzata nell'attribuzione mobile, di solito a pagamento. A differenza degli analytics tool, entra in gioco nel momento del clic, prima che l'utente raggiunga l'app store.
Ogni annuncio viene associato a un tracking link generato dall'MMP. Quando l'utente clicca, il link lo porta prima attraverso i server dell'MMP, che registra le informazioni chiave: canale, campagna, dispositivo, timestamp. L'utente viene poi reindirizzato allo store normalmente, senza interruzioni visibili nel percorso.
Quando l'app viene aperta per la prima volta, l'SDK dell'MMP, integrato nel codice dell'app, confronta i dati del dispositivo con quelli registrati al momento del clic e ricollega i due eventi. L'install viene attribuito con precisione alla campagna che lo ha generato.
Su Android il meccanismo si chiama Google Play Install Referrer e conserva i parametri della campagna durante il passaggio nello store.
Su iOS, dopo l'introduzione di App Tracking Transparency con iOS 14.5, l'attribuzione deterministica è disponibile solo con il consenso esplicito dell'utente. Per tutti gli altri casi, gli MMP utilizzano modelli probabilistici e l'integrazione con SKAdNetwork di Apple.
Cosa cambia concretamente avere questi dati
Avere l'attribuzione corretta non è una questione di completezza dei report, è una questione di dove si alloca il budget e su quali basi si ottimizzano le campagne.
Con un MMP è possibile rispondere a domande come:
- Meta genera più install, ma Google porta utenti con un lifetime value più alto: su quale canale conviene investire maggiormente?
- Una campagna che performa bene in termini di volume sta portando utenti che abbandonano l'app dopo 48 ore?
- Quale creatività specifica genera gli utenti con il tasso di conversione in-app più alto?
Senza attribuzione, queste decisioni si prendono per intuizione. Con i dati corretti, si prendono su basi oggettive.
C'è un ulteriore vantaggio: i dati di conversione in-app inviati tramite MMP alle piattaforme pubblicitarie migliorano la qualità dell'ottimizzazione algoritmica. Meta e Google ottimizzano le campagne in base ai segnali che ricevono quindi più i segnali sono accurati e completi, più gli algoritmi riescono a trovare utenti con caratteristiche simili a quelli che hanno già convertito.
Quali sono i principali MMP sul mercato
I principali MMP sul mercato sono AppsFlyer, Adjust e Branch.
AppsFlyer e Adjust hanno un costo che si basa principalmente sul numero di conversioni attribuite, quindi la spesa cresce con il volume di utenti acquisiti tramite campagne. Branch invece lavora su abbonamento a scaglioni di volume.
Per dare un ordine di grandezza:
- Fase di lancio o volumi bassi. AppsFlyer ha un piano gratuito (Zero) fino a circa 12.000 install non organici totali, quindi un'app agli inizi può partire di fatto a costo zero sull'attribuzione. Adjust offre un piano base gratuito ma più limitato (circa 1.500 attribuzioni al mese). In questa fase il costo è trascurabile.
- App in crescita con campagne paid attive. Superata la soglia gratuita, AppsFlyer costa nell'ordine di 0,07 dollari per install attribuito sul piano Growth. In pratica un'app che genera, ad esempio, 20.000 install a pagamento al mese si colloca intorno ai 1400 dollari mensili di sola attribuzione.
- Volumi elevati. A questi livelli si negoziano tariffe enterprise (indicativamente 0,03 - 0,05 dollari per conversione) e Branch, che parte da circa 199 dollari al mese per fasce di volume, può risultare più conveniente rispetto al costo per singolo install.
Quando introdurlo
Prima del lancio, se possibile.
Integrare un MMP richiede l'aggiunta dell'SDK nel codice dell'app, un'operazione che va pianificata con il team di sviluppo. Farlo prima del go-live significa avere i dati di attribuzione completi fin dal primo install, senza gap storici da colmare.
Farlo dopo il lancio è comunque possibile, ma comporta un periodo di dati mancanti e, spesso, la necessità di ricalibrare le campagne già attive sulla base di segnali parziali.
MMP e Firebase: strumenti complementari, non alternativi
Vale la pena chiarirlo esplicitamente: un MMP non sostituisce uno strumento di app analytics come ad esempio Firebase. I due strumenti operano su livelli diversi e si completano a vicenda.
La combinazione dei due permette di chiudere il cerchio: collegare la sorgente di acquisizione al comportamento successivo, capire non solo quanti utenti si portano, ma quali utenti si portano e da dove.
I principali MMP si integrano nativamente con Firebase, arricchendo i profili utente con i dati di attribuzione senza necessità di sviluppi aggiuntivi significativi. Non si tratta di aggiungere complessità alla propria infrastruttura, ma di colmare un gap preciso con uno strumento progettato esattamente per quello scopo.
