iOS 14 heeft de app-attributie aanzienlijk verstoord door de toegang tot de IDFA (Identifier for Advertisers) te beperken. Deze IDFA werd voorheen door advertentienetwerken en meetpartners gebruikt om precies te volgen welke advertentie tot elke installatie had geleid. Vanaf iOS 14.5 moesten gebruikers expliciet toestemming geven voor tracking via de App Tracking Transparency (ATT)-melding van Apple, en de meerderheid koos ervoor om dit niet te doen. Het gevolg was een scherpe daling van de deterministische attributiegegevens, waardoor veel app-marketeers installatiecijfers hadden die niet langer overeenkwamen met hun rapporten op het advertentieplatform. Dit artikel legt uit wat er precies is veranderd, hoe de branche zich heeft aangepast en wat dit betekent voor uw huidige attributie-instellingen.
Wat is er veranderd aan gebruikersregistratie na iOS 14?
Na iOS 14.5 verplichtte Apple alle apps om gebruikers om toestemming te vragen voordat ze via de IDFA (In-Dependence Forwarding) werden gevolgd over verschillende apps en websites. Wanneer een gebruiker toestemming weigert, is de IDFA niet langer beschikbaar, wat betekent dat advertentienetwerken en partners voor mobiele metingen een installatie of in-app-gebeurtenis niet langer met zekerheid kunnen koppelen aan een specifieke advertentieklik. Het percentage gebruikers dat toestemming gaf voor de meeste apps daalde tot ver onder de 50% (Total Percentage, Transacties, Transacties, Transacties), waardoor de meeste iOS-installaties niet of slechts gedeeltelijk konden worden toegeschreven.
Vóór iOS 14 was de IDFA standaard beschikbaar. Adverteerders en hun meetpartners konden de apparaat-ID van een gebruiker op het moment van een advertentieklik koppelen aan dezelfde ID bij de installatie, waardoor er een duidelijke één-op-één-koppeling ontstond tussen advertentie-uitgaven en resultaten. Die deterministische keten werd verbroken voor gebruikers die de ATT-prompt weigerden. Als je ooit naar je dashboard hebt gekeken en je hebt afgevraagd waarom je app-installatiecijfers niet kloppen, of waarom je trackingcijfers niet overeenkomen tussen platforms, dan is dit hoogstwaarschijnlijk de oorzaak.
Apple introduceerde SKAdNetwork als een privacyvriendelijk alternatief voor campagnemeting. In plaats van individuele gebruikersgegevens door te geven, stuurt SKAdNetwork geaggregeerde, vertraagde signalen terug naar advertentienetwerken. Deze verandering heeft de manier waarop attributie op iOS werkt fundamenteel veranderd en de hele branche gedwongen om de manier waarop prestaties worden gemeten te herzien.
Hoe werkt SKAdNetwork voor app-attributie?
SKAdNetwork is Apple's framework voor privacyveilige installatietoewijzing op iOS. In plaats van gebruikersgegevens te delen, stuurt het na een installatie een bericht rechtstreeks van Apple naar het advertentienetwerk. Dit bevestigt dat een campagne tot een conversie heeft geleid, zonder te onthullen welke gebruiker de conversie heeft gerealiseerd. Hierdoor blijft de identiteit van de gebruiker privé, terwijl adverteerders toch inzicht krijgen in de prestaties van hun campagne.
De postback bevat een campagne-ID en een conversiewaarde, die app-marketeers kunnen configureren om betekenisvolle in-app-gebeurtenissen weer te geven, zoals registratie, eerste aankoop of een specifieke betrokkenheidsdrempel. Er zijn echter belangrijke beperkingen die van invloed zijn op hoe bruikbaar deze gegevens in de praktijk zijn:
- Vertraagde rapportage: Postbacks worden verzonden na een bepaalde tijdsperiode, doorgaans 24 tot 72 uur na de installatie, afhankelijk van de versie en configuratie.
- Beperkte conversiewaarden: Eerdere versies van SKAdNetwork boden slechts een 6-bits conversiewaarde, wat resulteerde in 64 mogelijke toestanden. SKAdNetwork 4.0 heeft dit uitgebreid, maar vereist nog steeds zorgvuldige planning om zinvolle signalen te extraheren.
- Geen gegevens op gebruikersniveau: Je kunt niet zien welke individuele gebruiker tot conversie is overgegaan, alleen dat een campagne heeft bijgedragen aan een bepaald aantal installaties.
- Drempelwaarde voor anonimiteit in de menigte: Apple houdt postbacks tegen voor campagnes onder een minimale verkeersdrempel, wat betekent dat kleinere campagnes mogelijk helemaal geen gegevens ontvangen.
Voor marketeers die gewend zijn aan gedetailleerde, realtime attributiegegevens, voelt SKAdNetwork beperkt aan. Het is echter wel het belangrijkste betrouwbare signaal dat beschikbaar is voor iOS-gebruikers die zich hebben afgemeld voor advertenties, dus een correcte configuratie is belangrijk om enig inzicht in de campagneprestaties te behouden.
Welke soorten app-campagnes werden het meest beïnvloed door iOS 14?
Prestatiegerichte iOS-campagnes die afhankelijk waren van data op gebruikersniveau voor optimalisatie, werden het hardst getroffen door iOS 14. Dit omvat retargetingcampagnes, lookalike audience targeting en elke campagne die in-app event data gebruikte om realtime biedingen te optimaliseren. Zonder de IDFA (In-Data Functional Application) verloren advertentieplatforms de gedetailleerde signalen die ze nodig hadden om hun algoritmes effectief te trainen. Dit leidde vaak tot een periode waarin de ROAS (Return on Ad Spend) niet overeenkwam met de werkelijkheid en de campagneprestaties leken af te nemen, zelfs als er nog steeds installaties plaatsvonden.
Retargetingcampagnes
Retargeting op iOS werd na iOS 14 extreem moeilijk. Om inactieve gebruikers opnieuw te bereiken, is het nodig ze in verschillende apps te identificeren, wat afhankelijk is van de IDFA (Identity for First Action). Zonder deze IDFA kromp de potentiële doelgroep voor retargeting voor de meeste adverteerders drastisch. Veel adverteerders verschoven hun retargetingbudget daarom naar Android of stapten over op contextuele strategieën op iOS.
Lookalike-doelgroeptargeting en algoritmische doelgroeptargeting
Advertentieplatforms zoals Meta en TikTok gebruiken conversiesignalen om lookalike-doelgroepen te creëren en de weergave te optimaliseren. Toen iOS 14 het aantal toewijsbare conversiegebeurtenissen dat naar deze platforms terugstroomde verminderde, hadden hun algoritmes minder gegevens om mee te werken. Dit leidde tot een periode van instabiliteit waarin discrepanties in attributiegegevens tussen platformrapporten en MMP-dashboards een veelvoorkomende klacht werden. Campagnes die voorheen voorspelbaar schaalden, werden moeilijker te optimaliseren.
Wat is het verschil tussen probabilistische en deterministische attributie na iOS 14?
Deterministische attributie koppelt een installatie aan een specifieke advertentie-interactie met behulp van een unieke identificatiecode, zoals de IDFA. Probabilistische attributie maakt gebruik van statistische inferentie, waarbij signalen zoals IP-adres, apparaattype, besturingssysteem en timing worden gecombineerd om te schatten welke advertentie waarschijnlijk tot een installatie heeft geleid. Na iOS 14 was deterministische attributie niet meer beschikbaar voor gebruikers die de ATT-prompt weigerden, waardoor probabilistische methoden de standaardmethode werden voor een aanzienlijk deel van het iOS-verkeer.
Het belangrijkste verschil in de praktijk is de zekerheid. Deterministische toewijzing geeft je een bevestigde match. Probabilistische toewijzing geeft je een waarschijnlijke match, wat een foutmarge introduceert. Dit is een van de belangrijkste redenen waarom het bijhouden van iOS-installaties onnauwkeurig wordt wanneer de aanmeldingspercentages laag zijn: een groot deel van de installaties wordt probabilistisch toegewezen, en sommige worden helemaal niet toegewezen en verschijnen als niet-toegewezen installaties in je MMP-dashboard.
Niet-toegeschreven installaties zijn niet per se verloren installaties. Het zijn installaties waarbij de toeschrijvingsketen niet met voldoende zekerheid kon worden voltooid. Het begrijpen van dit onderscheid helpt u uw gegevens correct te interpreteren in plaats van aan te nemen dat uw campagnes niet meer werken. Als het aantal app-installaties in rapporten plotseling is gedaald zonder een overeenkomstige daling in het aantal daadwerkelijke downloads dat zichtbaar is in App Store Connect, is verlies van toeschrijving vrijwel zeker de oorzaak.
Hoe reageerden partners voor mobiele metingen op iOS 14?
Mobiele meetpartners (MMP's) zoals Adjust, AppsFlyer en Branch reageerden op iOS 14 door frameworks te ontwikkelen die SKAdNetwork-gegevens combineren met probabilistische modellering en geaggregeerde rapportage. Dit geeft adverteerders een zo compleet mogelijk beeld binnen de nieuwe privacybeperkingen. Elk platform ontwikkelde zijn eigen aanpak, maar de rode draad was de verschuiving van gegevens op gebruikersniveau naar gemodelleerde, geaggregeerde inzichten.
AppsFlyer introduceerde zijn Privacy Cloud en SKAdNetwork-oplossing voor het verzamelen en modelleren van conversiegegevens. Adjust lanceerde zijn eigen SKAdNetwork-beheertools naast zijn probabilistische attributie-engine. Branch paste op vergelijkbare wijze zijn meetinfrastructuur aan om de splitsing tussen gebruikers die zich hebben aangemeld (waar deterministische attributie nog steeds werkt) en gebruikers die zich hebben afgemeld (waar gemodelleerde gegevens het gat opvullen) te beheren.
Deze tools helpen de kloof te verkleinen tussen wat uw advertentieplatform rapporteert en wat uw MMP rapporteert, maar ze elimineren deze niet volledig. Een zekere mate van discrepantie is nu een permanent kenmerk van iOS-metingen. De praktische implicatie hiervan is dat marketingcijfers die niet perfect kloppen niet per se een teken zijn dat er iets mis is; ze weerspiegelen vaak de structurele beperkingen van attributie na iOS 14.
Moeten app-marketeers zich vandaag de dag nog steeds zorgen maken over de toewijzing van iOS 14-resultaten?
In 2026 is iOS 14 geen nieuwe disruptie meer, maar het blijft de basisrealiteit voor iOS-attributie. Het privacykader dat Apple introduceerde is niet teruggedraaid en SKAdNetwork is blijven evolueren. App-marketeers die hun meetmethoden nog niet volledig hebben aangepast, ondervinden waarschijnlijk nog steeds problemen met inconsistenties in attributiegegevens, een onderschatting van de ROAS en moeilijkheden bij het opschalen van iOS-campagnes.
De meer relevante vraag van vandaag is of uw huidige attributie-instellingen correct zijn geconfigureerd om binnen deze beperkingen te werken. Belangrijke aandachtspunten zijn onder meer:
- ATT prompt plaatsing en kopie: De timing en de manier waarop je je aanmeldverzoek formuleert, hebben direct invloed op je aanmeldingspercentage, wat bepaalt hoeveel deterministische gegevens je verzamelt.
- SKAdNetwork conversiewaardetoewijzing: Als uw conversiewaarden niet gekoppeld zijn aan betekenisvolle gebeurtenissen binnen de app, haalt u niet het signaal op dat SKAdNetwork kan leveren.
- MMP-configuratie: Zorg ervoor dat uw MMP zo is ingesteld dat zowel SKAdNetwork-postbacks als probabilistische attributie correct worden verwerkt, waarbij gemodelleerde gegevens waar nodig hiaten opvullen.
- Benchmarking over verschillende platformen: Gebruik de gegevens van App Store Connect als referentiepunt om uw toegeschreven installatiecijfers te controleren en de grootste hiaten te identificeren.
Als uw marketingcijfers nog steeds niet kloppen of als u aanhoudende discrepanties ziet tussen de gegevens van uw advertentieplatform en uw MMP, ligt het probleem zelden bij de platforms zelf. Het is bijna altijd een configuratie- of methodologische tekortkoming in de manier waarop attributie wordt verwerkt binnen uw iOS-funnel.
Bij Wuzzon werken we dagelijks met MMP's zoals Adjust, AppsFlyer en Branch en helpen we app-teams bij het opzetten van de juiste attributiekaders die rekening houden met de realiteit van tracking na iOS 14. Als u wilt begrijpen waar uw iOS-attributiekloof ligt en hoe u deze kunt dichten, bekijk dan onze app-groeiservices of Spreek met een van onze specialisten. direct.
Veelgestelde vragen
Hoe kan ik mijn ATT-aanmeldingspercentage verhogen om meer deterministische attributiegegevens te verkrijgen?
De belangrijkste factor is de timing en de manier waarop je de ATT-prompt presenteert. Door de prompt te tonen nadat een gebruiker waarde heeft ervaren in je app – bijvoorbeeld door de onboarding te voltooien of een belangrijke mijlpaal te bereiken – verhoog je de opt-in-percentages aanzienlijk in vergelijking met het tonen ervan bij de eerste keer opstarten. Je kunt ook een scherm toevoegen dat voorafgaat aan de toestemmingsvraag en in begrijpelijke taal uitlegt waarom tracking voordelen biedt voor de gebruiker, zoals het zien van relevantere advertenties of het ondersteunen van een gratis app. Kleine aanpassingen in de tekst en de gebruikerservaring kunnen de opt-in-percentages aanzienlijk verbeteren, en aangezien elke gebruiker die toestemming geeft, zorgt voor volledige deterministische attributie, heeft zelfs een verbetering van 10-151 TP3T een cumulatief effect over je installatievolume.
Wat is de beste manier om de conversiewaarden van SKAdNetwork zo in te stellen dat ze daadwerkelijk bruikbare gegevens opleveren?
De sleutel is het koppelen van uw conversiewaarden aan gebeurtenissen die daadwerkelijke bedrijfsresultaten weerspiegelen in de eerste periode na de installatie, doorgaans de eerste 24-72 uur. In plaats van één binaire installatiegebeurtenis te gebruiken, definieert u een waardeschema dat de voortgang codeert — bijvoorbeeld door onderscheid te maken tussen een gebruiker die zich heeft geregistreerd, een gebruiker die een tutorial heeft voltooid en een gebruiker die een eerste aankoop heeft gedaan. SKAdNetwork 4.0 introduceerde grove en fijne conversiewaarden voor meerdere postback-vensters, waardoor u meer flexibiliteit hebt om latere gebeurtenissen vast te leggen, zoals omzetsignalen op dag 3 of dag 7. Werk samen met uw MMP om een schema te ontwerpen dat een balans vindt tussen granulariteit en de anonimiteitsdrempel van de crowd, zodat u postbacks ontvangt, zelfs van kleinere campagnes.
Waarom komen mijn Meta- of TikTok-campagnecijfers nog steeds niet overeen met mijn MMP-dashboard, zelfs niet nadat ik SKAdNetwork heb geconfigureerd?
Verschillen tussen rapporten van advertentieplatformen en uw MMP zijn structureel te verwachten en duiden niet noodzakelijkerwijs op een technische fout. Advertentieplatformen passen hun eigen modellerings- en view-through-attributielogica toe, terwijl uw MMP een andere methodologie gebruikt om installaties te dedupliceren en toe te wijzen. Het verschil is het grootst bij gebruikers die zich hebben afgemeld, waar beide partijen probabilistische of gemodelleerde gegevens gebruiken die tot verschillende conclusies kunnen leiden. De praktische aanpak is om niet langer te proberen de cijfers op nul te brengen, maar in plaats daarvan elke gegevensbron te gebruiken voor het beoogde doel: gegevens van advertentieplatformen voor optimalisatiebeslissingen binnen het platform, en MMP-gegevens als uw enige bron van waarheid voor prestatievergelijkingen over verschillende kanalen.
Wordt de toeschrijving van gegevens aan Android beïnvloed door dezelfde privacywijzigingen als in iOS 14?
Android werd niet direct beïnvloed door Apple's ATT-framework, maar ondergaat wel een eigen privacytransitie. Google is bezig met het uitfaseren van de Google Advertising ID (GAID) via zijn Privacy Sandbox-initiatief, wat een vergelijkbare verschuiving naar geaggregeerde, privacyvriendelijke attributiesignalen op Android teweegbrengt. De tijdlijn en technische implementatie verschillen van SKAdNetwork, maar app-marketeers zouden deze veranderingen actief moeten volgen en ervoor moeten zorgen dat hun MMP is voorbereid op Android-attributie onder het nieuwe framework. Voorlopig biedt Android nog steeds meer gedetailleerde attributie dan iOS-gebruikers die zich hebben afgemeld, maar het beschouwen als een permanent veilige haven voor privacywijzigingen zou een strategische fout zijn.
Wat kan ik als betrouwbare maatstaf gebruiken als mijn MMP-installatiecijfers onvolledig zijn?
App Store Connect is de meest betrouwbare bron voor het totale aantal iOS-installaties, omdat het elke download registreert, ongeacht de toewijzingsstatus. Door het totale aantal toegewezen installaties in uw MMP te vergelijken met de downloadcijfers in App Store Connect, kunt u uw toewijzingskloof berekenen en inzicht krijgen in welk percentage van uw installaties niet wordt gemeten. Deze kloof is ook nuttig voor het controleren van de ROAS (Return on Ad Spend): als uw MMP slechts 601 TP3T (Total Per Units) aan installaties toewijst, moeten uw werkelijke kosten per installatie en rendement op advertentie-uitgaven worden geïnterpreteerd met die kloof in gedachten. Het regelmatig vergelijken van deze twee gegevensbronnen is een van de meest praktische manieren om de nauwkeurigheid van metingen op iOS te waarborgen.
Kan ik na iOS 14 nog steeds effectieve retargetingcampagnes uitvoeren op iOS?
Effectieve iOS-retargeting in de traditionele, op IDFA gebaseerde zin is grotendeels niet meer haalbaar voor gebruikers die zich hebben afgemeld voor e-mailmarketing, wat het grootste deel van de iOS-doelgroep vertegenwoordigt. Er zijn echter praktische alternatieven die het overwegen waard zijn. Voor gebruikers die zich hebben aangemeld, werkt deterministische retargeting nog steeds normaal, dus het maximaliseren van uw ATT-aanmeldingspercentage vergroot direct uw retargetingdoelgroep. Voor gebruikers die zich hebben afgemeld, kunnen contextuele retargetingstrategieën – zoals targeting op basis van appcategorie, contenttype of gedragscohorten zonder individuele identificatoren – gedeeltelijk een alternatief bieden. Veel adverteerders hebben hun investeringen in retargeting ook verschoven naar Android, waar de adresseerbaarheid sterker blijft, of naar eigen kanalen zoals pushnotificaties en e-mail, waar geen tracking door derden nodig is.
Hoe weet ik of mijn huidige MMP-configuratie correct is ingesteld voor attributie na iOS 14?
Een paar diagnostische controles kunnen snel configuratieproblemen aan het licht brengen. Controleer eerst of SKAdNetwork is ingeschakeld in uw MMP en of het Info.plist-bestand van uw app de juiste SKAdNetworkIdentifier-vermeldingen bevat voor elk advertentienetwerk dat u gebruikt. Controleer vervolgens uw conversiewaardeschema om te bevestigen dat het is gekoppeld aan daadwerkelijke in-app-gebeurtenissen in plaats van dat de standaardinstellingen zijn gebruikt. Controleer ten slotte of de probabilistische attributie van uw MMP actief is en correct is gewogen voor verkeer dat zich heeft afgemeld. Vergelijk tot slot uw toegewezen installatievolume met het aantal downloads via App Store Connect om uw attributiekloof te kwantificeren. Als de kloof groter is dan 40-50%, is dat een sterk signaal dat uw configuratie aandacht nodig heeft. Als u niet weet waar u moet beginnen, is samenwerken met een gespecialiseerde partner die dagelijks met meerdere MMP's werkt de snelste manier om de hiaten te identificeren en te dichten.
Gerelateerde artikelen
- 5 belangrijke statistieken voor app store-optimalisatie die elk app-team zou moeten bijhouden
- 4 tekenen dat uw financiële team uw app-gegevens niet moet vertrouwen.
- Waarom komen mijn app-installatiecijfers niet overeen met mijn advertentiebudget?
- Hoeveel kost het om je app effectief te adverteren?
- Hoe kun je een app promoten met behulp van prestatiegerichte marketing?
- Hoe beïnvloedt SKAdNetwork de manier waarop u uw app adverteert?
- Kunnen kleine bedrijven hun mobiele app effectief promoten?
- Hoe kun je een app promoten om de gebruikersretentie te verhogen?
- Wat is creatieve lokalisatie voor app stores?
- De complete checklist voor app store-optimalisatie voor iOS en Android.
EN 
NL 