Influencer marketing til mobilspil: Sådan tracker du køb i appen og spillerværdi — ikke kun installationer

Hvorfor en installation alene ikke fortæller dig noget

En influencer-kampagne til et mobilspil kan generere tusindvis af installationer til en lav pris pr. installation (CPI) og stadig være en dårlig forretning — eller omvendt: generere få, dyre installationer, der bliver den mest profitable kanal i hele opsætningen. Årsagen er, at CPI kun måler, hvor billigt du fik nogen til at downloade spillet — ikke om de spillere overhovedet åbner spillet igen, hvor længe de bliver, eller hvor meget de køber for. To creator-kampagner kan have identisk CPI og være vidt forskellige forretningsmæssigt, fordi den ene tiltrækker spillere, der forsvinder efter én session, mens den anden tiltrækker spillere, der stadig spiller og køber i appen 90 dage senere.

Det, branchen faktisk styrer efter, er en mobile measurement partner (MMP) — en tredjepartsplatform som AppsFlyer, Adjust, Singular eller Kochava, der kobler en installation sammen med, hvad spilleren gør bagefter: åbner spillet igen, gennemfører køb i appen (IAP), eller ser reklamer, hvis spillet er annoncefinansieret. En MMP eliminerer dobbelttælling på tværs af kanaler og giver ét samlet billede af, hvilke kanaler der reelt bringer værdifulde spillere ind — creator-links inkluderet.

To forskellige verdener: iOS og Android

Attribution for mobilspil fungerer grundlæggende forskelligt afhængigt af platform — en central pointe, mange brands og creators overser, når de sammenligner tal på tværs af de to styresystemer.

Konsekvensen: en “D30-ROAS på 3,0” på Android og en “D30-ROAS på 3,0” på iOS er ikke nødvendigvis regnet på samme måde eller med samme sikkerhed — iOS-tallet bygger på aggregerede, forsinkede SKAN-data, mens Android-tallet typisk bygger på mere direkte, enhedsnære data. Sammenlign de to med det forbehold i baghovedet.

SKAdNetwork i praksis: hvad det viser — og hvad det aldrig viser

SKAdNetwork rapporterer, ifølge Apples eget framework (opsummeret af flere uafhængige attributions-guider, da denne research ikke kunne hente Apples udviklerdokumentation direkte), installationer og efterfølgende hændelser via såkaldte conversion values og postbacks — ikke via individuelle brugerprofiler:

• Op til tre postbacks under den nuværende SKAN 4-version, fordelt på tre vinduer efter installation: 0–2 dage, 3–7 dage og 8–35 dage.
• Første postback bærer en “fin” conversion value (op til 64 mulige værdier), så der kan kodes relativt detaljeret tidlig adfærd ind i den én værdi.
• Anden og tredje postback bærer kun en “grov” conversion value (typisk lav/mellem/høj — fire buckets), for at beskytte brugerens privatliv yderligere, jo længere tid der er gået.
• Der er en forsinkelse på mindst omkring et døgn før første postback sendes, og forsinkelsen er bevidst tilfældig for at forhindre, at data kan spores tilbage til en enkelt bruger.
• De tre postbacks er ikke koblet sammen af et fælles id — så en reel kohorte-analyse på tværs af de tre må modelleres af MMP'en, ikke læses direkte ud af Apples data alene.

Det gør SKAN grundlæggende anderledes end den tracking, Academyet ellers dækker for e-handel — se sådan fungerer influencer tracking teknisk for cookie-baseret tracking. SKAN identificerer aldrig, hvilken specifik bruger der installerede, og da slet ikke, hvilken specifik creator der reelt drev den enkelte installation — kun aggregerede mønstre på kampagneniveau.

D7, D30 og D90 ROAS: hvorfor kohorter, ikke ét tal

Fordi mobilspils-indtægter (køb i appen, reklameindtægt) typisk opbygges over uger og måneder — ikke i ét enkelt køb som i almindelig e-handel — måler branchen ROAS som en kohorte over tid, ikke som ét fast tal:

Pointen er ikke, at D90 altid er “rigtigere” end D7 — det er, at de to tal svarer på forskellige spørgsmål. D7 fortæller dig, om en kanal overhovedet er værd at følge videre. D30 og D90 fortæller dig, om den reelt tjener penge.

Creator-koder inde i spillet: en anden sporingsmekanik

Ud over link-baseret MMP-tracking findes en helt anden mekanik, som flere store spiludgivere bruger til creator-samarbejder: en kode, spilleren selv indtaster inde i spillet efter installation — ikke et link, der klikkes før installation. Epic Games' eget Support-A-Creator-program (læst direkte fra Epics egne juridiske vilkår, legal.epicgames.com/fortnite/eula/sac, tjekket 27. august 2026) er det bedst dokumenterede eksempel: en creator får tildelt en Creator Code samt et attributionslink. Ifølge Epics egne vilkår bliver en bruger en “Attributed User”, når vedkommende enten klikker linket eller indtaster koden på en enhed, hvor brugeren er logget ind på sin Epic-konto — og efterfølgende køb fra den bruger tæller mod udbetalingen til creatoren. Epics egne vilkår offentliggør en udbetalingsgrænse på 100 USD, før beløb udbetales, men angiver ikke en præcis procentsats eller sats pr. køb i selve vilkårene — den slags detaljer henvises til creator-portalen. Sekundære kilder på tværs af flere fan- og guide-sider nævner ofte et beløb i retning af “5 USD pr. 10.000 V-Bucks brugt”, men det er ikke bekræftet direkte af Epics egne vilkår i denne research og bør derfor læses som et rapporteret, ikke et officielt bekræftet, tal.

Den afgørende forskel til MMP-baseret tracking: en kode indtastet i spillet er selvrapporteret og deterministisk — der er ingen tvivl om, hvilken creator der får kredit, fordi spilleren selv skriver koden. Til gengæld måler det slet ikke den tidligere del af tragten (hvor mange, der så indholdet og klikkede, men aldrig installerede) — den del kræver stadig en MMP. De to mekanikker løser derfor to forskellige problemer og bør ikke forveksles eller erstatte hinanden.

Beslutningsramme

HVIS I skal vurdere en creator-kampagne få dage efter lancering → brug D7-ROAS som et retningsgivende, tidligt signal — ikke som endelig facit, medmindre tallet er katastrofalt lavt i forhold til spillets typiske D7-til-D90-multiplikator.

HVIS spillets moneteisering er IAP-tung med lang konverteringshale (strategi- og RPG-titler er typiske eksempler) → vægt D30- og D90-tal tungere, før I træffer en endelig beslutning om kanalen.

HVIS kampagnen kører på iOS med lav samtykkerate til sporing → forvent grove, forsinkede SKAN-data, og byg den forsinkelse (op til 35 dage til sidste postback) ind i jeres tidsplan for, hvornår I overhovedet kan konkludere noget.

HVIS en creator promoverer via et link uden for selve appen (en YouTube-beskrivelse, en TikTok-bio) → bekræft, at deep linking er korrekt konfigureret hos jeres MMP, før kampagnen går live — ellers kan match-raten mellem klik og installation kollapse stille og roligt, og creatorens reelle effekt forsvinder ind i “organisk” trafik.

HVIS I i stedet kører en in-app creator-kode → behandl det som selvrapporteret, deterministisk data — ikke som en erstatning for MMP-baseret kohorte-ROAS, fordi kodeindtastningen sker efter installation og derfor ikke måler den tidligere del af annoncetragten.

Regneeksempel: hvorfor D7 alene kan være misvisende (hypotetisk)

Tallene nedenfor er hypotetiske og udelukkende til illustration — det er ikke en rigtig Make Influence-kundecase, og ingen af tallene er benchmarks for nogen konkret spilgenre.

To creator-kampagner koster hver 5.000 USD i flat fee og genererer identisk indtægt efter 7 dage: 2.000 USD hver — altså en D7-ROAS på 0,4 for begge. Set isoleret på D7 ser de to kampagner lige svæge og lige dårlige ud.

Ved dag 30 viser billedet sig helt forskelligt: Kampagne A fortsatte med at generere indtægt fra de samme spillere og når en D30-ROAS på 1,2, mens Kampagne B stort set stagnerede og kun når 0,44. Havde beslutningen om at fortsætte eller stoppe kanalen været truffet udelukkende på D7-tallet, ville de to kampagner have set lige svæge ud — og en for tidlig “stop begge”-beslutning ville have lukket ned for det, der faktisk var den stærkeste kanal.

Almindelige fejl

• At stoppe en kampagne efter 1–3 dage ud fra D1- eller D3-indtægt alene i et spil med lang moneteiseringshale.
• At sammenligne en iOS SKAN-baseret ROAS direkte med en Android-deterministisk ROAS, som var de regnet på samme grundlag.
• At antage, at en lav CPI-kampagne automatisk er en god kampagne, uden at tjekke D30- eller D90-ROAS — billige installationer kan være værdiløse spillere.
• Ikke at få konfigureret deep linking korrekt til creator-links, så reelt creator-drevne installationer fejlagtigt tælles som organiske.
• At behandle en in-app creator-kodes indløsningstal som en fuld erstatning for MMP-tracking, selvom koden intet siger om, hvor mange der så indholdet uden at installere.

Make Influence's erfaring

Make Influence driver ikke selv MMP-baserede UA-kampagner til mobilspil — vores model er bygget til e-handel, med cookie- og rabatkode-baseret tracking og kommission på sporet salg, ikke installations- og køb-i-app-tracking. Men den underliggende disciplin, mobilspilbranchen praktiserer med D7/D30/D90-kohorter, er nøjagtig den samme, vi selv anbefaler i en anden sammenhæng: et enkelt tal målt for tidligt — hvad end det er CPI dag 1 eller ROAS uden hensyn til bruttoavance — skjuler mere, end det viser. Vi anbefaler altid at måle en kampagnes reelle effekt over et tidsvindue, der matcher, hvor længe kunden (eller spilleren) rent faktisk tager om at vise sin fulde værdi — se også attributionsvinduer i influencer marketing for samme princip anvendt på e-handel.

FAQ

Hvad er en MMP?

En mobile measurement partner er en tredjepartsplatform (fx AppsFlyer, Adjust, Singular, Kochava), der kobler en app-installation sammen med, hvad brugeren gør bagefter — på tværs af alle jeres marketingkanaler, så I undgår dobbelttælling og får ét samlet billede af, hvilke kanaler der reelt virker.

Kan SKAdNetwork vise mig, hvilken specifik creator der drev en installation?

Nej. SKAN rapporterer aggregerede, kampagneniveau-data uden enheds- eller brugeridentitet. I kan se, at en kampagne genererede en bestemt conversion value-fordeling — ikke hvilken enkelt bruger eller creator, der stod bag en given installation.

Hvor længe bør jeg vente, før jeg vurderer en mobilspil-UA-kampagne?

Det afhænger af spillets moneteiseringsmodel. Brug D7 som et tidligt, retningsgivende signal, men vent til D30 — og for IAP-tunge titler ideelt D90 — før I træffer en endelig beslutning om at skalere eller stoppe en kanal.

Er Android-attribution mere pålidelig end iOS?

Android leverer typisk mere direkte, deterministiske data via Google Plays Install Referrer API, mens iOS efter samtykkekravet læner sig op ad SKAN's aggregerede, forsinkede data. Det gør ikke Android-tal “rigtigere” i sig selv, men de to platforme bør ikke sammenlignes, som om de måler på samme grundlag.

Kan en in-app creator-kode erstatte MMP-tracking?

Nej. En creator-kode giver pålidelig, selvrapporteret kredit for køb efter installation, men fånger ikke den tidligere del af tragten — hvor mange, der så indholdet og klikkede uden at installere. De to mekanikker løser forskellige problemer.

Hvad er forskellen på CPI og D30-ROAS?

CPI (cost per install) måler kun, hvor billigt I fik en installation. D30-ROAS måler, om de installerede spillere reelt har genereret nok indtægt til at dække omkostningen 30 dage senere. En lav CPI siger intet om spillerværdi — kun D30/D90-ROAS gør.