Ещё совсем недавно, чтобы оценить рентабельность затрат на рекламу (ROAS), нужны были месяцы, а для оптимизации мобильных кампаний приходилось ждать несколько недель с момента запуска.
Новый инструмент AppMetrica «Предикты LTV и оттока» меняет этот подход. Он поможет UA-специалистам и продакт-менеджерам оперативно получать данные о пользователях мобильного приложения, их LTV и вероятности оттока с первого дня установки приложения.
Предикты LTV и оттока помогают:
Пожизненная ценность клиента (LTV, lifetime value) — одна из ключевых метрик в мобильном маркетинге. Она отражает общий доход, который может принести пользователь за всё время взаимодействия с приложением.
Технологии искусственного интеллекта позволяют находить аудиторию с потенциально самым высоким LTV. С помощью Предиктов можно оптимизировать стратегию продвижения и таргетироваться на тех, кто с наибольшей вероятностью принесёт максимальный доход.
Предиктивная ML-модель анализирует данные о пользователе в течение 24 часов после того, как он установил приложение, и формирует прогноз на следующие 28 дней. На основе этих данных можно отправлять постбеки в рекламную сеть или ваш трекер прямо из AppMetrica и в несколько кликов оптимизировать кампании на пользователей с максимальным LTV.
Новая предиктивная модель на базе искусственного интеллекта не ограничивается традиционными метриками, такими как Time Spent или вовлечённость. Она собирает и анализирует данные по потенциальному LTV каждого пользователя и благодаря этому находит самые качественные лиды.
Прогнозируемый LTV рассчитывается по формуле:
LTV = весь доход × P (LTV > 0) + доход (за первый день) × 1 — P (LTV > 0)
С помощью Предиктов LTV также можно сегментировать пользователей по LTV, выделяя различные когорты (например, топ-5, топ-20, топ-50, худшие 50), и сравнивать их.
Чтобы оценить точность Предиктов, мы провели A/B-тест для игрового приложения.
В рамках теста сравнивали два варианта:
Настройки и бюджеты кампаний были идентичны. Первые десять дней кампании ушли на набор данных и обучение. После этого специалисты AppMetrica в течение недели собирали данные по установкам, необходимые для работы предиктивной модели.
A/B-тесты показали, что оптимизация кампаний на основе отчётов LTV приносит более высокие результаты. Подробнее о ходе эксперимента и о том, как Яндекс Игры повысили вовлечённость пользователей на 10,5% с помощью Предиктов LTV, читайте в статье.
Отток пользователей — проблема, с которой сталкивалось большинство владельцев приложений. Чтобы приложение работало эффективно и стабильно приносило доход, важно своевременно находить пользователей, которые готовы уйти, и работать над их удержанием.
С помощью Предиктов оттока в AppMetrica владельцы приложений и маркетологи могут уже в момент установки определять пользователей, которые с высокой вероятностью скоро покинут приложение.
Предиктивная модель учитывает особенности жизненного цикла аудитории конкретного приложения и исходя из этого точно прогнозирует, какие пользователи с высокой вероятность перестанут пользоваться именно этим приложением. В отчёте все пользователи будут разделены на группы по вероятности оттока: > 95%, 75–95%, 50–75% и < 50% с точностью 99% в соответствии с правилом 3 сигм.
С помощью Предиктов LTV и оттока вы можете выстраивать стратегию удержания пользователей. Например, отправлять им персонализированные предложения или пуш-уведомления и т. п.
Погрузиться во все возможности Предиктов LTV и оттока в AppMetrica поможет пошаговый гайд и наша видеоинструкция.