Войти

Предиктивная аналитика и SKAdNetwork | Как прогнозировать LTV в iOS 14.5+

Раньше оценивать рекламные кампании для приложений на iOS можно было по-разному. В этом помогал уникальный рекламный идентификатор устройства — IDFA, который позволял получать информацию о взаимодействии с объявлениями и о действиях пользователей в приложении после установки.

С приходом ATT в iOS 14.5, более 69% владельцев iPhone и iPad стали запрещать доступ к своим IDFA. Без доступа к идентификатору ряд возможностей мобильной аналитики стал ограничен и теперь эффективность рекламных кампаний зависит от инновационных решений, которые смогут гарантировать конфиденциальность и точность атрибуции.

Одно из таких решений — прогнозирование LTV.

В этой статье мы вспомним о значении LTV для бизнеса, расскажем о влиянии SKAdNetwork на рынок мобильной рекламы и предложим решения для прогнозирования дохода в новой реальности.

Что такое LTV

Lifetime Value (LTV) — это деньги, которые пользователь приносит приложению до момента, пока не перестает им пользоваться.

Например, если в первый месяц пользователь посмотрел рекламы на $3, во второй — сделал покупку на $4, а в третий стал редко заходить, ничего не покупал и вообще удалил приложение, то LTV этого пользователя — $7.

Зачем нужно знать LTV

У пользователей, которые скачивают приложение благодаря рекламе, есть стоимость привлечения — Customer Acquisition Cost (CAC). Если на рекламную кампанию потрачено $1000 и с нее пришло 100 человек, то CAC = $10.

Если среднее LTV всех привлеченных пользователей оказывается меньше среднего значения CAC, то значит рекламная кампания оказалась неэффективной и убыточной.

Зачем прогнозировать LTV

Прогнозирование LTV важно для долгосрочного развития продукта. Оно помогает понять, когда окупятся расходы на привлечение пользователей — это может произойти через неделю или месяц, а может и через пару лет.

Предсказывая доход от пользователей, владельцы приложений могут уверенно развивать свой бизнес и понимать, по каким каналам не стоит запускать рекламу, потому что пользователи оттуда принесут денег меньше, чем стоит их привлечение.

А еще прогнозирование LTV помогает получить представление о ROI рекламных кампаний в условиях ограниченности данных, когда классические инструменты мобильной аналитики больше не работают.

Почему классические инструменты мобильной аналитики больше не работают

Начнем издалека, чтобы понимать, как новая политика конфиденциальности Apple повлияла на рынок рекламы мобильных приложений в целом.

Как работала атрибуция до iOS 14.5

До 26 апреля 2021 года в основе системы атрибуции на iOS лежал рекламный идентификатор IDFA, который генерировался на стороне самого устройства и использовался всеми сторонами:

как отследить источник установки приложений

По данным MyTracker, еще до обновления iOS 14.5, около 20% пользователей ограничивали трекинг IDFA в настройках устройств, однако это не мешало абсолютно всей индустрии мобильного маркетинга, аналитики и атрибуции эффективно работать с данными.

Как работает атрибуция после iOS 14.5

26 апреля 2021 года Apple выпустила обновление iOS 14.5, с которым вступила в силу новая политика конфиденциальности пользовательских данных ATT и собственный фреймворк Apple для атрибуции мобильных установок — SKAdNetwork.

Теперь при запуске любого приложения на iPhone и iPad автоматически всплывает системное окно с запросом на передачу пользовательских данных. По данным MyTracker, 69.1% пользователей устройств на iOS по всему миру отказывают в доступе к своим IDFA. В России эта цифра составляет 70.6%.

Рекламные сети больше не могут получать информацию на уровне отдельного устройства о том, кому они показали рекламу и данные о результате взаимодействия с ней. Из-за этого аналитические платформы не могут с прежней точностью атрибутировать пользователя. Перестал существовать в привычном виде весь классический процесс атрибуции, хотя каждый отдельный шаг все еще существует.

Apple представила решение этой ситуации в виде SKAdNetwork — технологии атрибуции, которая позволяет подсчитать количество конверсий и ценность пользователя, но не дает однозначно определить, какая рекламная кампания привела конкретного пользователя. В результате, разработчикам и маркетологам стало значительно сложнее адекватно оценивать ROI своих рекламных кампаний.

Схема работы MyTracker с данными SKAdNetwork
Схема работы MyTracker с данными SKAdNetwork

Это влияет на весь рынок — рекламодатели уменьшают рекламный бюджет на iOS, из-за чего приложения и игры в App Store меняют свою систему монетизации. В итоге, пользователи получают более агрессивную рекламную монетизацию от приложений, причем эта реклама может никак не совпадать с их интересами.

Кратко о том, что изменилось после выхода iOS 14.5+ вы можете прочитать в нашем FAQ или в материале про 10 самых популярных вопросов про iOS 14.5+.

Как прогнозирование LTV помогает в работе со SKAdNetwork

В новой реальности аналитические платформы не могут сказать из какого именно источника и кампании пришел отдельно взятый пользователь, но по-прежнему могут сделать прогноз LTV на самый разный горизонт.

С помощью прогнозирования дохода можно судить о влиянии обновлений на продукт, оценивать эффективность моделей монетизации и оптимизировать рекламные кампании даже без информации о пользователях.

Как прогнозировать LTV после iOS 14.5

На данный момент есть два способа прогнозирования LTV: с помощью значения Conversion Value в стандартных механизмах SKAdNetwork и через построение отдельных предиктивных моделей.

Как прогнозировать LTV исключительно на базе данных SKAdNetwork Conversion Value

Conversion Value — это числа от 0 до 63, которые SKAdNetwork отправляет владельцам приложений. На основе этих данных можно создать таблицу соответствия дохода от пользователя к значению CV.

получение дохода от пользователя через CV
Пример таблицы соответствия дохода от пользователя к значению CV

Например, можно представить, что число от 0 до 63 означает некоторый диапазон данных:

И так далее.

Зная доход от пользователей, показатели Retention и несколько простых формул, можно спрогнозировать примерный доход от рекламной кампании. Подробнее о том, как это сделать, можно прочитать в нашей статье на VC.

Пример графика с прогнозированием LTV из статьи MyTracker на VC.ru

Однако, у работы со SKAdNetwork Conversion Value есть свои минусы:

плюсы и минусы skadnetwork conversion value

Остались вопросы по SKAdNetwork Conversion Value? Также читайте наш подробный Гайд по SKAdNetwork Conversion Value.

Как прогнозировать LTV через построение предиктивных моделей

Предиктивные модели — это алгоритмы на основе машинного обучения, которые пытаются восстановить распределение атрибуции на основе существующих данных:

На данный момент, использование моделей машинного обучения — это наиболее простой и быстрый способ по оценке рекламных кампаний без привлечения разработчиков.

Эти модели не идентифицируют пользователей. Они пытаются восстановить распределение атрибуции для прогнозирования LTV, чтобы у разработчиков приложений и маркетологов было понимание общей эффективности рекламных кампаний.

Прогнозы работают на уровне партнеров, и этого достаточно для того, чтобы оценить эффективность рекламной кампании уже в первые дни и не тратить свой рекламный бюджет. Модели могут формировать прогноз LTV на горизонт в 30, 60, 90 и 180 дней.

О том, как настроить прогноз LTV по данным SKAdNetwork в MyTracker, можно прочитать в нашем блоге.

Метки: LTV предиктивная аналитика iOS 14.5+ SKAdNetwork