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.
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.
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.
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.
Начнем издалека, чтобы понимать, как новая политика конфиденциальности Apple повлияла на рынок рекламы мобильных приложений в целом.
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:
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.
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.
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+.
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.
На данный момент есть два способа прогнозирования LTV: с помощью значения Conversion Value в стандартных механизмах SKAdNetwork и через построение отдельных предиктивных моделей.
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.
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.
Однако, у работы со SKAdNetwork Conversion Value есть свои минусы:
Остались вопросы по SKAdNetwork Conversion Value? Также читайте наш подробный Гайд по SKAdNetwork Conversion Value.
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.
