В долгосрочной перспективе выигрывают те бизнесы, которые научились собирать данные о поведении своих пользователей и применять их для пересмотра или улучшения своей стратегии. Руководствуясь большим объемом исторических данных, компании могут предугадать действия пользователей.
В разработку предсказательных моделей инвестируются миллиарды долларов.
Но постепенно методы, которые раньше были доступны только гигантам индустрии, становятся доступными и другим игрокам. Система MyTracker предлагает их абсолютно бесплатно.
В этой статье мы расскажем, как работает модель предиктивной аналитики MyTracker.
Сегодня предиктивные модели широко используются в разных сферах:
Также они нашли применение в работе с мобильными приложениями.
Если уметь предсказывать доход, отток и другие метрики поведения аудитории, то можно развивать проект гораздо эффективнее и терять меньше средств.
Один из самых значимых прогнозов — это прогноз LTV (Lifetime Value) пользователя. Это важный параметр, который показывает, сколько денег клиент принесет бизнесу за все время взаимодействия с ним.
Например, нужно понимать, по каким каналам не стоит запускать рекламу, так как пользователи оттуда принесут денег меньше, чем вы потратите на их привлечение.
Знать будущий LTV своих пользователей хотели бы многие. Вот что говорят Tech in Asia в своем обзоре MyTracker:
«Традиционные методы, использующиеся для вычисления LTV, являются невероятно сложными. И в основном не способны учесть какие-либо быстрые изменения в поведении пользователей. Попытки предсказать LTV внутренними силами компании почти наверняка обречены на провал — из-за объема необходимых для этого ресурсов».
При детальном прогнозировании LTV для мобильного приложения возникает ряд проблем:
Основных вариантов, как можно предсказать LTV, два:
К сожалению, у обеих моделей есть минусы:
«Историческая» стратегия не принимает в учет факторы, которые могут изменить прибыль от новой когорты пользователей. Например, акции и рекламные кампании, которые резко модифицируют поведение аудитории. Также этот метод предиктивной аналитики строится на исторических данных, поэтому, если к вам придут пользователи из новой страны или нового рекламного источника (то есть, совершенно новая когорта, аналогичную которой вы пока не встречали), точного прогноза сделать не получится.
«Наблюдательная» модель прогнозирования LTV тоже не застрахована от влияния акций, промо или фичерингов приложения. Также ей сложно учесть такие явления, как постепенное снижение интереса пользователей. Без существенных исторических данных поведение людей для алгоритмов во многом непредсказуемо.
Если вы хотите самостоятельно построть прогноз LTV приложения, в этом поможет наше руководство, доступное для бесплатного скачивания. В нем мы проанализируем и предложим различные подходы к прогнозированию дохода — рассмотрим разные модели для разных кейсов:
Для начала, MyTracker распределяет пользователей в разные группы (когорты). Пользователи каждой когорты в чём-то схожи друг с другом. Модель определяет, что в первую очередь влияет на поведение пользователей. И делит их в том числе по:
Система находит факторы, которые помогают наиболее точно распределить пользователей по LTV. А затем группирует их по сотням когорт и учитывает их при составления прогнозов.
Далее MyTracker использует несколько линейных и коэффициентных моделей, а также модели градиентного бустинга на деревьях, «исторические» и «наблюдательные» модели с ML, построенные на подходах, описанных выше.
Выбор конкретной модели системой зависит от многих факторов, в том числе:
Предиктивные модели периодически сменяют друг друга — если находится та, которая описывает поведение ваших пользователей еще более точно.
Алгоритмы умеют делать прогнозы для разных видов дохода (in-app платежи, подписки, реклама) разными предиктивными моделями. А также выбирают оптимальную модель для анализа каждой когорты пользователей внутри приложения. В течение дня над анализом вашего будущего LTV работают несколько разных моделей.
Они автоматически подбираются под аудиторию конкретного приложения. По мере того, как данные о нём накапливаются, модели самообучаются. Их прогнозы становятся точнее с каждым прошедшим днем.
Предикты LTV обновляются в течение 8 дней с момента установки приложения пользователями. На восьмой дней они фиксируются, тем самым позволяют вам оценить будущее поведение аудитории и принять решение по рекламным бюджетам. Этот механизм обновления предиктов также упрощает проверку точности прогноза в будущем.
Например, приложение-видеоредактор Efectum использовало MyTracker и значительно расширило свою аудиторию. Это приложение рекламировалось на таких платформах, как Google Ads и TikTok. При этом ROI у Efectum вырос более чем в два раза — за счет того, что они сосредоточились на каналах с пользователями, которые, по прогнозам, имели более высокий LTV.
Один из недостатков предсказательной аналитики — сложности с учетом качественных сдвигов, изменений после точек бифуркации. Все эти системы построены на количественных, вероятностных методах. Им сложно предсказать поведение пользователей после резких и масштабных изменений.
Скажем, вы дали большую скидку, запустили акцию. Пользователей стало в несколько раз больше, покупок — тоже. Но будет ли это явление временным? Если да, то когда оно закончится? Станет ли LTV среднего пользователя после этого выше или ниже?
Моделям сложно заранее такое предсказать. После успешной акции определенное время прогноз LTV может быть менее точным. Негативный эффект на качество аналитики также может оказать смена типа рекламной монетизации или общей стратегии развития приложения. Система распознает неожиданную активность и корректирует поведение моделей, сглаживая пики, но точности, приближающейся к 100%, в данном случае не достичь.
Один из больших плюсов модели MyTracker состоит в том, что наши расчеты позволяют прогнозировать доходы от любой группы пользователей. Гибридный метод построения моделей позволяет нам быть менее зависимыми от наличия исторических данных для аналогичной когорты. Даже если исторических данных нет, система учитывает поведение пользователей в похожих приложениях.
Вы можете построить любой интересующий вас срез (по возрасту, полу, стране, рекламной кампании) — и получить корректный прогноз.
Разные типы платежей (in-app, подписки, рекламная монетизация) отличаются довольно сильно. Подписки могут падать, а доходы от рекламы — расти. Траектории их развития тоже часто не совпадают.
Поэтому в MyTracker для каждого типа платежей реализованы различные подходы. Для некоторых вариантов больше подходит модель на регрессионных деревьях, а где-то лучше всего демонстрирует себя простая аппроксимация логарифмом.
MyTracker способен прогнозировать Lifetime Value (суммарный доход от пользователя с момента загрузки приложения) с точностью 90% на 30-й, 60-й, 90-й, 180-й и 365-ый (год) и 730-ый (2 года) день после установки приложения.
По мере накопления данных по конкретному приложению, типу дохода и другим показателям модели делают всё более корректные прогнозы. В MyTracker настроена периодическая валидация всех методов анализа, которые мы используем. Качество прогноза моделей постоянно отслеживается. Некоторые модели автоматически отсекаются, а другие — становятся доминантными.
Прогноз LTV особенно важен для маркетологов и аналитиков приложений со встроенными in-app покупками или подписками. Он позволяет оценить доходы приложения в разбивке по рекламным каналам и отдельным кампаниям еще до того, как деньги на них были потрачены.
Предиктивные модели разработаны на данных миллиардов событий. Благодаря этому есть возможность делать актуальные прогнозы для своего проекта с первых же дней использования MyTracker. По мере накопления данных из вашего приложения прогнозы будут становиться точнее, так как модели самообучаются и адаптируются под поведение конкретной аудитории.
Установите SDK MyTracker в свое приложение. Инструкция находится здесь.
Далее достаточно зайти в «Конструктор» и в разделе «Метрики» → «Прогноз LTV» и выбрать горизонт прогноза.
В MyTracker есть бесплатный прогноз LTV для рекламных кампаний на iOS 14.5+ через SKAdNetwork — с горизонтом от 30 до 180 дней. О том, как работает предиктивная аналитика и как прогнозировать LTV по данным SKAdNetwork можно узнать в нашей статье.
В MyTracker также можно предсказать отток пользователей и выгрузить сегменты пользователей, которые с высокой вероятностью покинут приложение, для дальнейшей работы с их удержанием.
