Материал: Каналы привлечения установок в мобильное приложение

Внутренняя, которая отслеживает всю активность внутри приложений: возвращаемость, совершение событий, длительность нахождения в приложении и другие метрики.

Сегодня на рынке представлены разные системы аналитики как отдельно для внешней и внутренней аналитик, например:

Внешняя: Mobile App Tracking, AppsFlyer

Внутренняя: Flurry, MixPanel, Google Mobile Analytics

Стоит отметить несколько вещей:

Внешние системы аналитики могут отслеживать совершение событий внутри приложения, если это настроить, но более глубокие показатели передаваться не могут.

Возможность отслеживать источники трафика, например, в системе Flurry есть, но с задержкой в несколько часов, поэтому не все рекламные сети соглашаются работать с сданной системой аналитики.

Отслеживание позиций в магазинах мобильных приложений в указанных системах не доступно. Для этого используется сервис аналитики AppAnnie

Интеграция и события

Интеграция аналитических систем проводится разработчиками и представляет из себя установку трекинговых кодов на страницы приложений. Установленные коды позволяют настроить срабатывания тех или иных элементов, которые являются событиями. Аналитические системы позволяют отслеживать различные события от количества количества запусков до количества просмотров комментариев к какому-то товару, например.

Аналитика эффективности рекламных кампаний

Так как мобильный маркетинг - это многосторонняя структура, которая должна оцениваться как минимум с трёх точек зрения: эффективность показателей на рекламной площадке, конверсия их клика в установку, конверсия установки в конечный заказ. Отсутствие полного видения во взаимосвязи всех этих компонентов в конечном итоге может принести рекламодателю серьёзные затраты и низкую эффективность кампаний.

Оценка эффективности каналов по CPI

Подход к оценке эффективности рекламных кампаний по стоимости установки может быть эффективным только в том случае, когда единственной задачей рекламодателя является вывод приложения на высшие позиции рейтингов магазинов мобильных приложений.

Подход здесь самый тривиальный:

У рекламодателя есть целевое количество установок

Закупается трафик из любых каналов за наименьшую стоимость установки

Анализируется объем приходящих инсталлов с каждого из каналов

Для проведения анализа эффективности по CPI нужно иметь данные к затратам по каждому из каналов и количество установок.рассчитывается как отношение как отношение затрат к общему количеству установок. Например, если было потрачено $1064,55, совершено 1550 кликов и 1256 установок (см. Рис. 3), то стоимость клика = $1064,55/1550= $0,68, а стоимость установки = $1064,55/1256=$ 0,85&

Рис. 3 Пример аналитики кликов, установок и затрат

Подход к оценке каналов через лиды

В данном разделе будет описана основная методология, которая, по мнению автора, даёт самые глубокие знания по эффективности каналов. Данный метод начал разрабатываться после того, как поочерёдное тестирование привлечения трафика из социальных сетей и из рекламных сетей выявило сильное различие в количестве и качестве заявок, приходящих с одинакового количества установок. Необходимо было разработать методологию, которая однозначно и одновременно должна была показывать, какой из каналов менее или более эффективен, с каким нужно продолжать активно работать, а какой отключать. Данный подход является самым эффективным с точки зрения бизнеса, поэтому по процессам своего применения является самым трудоёмким. Это связано с тем, что в анализе затрагиваются не только показатели со стороны рекламных площадок и приложения: CTR, конверсия в установку, совершение каких-либо событий внутри приложения в том числе и заказов или покупок, а так же с обработкой этих заказов на стороне рекламодателя.

Если мы говорим о каком-то приложении, которое существует обособлено и представляет самостоятельную бизнес единицу только с внутренними покупками (игры или развлекательные приложения), то никаких проблем не возникает: пользователь покупает какую-то единицу, оплата происходит в момент заказа, и никаких проблем не возникает.

Но в данной работе речь идёт больше о приложениях, которые связаны с дальнейшей работой с потребителем, то есть после факта оставления заявки через приложение начинается процесс её обработке на стороне рекламодателя.

С точки зрения процесса обработки стоит различать подобные статусы заказов:

Поступившая заявка - простой лид, который никак не обрабатывался.

Подтверждённая заявка - лид, который был обработан на стороне рекламодателя: удалось связаться с клиентом, его данные верны, и он нуждается в товаре или услуге.

Закрытая заявка - лид, который был оплачен потребителем.

Отклоненная заявка - лид, по которому с клиентом не удалось связаться по разным причинам.

Из четырех вышеуказанных статусов подтвержденная заявка и закрытая заявка являются качественными заказами, отклоненная заявка - некачественным заказом. Стоит отметить, что если потребитель отказался от товара или услуги уже в ходе совершения покупки, то заявка не переходит из подтверждённой в отклонённую, а остаётся.

Конечной целью описываемого подхода является понять, какие каналы генерируют те заявки, которые в конечном итоге приносят рекламодателю деньги. Понятное дело, что в таких сферак как e-commerce, например, закрываемость заказов не часто достигает даже 50% показателя.

Исходя из вышесказанного становится понятно, что рассматриваемый метод оценки эффективности включает в себя и предыдущий: оценку эффективности канала через CPI.

Конечным инструментом этого анализа является аналитическая система, которая может объединять в себе данные как внешней системы аналитики, отслеживающей переходы и установки, так и данные, которые передаются в неё из какой-либо, например, CRM системы рекламодателя. Только при таких условиях мы можем сопоставить определённого пользователя, пришедшего с определённого источника трафика, с конечным заказом и его статусом, который был совершён этим пользователем.

Через внешнюю аналитическую систему создаются ссылки для отслеживания установок.

Запускаются рекламные кампании в разных источников, которые генерируют установки с определенным CPI. На этом этапе мы уже можем начать оптимизировать кампании в случае очень высоких затрат или малой эффективности.

При совершении установки параметры из трекинговых ссылок передаются в систему внутренней аналитики. Эти данные содержат уникальные идентификаторы конкретного пользователя, который совершил установку, а так же данные об источнике и рекламной кампании, чтобы можно было однозначно атрибуцировать данного потребителя. На рисунке 4 в аналитической системе MixPanel представлен пример воронки перехода установки приложения в оставленный заказ из органического трафика.

При совершении заказа из мобильного приложения данные о заказе поступают как в аналитическую систему, так и в CRM рекламодателя. Основным параметром связи этих данных чаще всего принимается номер заказа.

При изменении данных заказа, в частности статуса заказа, все изменения передаются в аналитическую систему, поэтому в ней мы можем однозначно видеть все заказы, пришедшие с тех или иных источников и их статусы.

На основе имеющейся информации рекламодатель способен оценить эффективность по чистоте заказов: в каком соотношении приходят подтверждённые и не подтверждённые заявки. Эти данные должны сравниваться с действительными данными вне мобильного приложения. Чаще всего можно говорить о том, что цифры должны быть схожими, поэтому, если видны какие-то существенные отклонения от нормы по какому-то из каналов, то необходимо его прорабатывать.

Можно пойти дальше и рассматривать каналы с точки зрения unit экономики, то есть экономики одного заказа: сопоставление того, сколько в среднем мы получаем с одного заказа прибыли, и сколько мы на него тратим. Если наши затраты на маркетинг и обработку не превышают получаемую прибыль, то можно говорить о положительной unit экономике, что является целью любого бизнеса с подобной системой. Таким образом, по каждому из каналов мы знаем заказы, статусы и суммы, которые мы зарабатываем в случае закрытия заказа. Эти цифры сопоставляются с расходами на маркетинговые мероприятия, расходами на коллцентр, доставку и т.п. (если они есть). В конечном итоге рекламодатель получает положительную, нулевую или отрицательную unit экономику.

Стоит отметить, что на основе получаемых цифр можно принимать решения как о работе с каналом привлечения установок, так и об изменении каких-то внутренних процессов бизнеса, обновлении приложения и т.п.

Рис. 4 Пример воронки установка - заказ органического трафика

Данный подход к оценке эффективности является более трудозатратным по причине взаимной интеграции разных систем, но даёт полное видение картины на всех этапах работы: от клика по рекламному объявлению до получения денег с конкретного заказа.

Когортный анализ

Когортный анализ - аналитический инструмент, позволяющий сегментировать пользователей на группы в зависимости от даты совершения ими каких-либо действий и отслеживать поведения этих групп с течением времени.

В рамках мобильного приложения с помощью когортного анализа отслеживаются не только такие популярные вещи как «Дата установки приложения» - «Заход в приложение» (retantion), но настроить можно совершенно разные статистики, например количество запусков приложения каждую неделю после совершения первого заказа.

Когортный анализ показывает нам именно поведенческие факторы разных когорт. То есть как часто люди совершают те или иные действия с ходом недель.

Обычно принято делать изменения в приложении в конце недели, а затем по когортному анализу следить изменились ли определённые статистики у новой когорты по сравнению с предыдущей.

Рис. 5 Пример когортного анализа «Установка приложения» - «Совершение заказа»

На рисунке 5 показан пример когортного анализа совершения заказа после установки. В левой колонке показана дата, с которой начинается отсчёт когорты, правее - её объём. В столбцах представлены количество недель, которое прошло. Соответственно, на пересечении мы можем наблюдать процентные показатели статистики(либо в правом верхнем углу изменить значения на абсолютные). Данную таблицу стоит читать так: 0,28% пользователей, установивших приложение в период с 16 марта по 22 марта в общем количестве 3567 человек, зашли в него на 3ю неделю после установки.

В рамках подхода к анализу, приведённому в прошлой главе, стоит отметить, что аналитические системы позволяют отслеживать тот же показатель возвращаемости пользователей по каналам. При этом данные по неделям усредняются между собой. (См. Рис. 6)

Рис. 6 Когортный анализ по каналам

Таким образом, рекламодатель может отслеживать реальную вовлечённость аудитории, пришедшую с того или иного источника. Из когортного анализа можно сделать вывод о поведенческих факторах аудитории того или иного источника, а так же косвенно судить о наличии мотивированного трафика (возвращаемость будет очень низкой).

Практическая часть по продвижению приложения

О компании

.RU - информационный сервис по подбору частных специалистов для решения различных задач. PROFI.RU предоставляет информацию о более чем 200 000 зарегистрированных специалистах в различных областях сферы услуг:

репетиторы

врачи

мастера красоты

строители

автоинструкторы

артисты

спортивные инструкторы

и другие

Изначально ресурс был представлен в виде отдельных вертикалей, существоваших раздельно, а летом 2014 года был анонсирован зонтичный бренд, целью которого стало объединения всех услуг в одном месте.

Клиенты PROFI.RU имеют доступ ко всей информации о специалистах портала, отзывам, рейтингу, видео и фотографиям. Основные данные, представленные в анкетах специалистов:

Фото

Личная информация

Опыт работы

Квалификация

Примеры работ и достижения

Образование

Уровень цен

Пути взаимодействия с пользователями:

Сайт #"896694.files/image007.jpg">

Рис. 7 Пример объявления в социальной сети vk.com

Рис. 8 Пример объявления в социальной сети Facebook

Показатели эффективности канала

Все описанные в начале раздела социальные сети показали примерно одинаковые цифры, поэтому рассмотрим результаты одной из них.

Рис. 9 Количество кликов и инсталлов сети vk.com

Из рисунка выше видим. Что абсолютные показатели установок ниже на несколько порядков по сравнению с рекламными сетями, но средняя цена одной установки $1,4, что на 30% ниже рекламных сетей.

Ниже приведены графики заказов и возвращаемости.

Рис. 10 Панель аналитики MixPanel для сети vk.com

Рис. 11 Когорты по источнику vk.com

Показатели конверсии, возвращаемости гораздо лучше, чем у рекламных сетей, при этом стоимость лида хоть и остаётся очень высокой, но составляет не 200 долларов, как это было с некоторыми сетями, а около 20 долларов.

Рекламные сети

Канал, который построен на взаимодействии рекламодателя с внешним подрядчиком - рекламной сетью. Каждая сеть обладает собственными ресурсами - пользователями, которым они могут показывать рекламные объявления.

Всё, что нужно рекламодателю для работы с рекламной сетью, помимо пополнения счёта, - предоставление трекинговой ссылки, рекламных баннеров и требований по нужной аудитории (ГЕО позиция, социальные данные и т.п.).

Проблема работы с такими сетями в том, что почти все они работают в долларах, поэтому при текущей финансовой ситуации в России стоиомсть одной установки велика.

Бюджеты и целевые объёмы установок

Для каждой из сетей были согласованы тестовые расценки за одну установку. Тестировние расчитывалось максимум на месяц (в зависимости от того, может ли поставщик обеспечить быстро необходимое количество инсталлов).: $2 за установку по Москве м Санкт-Петербургу: $2 за установку по Москве м Санкт-Петербургу: $2,3 за установку по Москве м Санкт-Петербургу

Планировалось около 1000 установок на каждого из поставщиков, при этом инсталлы должны были быть получены в течение 4-5 дней.

Реальные показатели и сроки достижения

Рис. 12 Количество кликов и инсталлов сети AdSup

Как мы видим из Рис.12 оговоренные показатели были достигнуты в течение 5 дней, ещё в течение трёх дней реализовывались остаточные установки.

Рис. 13 Панель аналитики MixPanel для сети AdSup

Как мы видим из Рис. 13, из всех приведённых установок заказы совершили всего 10 клиентов. Этот показатель очень низкий с точки зрения конверсии (всешго 0,98%), а так же говорит об очень высоком показатели стоимости лида: 2046/10=$204,6.

Стоит отметить, что услуги PROFI.RU могут быть востребованы пользователем не каждый день, поэтому мы не ждём моментального заказа какого-либо специалиста от клиента. Но о качестве трафика можно косвенно судить по другому важнейшему показателю - возвращаемости (Retantion). На следующем рисунке мы видим понедельные когорты пользователей, которые сделали установку, придя через рекламную сеть AdSup, и сделали запуск приложения через определённое время.

Рис.14 Когорты по источнику AdSup

Стоит отметить, что нет каких-то показателей, с которыми точно надо сравнивать имеющиеся цифры, потому что каждое приложение индивидуально и зависит от того, что вы предлагаете. Корректнее всего было бы сравнить показатели с органическим трафиком: средний показатель возвращаемости для бесплатных установок в среднем в 4 раза выше, что говорит о низком уровне мотивированности клиентов, пришедших с канала AdSup. Есть вероятность, что рекламная сеть использовала мотивированный трафик, который вообще не заинтересован в услугах, чтобы достичь поставленных целей.