Авторы:
Дмитрий Северинец, Head of Analytics в компании Verv
Дмитрий Попов, Marketing Analyst в компании Verv
В последние месяцы индустрия фитнеса претерпела значительные изменения. Фитнес-центры остались без клиентов из-за пандемии, а интерес к мобильным приложениям для тренировок и медитаций увеличился в разы. Если такое приложение продвигается в магазине приложений, важно отслеживать отдачу от маркетинговых инвестиций.
Мы расскажем, как построили свою систему маркетинговой аналитики для рекламы мобильных приложений.
Для начала немного о нас. Verv — это компания-разработчик и паблишер мобильных приложений, которые помогают людям вести здоровый образ жизни. Даже при текущем повышенном спросе на наши продукты мы закупаем трафик и стараемся делать это максимально эффективно. Для быстрого роста и скейла нам было критично создать платформу маркетинговой аналитики для прогнозирования ROI (Return on Investment) и окупаемости по маркетинговым кампаниям.
В данной статье мы хотели бы поделиться опытом создания такой платформы, позволяющей User Acquisition (UA) менеджерам эффективно управлять маркетинговыми кампаниями, а CMO — максимизировать ROMI (Return on Marketing Investment). Расскажем, что удалось сделать и каких результатов достичь после полугода использования инструмента в продакшене.
В каких случаях вам понадобится такая платформа?
Приведем пример: у вас есть мобильное приложение, и вы монетизируетесь через подписки. При этом у вас есть подписки с 7-дневным триальным периодом. Вы запускаете рекламную кампанию на Facebook, и, чтобы оценить ее эффективность, вам нужно ждать 7 дней для получения результатов конверсии и реальных покупок приложения (закрытия когорты). При этом весь указанный срок вы будете тратить деньги на рекламу, которая после 7-го дня может показать свою неэффективность, и маркетинговый бюджет будет потрачен в минус. С платформой маркетинговой аналитики вы уже на 2-й день будете знать, насколько эффективна ваша UA-кампания, стоит ли увеличить на нее бюджет либо имеет смысл прекратить закупку.
На текущий момент большинство аналитических решений на рынке хорошо работают либо для глубокого анализа, либо для верхнеуровневого. Мы же ставили задачу получить универсальный инструмент, подходящий как для сотрудников любого уровня (по вертикали), так и для любого департамента (по горизонтали).
Ключевые требования, которые мы ставили перед маркетинговой BI-платформой:
- сделать сбор всех ключевых медиаканалов (Facebook, Google, Twitter, Snapchat) в одном отчете с любой разбивкой. Это было одно из базовых требований от CMO- и UA-менеджеров;
- иметь возможность находить точки скейла и, наоборот, «профитные дыры» в разрезах аккаунтов, кампаний, гео, креативов, конфигураций в реальном времени, не дожидаясь закрытия когорты;
- создать экосистему отчетности, покрывающую аналитику по монетизации, re-engagement, ASO, deeplinks, креативам
В частности, требовалось создать отчеты по монетизации, которые позволяют в реальном времени оценивать эффективность той или иной конфигурации, окупаемость и распределение подписок; - получить инструмент не только для аналитики, но и для создания чего-то нового (монетизация конфигураций);
- настроить отслеживание динамики план-факта;
- создать механизм алертинга и нотификаций для оперативного реагирования.
Архитектура решения
Архитектура платформы маркетинговой аналитики выглядит следующим образом:
Источниками данных для BI являются:
- Apple Receipts (в случае с iOS-приложениями) — приходят на клиента, обрабатываются и сохраняются на subscriptions-сервере. Из них мы берем ключевые события (старт триала, покупка, отмена подписки, рефанд, ошибки при оплате подписки) и их денежный эквивалент.
- Данные по установкам из AppsFlyer.
- Затраты на маркетинг в разрезе медиаканалов, которые мы загружаем через API.
Далее, используя коэффициенты LTV для подписок, идет расчет прогнозных показателей (Revenue, ROI).
Для автоматизации всего процесса применяем планировщик задач Apache Airflow с поддержкой графов, чтобы корректно выстроить зависимости компонентов (рассчитывать окупаемость после загрузки маркетинговых затрат).
Далее визуализируем расчеты:
- Отображаем данные по всем медиаканалам с любой разбивкой и прогнозами окупаемости:
- Отображаем монетизационный дашборд, показывающий эффективность конфигураций, распределение подписок и окупаемость:
- Показываем отчет по креативам:
- Показываем deeplink-отчет:
Далее для оперативного реагирования настраиваем алертинг и нотификации в Slack. Примерами триггеров для нотификаций являются:
- проверка на оверспенд;
- conversion rate в сравнении с историческими значениями;
- ROI ниже порогового значения.
Что в результате
После внедрения платформы маркетинговой аналитики департаменты маркетинга, монетизации и re-engagement перестали использовать сторонние аналитические сервисы. Раньше User Acquisition менеджеры и отдел монетизации применяли многочисленные источники получения информации (Facebook manager, Apple Search ads, Twitter ads и другие). Сейчас сторонние сервисы не используются, что обеспечивает консистентность данных и их единое представление. Платформа маркетинговой аналитики стала одной точкой входа для получения информации.
Итоги использования платформы маркетинговой аналитики:
- время на получение актуальной статистики по расходам и ROI в разрезе систем, менеджеров, кампаний и гео сократилось с 40 минут ежедневно до 1 минуты + доступ в любой момент;
- время на сбор отчетов по креативам и Facebook deeplinks (выгрузка FAME, агрегация по части name в креативе и deeplinks, построение сводной таблицы в различных разрезах) сократилось с 1,5 часов еженедельно до 1 минуты + доступ в любой момент (1,5 часа * 2 отчета * N менеджеров);
- сокращение времени на реагирование, поиск узких мест воронки и оптимизацию рекламных кампаний, эдсетов на 80%;
- поиск гео для масштабирования или сокращения. Ранее выгрузка отчета по гео, агрегация отчета от аналитиков по LTV в разрезе стран, подсчет еROI составляли 20 минут. Сейчас 1 минуту на сегментацию в любых разрезах (система, менеджер/аккаунт, кампания, эдсет, креатив, deeplinks);
- показатель ROMI вырос на 25%.
Что планируем дальше
Далее у нас в планах переход к «автоматизированному планированию», когда платформа будет подсказывать UA-менеджерам, к примеру, о слишком оптимистичных оценках в планировании.
К примеру, мы закладываем конверсию Install -> Payer 15% для ноября. Вместе с тем за предыдущие периоды мы видим сезонность для этого показателя, которая говорит о том, что, скорее всего, он будет падать с августа по ноябрь. И для ноября показатель, вероятнее всего, не достигнет заложенного уровня. В этом случае система будет подсвечивать эту цифру в планировании и/или высылать нотификацию. Далее мы корректируем эту цифру, например, на 13%, и, соответственно, меняются все остальные прогнозные финансовые метрики.
Будет выделен ряд метрик, которые можно верифицировать в планировании таким образом. Когда мы поймем, что платформа корректирует цифры планирования в допустимых коридорах лучше, чем это делаем мы, то сможем плавно переходить к прогнозным показателям планирования по ключевым метрикам.
Также мы работаем со сторонними компаниями по предоставлению функционала платформы маркетинговой аналитики как сервиса (SaaS). Разработка своего аналитического решения с нуля требует найма высококвалифицированной команды и значительных инвестиций. Многие компании видят решение использовать нашу SaaS-платформу как возможность экономии времени и денег, а также значительного повышения эффективности закупки трафика.
