Ad LTV (Lifetime Value) относится к доходам от рекламы, полученным новыми пользователями, которые устанавливают приложение в течение всего срока своей деятельности. Он учитывает удержание пользователей, впечатления от рекламы и оценочный доход от всех сетей для определенной группы пользователей. Это пользователи, которые впервые использовали приложение в определенный день, из определенных стран или сетей и на основе выбранного периода в новейшей истории. Многие издатели делают все возможное, чтобы создать модели для будущего прогнозирования LTV после запуска приложения, чтобы оптимизировать свои маркетинговые стратегии.
Точное LTV трудно пропустить
Однако, это легче сказать, чем сделать, и существует много способов вычислить LTV с большей или меньшей точностью. Простые решения могут привести к большим ошибкам, с погрешностями, которые могут достигать до 400% на уровне пользователя и 50% на уровне когорты.
Мы знаем, что любой расчет LTV имеет два основных фактора - удержание и доход, и издатели могут получить эти два фактора неправильно, когда они строят собственные решения для отслеживания рекламы LTV. Эти модели обычно предполагают, что каждое впечатление окупается одинаковым уровнем CPM, что является огромным заблуждением, которое может привести к драматическим ошибкам и чрезвычайно неточным расчетам ROI.
Вот несколько целостных моделей LTV:
Наивный метод
Этот самый базовый метод расчета LTV использует ARPDAU (средний доход на одного активного пользователя в день) и умножает его на ожидаемый срок службы. Хотя это самый простой метод, он предполагает, что все пользователи остаются на одном и том же промежутке времени. На самом деле, невозможно заранее узнать, как долго будут находиться пользователи, поэтому этот метод также является самым слабым.
Моделирование функции пожизненного использования
Этот метод моделирует функцию удержания на основе ограниченных точек данных - 2-й день, 7-й день, 14-й день и 30-ый день удержания. Затем он умножает ожидаемый срок службы на ARPDAU, чтобы получить LTV. Эта модель предполагает немного большую точность, чем наивная модель, хотя она все еще предполагает постоянное ARPDAU и перевешивает удержание в течение суток.
Оценка LTV по сегментам
Если у вас есть данные по органическому трафику или другим сегментам, вы можете рассчитать 180-дневный LTV в конкретном сегменте исходя из доли выручки, полученной за первые семь дней из выручки за 180-дневный период. Хотя этот метод является относительно простым и точным, он требует 180 дней данных от существующих сегментов, которые иногда невозможно получить.
Сегмент LTV по частичным данным из других сегментов
Этот более продвинутый метод использует данные из существующего органического трафика или других сегментов для создания модели в течение первых 90 дней, а затем использует смоделированную функцию для прогнозирования срока службы от 90 дней до 180 дней. Хотя это более точная модель и позволяет рассчитывать LTV для более новых приложений, ее немного сложно использовать.
Моделирование функции удержания с помощью электронной таблицы
Используя такие инструменты, как логарифмические функции, интегральные вычисления и статистическая регрессия, эта модель является более гибкой и может применяться снова и снова с различным количеством точек хранения данных из различных приложений, когорт и источников трафика, она может быть чрезмерно сложной. Она предполагает расчет каждого сегмента отдельно без использования данных из предыдущих сегментов и предполагает постоянную величину ARPDAU.
Моделирование функции "Выручка" с помощью электронной таблицы
Этот метод моделирует функцию доходов, используя схожие статистические методы, такие как регрессия и функции регистрации. Положительная сторона этой модели заключается в ее гибкости и позволяет создать полную модель, учитывающую любое количество точек данных и учитывающую как доход, так и удержание. Однако это очень сложно, так как он рассчитывает каждый сегмент самостоятельно и не использует данные из предыдущих сегментов.
Хотя основная цель этих общих моделей заключается в оказании некоторой помощи в базовом моделировании в условиях ограниченного бюджета, некоторые из них кажутся очень сложными. Если вы чувствуете, что это слишком сложно для вас, то вы можете обратиться к профессионалам за помощью, которые выполнять всю работу за вас.
Основы хорошего LTV-решения
Наши модели рассчитывают доход от рекламы пользователей пропорционально измеренным показаниям, щелчкам мыши или установкам, что, по сути, является проблемой подгонки под кривую или регрессии. Хотя наш основной продукт предусматривает отнесение доходов от рекламы на уровень пользователей, само отнесение зависит от точного отражения деятельности в приложении.
Лучшие методы расчета рекламы LTV включают в себя шесть основных пунктов:
1. Супер гранулярный сбор данных
Есть возможность охватывать все мелкие детали, такие как отслеживание рекламируемых приложений, случайные клики, местоположение кликов, установки на Android и iOS, а также уровни ставок для CPI кампаний. Кроме того, есть огромный шанс определить тех 5-10% пользователей, которые отвечают за большую часть ваших рекламных доходов, которые мы называем "киты-рекламы".
2. 100% Фокус на рекламе LTV
Также нужно уделить невероятное внимание измерению рекламы и активности в приложениях, вычисляя LTV на уровне отдельного пользователя, когорты и источника трафика и постоянно обновляя технологии, чтобы идти в ногу с тенденциями отрасли.
3. Вовлечение в решение рекламных сетей
Охватывая все основные сети, общее решение работает независимо от выбора медиации среди всех крупных поставщиков, безупречно слушая их SDK. Практически любая платформа позволяет издателям мобильных приложений, работающим с несколькими рекламными сетями, получать информацию о доходах от рекламы в расчете на одного пользователя, когорту и источник трафика. Он интегрируется практически с любым медиа-источником, рекламной сетью, CRM, платформой маркетинга и атрибуции.
4. Превосходное моделирование
Существует система оценки более продвинутая, чем просто усредненное значение eCPM линейной статьи. В этой системе используют зрелые алгоритмы рекламы LTV, основанные на множестве моделей.
5.Непредвзятая третья сторона
Атрибуционные компании обычно представляют интересы рекламодателей в первую очередь и не следуют тенденциям монетизации в части комбинации. И только лишь единицы компаний, которые заботится о ваших интересах и могут предоставить вам необходимый опыт и данные сравнительного анализа.
6. Проводимые в настоящее время испытания на правдивость
Несмотря на то, что большинство платформ используют усредненные показатели в качестве основного метода для расчета рекламных объявлений LTV из различных сегментов, это не самая точная стратегия, так как она может привести к ошибочным решениям и негативно повлиять на общий успех. Нужно оценивать несколько моделей рекламных роликов LTV для каждой рекламной сети и типа кампании и присваивать наиболее точную модель, постоянно сравнивая наборы правды. Нужно разработать точные методы тестирования, которые позволят быстро проводить итерации, испытания и сравнения различных моделей.
На LTV влияют многочисленные факторы, и за всеми из них может быть сложно поспевать. Так что если вы хотите узнать секреты того, как работают рекламные модели LTV различных кампаний которые предоставляют такие услуги и как они могут вам помочь, вам нужно просто обратиться к профессионалам.