Tabarak Paracha
Nuestro director general, Christopher Farm, participó en el podcast ‘GameMakers’ para hablar del éxito de nuestro cliente HyperBeard y del papel que ha desempeñado Tenjin en ello. La charla se centró en el LTV de la cartera, un análisis clave para reducir los costes de captación de usuarios.
¿Qué hace un MMP y cómo ha cambiado su función desde que se dejó de utilizar el IDFA?
[Christopher Farm]: Históricamente, la función de un MMP consistía en determinar qué fuentes de tráfico en las que te anunciabas generaban el mayor retorno de la inversión (ROI). Creo que eso sigue siendo así, pero la situación ha cambiado mucho desde la retirada del IDFA y el paso a un mundo en el que las cosas son menos transparentes. Por eso, uno de los aspectos en los que nos diferenciamos (en Tenjin) es que intentamos reunir todos los datos en un único lugar. Ofrecemos un almacén de datos como servicio, para que las empresas no tengan que crear los suyos propios. Esta es una de las formas en las que nos diferenciamos de muchos otros MMP. Y, como resultado, incluso con la retirada del IDFA, seguimos creyendo que es posible recopilar todos los tipos de datos a los que se pueda acceder. Podría decirse que ahora es incluso más necesario hacerlo y contar con socios que puedan analizar y examinar esos datos de forma adecuada.
¿Qué es el LTV de la cartera?
[Christopher Farm]: La idea del LTV de la cartera… No creo que fuera algo que tuviéramos pensado hacer desde el principio. Fue algo que surgió de forma natural al descubrir lo que los clientes querían hacer —o, en este caso, lo que Alex quería hacer— con los datos.
A partir de los datos, empezamos a darnos cuenta de que era muy natural que los clientes quisieran jugar a juegos similares de vuestra cartera de títulos. Así que, de alguna manera, la idea surgió de forma natural a partir de ahí y se tradujo en una serie de análisis diferentes que intentamos llevar a cabo, con el fin de optimizar esa experiencia para el cliente.
Creo que el sector se encuentra en una fase muy temprana en la que la gente puede plantearse esto de forma sofisticada. Hay muchas cosas y oportunidades en las que, personalmente, veo que si se consigue crear una imagen de marca en torno a tu catálogo, tienes muchas posibilidades de llevar a cabo algo así, y hay muchas ideas de productos que pueden surgir de ahí. Y no creo que la gente lo haya intentado siquiera, pero por ejemplo, tener una moneda universal, o experiencias muy similares, o compartir diferentes tipos de bienes virtuales entre tus aplicaciones. Todo esto se vuelve mucho más factible con la optimización y cuando se dispone de métricas.
Ahí hay un coste de oportunidad, en el sentido de que podrías haber mostrado otro anuncio de otro editor, pero es un coste de oportunidad mucho menor y así puedes aumentar tu LTV. De hecho, esa era precisamente una de las fórmulas en las que se basaban los editores de juegos hipercasuales. Adquirían usuarios por un coste mucho mayor de lo que podían ganar con una sola aplicación. Pero, en conjunto, por lo general les resultaba rentable.
Cuando estabais evaluando Tenjin, ¿el LTV de la cartera era uno de los principales casos de uso en los que pensabais o era más bien un extra?
[Alex Kozachenko]: Ya habíamos pensado en el LTV de la cartera antes (de empezar a trabajar con Tenjin), pero aún era algo que estaba un poco lejos. Una de las cosas que Tenjin nos ofrecía eran servicios de desarrollo a medida incluidos en el contrato que tenemos, lo que nos permitiría, en cierto modo, crear el sistema de inteligencia empresarial. Así que sabíamos que era así, y esa era la visión que yo tenía en aquel momento.
Otra cosa que Tenjin nos permitió hacer fue ampliar nuestro conjunto de fuentes de adquisición de usuarios. El problema de tener LTV bajos es que realmente quieres que los gastos generales sean reducidos, además de tus costes. Y, en última instancia, la mayoría de las plataformas de gestión de marketing (MMP) te cobran por cada instalación rastreada hasta una fuente de adquisición de usuarios o cualquier tipo de fuente de seguimiento. Por eso, algunos de los MMP más grandes del mercado no son precisamente baratos. Así que, si quieres expandirte más allá del nivel 1… buena suerte. Obviamente, depende de la escala. Si operas a gran escala, puedes negociar un acuerdo. Pero no podemos pagar 2 céntimos por una instalación en la India, donde el LTV es de 1,5 céntimos, por ejemplo. No tiene ningún sentido. Esto nos permitió ampliar el abanico de opciones. Y ahora mismo estamos obteniendo mucho éxito con nuestras campañas globales, que ni siquiera nos habríamos planteado lanzar en una MMP cuya estructura de costes no tuviera sentido.
¿Podrías profundizar en el caso práctico que Sonamine llevó a cabo con Hyperbeard y hablar también de algunos de los servicios que ofrecéis?
[Nick Lim]:
Así que nos encargamos de gran parte del análisis inicial para echarle una mano. Y descubrimos muchas oportunidades que permitieron a Alex y a sus equipos diseñar estrategias y priorizar dónde centrarían parte de sus esfuerzos de adquisición de usuarios (UA). Una de las razones por las que nos llamaron fue que, cuando se analizan las MMP tradicionales al ejecutar una campaña, se obtiene el coste y también los ingresos asociados a esa campaña. Pero estos suelen estar vinculados únicamente a ese juego concreto. Sin embargo, no hay una forma sencilla de ver realmente el LTV de la cartera para esa campaña. Ahí es donde pudimos ayudar a Alex y a su equipo a encontrar una forma diferente de hacerlo y de visualizarlo, para que puedan utilizarlo a diario y calcular los ingresos de cada campaña.
¿En qué tipo de análisis de datos ayudaste a Hyperbeard?
[Alex Kozachenko]: Así pues, Tenjin y Growth FullStack fueron las herramientas que utilizamos para importar los datos. Pero, obviamente, teníamos que depurarlos y dejarlos listos para su uso, lo que implicaba crear los paneles de control y los informes adecuados. Una de las cosas que hicieron fue un análisis personalizado que nos permitió saber que tenemos X% de usuarios que se mueven entre dos juegos, Y% entre tres y Z% entre cuatro. Este es vuestro juego principal de captación, por el que llegan los usuarios. Este es al que tienen más probabilidades de ir, y aquí está el siguiente, y aquí el siguiente. Y algunas de las cosas que podemos hacer con esta información es estructurar nuestra promoción cruzada de tal forma que mostremos anuncios en esas proporciones, basándonos en dónde es probable que vayan los usuarios y también dónde es probable que se genere ingresos. Porque la idea central de la estrategia de supervivencia de Whiteout es que quieres que los usuarios vayan donde te proporcionen el mayor LTV. Pero, obviamente, necesitas una alta probabilidad de que vayan allí; de lo contrario, solo estarías mostrando un anuncio por el mero hecho de mostrarlo. Así que esos son algunos de los casos de uso en los que nos han ayudado. Y, como he dicho, como no contamos con un equipo interno de análisis de datos, su ayuda nos ha resultado realmente útil.
[Nick Lim]: Y consideramos que los datos son una especie de recorrido. Así que, cuando empiezas con un juego y estás llevando a cabo campañas de adquisición de usuarios (UA), podemos ayudarte en ese aspecto. Si se dispone de datos, podemos generar modelos de predicción SKAN, por ejemplo. De este modo, aunque se haya dejado de utilizar el IDFA, aún podemos, a partir de los valores de conversión que recibimos, predecir con una precisión de 5% cuál sería el LTV basándonos en los valores de conversión que nos llegan para esa campaña SKAN concreta. Pero a veces nos damos cuenta de que los esquemas de valores de conversión de SKAN están limitando lo que se puede predecir, así que nos ponemos en contacto con los desarrolladores y les recomendamos que utilicen un esquema SKAN más amplio y completo, capaz de capturar más valores de conversión, no solo los ingresos. Esa es la práctica habitual entre la mayoría de los desarrolladores hoy en día: limitarse a incluir los ingresos en sus valores SKAN. De hecho, recomendamos que no lo hagáis, simplemente porque ya habéis perdido muchos datos. Por eso, os ayudaremos a diseñar el esquema SKAN para que obtengáis mejores predicciones a nivel de SKAN, si es algo que queréis hacer. Esto es lo que ocurre en el ámbito de la adquisición de usuarios (UA).
Sonamine también ayuda en lo que respecta a la monetización y la retención. Así pues, en el momento en que un usuario empieza a jugar, eso solo supone la mitad del reto. ¿Cómo se consigue retenerlo y hacer que gaste dinero cuando siente que está sacando partido de ello? Por eso, aplicamos predicciones de IA a los datos de los que dispones, identificamos los segmentos de usuarios que van a marcharse y te ayudamos a darles un empujoncito si van a convertirse en clientes. Y si van a marcharse, te ayudamos a ofrecerles algunas recompensas que puedan contribuir a retenerlos.
Mira el vídeo completo de arriba para descubrir cómo calcular el LTV de una cartera, las principales tendencias y los cambios que se avecinan, y mucho más.
