タラ・マイヤー
ご存知ですか？ほとんどの予測LTV (pLTV)モデルは、ハイブリッド収益化アプリ向けに設計されていません。アプリ内課金 (IAP) とアプリ内広告の両方で収益化を行う場合、ユーザー行動は急速に複雑化します。標準的なLTVモデルでは対応できず、ほとんどのpLTV指標も同様です。
「ハイブリッドマネタイズアプリをサポートするツールが市場に不足している」
- ジャスプリート・バサン
Tenjinのシニア・プロダクトマネージャー
問題は、ハイブリッド収益化が今や至る所で見られる一方で、それを実現するツールはそれほど普及していない点です。 IAP＋IAA戦略 は多くのアプリやモバイルゲームで標準化しましたが、ほとんどの分析プラットフォームは収益化を単一チャネルとして扱い続けています。これは、ハイブリッドゲームのユーザー獲得(UA)に不可欠な予測LTVにとって深刻な問題です。両方の収益チャネルにまたがる正確な予測が必要で、予算を効果的に最適化するには適切なツールが欠かせません。そこで私たちは、市場の穴を埋めるソリューションを作りました。
しかし、ハイブリッドマネタイズ向けのpLTV構築は簡単ではないと、TenjinのJaspreet Bassanは説明します。彼女は、その過程で直面する 4つの大きな課題 をご紹介します。
課題①：シグナルの不足
予測LTVモデルには、統計的に意味のある正確な結果を出すために大量の初期シグナルが必要です。ハイブリッドマネタイズでは、その予測が最も必要な初期段階でシグナルが非常に少なくなりがちです。
当社の解決策はニューラルネットワークの活用です。Jaspreetが次のように説明しています：
「私たちにとってニューラルネットワークは絶対的な正解でした。なぜなら、大量のデータを非常にうまく処理できるからです。まさにこのユニークな課題が求めていることそのものです。」
「そして、それらはパターンを発見することができます。トレンドからも非常に効果的に学習できるため、処理を多く行う必要がありません。」
彼女は重要な成果を共有し続けています：
「0日目のデータから学習して、
30日目までのコホート予測が可能です。」
ニューラルネットは初期シグナルの不足から複雑なパターンを識別し、広告の細かなインプレッションデータを豊富な初期シグナル源として活用して限られたデータ 問題を克服します 。ユーザーの広告との接触開始時からの挙動を詳細に捉え、高精度予測を実現しています。
課題②：Whaleユーザーや異常値
モデル構築における典型的な問題は異常値の存在です。大口課金ユーザー (Whale)や極端な値が測定を歪めます。例えば、あるユーザーはIAPに1000ドル使う一方で、多くは10ドル程度。従来型のpLTVモデルはこの差異にうまく対処できず、過度に楽観的な結果を出したり、潜在収益を見落としたりします。
Jaspreetのチームのアプローチはこうです：「未成熟コホートをインプットの一つとし、モデルに取り込み予測に反映させます。コホートは2時間ごとに成熟度が更新され、予測も随時調整されます。」
継続的なデータストリームと監視が行われています。外れ値の問題を克服するため、定期的に更新される動的正規化が適用されています：
データ内の異常値を考慮するため、 2時間ごとに更新されるdynamic normalization手法を採用しています 。これにより、外れ値や異常な支出パターンを自動的に調整することが可能です。」
つまり、カジュアルな支出者も依然として重要ですが、平均値を下げることはありません。また、少数の高額支出者に基づいて価値を過大評価することもありません。予測されるLTV（生涯価値）の全体像はより現実的で、適切に考慮されているのです。
課題③：分断された指標では全体像が見えない
断片化された収益分析は情報格差を生みます。大半のプラットフォームでは、アプリ内課金(IAP)と広告収益(IAA)を別々に追跡せざるを得ません。これにより作業が増大します。本来は統合すべき単一の包括的視点であるべきところを、二つの異なるpLTV指標を同時に管理しなければならないからです。
Jaspreetによると、「収益データが分断されていると、どのユーザーセグメントが両チャネルを通じて利益を生んでいるのか把握しにくくなります。個別最適化に陥りやすく、特にハイブリッドマネタイズアプリには好ましくありません。」
彼女は次のように説明している。「既存のお客様は、当社が統合LTV指標を採用していることをご存知です。これはコホートが成熟した後に得られる実際のLTVです。また、ハイブリッドアプリがこの指標を頻繁に利用していることも承知しています。そこで、IAAとIAPの両方を統合した同様の指標を提供したいと考えました。」彼女は次のように強調している：
「これはお客様にとって非常に大きな影響をもたらすでしょう。さらに、pROASやpROIといった派生予測指標も提供可能になりました。これにより、当社の全体的なインフラストラクチャ——レポート基盤とデータ基盤——が強化され
、実際のLTV予測も格段に容易かつ有意義に行える仕組みが構築されました。」
最終的に、Tenjinダッシュボードから直接アクセス可能な単一の統合 pLTV 指標を作成しましたとJaspreetは説明します。IAAとIAPの両方における予測総価値を反映した単一指標が得られ、デフォルトで短期および長期の予測が含まれています。
当社のソリューションは、明確かつ包括的な可視性を実現します。利益率を把握するために、複雑なスプレッドシート操作や統計の無理な解釈は不要です。より迅速に行動でき、その判断に確信を持てます。
課題④：「まあまあ」では不十分
多くのpLTVモデルの精度は70～80％程度です。これは一見悪くないようですが、数千ドル規模のリアルタイム予算配分判断には20～30％の誤差は容認できません。特に予算にシビアな開発者や新興市場にとって大きな痛手です。不正確な予測は資金のムダ遣いかチャンス逸失を意味します。
UAの最適化には確信が必要です。予測分析を信頼できなければ、予算再配分や入札調整、キャンペーン拡大に踏み切れません。スピードが命のマーケットでの躊躇は大きな損失です。
高精度pLTVは日々のリアルタイム最適化で不可欠です：
「90％の精度は業界でも極めて稀有で素晴らしい成果です。」
Jaspreetはこう語ります：「この 90％精度 は多くの専門知見を投入し、顧客視点を持って構築した結果です。」
徹底したニューラルネットワークのトレーニングと分析により実現しました。さらにpLTVはアプリ単位、キャンペーン単位、国単位でも利用可能。国ごと・チャネルごとに予算配分でき、活用の幅が広がります。
この高いパフォーマンス水準により、pLTVは日常的な最適化判断に十分信頼できる指標となりました。どうぞ自信をもって最適化を進め、UA予算を確かな指標に賭けてください。
「TenjinのpLTV指標で新規コホートのパフォーマンスをリアルタイムで監視し、長期データを待つことなく迅速にUA判断が可能になりました。」
- ジェームズ・マクレランド（タップド
全文をお読みください。
ジャス ローマンは平均という言葉を強調していますが、これはモデルの精度について話す正しい方法です。それは本当に素晴らしいことです。90%の精度は素晴らしく、この業界では本当に珍しいものです。.
ローマン 皆さん、こんにちは！天神のアップデートについてのビデオへようこそ。今日はプロダクトチームのジャスプレです。ジャスさん、こんにちは。.
ジャス こんにちは、ローマン。.
ローマン LTV予測とは何か、なぜ重要なのか、そして天神でLTV予測にアクセスする方法についてです。では、ジャスさん自身について少しお話ししましょう。.
ジャス ありがとう、ローマン天神でスタッフ・プロダクト・マネージャーをしています。私は普段、データとダッシュボードを担当しており、特に皆さんのために予測LTV（pLTV）を構築しました。.
ローマン その通りだ。このビデオのためにいくつかのスライドを用意しました。私のスクリーンを共有し、それを見ながら製品についての会話をしましょう。.
そうそう、LTV予測はハイブリッド収益化のアプリ向けに調整されている。ハイブリッドは今や新しいハイパーです。 多くの宣伝文句がありますが、そのようなアプリのサブセットのために作られたツールは十分ではないと感じました。そして、LTV予測は、ハイブリッド・ゲームのユーザー獲得に欠かせないツールなのです。.
なぜそれを使う必要があるのか見てみよう。ジャス、コメントは？
ジャス ああ、確かにローマン、君の指摘は素晴らしいと思う。ハイブリッドのためのツールはもっと必要だし、不足しがちだ。しかし、天地人ではこの点に非常に力を入れています。.
ハイブリッドに焦点を当てて、少し紹介します。純粋なアプリ内広告（IAA）があるアプリの場合、収益の成熟はかなり早いでしょう？例えば3日目とか7日目とか。一方、ハイブリッドアプリやアプリ内課金（IAP）を多用するアプリの場合、IAAの収益は早く成熟するかもしれませんが、IAPの収益が成熟するには数週間から数ヶ月かかるかもしれません。.
それが、ハイブリッド・アプリにpLTVを導入した理由です！pLTVがあれば、コホートが成熟するのを待つ必要はありません。あるいは、30日目、60日目、あるいはそれ以上経ってからキャンペーンの最適化を行うこともできます。その代わり、キャンペーンの最適化をもっと早く決定することができます。つまり、コホートが成熟するのを長く待つ代わりに、例えば2日目に行動することができるのです。.
ローマン そして、ここにキャンペーンAとキャンペーンBの仮想例があります。0日目に見てわかるように、ここではキャンペーンBが明らかに勝者であるように見えます。しかし、ハイブリッドアプリの場合はそうではないかもしれません。というのも、ユーザーがやってきて購入し、広告を表示することで得られた収益をすべて上回ってしまうかもしれないからです。そして、もし14日目の予想があったとしたら、こうなるだろう。.
私たちはすでに数社とこのプロジェクトに取り組んでいます。ジャスはジェームスやチームと緊密に連携し、LTV予測プロジェクト全体に取り組んだ。そして......そうだ、引用文を読んでみよう：
“「私たちは天神のpLTVメトリックスを使い、長期的なデータを待つことなく、新しいコホートのパフォーマンスをリアルタイムでモニターしています。これにより、UAの意思決定をより迅速に行うことができます。”- ジェームズ・マクレランド、Tapped社
これはまさにジャスが今言ったことだろう？
ジャス そうだね。そうです。ローマン、予測LTVの製品開発をしていたとき、私たちは顧客と緊密に連携し、アルファ版の段階からTappedは顧客の1社でした。彼らはずっと以前から私たちの予測を使ってくれていて、今ではこの製品は誰でも使えるようになっています。.
私たちは、ほとんどすべての顧客から非常に似たようなフィードバックを得ている。彼らがどのように
これを使うことで、ユーザー獲得の意思決定をより迅速に行うことができるんだ。.
ローマンそしてここでもまた、スピードが重視されている。もし14日間待つのであれば、どのキャンペーンがより良いパフォーマンスを上げるかを確認する必要があります。予測LTVを14日目までに使えば、この通り、より早くお金を再投資することができます。.
ローマンハイブリッドアプリが何なのか知らない人のために、その話をしましょうか。ジャス、ハイブリッドアプリって何？
ジャス クールだね。そうですね。ハイブリッドアプリというのは、冒頭で紹介した2つの収益モデルを使ったアプリのことです。その1つはアプリ内広告で、基本的にアプリはユーザーに広告を表示することで収益を得ています。そしてもう1つのビジネスモデルはIAP、つまりアプリ内課金です。アプリ内課金とは、1回だけ商品を販売することもできますし、定期購入やその他のものもありますが、アプリ内で商品を販売することによって収益を得ることもできます。.
ハイブリッドアプリは、この2つを兼ね備えているわけですね。広告を表示してお金を稼ぎ、ユーザーはアプリ内で商品を購入することができます。広告と購入の両方でお金を稼ぐことができるわけです。.
そして、アプリがこれら両方のモデルを併用する場合、ハイブリッドアプリと呼ぶ。アプリ内広告とアプリ内課金の配分の例として、このアプリをご覧ください。様々です。20%のIAAと80%のIAPのようなこともあります。しかし、これはハイブリッドアプリがどのようなものかを示す素晴らしい例です。.
ローマン その通り。そして、未来はハイブリッド・アプリになるようだ...。
ジャス 100%
ローマン ハイブリッドアプリのLTVを予測するのは困難です。ハイブリッドアプリのLTVを予測するのは難しい。過去には、IAAアプリのアプリ購入のLTV予測を見つけたかもしれません。今のところ、ハイブリッドアプリの予測は誰も行っていません。そこで、ここではニューロネットワークという言葉を強調しました。それについてコメントをお願いします。
そして、この挑戦にどのように取り組んだか、もう少し詳しく話してください。.
ジャス クールだ。そうだね。ハイブリッド・アプリをサポートするツールが世の中に不足しているからです。私たちは今、その市場に注力していますし、ローマン、あなたの言う通り、それが未来です。業界的に見ても、そのように考えています。.
そして、ユーザー獲得の決定やキャンペーンの最適化に関しては、広告媒介データを使用しています。これについては後で詳しくお話します。.
私たちは、広告インプレッションやユーザーレベルで利用可能な、非常にきめ細かいデータを多く使用しています。アプリ内課金のデータも同様です。このようなデータを大量に使用する場合、それをうまく処理できる機械学習アルゴリズムが必要になります。
ハイブリッド・アプリをサポートする。ニューラルネットワークはそのための自然な選択です。.
ニューラルネットワークとは何かという技術的な側面にはあまり深入りしたくないが、ニューラルネットワークは、うーん、実際には人工ニューラルネットワークと呼ばれるものだと考えてもらえればいい。.
これは機械学習技術のひとつで、モデルを訓練し、過去のデータを使ってモデルを訓練し、そのモデルが過去のパターンや傾向から学習して予測を行うことができる。.
もし他に質問があれば、この話を続けることもできるんだけど。私たちがニューラルネットワークを採用した理由のひとつは、他の方法と比較したことです。私たちの製品開発サイクルでは、もっとシンプルなモデルを使うことも検討しました。 他のベンチマークもたくさん使いました。.
私たちは多くのベンチマークを行ったが、ニューラルネットワークは絶対的に正しい選択だった：
A)大量のデータをうまく処理できる。
B) 彼らはパターンを見つけることができ、傾向から本当によく学ぶことができる。.
なぜ天神の予測を使うのでしょうか？それについては後ほど詳しく説明しますが、ニューラルネットワークの観点から言うと、このモデルはすべてのアプリ、すべての組織のデータから学習し、パターンを見つけ出したいのです。つまり、あなたのキャンペーンが新しく、過去のデータがないとしても、私たちのモデルは類似のアプリや類似の組織から学習し、あなたのキャンペーンに対して正確な予測を行います。.
ローマン ええ、実はそれが私の質問でした。ハイブリッド・アプリの課題をいくつか挙げてみましょう。あなたはすでにこのことに触れていますね？
ジャス ええ、そうです。ええ。.
ローマン 多くのシグナルとインプレッション、広告インプレッションを使います。そして......コホートについてお話ししましょうか。予測はゼロ日目から可能ですよね？
ジャス そうですね、言い直します。私たちのモデルは、ゼロ日目のコホートを使って学習し、利用可能なデータは何でも利用し、ゼロ日目のコホートを使って30日目までの将来のすべてのコホートの予測を行います。私たちは今、30日目に焦点を当てています。これから追加する予定ですが、365日目までの長いコホートに対するサポートを追加している最中です。.
ゼロ日目のデータからパターンを学習し、30日目までのコホートの予測を立てる。.
ローマン 広告を表示するアプリについて話すなら、最も重要なもののひとつは広告インプレッションだと思う。
ジャス そうですね。これはキャンペーンなので、ユースケースはユーザー獲得とキャンペーンの最適化です。広告インプレッションを非常にきめ細かく設定できるのが特徴のひとつです。私たちが使っている機能はたくさんあって、100くらいあるのですが、これはそのうちのひとつです。.
ローマン そうだね。そうだそうだね。これは、私が社内で抱いた疑問のひとつに答えるためでもある。初期の予測、（ハイパーカジュアル時代から、これは理解するために超重要な要素の1つだと知っているので）キャンペーンが初期にどのように実行されるかを確認するにはどうすればいいのでしょう。早い時期と遅い時期の両方が必要で、これが私たちがこれを行う理由と方法です。.
次の課題（最初のスライドの一例にあった）。2つのキャンペーンがあったのですが、ある時点でキャンペーンAがキャンペーンBより良くなったのです。そうですね。それで、2時間ごとに予測を更新しています。その意味を説明していただけますか？
ジャス そうです。広告インプレッションの分布、入札などキャンペーンに加えた変更に基づくキャンペーンのパフォーマンスなどです。そして、あなたのUA戦略全体のすぐ外側で起こっているその他の現実的なことも。.
つまり、すべてのデータがモデルに入り、それに基づいてモデルが新たな予測を行うわけだ。特にコホートが成熟していないときはそうでしょう？コホートが成熟すれば、モデルはすでに多くのデータを持っており、非常に優れた正確な予測を行います。しかし、特にあなたが何か変更を加えているとき、つまりキャンペーンに何らかの変更が起こっているときです。そのため、私たちは素早く予測を行い、現実に起こっているすべての変化や分布の変化を考慮し、その世界の現実を反映した新鮮な予測を行います。.
ローマン 最初の2時間は同じなので、キャンペーンを始めました。キャンペーンのデータを見始めました。次の2時間でLTVが予測されるのでしょうか、それとももう少し待つ必要があるのでしょうか？
ジャス ローマン、私の理解では、ゼロ日目のような成熟したデータが必要で、それから1日目から30日目までの予測を立てることができる。初日に戻ってきたとしますよね？初日と30日目では、明らかにあなたのコホートは成熟していません。.
未熟なコホートも特徴の1つとして使い、そのデータをモデルに追加し、モデルはそれに基づいて予測します。そうでしょう？つまり、2時間ごとにコホートも成熟していき、モデルはそれを考慮に入れて、1日目から30日目までの新しい予測を行います。私たちが基本的に行っているのはこのようなことです。.
ローマン 超わかった。ええと、3つ目の課題は、IIAやIIPの予測を行うことができる製品がすでにあったということです。.
ジャス ふむふむ。私たちは、両方を一つの指標で予測することにし、ダッシュボードで利用できるようにしました。.
ローマン ジャス、これが決定されたときの考え方を教えてくれないかな......なぜそんなことをするのか？
ジャス そうだね。商品管理開発において、私たちがこの問題にアプローチしたかった方法は、アルファ版を本当に素早く作ろうということでした。そして、何人かの顧客からフィードバックを得て、製品を有機的に進化させよう。.
こうしている間にも、初期のフィードバックをたくさんいただきました。この初期のフィードバックは、特にLTV予測のための良い製品を作るために非常に重要です。私たちは、ハイブリッドのユースケースを解決するものを素早く作りたいと考え、この1つの指標を採用しました。.
そのため、既存のお客さまは、LTV（複合LTV指標）があることをご存じでしょう。これは、お客さまのコホートが成熟した後に利用できる実際のLTVです。また、未熟なコホート・データでも利用可能です。.
そして、ハイブリッドアプリがこの指標を多く使っていることも知っています。そこで、アプリ内広告とIAPの両方を組み合わせた同様の指標を提供したいと考えました。.
特に天神の場合、私たちのレポーティング・データとインフラは、過去のLTVや実際のLTVをすでに入手できるように構築されています。私たちは結局、その指標を予測することにしました。その指標を機械学習の用語でY軸と考え、過去の傾向をすべて使って、その予測を行っています。.
つまり、A)これは製品の観点からの決定であり、私たちの顧客がこれを使用し、これが彼らにとって非常にインパクトのあるものになることを知っているからです。そしてこの指標を使って、pROASやpROIのような派生的な予測指標を提供できるようになりました。しかし、当社のインフラ、レポーティング・インフラ、データ・インフラは、実際のLTVを予測することがより簡単になるように構築されています。.
ローマン やった。ハイブリッド・アプリの最後の課題、それは精度だ。平均精度90%という驚異的な精度があります。.
ジャス そうだ。.
ローマン あの、いつもそうだったんですか？私たちはそれに取り組まなければならなかったのでしょうか？もしかしたら、あなたはこの業界のベンチマークを持っているかもしれない。.
ジャス そうですね。ローマンは平均という言葉を強調していますが、これはモデルの精度について語る正しい方法です。それは本当にいいことです。90%の精度は素晴らしく、この業界では本当に珍しいものです。.
これは常にそうだったわけではありません。このビデオの冒頭でも少し触れましたが、私たちがどのように製品開発を行ったか、ということです。私たちはアルファのベータ版生産から始めました。アルファ版の精度は明らかに良くなかった。.
アルファがスタートする前に、社内でベンチマークを行った。GFSの予測値をベンチマークし、他の機械学習モデルとの内部ベンチマークも行いました。そして、機械学習の開発では、さまざまな特徴を見て、どれが精度を上げているか、どれが精度を落としているか、特徴エンジニアリングを行い、データをよく理解し、ビジネスをよく理解することが重要です。.
これは非常に有機的なやり方なんだ。例えば、顧客はどうやって意思決定をするのか？例えば、専門家に相談する。ですから、予測LTVを構築するために多くのことが行われ、90%の精度が可能になったのだと思います。それは、私たちが専門家の洞察の多くをこれに加え、顧客の視点からこの問題に取り組んだからです。.
彼らはどのように決断を下すのですか？早い段階から彼らを巻き込んだので、長いプロセスだった。それを達成するのは簡単なプロセスではなかった。私たちは90%の精度を得るために懸命に働いた。とはいえ、モデルの平均的な性能は90%ですが、精度はキャンペーンやアプリ、国によって異なることをお伝えしたいと思います。.
言い忘れたと思いますが、私たちの予測はアプリ、キャンペーン、国レベルで利用可能です。ですから、キャンペーン、キャンペーン、チャンネルごとに異なる国に基づいて予算を割り当てることができるんですね。例えば、Aというチャンネルがこの国ではうまくいっていないというように、国やチャンネル、キャンペーンなど、あらゆる種類に対してあらゆることができるのです。.
機械学習モデルの精度に関しては、キャンペーンや国によって異なることがありますよね？90%が平均です。これまでのところ、私たちのお客様は90%の精度を見たと言っています。これは素晴らしいことですが、精度は国やキャンペーン、チャンネルによって異なる可能性があるということを付け加えておきたいと思います。そのため、将来的には信頼区間を追加する予定です。.
ローマン そうだね。そうだね。これは強調すべき重要なポイントだと思う。素晴らしい結果であっても、それは平均的なものです。でも、本当に多くの要因に左右される。それでも予測なんだ。クールだ。これが最後のチャレンジだったと思う。.
すべての有料プランで利用可能です。だから今、私たちはいつでもキャンセルできる機能から始めています。200ドル払えば、LTVを予測できるようになります。すでに天神の顧客であれば、すでに利用できます。.
ダッシュボードの編集メトリックをクリックし、予測LTVメトリック（pLTV）、予測ROAS（pROAS）、予測ROI（pROI）を見つけるだけです。ですから、機能ゲートはありません。すでに試された方は、コメントを残してください。質問があれば、コメントもお願いします。.
最後にジャス、何か思うことは？
ジャス ああ、ローマン、強調してくれてありがとう。天神の利用はこれまで以上に簡単になりました。ダッシュボードにアクセスするだけです。$200プランに申し込むだけで、いつでも解約できます。興味があれば、試してみてください。はい。また、ご意見、ご感想をお待ちしております。.
ローマン スーパーだ。ありがとう、ジェス。このビデオが気に入ったら「いいね！」をください。もっと多くのビデオを作ることができます。これはLTV予測の1つのユースケースに過ぎません。もっとあります。デモをお見せすることもできます。ここには探求すべきコンテンツがたくさんあります。では...
ジャス そうだね。この話なら3時間でも4時間でも話せるよ。技術的な話もできる。私が言及しなかった詐欺のユースケースについて話すこともできる。どのようにセットアップするか。そうそう、もっと多くのコンテンツにご期待ください。.
ローマン その通りだ。それじゃ、ありがとうジャス。
ジャス ローマン、本当にありがとう！ありがとう。.
