Roman Garbar
No nosso mais recente estudo de caso, levamo-lo através da viagem da Kooapps à medida que passam de um estúdio independente para uma grande editora com a Tenjin. Aqui está um resumo dos resultados alcançados com a utilização da atribuição de anúncios da Tenjin, do LTV de receitas de anúncios com base em sessões e do DataVault:
- Aumento de 8x nas receitas depois de começar a utilizar a Tenjin
- Crescimento de 30x nos gastos com publicidade depois de começar a utilizar a Tenjin
- Aumento de 3x no LTV das campanhas publicitárias do Snake.io
Sobre a Kooapps
Kooapps é um estúdio e editora de jogos para telemóveis. Têm mais de 250 milhões de utilizadores no seu portfólio de jogos, com títulos notáveis como Snake.io, Stacky Bird e Pictoword.
O desafio
Em 2017, a equipa da Kooapps precisava de aumentar eficazmente a base de utilizadores das suas aplicações monetizadas por anúncios. Como a Kooapps começou como um estúdio independente, eles precisavam encontrar uma maneira inteligente de expandir seus negócios. Quando não se tem um investidor ou um editor, cada dólar conta. A Kooapps precisava de uma ferramenta que os ajudasse a perceber se os seus gastos com UA eram rentáveis, para que pudessem investir em campanhas com ROI positivo.
A solução
Sendo a primeira MMP a suportar o cálculo do ROI/LTV para receitas de publicidade, a Tenjin foi a escolha óbvia para a Kooapps. O estúdio começou com o plano gratuito e, gradualmente, tornou-se um utilizador avançado que utiliza o DataVault e as APIs da Tenjin.
Até hoje, a Kooapps utiliza o painel de controlo da Tenjin com o cálculo do LTV da receita de anúncios baseado em sessões, juntamente com o DataVault, para uma verdadeira transparência das métricas. Apesar de ter acesso a dados de receita ao nível da impressão (ILRD) do seu fornecedor de mediação para calcular o LTV no DataVault, a Kooapps optou por confiar na métrica de LTV gerada pela Tenjin.
A estimativa de LTV baseada em sessões baseia-se em valores agregados, pelo que proporciona uma visão mais conservadora que inclui os utilizadores que optaram por não aderir aos anúncios. As alterações de privacidade do sector reduziram a quantidade de dados granulares disponíveis para os anunciantes. Por conseguinte, as métricas agregadas, como o LTV baseado na sessão, tornam-se cada vez mais úteis.
