Acesso completo ao Tenjin por $200/mês - todas as funcionalidades, sem suplementos, cancelar em qualquer altura. Ver preços e caraterísticas

Inscreva-se

Análise preditiva

< 1 leitura mínima

Definição:

A análise preditiva, também designada por «analítica preditiva», é um conjunto de métodos de análise de dados que utilizam dados históricos para prever resultados futuros. No marketing móvel, responde à pergunta: o que vai acontecer a seguir? As equipas de UA utilizam a análise preditiva para estimar métricas como o LTV, o ROAS e a receita das campanhas antes de esses resultados se terem concretizado na totalidade, para que possam tomar decisões orçamentais mais rápidas e com maior confiança.

O que é a análise preditiva?

A análise preditiva utiliza padrões presentes nos dados históricos para gerar estimativas prospectivas. Se souber qual foi o desempenho de uma campanha ou de um canal nos últimos sete dias, ou em coortes anteriores, poderá elaborar uma projeção razoável sobre a direção que está a tomar.

No marketing móvel, essa visão antecipada é fundamental. As equipas de aquisição de utilizadores nem sempre podem esperar 90 dias para saber se uma campanha é rentável. As decisões relativas ao aumento, redução ou reafetação do orçamento têm de ser tomadas mais cedo. A análise preditiva dá às equipas um sinal precoce sobre a qualidade da campanha e o valor para o utilizador, para que essas decisões se baseiem em dados e não em suposições.

Quanto mais dados históricos tiver, mais precisas se tornam essas previsões. Os modelos de aprendizagem automática melhoram à medida que processam mais dados, o que significa que a análise preditiva se torna mais fiável à medida que o seu conjunto de dados cresce ao longo do tempo.

Qual é o objetivo da análise preditiva?

Consideremos o fluxo de trabalho diário de um gestor de UA. Este responsável gere campanhas em várias redes publicitárias, acompanhando métricas como o ROI, o ROAS, o LTV, as receitas de IAA e as receitas de IAP. Algumas campanhas têm um bom desempenho. Outras, não. O objetivo é maximizar o retorno e minimizar o desperdício de gastos, mas avaliar o desempenho das campanhas leva tempo.

A análise preditiva encurta esse ciclo. Em vez de esperar que se acumulem todos os dados, utilizam-se padrões históricos para prever o rumo que cada campanha está a tomar. Isso significa que:

  • Reorientar o orçamento para campanhas com melhor desempenho numa fase mais precoce
  • Suspender os gastos com campanhas que provavelmente não gerarão retornos lucrativos
  • Definir lances mais precisos com base no valor previsto para o utilizador, em vez de métricas indicativas iniciais
  • Planear com antecedência e com maior confiança quanto aos resultados em termos de receitas

O resultado é uma utilização mais eficiente do orçamento publicitário em todos os domínios.

Como funciona a análise preditiva?

A análise preditiva funciona através da identificação de padrões nos dados históricos e da sua aplicação aos dados atuais, com o objetivo de gerar uma previsão. Eis uma explicação simplificada:

  1. Recolher dados históricos. O modelo aprende com o desempenho de campanhas anteriores, o comportamento dos utilizadores, os dados relativos às receitas e as taxas de retenção.
  2. Identificar padrões. Os algoritmos de aprendizagem automática identificam relações entre sinais iniciais e resultados a longo prazo. Por exemplo, os utilizadores que realizam uma ação específica na aplicação nos primeiros três dias podem gerar, de forma consistente, mais receitas ao longo de 90 dias.
  3. Gerar previsões. O modelo aplica esses padrões a novos dados, produzindo uma estimativa prospectiva, como, por exemplo, um LTV previsto para 90 dias para uma coorte atual.
  4. Aperfeiçoar ao longo do tempo. À medida que os resultados reais vão ficando disponíveis, são comparados com as previsões. Este ciclo de retroalimentação melhora continuamente a precisão.

É a aprendizagem automática que torna isto escalável. Tratar grandes volumes de dados e identificar padrões complexos em várias variáveis não é viável manualmente. As ferramentas de aprendizagem automática fazem isso automaticamente e melhoram à medida que têm mais dados com que trabalhar.

Análise preditiva no marketing móvel

A análise preditiva pode ser aplicada a várias métricas-chave num fluxo de trabalho de marketing móvel:

Previsão de LTV 

Uma equipa da UA está a realizar campanhas em várias redes. Em vez de esperar 90 dias para comparar o LTV por canal, um modelo preditivo gera uma estimativa antecipada com base nos primeiros sete dias de comportamento do utilizador. Os canais de elevado valor são identificados antecipadamente e o orçamento é redirecionado em conformidade.

Previsão de receitas 

Há duas semanas que está a decorrer uma campanha. Com base nos padrões iniciais de receitas e nos dados históricos de campanhas semelhantes, um modelo preditivo estima a receita total para os próximos 30 dias. A equipa utiliza essa previsão para decidir se deve ampliar ou reatribuir recursos.

Previsão do ARPU e das compras in-app 

No caso das aplicações com monetização híbrida, a análise preditiva permite estimar tanto as receitas publicitárias como as receitas provenientes de compras dentro da aplicação (IAP) de uma determinada coorte, proporcionando às equipas de aquisição de utilizadores (UA) uma visão mais clara do valor combinado dos utilizadores em todas as fontes de monetização.

Ferramentas de análise preditiva

A análise preditiva em grande escala requer ferramentas capazes de processar grandes volumes de dados e apresentar previsões num formato prático.

Previsão integrada com MMP 

Algumas MMPs, incluindo a Tenjin, oferecem funcionalidades integradas características preditivas do LTV que geram estimativas prospectivas diretamente a partir de dados de atribuição e de receitas. Este é o ponto de partida mais acessível para as equipas que pretendem obter informações preditivas sem terem de criar uma infraestrutura personalizada.

Data Warehouse e ferramentas de BI 

As equipas com infraestruturas mais avançadas podem criar modelos preditivos no seu armazém de dados utilizando ferramentas como o BigQuery ML, ou ligar os dados a plataformas de BI que suportem a modelação preditiva. Isto oferece maior flexibilidade, mas requer mais recursos de engenharia.

Ferramentas de ETL e de fluxo de dados 

A qualidade dos modelos preditivos depende da qualidade dos dados que os alimentam. Dados limpos e interligados, provenientes de toda a sua pilha de marketing, constituem a base. A Tenjin tem uma parceria com a Growth Fullstack, que ajuda os programadores de aplicações móveis a criar pipelines de dados fiáveis, que podem servir de base para modelos de previsão do LTV, desde os mais básicos aos mais avançados. Pode contactá-los diretamente em info@growthfullstack.com.

Análise preditiva com o Tenjin

O painel do Tenjin inclui o «LTV total previsto para N dias», que combina as receitas previstas de mediação publicitária (ILRD) e as receitas de compras in-app (IAP) para estimar o LTV total até 30 dias após a instalação. Isto permite à sua equipa de aquisição de utilizadores (UA) ter uma ideia antecipada da qualidade das campanhas e dos canais, sem ter de esperar que a janela de medição completa termine.

Para as equipas que pretendem ir mais longe, a parceria da Tenjin com a Growth Fullstack permite criar modelos de previsão de LTV mais avançados com base nos dados da Tenjin. Pode saber mais sobre o pLTV de N dias diretamente no Documentação do Tenjin.

Termos relacionados

Perguntas frequentes?

O que é a análise preditiva no marketing móvel? 

A análise preditiva utiliza dados históricos e aprendizagem automática para prever resultados futuros, como o LTV, o ROAS e as receitas das campanhas. Ajuda as equipas de aquisição de utilizadores a tomar decisões orçamentais mais rápidas, gerando estimativas antecipadas do desempenho das campanhas antes de se encerrar o período de recolha de dados completo.

Como funciona a análise preditiva? 

Os modelos preditivos identificam padrões nos dados históricos e aplicam-nos aos dados atuais para gerar previsões. A aprendizagem automática encarrega-se do trabalho mais pesado, processando grandes volumes de dados e melhorando a precisão das previsões ao longo do tempo, à medida que mais dados ficam disponíveis.

Posso utilizar a análise preditiva com o Tenjin? 

Sim. O painel de controlo da Tenjin inclui o LTV total previsto para N dias, combinando as receitas previstas da mediação publicitária e das compras in-app para estimar o LTV total até 30 dias após a instalação. Para modelos de previsão de LTV mais avançados, a Tenjin tem uma parceria com a Growth Fullstack. Contacte-nos através de info@growthfullstack.com para saber mais.