Табарак Парача
Наш генеральный директор Кристофер Фарм выступил в подкасте 'GameMakers', чтобы обсудить успех нашего клиента HyperBeard и роль Tenjin в этом. Речь шла о портфолио LTV, ключевом анализе для снижения затрат на привлечение пользователей.
Что делает MMP и как изменилась его роль с тех пор, как IDFA вышла из употребления?
[Кристофер Фарм]: Исторически роль MMP заключалась в том, чтобы выяснить, какие источники трафика, на которых вы размещаете рекламу, дают наибольший ROI. Я думаю, что это по-прежнему актуально, но сильно изменилось с тех пор, как IDFA обесценилась и перешла в мир, где все стало менее прозрачным. Поэтому одна из вещей, которой мы отличаемся (в Tenjin), заключается в том, что мы стараемся собрать все данные в одном месте. Мы предоставляем хранилище данных как услугу, чтобы компаниям не приходилось создавать свои собственные хранилища данных. Это один из способов, которым мы отличаемся от многих других MMP. И в результате, даже с учетом отказа от IDFA, мы по-прежнему считаем, что вы можете использовать все возможные типы данных. Возможно, даже более необходимо, чтобы вы делали это и имели партнеров, которые могут анализировать и рассматривать эти данные должным образом.
Что такое LTV портфеля?
[Кристофер Фарм]: Понятие портфеля LTV - не думаю, что мы стремились к нему с самого начала. Это была естественная вещь, на которую мы обратили внимание, когда узнали, что клиенты хотят сделать, или, в данном случае, Алекс хотел сделать, с данными.
На основе полученных данных мы поняли, что покупатели очень естественно хотят играть в похожие игры из вашего портфеля игр. Из этой идеи естественным образом родилось множество различных анализов, которые мы пытались провести и оптимизировать этот опыт для клиентов.
Я думаю, что это очень ранняя стадия развития индустрии, когда люди могут думать об этом с умом. Есть много вещей и возможностей, где я лично вижу, что если вы можете создать брендинг вокруг своего портфеля, у вас есть реальный шанс сделать что-то подобное, и есть много идей продуктов, которые могут возникнуть из этого. И я не думаю, что люди даже пробовали это сделать, но, например, универсальная валюта, или очень похожий опыт, или обмен различными видами виртуальных товаров в ваших приложениях. Все это становится гораздо более возможным при оптимизации и наличии метрик.
Здесь есть альтернативная стоимость, в том смысле, что вы могли бы показать другое объявление другого издателя, но эта альтернативная стоимость гораздо ниже, и вы можете таким образом построить свой LTV. И на самом деле это один из способов существования математики гиперказуальных издателей. Они приобретали пользователей за гораздо большую сумму, чем могли заработать на каком-то одном приложении. Но в целом это было выгодно для них.
Когда вы оценивали Tenjin, был ли портфель LTV одним из основных вариантов использования, о котором вы думали, или это было просто приятной мелочью?
[Алекс Козаченко]: Мы думали о портфолио LTV еще до начала сотрудничества с Tenjin, но это все еще был шаг вперед. Одна из вещей, которую Tenjin предложила, - это услуги по разработке на заказ в рамках контракта, который мы заключили, и это позволило бы нам как бы создать BI. Так что мы знали, что так и будет, и именно такое видение у меня было на тот момент.
Еще одна вещь, которую Tenjin позволил нам сделать, - это расширить наш пул UA. Дело в том, что при низком LTV вы хотите иметь низкие накладные расходы. И в конечном счете большинство MMP взимают плату за каждую установку, которая отслеживается по источнику UA или любому другому источнику отслеживания. Так что некоторые из крупных MMP не особенно дешевы. Так что если вы хотите выйти за пределы первого уровня - удачи. Это зависит от масштаба, конечно. Если у вас огромный масштаб, вы можете договориться о сделке. Но мы не можем платить 2 цента за установку в Индии, где LTV составляет, например, 1,5 цента. Это абсолютно бессмысленно. Так что это позволило нам открыть пул. И сейчас мы видим большой успех наших глобальных кампаний, которые мы даже не подумали бы проводить на MMP, где структура затрат не имела бы смысла.
Не могли бы вы подробнее рассказать об исследовании, которое Sonamine провела с компанией Hyperbeard, а также о некоторых услугах, которые вы предоставляете?
Поэтому мы провели большую часть первоначальной разведки, чтобы немного помочь ему. И мы обнаружили множество возможностей, которые позволили Алексу и его команде выработать стратегию и определить приоритеты, на которые они должны направить некоторые из своих усилий в области UA. Одна из причин нашего обращения заключалась в том, что, когда вы смотрите на традиционные MMP, когда вы запускаете кампанию, вы получаете затраты, а затем получаете доходы, связанные с этой кампанией. Но они, как правило, привязаны только к одной игре. Но нет простого способа увидеть портфель LTV для этой кампании. Именно здесь мы смогли помочь Алексу и его команде придумать другой способ сделать это и увидеть его, чтобы они могли использовать его каждый день для определения доходов по каждой кампании.
В каком анализе данных вы помогали компании Hyperbeard?
[Алекс Козаченко]: Итак, Tenjin и Growth FullStack были инструментами, которые мы использовали для получения данных. Но, очевидно, нам нужно было очистить их и сделать пригодными для использования, что означает создание правильных приборных панелей, правильных отчетов. Одним из таких отчетов был пользовательский анализ, который позволил нам узнать, что у нас есть X% пользователей, переходящих между двумя играми, Y%, переходящих между тремя, и Z%, переходящих между четырьмя. Это ваша самая крупная фидерная игра, через которую пользователи приходят на сайт. Это та игра, в которую они чаще всего заходят, а вот следующая, следующая. И некоторые вещи, которые мы можем сделать с этим, - это структурировать наше кросс-промо таким образом, чтобы показывать рекламу в этих пропорциях, основываясь на том, куда пользователи, скорее всего, пойдут, а также на том, где они, скорее всего, будут монетизироваться. Потому что вся идея вопроса выживания в белой горячке заключается в том, что вы хотите, чтобы пользователи шли туда, где они дадут вам самый высокий LTV. Но, очевидно, вам нужна высокая вероятность того, что они пойдут именно туда, иначе вы просто показываете рекламу ради рекламы. Вот некоторые из примеров использования, с которыми они нам помогли. И, как я уже сказал, поскольку у нас нет собственных специалистов по анализу данных, их помощь оказалась очень полезной. [Ник Лим]: Мы считаем, что данные - это своего рода путешествие. Поэтому, когда вы начинаете, у вас есть игра и вы запускаете кампании UA, мы можем помочь вам в этом. Если данные есть, мы можем генерировать модели предсказания SKAN, например. Где, даже несмотря на амортизацию IDFA, мы все равно можем с точностью до 5% предсказать, каким будет LTV на основе конверсий, которые приходят для данной конкретной SKAN-кампании. Но иногда мы понимаем, что схемы значений конверсии SKAN на самом деле ограничивают возможности прогнозирования, поэтому мы возвращаемся и говорим разработчикам, что им следует использовать более широкую схему SKAN, в которой можно учесть больше значений конверсии, а не только доход. Большинство разработчиков сегодня так и поступают - просто вставляют в SKAN значения выручки. На самом деле мы рекомендуем не делать этого, потому что вы уже потеряли много данных. Поэтому мы поможем разработать схему SKAN, чтобы получить более точные прогнозы на уровне SKAN, если вы хотите это сделать. Это уже на стороне UA.Sonamine также помогает в монетизации и удержании пользователей. Как только пользователь начинает играть в игру, это только половина проблемы. Как удержать его и заставить тратить деньги, если он чувствует, что получает от игры пользу? Поэтому мы используем искусственный интеллект для прогнозирования поверх данных, которые у вас есть, и определяем сегменты пользователей, которые собираются уйти, и помогаем вам подтолкнуть их, если они собираются конвертироваться. А если они уйдут, мы поможем вам предоставить вознаграждение, которое поможет их удержать.
Смотрите полное видео выше, чтобы узнать, как рассчитать LTV портфеля, какие тенденции и изменения грядут, и многое другое.
