Маркетинг и прогнозы: советы от Pixonic

Топ-менеджер компании о подходе к оценке эффективности рекламы.

Операционный директор Pixonic Игорь Клюкин написал колонку для VentureBeat, в которой рассказал о когортном анализе и его использовании при продвижении мобильных игр Robinson и War Robots.

DTF публикует перевод статьи.

Мы в Pixonic прошли путь от рекламы за тысячу долларов до миллионных месячных бюджетов на маркетинг. В этой статье собраны некоторые идеи и решения, которые мы использовали для продвижения игры. Они могут быть полезны тем, кто хочет масштабировать свой free-to-play проект. Прежде чем выработать их, мы потратили миллионы долларов на попытки найти и скорректировать разные подходы.

Вот чему мы научились.

При оценке эффективности рекламы мы полагаемся на показатель ROI (коэффициент окупаемости инвестиций), за который принимаем процент общего дохода, разделённый на стоимость привлечения пользователя. (ROI = доход / стоимость x 100%, что соответствует ROI = ARPU / CPI x 100%).

Вы можете как использовать собственную аналитику, так и полагаться на сторонние решения вроде AppsFlyer, Adjust и Tune. Главная задача — собрать и интерпретировать данные отдельных когорт, поскольку именно на них основывается всё остальное. В 2011 году, когда мы выпустили нашу первую игру Robinson, не было решений, позволяющих разделить ROI по когортам или рекламным источникам, но, к счастью, это больше не проблема.

График слева показывает доход от когорты пользователей (разделённый по количеству прошедших с момента регистрации дней), а справа — кривая начисленного дохода. Если вы разделите его на количество пользователей в когорте, то получите ARPU (средний доход с пользователя); разделив на стоимость привлечения — получите ROI. Таким же образом можно получить ARPU и ROI когорты к конкретному числу.

Графики когорты показывают, что разным дням соответствуют разные значения. Мы сравниваем актуальный накопленный ARPU третьего, пятого, седьмого и четырнадцатого дня после запуска продукта и используем эти данные, чтобы спрогнозировать ARPU (и/или ROI) поздних дат — 30-го, 80-го, 180-го дней, и если нужно — 360-го и позже.

На графике ROI (накопленный доход/стоимость) когорты пользователей — на оси Y. Дни с момента регистрации (нулевой — день регистрации) на оси X. Обнаружить корреляцию показателей очень просто, если у вас есть достаточно данных — например, ROI-7 и ROI-120. Чтобы вычислить прогноз, можно воспользоваться формулой по типу y = kx + b (или y = kx), либо любым другим подходящим методом.

Со временем вы накопите данные конкретной когорты для набора ARPU. Они могут покрывать всех пользователей или только тех, кого затронуло продвижение. Один из способов прогнозирования — совмещение таблиц ARPU разных когорт. Здесь играет роль закон больших чисел — точность вычислений будет расти прямо пропорционально количеству изучаемых игроков.

В то же время, не забывайте, что если вы рекламируете продукт в конкретной стране, вычисления также должны затрагивать только пользователей из неё. Однажды мы потеряли около 50 тысяч долларов (примерно четверть всего нашего маркетингового бюджета на тот момент) на пользователях из Южной Америки только потому, что мы переоценили платежеспособность нового для нас региона.

Вот два базовых примера, которые можно использовать для прогнозирования ARPU-180 (основанные на реальных данных ARPU-7).

Для повышения точности можно использовать более продвинутые подходы, но указанные выше — просты и эффективны.

Чуть сложнее всё становится при попытке добавить доходы от органических установок к тем, за которые вы заплатили. Скажем, в вашем случае 70 процентов — платные и 30 — бесплатные. Это значит, что каждая платная установка приносит 30/70=0,43 от органической. Поскольку вы знаете ARPU органических установок, вы можете прибавить его к прогнозируемым доходам от платных. Итоговая формула будет состоять из двух частей:

ARPU-180 = [ARPU-7adv * 4,19] + [0,43 * ARPUorg-180]

Предположим, пользователь платит пять долларов за время существования проекта (один год, два и более). Окупаемость этого игрока к 90-му или 180-му дню определяется частью пяти долларов, которую нужно получить. Другими словами, с одной стороны — много пользователей с низкой прибылью, а с другой — меньшее количество, но с высокой. Типичная дилемма «больше, но хуже или меньше, но лучше».

Мы эмпирически протестировали эффект снижения прибыли с отдельного привлечённого пользователя — полученное в результате соотношение должно максимизировать ваши общие доходы. Например, мы обнаружили предел, на котором, урезая прибыль с пользователя на 30-40%, мы повышали общие доходы втрое.

Ваша модель будет отклоняться от реальности, и есть немало причин, по которым это может произойти. Ключевая — постоянная проверка ежедневных/недельных/месячных показателей на соответствие плану.

Всегда будут пробелы и несоответствия, и нужно реагировать на них как можно раньше (до того, как на них обратит внимание бухгалтерия) — так вы сократите потенциальные потери, поднимете скорость вашей реакции и стимулируете рост.

Поскольку мы постоянно покупали трафик, то ради удобства решили разделять рекламные кампании на семидневные когорты. Данные по каждой кампании внесены в таблицу для аналитиков и маркетологов, и используются как для вычисления актуальных значений, так и для прогнозирования ROI на данный период (с внесением в них «органических» доходов).

К тому же, мы внимательно следим за общими доходами проекта, разделяя их на месячные когорты и уделяем особое внимание результатам за последний квартал.