Стратегия продвижения приложений. Как сделать работу с OEM-инвентарем еще эффективнее?

На примере рекламных площадок Xiaomi и Huawei

В этой статье мы поделимся, как выработать наиболее продуктивную схему работы с OEM-инвентарем, найти оптимальную ставку, получить больше установок и последующих действий в приложении.

Наше агентство мобильного маркетинга 2Leads проводило своё исследование на примере Xiaomi и Huawei, но выводы также можно применить к другим OEM-источникам, таким как Oppo, Samsung и Transsion.

Mi Ads имеет возможность вести пользователя как в Get Apps, так и в стандартный Google Play. На старте нам было важно понять эффективность каждой из воронок, поэтому выбор пал на оба стора. Petal Ads ведёт пользователя в App Gallery. И здесь обычно задействуются наиболее эффективные плейсменты: поиск и стандарт.

В стартовом запуске используются практически все ключевые плейсменты, на которых важно добыть стат значимое количество трафика, после чего начинаем «очищать» трафик от паблишеров, которые дают низкий CR, переливая на себя довольно большое количество бюджета. Отметим, что в OEM отсутствует таргетинг по полу, интересам и городам. Однако, для того, чтобы накопить данные для аналитики, нужно стараться в тестовой кампании задействовать наибольшее количество креативных подходов, масштабируя трафик как за счёт видео, так и за счёт статичных креативов. Выбор эффективного креатива с хорошим CTR позволяет работать со ставкой и снизить её, получая недорогие установки, конвертируемые далее по воронке. Следующий шаг в работе — это оптимизация ставки. Именно это, как поделилось агентство, является одной из ключевых возможностей для влияния на плейсменты в OEM-источниках.

Кажется, что между, например, CPI 0,5 и 0,6 $ нет значительной разницы. И зачем же тратить свои силы на поиск наилучшей ставки, если можно просто оставить ставку чуть больше, ведь это может позволить «забирать» больше трафика в аукционе.

Тут важно учитывать свой ежедневный бюджет. Если тратить 500$ в день, то в месяц эта разница выльется в 5 тыс. установок, что уже существенно. В таком случае смысл оптимизировать ставку становится очевидным.

Опытным путём мы пришли к тому, что при запуске кампании в источнике нужно сначала ставить самый минимальный дневной бюджет. В Xiaomi он будет равен 30$. Далее обычно выбирают ставку в зависимости от вертикали. Если мы работаем с e-commerce, то она составит примерно 0,5 или 0,6$. Если же это беттинг, то примерно 2$ за установку.

После запуска кампании необходимо анализировать объём показов. Предположим, если показов 0, это объективно говорит нам о том, что ставки не хватает для входа в аукцион. Увеличение ставки следует делать очень плавно, что позволит понимать нам необходимый порог входа.

Если трафик выкупается на 80−100% от бюджета — это значит, что мы поставили слишком высокую ставку, что говорит о достаточно завышенном показателе. Это и может являться фактором для её снижения.

Идеальная ставка коррелируется со средним расходом бюджета на 50−70%. После того как мы добиваемся этих показателей, увеличиваем дневной бюджет ещё в два раза. То есть, если было 30$, то увеличиваем наш бюджет до 60$. Если после этого пропорция и дальше сохраняется в рамках 50−70%, можем увеличивать бюджет в зависимости от целей РК. Именно так и находится та оптимальная ставка, по которой выкупается весь имеющийся объём у площадки по наиболее выгодной цене», — поделилось агентство.

На графике-скриншоте из рекламного кабинета Mi Ads показана разбивка по двум показателям в сравнении.

В примере график сверху — это количество установок, ниже — ставка за установку. Изначально ставка за установку составляла 0,3$. Если протестировать гипотезу, постепенно увеличивая ставку в попытке выкупа большего объёма трафика. Как видно, ставка варьировалась от 0,3 до 0,9$, но при этом количество установок оставалось практически на одинаковом уровне. То есть от повышения ставки мало что изменилось. Количество установок так и не выросло, поэтому мы вернулись к изначальному CPI, который равен 0,3$. Этот график доказывает, что понятие оптимальной ставки существует. А это значит, что после определённого значения смысла повышать ставку больше нет.

У каждого паблишера есть своя цена входа в аукцион. Для удобства агентства обычно разбивают свои рекламные кампании на две группы:

Обычно запускаются обе рекламные кампании. Так, мы решили протестировать ещё одну нашу гипотезу: разбивку мы решили сделать не на группы паблишеров, а на каждого паблишера отдельно, другими словами, чтобы на одну кампанию приходился один паблишер. В рамках этой гипотезы мы хотим получить ответ на вопрос: как это отразится на количестве установок и их стоимости.

Две наши исходные кампании со всеми паблишерами мы традиционно вели в Google Play и в Get Apps. По рекламной кампании для GP мы получали порядка 280 установок в день, по Get Apps — порядка 800 установок ежедневно.

В рамках нашей гипотезы мы выключили эти кампании, создали новые, в разбивке по каждому паблишеру. Всего получилось порядка 20 кампаний. В исходной рекламной кампании мы использовали CPI 0,5$, который также мы перенесли и в новые кампании. После этого мы стали следить за результатами, раз в сутки в зависимости от того, есть ли трафик на паблишере, увеличивали или уменьшали ставку. Эксперимент продолжался на протяжении трёх недель.

В результате эксперимента в РК на Google Play мы стали получать порядка 276 установок в день, а в GetApps — порядка 816 установок в день. Как мы видим, статистически важных изменений не произошло, но надо заметить, что у паблишеров сильно увеличилась стоимость ставки, в некоторых случаях CPI вырос аж в три раза, при этом качество трафика не претерпело значительных изменений.

Важно отметить, что на увеличение цены могло повлиять то, что некоторые паблишеры актуальны для двух сторов, поэтому важно отслеживать и отключать дублирующиеся. В ином случае движение трафика будет больше похоже на перетягивание каната.

В Petal Ads мы стараемся задействовать на старте рекламных кампаний два ключевых плейсмента — поиск и стандарт. Также часто мы дополняем эти плейсменты другими кампаниями, которые привязываем к эффективным и классным креативам, которые уже показали себя в других источниках. Так, в ряде проектов мы стали замечать, что поиск и стандарт имеют определённую корреляцию, несмотря на то, что имеют разный по своей сути трафик. Так, в случае высокой доли поиска, доля трафика по «стандарт» может очень сильно падать. Похожая ситуация происходит и в обратном порядке.

Следующий наш эксперимент должен был подтвердить или опровергнуть эту гипотезу. В частности, мы отключили плейсмент «стандарт». График выше показал, что заменой этому трафику стал «поисковый» трафик, доля которого очень сильно выросла по результатам подобного отключения. Несмотря на то, что каждый из плейсментов отличается друг от друга, всё же определенную корреляцию между ними мы явно замечаем. Причины подобного перераспределения трафика, к сожалению, так и остались загадкой.

Пишите в комментариях, замечали ли вы что-то подобное при работе с OEM-инвентарем?