Как оценить рентабельность SKAN кампаний при помощи платформы Predicted.io

Тема сложностей после update 14.5 OS — одна из самых злободневных в мобайле за этот год. Многие уже прочувствовали на себе все ограничения при запуске кампаний SKAN и часто можно услышать мнение, что «кампании на 14.5+ не работают». И тут хочется задать встречный вопрос, а правильно ли вы оцениваете рентабельность SKAN кампаний?

Давайте рассмотрим основные подходы к анализу SKAN кампаний, но сперва кратко обсудим 2 основные проблемы, мешающих нам корректно оценить ROAS по кампаниям.

Вы можете отправлять в SKAdNetwork ивенты первых 24 часов, что очень сильно ограничивает оценку перформанса рекламной кампании. Еще куда не шло, если у вас, например, годовая безтриальная подписка и большинство покупок происходят на онбординге. Но как оценить окупаемость, если у вас:

а) триальная модель с закупкой на WW (где конверт из trial в paid разнится в несколько раз в зависимости от ГЕО/канала)? Ок, ивент триала мы сможем отправить в SKAN, но как триалы конвертировались в покупки и какой Revenue принесли? Это мы уже не увидим в разрезе по каналам и кампаниям.

б) несколько цен на пейволе? А распределение по приобретаемым подпискам может значимо менять LTV в зависимости от ГЕО/канала?

в) разные цены на разных ГЕО, а SKAN не отдает данные по стране?

«Ладно, - говорит Head of UA/CMO/UA, - давайте посчитаем средние конверты trial -> paid и LTV и будем как-то предиктить». Звучит как план, но тут мы сталкиваемся с другой проблемой:

При несоблюдении Apple’s privacy трешхолда, часть постбэк ивентов просто не будут записываться на кампанию (ист Apple)

Мы точно знаем, что часть покупок не доходит (видно как растет органика в закупаемом гео), но не знаем какая именно это часть и с каких кампаний/каналов. Для решения задачи распределения «псевдо» органики по каналам и кампаниям разные команды используют разные подходы:

Подход 1: Считать окупаемость платного трафика вместе с органикой / ее долей.

Скорее всего данный поход может вполне адекватно работать при закупке 1 канала на гео и невысокой долей органики. Но как только вы подключаете 2+ канал на одно и то же гео — то тут отделить мух от органики будет получатся очень «на глаз». Замеренный органик лифт (включение/отключение платного канала трафика на конкретном ГЕО и замер роста органики) на одном гео может сильно отличаться от другого + может значимо варьироваться от периода к периоду + будет отличаться в зависимости от канала.

Подход 2: Предиктить данные по SKAN кампаниям на основании атрибуцированных пользователей, которые разрешили трекинг

Упрощенно: берем конверт из инстала в подписку атрибуцированных юзеров и применяем его на инсталы SKAN. Метод может работать, если а) доля разрешивших трекинг юзеров высокая и данных по покупкам атрибцированных юзеров достаточно; б) допустить, что атрибуцированные и неатрибуцированные юзеры ведут себя одинаково (спойлер — часто это не так), в) распределение по странам внутри канала/кампании стабильно. Как правило, все условия очень редко работают одновременно

Подход 3: Брать исторические данные по закупке в канале и ГЕО и применять коэф (например, install-trial и install-paid) к кампаниям 14.5+.

По нашим данным значения CPM, CPI, CR% Instal → Trial/Paid значимо отличаются между SKAN и не SKAN кампаниями, что обусловлено изменениями работы алгоритмов и сложностью таргетинга в самих рекламных сетках, конкуренцией.

Подход 4: Уйти в web-to-web/web-to-app для IOS или в Android

Кажется, самый точный из всех подходов : -)

Мы понимаем почему команды используют перечисленные выше методы, ведь надо как-то считать экономику в новых условиях, но вместе с тем понятны и ограничения и неудобство данных подходов. Для наших клиентов мы разработали другой подход к оценке рентабельности рекламных кампаний SKAN и вот как решаем перечисленные выше проблемы:

Проблема 1: Ивенты только первых 24ч

У наших клиентов часто используется триальная модель и разные цены на пэйволе, большое число каналов и ГЕО в закупке, поэтому отправлять в SKAN только факт ивента триала/покупки не дает возможности корректно оценить эффективность кампаний.

Решение: мы строим предикт LTV юзера на нужный период (например, 1 год) в первые 24ч и отправляем его как conversion value в SKAN. Работает это так: когда наш клиент интегрируется с нашей системой, на момент покупки подписки его приложение запрашивает у нашего сервера значение Conversion Value (относительная ценность конверсии), а мы ему возвращаем значение (от 0 до 63), в котором зашифрован предикт выручки от этого пользователя. Благодаря такому механизму наш клиент как и раньше может видеть ROAS по кампаниям в рекламных кабинетах, в панели MMP (Appsflyer) и в нашем дашборде.

Отправка предиктивного eRevenue (по сравнению с отправкой просто ивента триала/покупки) значимо повышает уровень точности, корректности и скорость принимаемых решений, а также дает возможность запускать кампании с оптимизацией на ROAS.

Проблема 2: Недотекание ивентов-постбеков по SKAN кампаниям

Часть информации по постбекам SKAdNetwork возвращает обнуленной, т.е. мы ему послали CV=50, а он возвращает NULL - это значит, что какое-то количество предиктивной выручки затерлось и не попало в статистику.

Мы на своей стороне получаем все SKAN постбэки, определяем долю "потерянного" Revenue и перераспределяем ее по кампаниям. В среднем по всем каналам мы видим потерю около 20-30% Revenue, но самое интересное тут — это распределение этих постбеков между каналами и кампаниями. В кампаниях с одинаковым числом инсталов/день, может теряться от 3 до 30% eRevenue, а это уже, согласитесь, значимые для закупки цифры. Подробнее о методе подсчета и результатах мы можем поделиться на Демо нашей BI платформы Predicted.io.

Кстати, решение по SKAN кампаниям - это только один модуль в нашей платформе. Predicted.io - это полноценная маркетинговая аналитическая платформа, прогнозирующая выручку от привлеченных юзеров, которую вы получите через 1 мес/3 мес/6 мес/1 год/2 года. Если для вашей команды актуальна задача автоматизации отчетности и пересчета LTV, и вы хотите быстрее принимать корректные маркетинговые решения - оставляйте заявку на сайте Predicted.io или пишите на info@predicted.io. Мы будем рады рассказать подробнее о нашей платформе и ответить на все вопросы.