Кейс из России: Продвижение приложения для подготовки к экзамену ГИБДД с помощью мотивированного трафика

Опыт команды FewReview в продвижении приложения с помощью качественных отзывов.

Наша компания предоставляет мотивированные отзывы и другие виды мотивированного трафика для мобильных приложений в App Store и Google Play.

Клиенты часто задавали нам вопрос: «Если мотивированный трафик эффективен, почему вы сами не делаете приложения и не продвигаете их?». Вопрос, в общем-то, вполне справедливый. Мы захотели подтвердить эффективность сервиса на собственном примере, а заодно и посмотреть на самих себя глазами клиентов.

Решили провести эксперимент: выпустить приложение, продвинуть его через наш сервис, посмотреть результат.

Несколько лет назад один из членов нашей команды уже делал приложение на Windows Phone, поэтому решили создать аналогичное приложение и для iOS.

Приложение предназначено для подготовки к экзамену в ГИБДД. Сама идея не нова, конечно, но основной «фичей» приложения является режим «тренажер», в котором пользователю даются все экзаменационные вопросы в случайном порядке. Если пользователь ошибается, то ему показывается правильный ответ, а затем этот вопрос повторяется через 10, 20 и 40 билетов соответственно, и это происходит до тех пор, пока пользователь каждый раз не ответит на этот вопрос правильно. Такая схема позволяет сделать упор на самые сложные вопросы и облегчает их освоение.

Монетизация приложения следующая: пользователи получали определенное количество вопросов бесплатно, остальные разблокировались за дополнительную плату. Интересной задачей был подбор оптимального количества бесплатных вопросов, но об этом позже. Кстати, мы выпустили также и платную версию приложения, но она не смогла набрать достойное число установок.

Приложение ушло в разработку, и 4 марта 2016 года вышел релиз.

Первым делом мы занялись ASO. Для подбора ключевых слов использовали Wordstat «Яндекса» и AppAnnie, выгружали их в Excel, где анализировали частоту запросов и величину конкуренции, и на основе этого выбирали нужные ключевые слова.

Сразу после релиза мы начали лить мотивированный трафик через FewReview. Пользователи должны были найти приложение по определенным ключевым словам, скачать его, использовать и написать отзыв. За первые пять дней было закуплено около 150 отзывов.

В один день мы увидели странную картинку в панели разработчиков iTunes.

Количество установок, измерявшееся в первые дни десятками, взлетело до 15 тысяч в день, достигнув более 100 тысяч за первую неделю. Сначала подумали, что система аналитики дала сбой — других причин такому росту мы найти не могли. Отгадка оказалось простой — приложение попало в фичеринг.

Сначала подумали, что нам просто сильно повезло. Но позже выяснилось, что многие наши клиенты, закупавшие трафик на старте приложения, также попадали в фичеринг. Мы попали на седьмое место в топе бесплатных приложений.

Как я уже говорил выше, одной из основных проблем был выбор оптимального количества бесплатных вопросов для пользователя. С одной стороны, пользователю необходимо было распробовать приложение, чтобы он захотел его купить и понял идею режима «тренажер». С другой стороны – в презентации «Яндекса» «Важность первой сессии в приложении» от 2016 года приводится следующий график:

По вертикальной оси показаны покупки, по горизонтальной — время. Видно, что в первый час происходит наибольшая доля покупок.

Решили провести А/B-тестирование, чтобы понять, какой вариант будет наиболее эффективным с точки зрения конверсии и прибыли. Мы использовали сервис Amazon AB Testing Solution, к сожалению, уже закрытый.

Тестирование по количеству бесплатных вопросов проводилось в два этапа — с различными ценами и количеством доступных вопросов.

В первом тестировании было четыре группы по количеству бесплатных вопросов: 10, 50, 100 и 150. Уровней цен было три: 75 рублей, 149 рублей и 299 рублей.

С ростом числа бесплатных вопросов конверсия сначала росла, затем начинала резко падать. При увеличении цены, естественно, конверсия падала, но разница между 75 и 149 рублями была совсем незначительной. Золотая середина попала на пересечение 149 рублей и 100 бесплатных вопросов. Прибыль с пользователя достигла 7 рублей, что в два раза выше базового значения.

Второй этап тестирования было решено провести с более высокими ценами: 299, 379, 459 рублей. Группировка по числу бесплатных вопросов также изменилась: теперь проверялись 150, 200 и 300 вопросов. С ростом цены конверсия падала очень сильно, а с количеством вопросов описывала параболу. В результате оптимальной комбинацией оказалось цена 299 рублей и 200 бесплатных вопросов, обеспечив прибыль в 7,2 рублей на пользователя.

Другой фактор, потенциально способный увеличить конверсию, — вид окна с просьбой оплаты. Наша команда нашла следующий график.

На нем отражены результаты исследования, проведенного в столовой одного из университетов Великобритании. Идея такова: потребление кофе или чая само по себе было бесплатным, но посетители могли добровольно заплатить за эти напитки. Над коробкой, куда студенты могли опустить деньги, на протяжении 10 недель вешали различные изображения (они указаны на вертикальной оси). На горизонтальной оси показана доля заплативших посетителей. Видно, что изображение глаз сильно повышало процент заплативших. Мы подумали, что подобный опыт можно применить и к приложению.

Цветы мы решили сразу отбросить — было решено протестировать изображение мужчины против изображения женщины на фоне. Оба варианта сравнивались с фоном без фотографий.

Это тестирование нас удивило — оба варианта оказались менее эффективны, чем базовый. Изображение девушки ухудшило конверсию на 28%, а мужчины — на 35%. Соответственно, мы решили вернуться к стандартному варианту.

#Кейсы