Как изменятся команды, отвечающие за рост мобильных приложений?
На прошлой неделе на vc вышла статья, почему производство рекламных креативов стало важной частью рабочего процесса в мобильном маркетинге, где представлена общая схема для создания эффективных рекламных креативов в больших масштабах. В той статье я предоставил информацию о тектоническом сдвиге, произошедшем в мобильном маркетинге за последние несколько лет, за которые рекламные платформы отдали приоритет алгоритмическому управлению кампаниями. В статье исследуется роль, которую рекламный креатив играет в быстрых экспериментах с аудиториями и объявлениями, которые им больше всего нравятся. Но она не объясняет той роли, которую сами эксперименты играют в современной парадигме роста мобильных продуктов.
Перевод статьи IDFA deprecation: The future of mobile growth teams by Eric Benjamin Seufert. Чтобы не пропустить новые статьи, подписывайтесь на канал https://t.me/mobileplusblender
Во многих компаниях процесс экспериментирования, как правило, изолирован по разным специализациям: эксперименты проводят с креативами, тестированием событий, с персонализацией контента и т.д. Другими словами, проверка гипотез лежит в основе деятельности команд, занимающихся ростом продукта, но многие команды рассматривают это не как функциональный процесс сам по себе, а скорее как абстрактное упражнение, которое они применяют к конкретным аспектам роста. Для многих разработчиков это приводит к тому, что различные компоненты задачи «роста» продукта, разбиваются на разрозненные команды, которые действуют независимо друг от друга на протяжении всего жизненного цикла пользователя:
Такая схема — функциональное разделение между командой по трафику и growth-командой продукта — неэффективна, и она исчезнет по мере того, как все больше и больше компаний станут более адаптированы к рабочим стандартам новой мобильной среды. Но прежде чем приступить к изучению этого вопроса, сделаем два замечания о приведенной выше диаграмме:
- Изображенная здесь пирамида команды привлечения пользователей, показывает состав команд, которых рекламодатели придерживаются сегодня (размер каждого слоя соответствует количеству выделенных ему ресурсов / персонала), но это количество тоже быстро меняется. Медиабаинг как отдельная роль почти устарел, поскольку анализ и эксперименты с креативами становятся мощными рычагами воздействия в маркетинговых командах. Трафик-команды будущего станут больше похожи на приведенную ниже — команды по анализу данных и аналитики будут управлять маркетинговыми расходами, а медиабаинг будет почти полностью автоматизирован:
- Я считаю, что влияние growth-команд, ориентированных на A/B-тестирование, в целом преувеличено. Я считаю, что бесконечное A/B-тестирование, полностью ограниченное продуктом и не связанное с маркетингом, может фактически уничтожить всю ценность продукта, поскольку подталкивает к тому чтобы выжать максимум из пользователя и игнорирует возможности персонализации предложения. Я видел, как growth-team так агрессивно работали над продуктовыми итерациями, что эксперименты сбивали друг друга с толку и почти полностью подрывали работу по привлечению пользователей с высоким потенциалом.
Теперь можно рассмотреть, как разрозненные команды, изображенные на диаграмме, объединятся и вместе составят growth-команды будущего. Для этого важно определить, что я считаю критически важными функциональные компоненты роста:
- Управление медиамиксом. Растущая непрозрачность мест размещения в Facebook и Google, а также общий рост бюджетов непрямого отклика мобильных рекламодателей (что отчасти является реакцией на вышеупомянутую непрозрачность) создают ситуацию, при которой маркетинговая атрибуция каждого пользователя невозможна или непрактична. По мере того, как мобильная реклама переходит в эпоху пост-атрибуции, моделирование медиамикса становится средством принятия решений о бюджете для мобильных рекламодателей. Моделирование медиамикса — это, в основном, упражнение в области науки о данных, которое дает информацию для медиабаинга и оказывает огромное влияние на показатели продукта. В настоящее время моделирование медиамикса и инкрементальность находятся в авангарде маркетинговой науки, и эти функциональные навыки станут основой growth-команд будущего;
- Персонализация контента. A/B-тестирование — грубый инструмент, и, как отмечалось ранее, он имеет тенденцию не работать должным образом или даже быть контрпродуктивным, если он не согласован с действиями команды по привлечению пользователей. Вместо того, чтобы оптимизировать всю пользовательскую базу как монолитную когорту, я вижу, что самые изощренные рекламодатели теперь персонализируют взаимодействие с пользователем на основе многих демографических характеристик, включая их канал привлечения. При таком подходе информация об источнике трафика проходит через установку приложения и приводит к персонализированному опыту в приложении на основе данных, которые собираются на протяжении всего жизненного цикла пользователя (а не только той части, которая происходит в приложении после привлечения);
- Измерение событий. Поскольку алгоритмическое управление кампаниями затрудняет развитие аудиторий и таргетинг, рекламодатели все больше полагаются на события в приложении, отправляемые обратно в рекламные кампании, например, Google UAC и Facebook AEO и VO, чтобы помочь рекламным платформам выявлять ценных пользователей и таргетироваться на них. Частью масштабирования рекламных кампаний являются эксперименты c целью найти те, которые позволят находить рекламным платформам лучшую и масштабируемую аудиторию. Это требует тесной координации между группами привлечения пользователей и продукта;
- Эксперименты с креативами. В качестве второго набора фундаментальных основ работы (наряду с событиями в приложениях) с современными мобильными рекламными кампаниями, эксперименты с креативами являются важнейшим аспектом масштабирования. Я подробно рассказываю об этом здесь.
Управление медиамиксом (УMM) — это методология эффективного распределения маркетинговых расходов по каналам с целью оптимизации бизнес-результатов (например: кликов, установок, доходов и т.д.)
Существует несколько различных популярных подходов к внедрению УMM в маркетинге. Один из них — построить довольно простую регрессионную модель, которая пытается оценить влияние расходов на каждый канал, выделяя расходы канала (бюджет) и маржинальный вклад канала (установки, конверсии, доход и т.д.), А затем находя оптимальное сочетание каналов, бюджетов на них.
Эти два процесса взаимосвязаны: поскольку моделирование медиамикса влияет на распределение бюджета по каналам и форматам на основе общей выручки, персонализация контента оптимизирует UX на уровне пользователя на основе информации, которая генерируется при привлечении (например, пользователи из канала X изначально попадают на экран/контент Y в воронке продукта). A/B-тестирование может остановить рост продукта, поэтому я визуализировал подход, который большинство групп роста используют при A/B-тестировании функций продукта и пользователей:
Благодаря персонализации контента, которая включает в себя информацию о привлечении, пользователи попадают на определенные экраны на основе того, откуда они пришли на момент установки. Но более того, механика A/B-тестирования, выполняемая вручную и склонная к излишней специфичности, заменяется механикой “одноруких бандитов”, которой легче управлять и масштабировать. Очевидно, что реализация такого рода персонализации — это не столько продуктовая или маркетинговая задача, сколько активность в области науки о данных: в основе процесса лежат построение, измерение и настройка этих моделей. Она не отличается от моделирования медиамикса: модель учитывает в бюджете инкрементальность и общую доходность и соответствующим образом корректирует их.
Для команд, которые в будущем планируют отвечать за рост продукта, это означает три вещи:
- Команда контролирует как привлечение, так и оптимизацию поведения пользователей в приложении;
- Команда сосредоточена на создании систем, которые определяют оптимальные пути для каждого пользователя (customer journey map);
- Команда понимает, что у нее есть возможности для улучшения LTV продукта не только за счет оптимизации привлечения, но и за счет оптимизации взаимодействия с продуктом на уровне пользователя и поиска лучших способов передачи информации о ценности рекламным платформам
На практике это означает, что growth-команда — единая интегрированная команда — имеет широкий контроль как за привлечением, так и за оптимизацией контента в приложении:
Подобно тому, как выросла важность креатива, который потребовал фундаментальных изменений в способах работы growth-команд, так же стали важны и эксперименты, тесты гипотез: они распространились на приложения, требуя, чтобы зона ответственности growth-team была расширена за пределы привлечения пользователей — и могли отвечать за события пользователей.
Анализ поднимает один вопрос: если эти системы уже существуют, почему тогда это будущее роста мобильных приложений, а не настоящее? Одна из причин заключается в том, что, как правило, команды не спешат адаптироваться к значительным изменениям экосистемы, делая это постепенно. Существующие команды должны по-новому начать использовать инструменты и перепрофилироваться в найме новых сотрудников.
Вторая причина заключается в том, что существует ограниченный набор талантливых маркетологов, обладающих превосходными навыками, и они пользуются большим спросом. Наем компетентного маркетолога, имеющего опыт масштабирования мобильных продуктов в миллионы долларов рекламных расходов в месяц (или миллионы DAU), непрост; рекламодатели изо всех сил пытаются создать grwoth-team и часто сталкиваются с проблемой курицы и яйца в мобильной рекламе. Но эта новая парадигма, несомненно, является будущим роста мобильных продуктов, и, будет ли он медленным или массовым, команды должны подготовиться к нему и адаптироваться.
Привет, меня зовут Герман Капнин. Если вам интересно узнавать больше про мобильную рекламу, мобильную аналитику, новости из мира мобайла, давайте знакомиться лично https://www.facebook.com/gr.kapnin или подписывайтесь на канал про мобайл, чтобы не пропустить и обсудить новые статьи https://t.me/mobileplusblender