Avec LTV et Customer Churn Analysis, il est possible de maximiser le retour sur ventes des dépenses publicitaires du marketing mobile…
L’ère des mois d’attente pour évaluer le retour sur ventes (ROAS) et optimiser les campagnes de marketing mobile même des semaines après le lancement est révolue. La nouvelle fonctionnalité d'analyse LTV (Customer Lifetime Value) et de désabonnement des clients d'AppMetrica, qui fait partie du portefeuille de services Yandex Ads avec Yandex Advertising Network, augmente l'acquisition d'utilisateurs dans l'application mobile. Dans le même temps, il informe rapidement les chefs de produit de la valeur à vie du client et de la possibilité de désabonnement des clients dès le premier jour de la campagne et de l'installation de l'application.
Le LTV, une mesure très importante dans le secteur du marketing des applications mobiles, représente les revenus qu'un utilisateur est censé générer tout au long de sa relation avec l'application. L'analyse LTV d'AppMetrica fait passer ce concept à un niveau supérieur en trouvant les utilisateurs potentiels présentant le ratio LTV le plus élevé grâce à l'utilisation de l'intelligence artificielle. L'analyse LTV s'appuie sur la technologie Yandex Machine Learning, en utilisant des données anonymisées provenant de dizaines de milliers d'applications dans diverses catégories. Cette fonctionnalité permet aux responsables responsables de l'acquisition d'utilisateurs d'optimiser leurs stratégies en se concentrant sur celles qui offriront le meilleur retour sur investissement. L'analyse LTV évalue chaque utilisateur dans les 24 heures suivant son inscription à l'application et génère une analyse LTV pour les 28 jours suivants. Sur la base de cette analyse, les responsables peuvent optimiser les campagnes destinées aux principaux utilisateurs LTV en quelques clics seulement.
Campagnes publicitaires performantes
Avec LTV et analyse du taux de désabonnement des clients ;
- Le premier jour de la campagne publicitaire, il est possible de voir quels canaux publicitaires seront augmentés ou fermés,
- Avec une analyse LTV précise, des audiences de grande valeur peuvent être atteintes avec l'application mobile.
- Les campagnes publicitaires très performantes peuvent être optimisées pour augmenter les revenus et le retour sur investissement.
- Le ROAS peut être maximisé et il est possible de comprendre quels canaux doivent investir davantage,
- Les utilisateurs peuvent analyser et comparer en fonction de la LTV et de la probabilité de désabonnement,
- En identifiant le segment d'utilisateurs présentant une forte probabilité de perte, la perte de ces utilisateurs est évitée.
Contrairement aux recommandations d'optimisation classiques telles que les mesures traditionnelles « temps passé » et « engagement », le nouveau modèle d'analyse basé sur l'IA collecte et analyse de grandes quantités de données sur la LTV potentielle de chaque utilisateur afin de trouver les prospects de la plus haute qualité pour les campagnes publicitaires. De plus, l'analyse LTV vous permet de segmenter les utilisateurs en différents groupes LTV (tels que les 5 % supérieurs, les 20 % supérieurs, les 50 % supérieurs et les 50 % inférieurs) et de les comparer.
Comment ça marche?
Le taux de désabonnement des clients est un problème courant dans le secteur du marketing des applications mobiles. Pour un succès à long terme, il est crucial d’identifier les utilisateurs susceptibles d’abandonner l’application et de prendre des mesures proactives pour les fidéliser. Churn Insights d'AppMetrica permet aux propriétaires d'applications et aux équipes marketing d'identifier les nouveaux utilisateurs les plus susceptibles de se désinscrire au fil du temps une fois qu'ils ont installé l'application.
Le modèle d'intelligence artificielle analyse tous les utilisateurs actifs sur une période de 3 semaines et note quotidiennement leurs activités. Bien que le modèle ne nécessite pas de métriques personnalisées, il prédit avec précision les utilisateurs qui sont plus susceptibles de devenir inactifs dans les 3 semaines suivant l'installation. Le rapport généré divise tous les utilisateurs en groupes selon la probabilité de conversion : >95 %, 75 %-95 %, 50 %-75 % et <50 %. L'analyse montre que lorsqu'un utilisateur se voit attribuer une balise « risque de désabonnement », cette balise a plus de 99 % de chances d'être vraie.
Grâce à l'analyse, cette fonctionnalité permet des stratégies de rétention ciblées pour empêcher les utilisateurs de quitter l'application. Par exemple, il peut proposer des outils tels que des notifications push personnalisées et des incitations.
Pour tester l'exactitude des analyses et évaluer quelle méthode attire un public plus engagé, l'équipe fondatrice a effectué un test A/B pour une application de jeu :
Le test avait deux options :
- Optimisation basée sur « L'utilisateur a joué pendant au moins 10 minutes »
- Optimisation prédictive basée sur un modèle pour les 20 % d'utilisateurs payants les plus importants (top20LTV)
Les campagnes étaient identiques en termes de paramètres et de budgets. Alors que les 10 premiers jours des campagnes étaient consacrés à l'apprentissage et à la création de l'ensemble de données, après cette période, les experts AppMetrica ont passé une semaine à collecter les données d'installation à utiliser dans le modèle prédictif. Les tests A/B d'AppMetrica ont montré un avantage considérable dans l'optimisation des campagnes basées sur les rapports LTV. Yandex Games a également augmenté l'interaction des utilisateurs de 10,5 % grâce à l'analyse LTV et Customer Churn.
