AppsFlyer干貨分享｜如何預(yù)知未來？了解一下營銷預(yù)測(cè)分析

通過有效的廣告投放為移動(dòng)應(yīng)用帶來高質(zhì)量的用戶是移動(dòng)用戶增長經(jīng)理的核心目標(biāo)之一。若能通過用戶的早期行為，預(yù)測(cè)長期的用戶周期價(jià)值（LTV），可以為廣告投放優(yōu)化提供寶貴的決策根據(jù)。本文將從廣告投放優(yōu)化的決策挑戰(zhàn)出發(fā)，詳細(xì)介紹什么是營銷預(yù)測(cè)分析，以及廣告主可以如何應(yīng)用這一技術(shù)降低廣告投放的不確定性并優(yōu)化用戶增長策略。

用戶增長經(jīng)理的決策挑戰(zhàn)

在這幾年移動(dòng)營銷行業(yè)各種挑戰(zhàn)催化之下，負(fù)責(zé)用戶增長的獲客經(jīng)理所負(fù)責(zé)的工作內(nèi)容已經(jīng)變得愈加重要。

獲客經(jīng)理持續(xù)追求真正有效的廣告優(yōu)化，從而獲取高質(zhì)量用戶，運(yùn)用各種BI技術(shù)解決方案，或與第三方技術(shù)平臺(tái)合作，希望能夠獲取精確的用戶成本數(shù)據(jù)，由此與用戶生命周期價(jià)值（LTV）進(jìn)行對(duì)比分析，力圖降低投資回報(bào)率（ROI）的不確定性。

然而，在大部分情況下，當(dāng)可幫助決策的數(shù)據(jù)維度不足或無法獲取時(shí)，獲客經(jīng)理只能依靠自己對(duì)于廣告效果的經(jīng)驗(yàn)和直覺進(jìn)行決策。

如何有效優(yōu)化獲客廣告？

應(yīng)用開發(fā)者吸引更多用戶來使用App主要可以通過兩種途徑，一種是用戶自然搜索發(fā)現(xiàn)App，另一種是在多樣化的營銷渠道投放廣告來吸引用戶。廣告主會(huì)根據(jù)國家地區(qū)、展示廣告應(yīng)用類型、多樣化的受眾特征等分類標(biāo)準(zhǔn)，設(shè)定不同的目標(biāo)投放群組，再進(jìn)行針對(duì)性的廣告投放。

例如：一個(gè)廣告主應(yīng)用，可以通過傳統(tǒng)的廣告平臺(tái)在Tinder上投放廣告，去觸達(dá)其身在英國的用戶，也可以通過Facebook投放廣告，去觸達(dá)其20-34歲之間對(duì)游戲感興趣的女性用戶。獲客經(jīng)理會(huì)針對(duì)每一個(gè)用戶群組，設(shè)定廣告投放參數(shù)，比如預(yù)算，每日廣告曝光上限，及最關(guān)鍵的廣告出價(jià)，即為獲取一位新用戶愿意支付的價(jià)格（每用戶出價(jià)，簡稱PPU）。

當(dāng)一位用戶激活并打開應(yīng)用之后，獲客經(jīng)理再對(duì)這位用戶的轉(zhuǎn)化路徑全程進(jìn)行觀察并分析。用來衡量用戶價(jià)值的關(guān)鍵指標(biāo)主要有以下幾個(gè)：

變現(xiàn)

通過廣告瀏覽、應(yīng)用內(nèi)購、訂閱、積分墻等方式為應(yīng)用帶來收入。

互動(dòng)

互動(dòng)代表應(yīng)用參與度、能夠助長移動(dòng)經(jīng)濟(jì)的用戶活動(dòng)。

留存:

用戶使用App的頻繁程度，也叫用戶黏度。

獲客經(jīng)理的目標(biāo)是，一位用戶帶來的收入要超過獲取這位用戶的成本。實(shí)現(xiàn)這一目標(biāo)的難點(diǎn)在于精準(zhǔn)衡量用戶的生命周期價(jià)值，而用戶的生命周期時(shí)長為三周到12個(gè)月不等，和應(yīng)用的業(yè)務(wù)形態(tài)也有很大的關(guān)系。

Predict KPI breakdown

如果能夠先了解用戶生命周期價(jià)值，在這個(gè)數(shù)據(jù)基礎(chǔ)上決定每用戶出價(jià)，這是一個(gè)極端理想的情況。而行業(yè)現(xiàn)實(shí)是，廣告主需要先付費(fèi)獲客，由此給運(yùn)營管理廣告投放帶來了極大的不確定性。

如何實(shí)現(xiàn)LTV最大化？

廣告主為BI系統(tǒng)投入大量資源、成立專門團(tuán)隊(duì)，運(yùn)用數(shù)據(jù)科學(xué)，嘗試識(shí)別用戶路徑中的各個(gè)節(jié)點(diǎn)，得出一個(gè)大致的用戶生命周期價(jià)值。BI技術(shù)解決方案越先進(jìn)，獲客經(jīng)理就越容易得出精準(zhǔn)LTV。

這樣的數(shù)據(jù)分析過程一般需要7-14天，積累了充分的數(shù)據(jù)規(guī)模之后才能形成一個(gè)早期的LTV數(shù)值。需要注意的是：要想得出精準(zhǔn)、有效的數(shù)據(jù)，需要保證廣告投放期間沒有其他外部因素的干擾。

只有當(dāng)具備了有效的數(shù)據(jù)洞察，獲客經(jīng)理才能夠逐個(gè)優(yōu)化廣告系列，對(duì)廣告出價(jià)、廣告創(chuàng)意或目標(biāo)人群進(jìn)行有針對(duì)性的調(diào)整。

廣告主等待的時(shí)間越久，這一數(shù)據(jù)結(jié)果就會(huì)越準(zhǔn)確。但是，在等待數(shù)據(jù)逐漸精準(zhǔn)化的過程中，營銷人員有可能仍然在投放不太成功的廣告，浪費(fèi)成本、導(dǎo)致廣告主無法將預(yù)算投放到成功潛力更大的廣告活動(dòng)上。

什么是預(yù)測(cè)分析技術(shù)？

對(duì)于有些應(yīng)用開發(fā)者來說，有一個(gè)用來預(yù)測(cè)LTV的線性模型就足夠了，但是，更復(fù)雜更先進(jìn)的預(yù)測(cè)模型，可能會(huì)為很多移動(dòng)應(yīng)用的廣告投放帶來意想不到的積極質(zhì)變。

在用戶激活A(yù)pp后的一到兩天內(nèi)，衡量早期的用戶行為，根據(jù)這些數(shù)據(jù)信號(hào)，預(yù)測(cè)該用戶中長期的生命周期價(jià)值，這是行業(yè)期盼已久的解決方案。

這一解決方案的主要挑戰(zhàn)在于，早期數(shù)據(jù)與長期預(yù)測(cè)之間的聯(lián)系并不很直觀。這需要在用戶首次登入App之后的幾天內(nèi)，對(duì)用戶的轉(zhuǎn)化行為及模式進(jìn)行衡量，并使用先進(jìn)的工具分析數(shù)據(jù)，才能得出預(yù)測(cè)結(jié)果。這一研究方法就叫做預(yù)測(cè)分析，廣泛應(yīng)用于金融與公共衛(wèi)生領(lǐng)域。

將這項(xiàng)技術(shù)沿用至移動(dòng)營銷領(lǐng)域，實(shí)際操作起來并不容易。即使在數(shù)據(jù)平臺(tái)已成為主流商業(yè)模式的當(dāng)下，將預(yù)測(cè)分析技術(shù)應(yīng)用于LTV預(yù)測(cè)仍然需要投入大量研發(fā)資源，有海量規(guī)模的數(shù)據(jù)作為基礎(chǔ)。

這其中采用了包括深度學(xué)習(xí)、自定義智能標(biāo)簽、動(dòng)態(tài)特征機(jī)器學(xué)習(xí)等技術(shù)。服務(wù)器要支持多種數(shù)據(jù)模型，所投入的維護(hù)運(yùn)營開支也極為高昂。

雖然大多數(shù)獲客經(jīng)理都能夠理解預(yù)測(cè)分析，但只有極少數(shù)正在享受這項(xiàng)技術(shù)帶來的便利。大部分營銷團(tuán)隊(duì)不具備自行創(chuàng)建維護(hù)這套機(jī)制的條件，因此只能憑借比較有限的數(shù)據(jù)分析模型，以及營銷人員的主觀判斷。

什么是理想的營銷預(yù)測(cè)分析解決方案？

創(chuàng)建并訓(xùn)練能夠深度學(xué)習(xí)的預(yù)測(cè)分析模型，提供營銷人員決策所需的LTV預(yù)測(cè)數(shù)據(jù)，需要大量的用戶行為數(shù)據(jù)作為這套數(shù)據(jù)建模的基礎(chǔ)。

雖然預(yù)測(cè)分析模型只用于廣告主App預(yù)測(cè)自家App的長期LTV，這套數(shù)據(jù)模型的訓(xùn)練和優(yōu)化卻需要基于上百甚至上千款應(yīng)用數(shù)據(jù)，才能最大程度提升預(yù)測(cè)的精準(zhǔn)度。

業(yè)內(nèi)極少有平臺(tái)能夠?qū)崿F(xiàn)基于如此龐大的數(shù)據(jù)量級(jí)，加上變現(xiàn)與成本等數(shù)據(jù)維度，橫跨所有營銷渠道與媒體渠道，衡量所有應(yīng)用的廣告活動(dòng)。

Predict dashboard

如果某位廣告主與五家廣告平臺(tái)合作，每家平臺(tái)都有自己廣闊的流量池，但并沒有訪問其他平臺(tái)流量的權(quán)限。每家平臺(tái)只能看到自己的廣告系列和媒體表現(xiàn)。因此，媒體渠道的數(shù)據(jù)必然會(huì)帶有一定的偏向性。

為什么建議廣告主采用營銷預(yù)測(cè)分析模型？

我們已經(jīng)來到隱私至上的新歸因時(shí)代，歸因衡量正在經(jīng)歷重大變化，營銷人員需要采取全新的衡量視角：可供衡量的時(shí)間框架將會(huì)變短，用戶層級(jí)數(shù)據(jù)默認(rèn)無法獲取等等。這些都是營銷人員需要適應(yīng)的新現(xiàn)實(shí)。

預(yù)測(cè)分析模型就能夠有效解決上述痛點(diǎn)。

AppsFlyer作為一家獨(dú)立公正、不偏不倚的歸因平臺(tái)，基于海量歸因數(shù)據(jù)提供精準(zhǔn)、有效的數(shù)據(jù)洞察。著眼于廣闊的行業(yè)視角，AppsFlyer已經(jīng)為此投入了業(yè)內(nèi)無出其右的技術(shù)、人才與資源，加上獨(dú)立公正的價(jià)值主張，AppsFlyer可以真正做到在最短的時(shí)間框架內(nèi)，為廣告主提供最精確的預(yù)測(cè)分析數(shù)據(jù)洞察。