Hi-Tech

Аналитика мобильных приложений: прогнозируем LTV пользователя

Комментируют аналитики Pixonic, Crazy Panda и Mail.ru Group.

В закладки

Материал подготовлен при поддержке myTracker

Если говорить про мобильную аналитику — деньги, которые принесёт клиент до того, как он удалит приложение и забудет о нём. Lifetime Value (LTV) — это показатель дохода от одного пользователя.

В первый месяц он потратил $2, во второй — $3, а в третий — не стал ничего покупать и удалил приложение: его LTV составил $5. Например, пользователь играет в игру три месяца, а затем удаляет её.

Зачем знать LTV

Допустим, мы потратили на объявление $1000. У пользователя, пришедшего по рекламе, есть стоимость привлечения — это показатель CAC (Customer Acquisition Cost). Стоимость привлечения каждого пользователя — $10. По нему пришли 100 человек.

Знание LTV даёт понимание, сколько можно тратить на привлечение пользователя. Если среднее LTV всех пользователей составило $5, то мы потратили на их привлечение больше денег, чем они принесут — невыгодная ситуация.

Среди способов — попытка удержать пользователя или повысить его средний чек. Повышение LTV — задача продакт-менеджера. А в этой статье мы поговорим только о том, как рассчитать LTV.

Советы

Считайте прибыль на определённый день

А приложение должно окупиться через год. Может получиться так, что пользователь принесёт больше денег, чем стоило его привлечение, но сделает это, например, только через два года.

С точки зрения бизнеса, сам по себе показатель, сколько денег пользователь принесёт за всё время игры, имеет мало практического смысла. Основной совет — не считать LTV в его классическом понимании.

Это дает нам понимание, когда пользователь окупится и совпадает ли это с нашими ожиданиями. Куда важнее понимать, какой доход принесет привлеченный пользователь в каждый его день с момента регистрации. Такие данные позволяют строить прогнозы и модели окупаемости.

Борис Бурангулов

ведущий аналитик в Pixonic

Эта задача решается проще. Если бизнес не готов ждать окупаемости бесконечно, то лучше считать не LTV, а на какой день вернутся деньги.

Сергей Панюшкин

ведущий продуктовый аналитик в Crazy Panda

Посчитать прибыль на определённый день поможет способ на основе накопительного ARPU, о котором мы расскажем дальше.

Делите пользователей на группы

Поэтому пользователей нужно делить на группы — они называются когортами. Если анализировать всех сразу, получится среднее число, которое будет далёким от реальности. Людей можно сгруппировать по дате регистрации, территориальным признакам, после какой рекламы пришли и так далее.

Которые пришли из «ВКонтакте» — другая. Например, люди, которые пришли после рекламы в Facebook, — это одна группа.

Эта информация будет ещё ценнее. А если у вас много данных, то пробуйте считать LTV для одного пользователя, а не группы. Например, от этих данных может зависеть монетизация конкретного человека: показывать ему рекламу или предлагать внутриигровые покупки.

Сергей Панюшкин

ведущий продуктовый аналитик в Crazy Panda

Помните о пользователях с аномальным поведением

Например, все тратят по $5 в неделю, а кто-то один — по $1000. Почти в каждой группе есть игроки, чьё поведение отличается от других. Но при этом совсем забывать о таких людях не нужно. Из-за него расчёт LTV получится неточным — этого человека лучше на время исключить.

В результате вы ограничите себя в объеме инвестиций в успешный проект. Если полностью исключить топ-плательщиков из расчётов окупаемости, можно не учесть часть прибыли. Вариант решения проблемы «китов» — выбирать размер когорт таким образом, чтобы появление топ-плательщика было статистически прогнозируемо.

Борис Бурангулов

ведущий аналитик в Pixonic

Не стоит доверять средним показателям по рынку

Даже с небольшим LTV у вас может быть всё хорошо, если вы умеете оптимизировать затраты и дешёво закупать платящих игроков.

Никита Окань

руководитель группы онлайн-рекламы игр в Mail.ru Group

Способы

Мы можем сделать лишь примерный прогноз. Невозможно точно предсказать, сколько человек будет пользоваться приложением и сколько денег заплатит. Каждый аналитик должен выбрать, какой из способов лучше подходит для его приложения, либо придумать свой.

Подойдёт продвинутым аналитикам, если нужно определить LTV как можно точнее. На основе удержания — сложный способ, придётся сделать много расчётов. Он работает хорошо, если пользователи платят стабильно, без резких изменений.

Позволяет точнее понять, на какой день окупится привлечение пользователя. Накопительный ARPU — способ, который можно применять при наличии небольшого количества данных и за недолгий срок.

Способ 1. На основе удержания

Чтобы его рассчитать, нужно обратиться к другой метрике — показатель удержания (Retention). Этот способ хорош тем, что здесь мы точнее определяем, сколько в среднем дней или месяцев люди пользуются нашим приложением — Lifetime.

Мы запустили приложение — в первый день в него зашли 100 человек. Чтобы объяснить, что такое показатель удержания, возьмём простой пример. Значит, показатель удержания на второй день — 60%. А на второй день из них зашли только 60. Его изображают в виде такого графика.

Поэтому показатель удержания приходится прогнозировать. Когда приложение молодое, мы не знаем, сколько люди будут в него играть.

Поэтому, если мы найдём функцию, график которой будет изгибаться похожим образом, то сможем сделать прогноз. Наш фактический график удержания изгибается примерно равномерно.

Использовать можно все. Есть несколько формул. Понять, какая именно, можно только попробовав все. Просто одна из них построит новый график чуть точнее, чем остальные. Например, здесь. Если ни одна из них не подошла, можно поискать на просторах интернета другие. Вот некоторые из формул:

Например, нам известно удержание за 30 дней. «X» в уравнении — период времени. Соответственно, наше «X» — 90. Поэтому попробуем построить график на чуть больший срок — 90 суток.

Это определённые числа, которые нужно подобрать так, чтобы новый график был максимально схож с фактическим. «A, B, C, D» — параметры функции. Как им пользоваться, можно найти тут. Это можно сделать вручную, либо воспользоваться инструментом Solver для Excel.

Должно получиться похоже на это: Строим графики и сравниваем их с фактическим.

Подробное руководство по графику удержания (Retention) можно найти в этой статье.

Теперь нужно узнать, сколько в среднем платит один игрок в месяц — ARPU. Итак, мы построили график на 90 дней.

Например, игра работает 30 дней. Берём валовую прибыль за месяц и делим её на количество клиентов, которые пользовались приложением в этом месяце. Получается, в среднем каждый игрок приносит нам в месяц по $50 — это ARPU. За это время мы заработали $5000, а поиграли в нашу игру 100 человек.

У нас он на 90 дней, значит делим его на три части — по 30 дней. Теперь, чтобы посчитать LTV, нужно поделить график удержания на месяцы. Напомним, что в наших примерах мы завысили и округлили все цифры, чтобы было проще считать, — в реальности они намного ниже. И смотрим, какой показатель удержания был в конце каждого месяца.

  • I месяц — 80%.

  • II месяц — 50%.

  • III месяц — 20%.

А после складываем эти числа. После этого умножаем месячный ARPU ($50) на показатель удержания в каждом месяце.

Получается, наше LTV — $85.

Плюсы и минусы

А ничего статичного не бывает. Lifetime здесь рассчитывается довольно точно, но в этом способе мы предполагаем, что ARPU неизменен. Если ARPU меняется не сильно, то это не критично.

Но здесь могут возникнуть проблемы в виде пользователей с аномальным поведением, которые сильно изменят показатели сегментов. Этот способ довольно точно отражает смысл LTV.

Сергей Панюшкин

ведущий продуктовый аналитик в Crazy Panda

Например, сервисов, доступных только по подписке. Это рабочий способ для проектов, где ARPU слабо меняется со временем. В других приложениях ARPU может сильно меняться со временем, поэтому нужно рассчитывать его отдельно для каждого периода.

Борис Бурангулов

ведущий аналитик в Pixonic

Способ 2. На основе накопительного ARPU

После неё в игру пришло сто человек. Допустим, мы запустили рекламу в социальной сети. Если сложить их платежи, а затем разделить на сто, то можно узнать, сколько в среднем платит один игрок из этой группы.

1, на второй — ещё $2, на третий — плюс $0. Например, получилось, что «средний» игрок из этой группы в первый день потратил $1. Всё это отражено на рисунке выше — это график накопительного ARPU. 5.

Точно так же, как делали в первом способе — построить график, максимально похожий на фактический, так как кривая изгибается примерно равномерно. На основе этих данных можно сделать прогноз, сколько денег будет тратить клиент в будущем. Это делается с помощью такой формулы:

Например, мы знаем, что люди играют в нашу игру примерно две недели месяца. Выбор «t» зависит от проекта и поведения пользователей в нем. Поэтому берём 14 дней.

Это определённые числа, которые нужно подобрать так, чтобы новый график совпал с фактическим. «A и B» — как и в первом способе — параметры функции. Подобрав все числа, строим график. В этом поможет Solver, о котором мы говорили в предыдущем блоке.

Точка, где график становится перпендикулярен оси накопительного ARPU, — наше среднее LTV на одного пользователя.

Плюсы и минусы

Минусы: прогнозы могут быть неточными, если в приложении происходит много изменений, затрагивающих монетизацию. Основной плюс — наличие кривой накопительного ARPU, которая позволяет определять, когда окупится привлечение пользователей.

Борис Бурангулов

ведущий аналитик в Pixonic

Но способ хорош тем, что значимые изменения в продукте будут отчётливо видны на графике. Могут возникнуть проблемы, если в игре много пользователей с аномальным поведением, или больше всего денег приносят акции.

Сергей Панюшкин

ведущий продуктовый аналитик в Crazy Panda

myTracker — платформа с бесплатной функцией предиктивной аналитики. С развитием технологий отпадает нужда считать всё вручную. Система умеет самостоятельно прогнозировать доходы от приложения на дни и месяцы вперёд, основываясь на больших данных.

Платформа изучает поведение пользователей, все события и закономерности, а затем предсказывает, сколько денег принесут клиенты за время пользования приложением. Первый инструмент предиктивной аналитики myTracker — прогнозирование LTV.

Как работают автоматические прогнозы LTV:

  1. myTracker собирает статистику приложения и сопоставляет её с накопленной информацией и критериями качества данных — ранее система уже проанализировала тысячи приложений.
  2. Это нужно, чтобы подобрать модели прогнозирования — у системы их множество. Она выбирает из них те, которые дадут наиболее точные прогнозы для конкретного приложения.
  3. После этого платформа настраивает с нуля выбранные модели под приложение, подбирает коэффициенты. Для начала обучения модели нужно иметь данные за неделю. Для оптимального прогноза — один-два месяца.
  4. Затем платформа делит пользователей на мельчайшие когорты и объединяет собранную по ним информацию в обезличенные массивы данных.
  5. Сделав это, myTracker выдаёт прогноз по каждой когорте пользователей начиная со второго дня после установки приложения этими пользователями.
  6. Платформа постоянно самостоятельно сравнивает прогноз с фактическими показателями, чтобы скорректировать коэффициенты или поменять активную модель прогнозов для конкретного приложения. С каждым днём прогноз становится всё точнее, а на восьмой день прогноз фиксируется, так как достигается оптимальная точность (средняя точность прогнозов в myTracker — 90%).

Узнать больше о том, как устроены модели прогнозирования myTracker, можно в документации.

Попробовать

Показать больше

Похожие публикации

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Кнопка «Наверх»