感谢!

五种营销分析数据报告,显著优化移动应用推广表现

By Michal Wagner

分析营销数据知易行难,虽然营销人员可借助各种直观化数据图表,但如果不加以区分,这些图表的内在价值就无从展现。 

通过 AppsFlyer 营销分析报告管理、解析各项营销指标,能够帮助您解构数据背后的真实意义,揭示趋势与洞察。  

成功营销的关键在于,将有意义的数据洞察应用到后续广告投放。 

目前,应用商店绝大部分应用都可免费下载。基于这样的现实,营销人员需在应用下载后实现用户变现。因此,我们必须优化广告,来吸引变现能力强、经常使用应用的忠诚用户。

我们的营销分析报告可基于数据,找出可以吸引最高价值用户的渠道,帮助 App 实现更好的变现。

这篇博客文章给大家介绍五种不同的数据报告,每个数据报告为优化应用广告系列的发挥不同重要效用。

1. LTV 生命周期价值报告

LTV 报告即生命周期价值报告,展示的是从应用激活开始,特定日期范围内用户执行的所有事件带来的价值。

LTV 即生命周期价值,但这里的“生命周期”其实是指“截止于当前或 LTV 报告生成的那一刻”。一份包含 3 月 1 日激活应用的用户的 LTV 报告,如在 4 月 1 日生成,将涵盖一个月的应用激活后数据;如在 5 月 1 日生成,则将涵盖两个月的激活后数据。

在免费增值的经济模式下,LTV 报告中的多个指标蕴含用户真实价值的关键信息,包括用户活跃度或变现能力。 

请注意,生命周期价值指的是一位用户在特定日期范围内产生的收入;生命周期价值报告则包含多个指标,可量化用户安装应用后的行为。

因此,LTV 报告可对比分析不同营销渠道、媒体渠道、广告系列甚至广告创意带来的用户质量,继而针对性的优化广告。 

比如,在渠道 A 投放的广告吸引了更多应用激活 ,但渠道 B 带来的用户虽然数量较渠道 A 较少,但在应用内消费更多。因此,营销人员可为渠道 B 增加预算投入,并考虑减少渠道 A 的预算,前提是该应用有能力提升用户规模、且广告花费回报率(ROAS)表现良好。

LTV 报告还可对比不同组用户,分析应用激活后的用户价值,以便更好理解不同组用户的显著特征,比如该组用户何时下载应用,位于哪个地区、获取成本多少。

这样的话,您可对比 3 月 1 日激活应用的用户与 4 月 1 日激活应用的用户在 30 天后产生的收入。

有了这样的数据作为理论依据,就可以快速定位带来真实价值的高质量用户和高质量渠道,自然也可以快速筛查价值过低的用户和渠道,进一步优化后续营销活动。 

下图显示某应用相关数据维度,我们一起来解析该应用的营销活动有哪些成功之处,有哪些地方还需改进。 

这份 LTV 生命周期价值报告基于 11 月第一周激活应用的用户,于 30 天后生成报告。可以看到,渠道 3 (Media Source 3)的忠诚用户数/激活数(Loyal Users/Installs)是最高的(80.39%)。渠道 1 (Media Source 1)带来的激活数(Installs -> Total)是渠道 3 的两倍多,忠诚用户数/激活数(76.25%)却不如渠道 3。

有了这样的数据观察,营销人员可进一步决定是先为渠道 3 增加投入,提升应用内互动,还是为渠道 1 增加投入,先着力于用户获取。

 

2. 活跃数据报告

活跃数据报告衡量的是特定日期范围内活跃用户执行的事件,不考虑该用户激活应用的日期。活跃数据报告的重要性在于衡量特定时段内,某营销渠道或媒体渠道的效果。 

活跃数据报告对于衡量节日或重大事件对于营销效果的影响是十分有意义的。我们可以通过活跃数据报告查看 2 月份所有应用用户带来的收入,与上一年的 2 月或 1 月进行对比。

活跃数据报告从另一个角度揭示了同等重要的数据洞察,营销人员由此进一步考虑增加或减少某渠道的广告花费。接下来遇到节假日、年度大事都可以基于已有的数据洞察优化广告花费、提升广告效果。 

还是同一个应用的数据,我们查看活跃数据报告中生成的结果。可以看出,渠道 5 (Media Source 5)在特定日期范围内活跃会话(Activity Sessions)指标显示为第二高。需要强调的是,LTV 报告中忠诚用户指标,渠道 5 并未进入前五名,但在活跃数据报告中的表现则令人刮目相看。 

我们还观察到,渠道 5 转化率(Conversion Rate)较低,平均 eCPI 较贵,因此,即使渠道 5 活跃数据表现良好,但是转化率过低,还有优化和提升的空间。相较而言,渠道 3 的转化率和平均 eCPI 两大指标都高出平均水准。

活跃数据报告可直观显示特定日期范围内的重要 KPI、购买等关键事件表现如何。在如下图例中,11 月 26 日活跃用户水平明显下降,观察到这一点的营销人员可进一步调查发现原因。 

 

3. 留存报告

上文提到,用户下载并打开应用只是第一步,真正的任务还在后面。留存关注的是用户在激活应用后的表现。应用商店内上百万 App 同时争夺用户注意力的当下,获取忠诚用户并满足极高的用户期待,已经成为一项巨大挑战。

留存是变现的基础,因为留存对于优化应用广告系列极为关键。留存报告可清晰看到用户流失的时间节点,并明确优化广告或与用户再次互动的时间节点。将激活应用后某一天或某一周的活跃用户数量,除以激活应用后首次下载并打开应用的用户总数,就可以得出日/周留存率。

留存报告呈现各个渠道的长期表现,揭示总体留存率。渠道 A 可能带来更多用户,渠道 B 带来的用户长期来看留存率可能更高。

该维度的数据洞察可助您了解哪些媒体渠道带来的用户会持续性打开应用,以及何时才是优化应用广告的最佳时机,在用户冷落应用之前与用户再次互动。 

同样的数据,不一样的视角,会带来意想不到的有趣发现。在 LTV 报告中,渠道 4 的忠诚用户/激活数排名倒数第二(用户打开应用三次,即记为忠诚用户)。但是留存报告中显示,渠道 4 前十天的留存率是最高的。 

虽然渠道 4 的忠诚用户/激活数偏低,但因为渠道 4 带来的用户在下载安装应用的十天后,打开应用的可能性最大,该 App 营销人员决定为该渠道增加预算。

 

4. 群组分析报告

群组分析报告通过选取有类似特征的用户,比如同一个国家同一天安装的用户, 呈现进一步细分的数据报告。为数据报告设置特定参数、筛选条件,将数据放到不同情景中进行分析

为数据添加分析语境,可过滤一部分噪声数据,凸显关键走向。营销人员由此可发现广告活动的成功和不足之处,后续更加针对性的优化广告。 

群组分析报告可呈现特定时段内哪一家渠道带来的用户与 App 互动更多,或某个特定地点吸引了更多用户下载 App。如果没有按照群组细分,这样的数据洞察可能就无法察觉。

群组分析报告中的数据虽有多种查看方式,但通常为累计式查看。因为这样可以清晰看出收入等重要 KPI 的增长速率。另外,如果设定一个明确目标,通过累计数据我们就能清楚看出离实现目标还需要多少天。

为举例说明,我们在下图暂且移除了自然流量。我们观察到,在忠诚用户指标表现最突出的渠道 3 在收入指标也拔得头筹。在下图中,多个媒体渠道的收入增长趋势基本相同。

如果我们改变群组分析报告,按照激活日期查看 KPI 就会发现不同角度的洞察。我们观察到,三天后,大部分收入来自于 11 月 22 日通过渠道 1 (Media Source 1)激活应用的用户。如能进一步深入分析 11 月 22 日的数据,就可以更加了解营销成功的因素,比如广告创意和广告上线时间。

另外一个醒目的趋势是,周一或周二激活应用的用户带来了更多收入,营销人员也可以进一步了解缘由。这些日期是否大规模上线了广告?是否推出了特别的推广活动?销售量见长是否有其他外部因素刺激,还是该群组用户的固有属性所致?

如能给出这些问题的答案,就可以确定周一和周二最有可能带来营收,在这两天投入广告资源最有可能带来理想效果。  

简言之,群组分析提供最直观的数据走势,即刻凸显广告表现的显著趋势。

 

5. 再营销报告

再营销(Remarketing)是所有营销人员的必备工具,通过付费与自有营销渠道与老用户再次互动,提升用户忠诚度。统计显示,大部分 App 成功获取用户后的头 30 天便失去 95% 的用户,再营销由此成为对抗用户流失的利器,而它的成本也远低于新用户获取的成本。

如上图所示,渠道 3 和渠道 4 虽然并未记录曝光和点击,却通过再营销广告带来了额外营收。另外,渠道 2 再营销投入较多,转化率较高,但每用户平均收入(ARPU)较低。 

上图显示,渠道 4 的每用户平均收入排名最靠前,因此为该渠道加大预算投入是合理的。

 

LTV 数据 vs 活跃数据

需注意的是,除了活跃数据报告,其他营销分析报告都基于 LTV 数据,也就是说,所有 LTV 数据都关乎用户激活应用的时间节点与应用激活后查看报告数据的那一天。活跃数据报告的特殊之处在于,不论用户何时转化,始终呈现的是某一天、一周或一月的活跃数据。 

用等火车做类比,我们站在月台上看着火车呼啸而过,在某一时刻,我们看到的是同一时间所有乘客作出的所有活动,这是活跃数据。 

现在假设你身处火车上的一节车厢,你可以看到跟你同时上车的所有乘客的所有活动,这是生命周期数据。  

 

同样的数据 不一样的视角

从不同视角探索同样的数据,我们发现,每个数据报告给出不一样数据趋势和洞察,为营销人员提供了多重价值。结合所有数据报告可得出总体趋势,深入到每个报告可根据不同的 KPI 查看广告效果、提炼高颗粒度结论。 

总而言之,营销分析报告将海量数据变为深度洞察,是营销人员优化预算与广告的必备武器。

Michal Wagner

Michal 是 AppsFlyer 内容作家。她有丰富的写作经验,主题包括营销、数字转型、机器学习和电信技术等。这些都让她对移动归因和营销分析的相关事宜有了广泛的视角。Michal 的热情在于把复杂的主题变得容易让读者接受。
Background
准备好做出更佳决策了吗?