Yandex Ads, mobil uygulama pazarlama kampanyalarını optimize etmek için yeni özellikler sunuyor
Yandex Reklam Ağı'nın bir parçası olan AppMetrica'nın yeni LTV ve müşteri kayıp analizi özelliği, mobil uygulama pazarlama kampanyalarını optimize etmeyi sağlıyor. Bu özellik sayesinde reklam kampanyaları daha yüksek performanslı hale getirilebilir ve kullanıcı kaybının önüne geçilebilir.
Reklam Harcamalarının Satış Üzerindeki Getirisi'ni (ROAS) değerlendirmek ve mobil pazarlama kampanyalarını lansmandan haftalar sonra dahi optimize edebilmek için aylarca bekleme devri sona erdi. Yandex Reklam Ağı ile birlikte Yandex Ads hizmet portföyünün bir parçası olan AppMetrica'nın yeni LTV (Müşteri Yaşam Boyu Değeri) ve müşteri kayıp analizi özelliği, mobil uygulamada kullanıcı kazanımını artırıyor.
Aynı zamanda kampanyanın başladığı ve uygulama yüklemelerinin yapıldığı ilk günden itibaren müşteri yaşam boyu değeri ve müşteri kayıp olasılığı hakkında ürün yöneticilerine hızlı bir şekilde bilgilendirme yapıyor.
Mobil uygulama pazarlama sektöründe çok önemli bir ölçüt olan LTV, bir kullanıcının uygulama ile olan tüm ilişkisi boyunca getirmesi beklenen geliri temsil ediyor. AppMetrica'nın LTV analizi, yapay zeka kullanımıyla en yüksek LTV oranına sahip potansiyel kullanıcıları bularak bu kavramı bir üst seviyeye taşıyor.
LTV analizi, çeşitli kategorilerdeki onbinlerce uygulamanın anonimleştirilmiş verileri kullanılarak Yandex Makine Öğrenmesi (Machine Learning) teknolojisi üzerine kuruldu. Bu özellik, kullanıcı edinmeden sorumlu yöneticilerin en yüksek getiriyi sağlayacak olanlara odaklanarak stratejilerini optimize etmelerine olanak tanıyor.
LTV analizleri, her kullanıcıyı uygulamaya katıldıktan sonraki 24 saat içinde değerlendiriyor ve bunu takip eden 28 gün için bir LTV analizi oluşturuyor. Bu analize dayanarak,yöneticiler sadece birkaç tıklamayla en iyi LTV kullanıcıları için kampanyaları optimize edilebilir.
Yüksek performanslı reklam kampanyaları
LTV ve müşteri kayıp analizi ile;
Reklam kampanyasının ilk gününde hangi reklam kanallarının artırılacağı veya kapatılacağı görülebilir,
Doğru bir LTV analizi ile mobil uygulama ile yüksek değere sahip kitleye ulaşılabilir,
Gelir ve yatırım geri dönüşünü artırmak için yüksek performanslı reklam kampanyaları optimize edilebilir,
ROAS en üst seviyeye çıkarılabilir ve hangi kanallara daha fazla yatırım yapılması gerektiği anlaşılabilir,
Kullanıcılar, LTV ve kayıp olasılıklarına göre analiz edip karşılaştırılabilir,
Yüksek oranda kayıp olasılığı olan kullanıcı segmenti tanımlanarak, bu kullanıcıların kaybedilmesinin önüne geçilir.
Geleneksel metrikler olan "harcanan zaman" ve "etkileşim" gibi klasik optimizasyon önerilerinin aksine, yeni yapay zeka tabanlı analiz modeli, reklam kampanyaları için en yüksek kaliteye sahip potansiyel müşterileri bulmak için her kullanıcının potansiyel LTV'si hakkında geniş miktarda veri toplar ve analiz eder. Ayrıca, LTV analizleri kullanıcıları çeşitli LTV gruplarına (en iyi %5, en iyi %20, en iyi %50 ve en alt %50 gibi) ayırmanıza ve bunları karşılaştırmanıza olanak tanıyor.
Nasıl çalışır?
Mobil uygulama pazarlama sektöründe müşteri kaybı yaygın bir sorundur. Uzun vadeli başarı için uygulamayı bırakma olasılığı yüksek kullanıcıları belirlemek ve onları elde tutmak için proaktif önlemler almak çok önemlidir. AppMetrica'nın Kullanıcı Kayıp Analizleri, uygulama sahiplerine ve pazarlama ekiplerine, uygulamayı yükledikleri anda zamanla uygulamayı bırakma olasılığı en yüksek olan yeni kullanıcıları belirleme imkanı sunuyor.
Yapay zeka modeli, 3 haftalık süre boyunca tüm aktif kullanıcıları analiz ediyor ve aktiviteleri günlük olarak puanlıyor. Model, özel metriklere ihtiyaç duymasa da kurulumdan sonraki 3 hafta içinde pasif olma olasılığı daha yüksek olan kullanıcıları doğru bir şekilde tahmin ediyor. Oluşturulan rapor, tüm kullanıcıları dönüşüm olasılığına göre >%95, %75-%95, %50-%75 ve <%50 olmak üzere gruplara ayırıyor. Analiz, bir kullanıcıya "kayıp riski var" etiketi atandığında, bu etiketin doğru olma olasılığı % 99'dan yüksektir.
Bu özellik, analize dayalı analitikleri kullanarak, kullanıcıların uygulamayı bırakmasını önlemek amacıyla hedefli elde tutma stratejileri uygulanmasına olanak tanıyor. Örneğin kişiye özel anlık bildirimler ve teşvikler gibi araçlar sunabiliyor.