Mobile Analytics 101: ARPU versus ARPPU

Você é um mobile ? Você gostaria de obter mais ROI do seu mobile usando seus dados e medição em sua plataforma de análise mobile Então você provavelmente deseja entender como a receita média por usuário (ARPU) e a receita média por usuário pagador (ARPPU) podem ser usadas para tomar melhores decisões de investimento para mobile . Em outras palavras, como você pode compartilhar o seu aplicativo instalar e reengate-se campanhas.

Nota rápida:

Como sempre, recomendamos o uso de ROI (não ARPU ou ARPPU) como sua principal métrica para qualquer esforço para medir e otimizar o marketing de aplicativos. O ROI é extremamente importante porque por si só diz em dólares e centavos, se o que você está fazendo faz sentido econômico. análises de marketing valiosas, pois fornecem orientações sobre os CPIs apropriados para o planejamento. São componentes críticos dos cálculos de ROI. No entanto, você precisa usá -los no contexto. Arpu alto é ótimo. High Arppu é maravilhoso. Mas não é tão bom, e não é tão maravilhoso se o seu custo de aquisição de usuários for maior.

Vamos começar com definições simples de ARPU e Arppu

Medição da ARPU definida

O ARPU é uma das medidas mais úteis em análises mobile . O ARPU é sua receita média por usuário, o que significa que a ARPU mede a receita total impulsionada pelo seu aplicativo dividido pelo seu número de instalações de aplicativos. Singular ajuda a calcular isso para todas as instalações de aplicativos, incluindo instalações de aplicativos pagos, instalações de aplicativos orgânicos ou instalações totais/pagas/orgânicas por um período específico. Além disso, você pode usar Singular para cortar ainda mais e citar suas análises mobile e medir dados da ARPU por país, fornecedor e campanha.

Medição de Arppu definida

O ARPPU é semelhante ao ARPU, obviamente, mas mede a receita média por usuário pagante. Arppu é uma medida que foi projetada originalmente para aplicativos baseados em assinatura, como um jogo que você paga uma taxa a ser usada todos os meses. A idéia principal era entender a qualidade dos usuários de jogos de pagamento, eliminando os usuários gratuitos ou não receitas da matemática. Como você pode esperar, essa medida é particularmente valiosa para aplicativos ou empresas de modelos freemium, onde um pequeno número de usuários impulsiona a parte do leão de sua receita. Outro lugar que Arppu é relevante é onde você tem receita de compra no aplicativo. Os dados do ARPPU tendem a ser particularmente relevantes para empresas de jogos que se concentram nas vendas de vendas de compras no aplicativo virtual (IAPs). Alguns optaram por pensar em Arppu como uma medida de usuários ativos , mas é literalmente uma medida de pagadores ativos.

ARPU Medição e instalação de decisões de alocação de fornecedores de campanha

Como você provavelmente já está ciente, a ARPU é uma métrica poderosa para análise de negócios geral e comparativa. Examinar os dados da ARPU em todas as suas instalações ou classes amplas de instalações como orgânico versus pago, ajuda você a entender a viabilidade geral dos negócios e a qualidade da sua experiência de aplicativo. Também ajuda a comparar jogos ou aplicativos diferentes em seu portfólio um contra o outro ao decidir onde investir em crescimento.

A ARPU destaca problemas e sucessos de maneira rápida e fácil. Se, por exemplo, você espera gerar mil dólares por usuário por ano, mas seu ARPU estiver em execução a apenas US $ 50 por ano, você claramente tem experiência, pagamento, engajamento ou outros problemas de produto que precisam ser abordados imediatamente.

Obviamente, alguns aplicativos são projetados principalmente para não gerar receita, mas para melhorar a experiência geral do cliente.

Isso pode ser aplicativos que não são de jogos para indústrias como a hospitalidade, onde o aumento das experiências dos clientes é visto como uma maneira de impulsionar a lealdade e a preferência da marca. Um exemplo seria um aplicativo complementar para um hotel. Esses aplicativos geralmente têm metas de receita relativamente baixas - talvez simplesmente parecer pares - ou nenhuma meta de receita direta. Nesse caso, você pode comparar sua ARPU com o custo de aquisição para verificar se o seu aplicativo está atingindo esse objetivo reconhecidamente modesto ou pode atribuir receita das suas atividades principais à contribuição que seu aplicativo está fazendo.

Mas os dados da ARPU são usados ​​principalmente para comparar fornecedores e campanhas entre si e determinar a qualidade dos usuários que você está recebendo. Ao examinar os dados da ARPU de diferentes redes de anúncios, por exemplo, você pode avaliar se determinadas fontes de mídia estão atraindo usuários ou clientes de maior ou menor qualidade para o seu aplicativo. Esse conhecimento em mãos, você pode tomar as decisões apropriadas de alocação de gastos com anúncios.

As boas notícias, caso agora você tenha certeza de como calcular o ARPU ou o ARPPU: ARPU e ARPPU são métricas que você pode obter facilmente na plataforma de análise unificada Singular .

Exemplo do mundo real: receita média por usuário/por usuário pagante

Para torná -lo um pouco mais real, vejamos um exemplo de como os dados da ARPU podem ajudá -lo a tomar melhores decisões de alocação de mídia.

Suponha que você trabalhou com apenas três fornecedores de mídia para dirigir instalações para o seu aplicativo. Todos estavam usando o mesmo criativo na mesma campanha. Ao longo de 90 dias, você encontrou o seguinte ARPUS:

A rede A está entregando a ARPU mais alta, 1,3% acima da rede B e 155% a mais que a Rede C, e claramente a rede A e a rede B estão atraindo um usuário de maior qualidade que a rede C, pelo menos para sua empresa ou aplicativo. É importante saber porque, mesmo que a rede C ofereça um custo um pouco menor por aplicativo (CPI) do que as redes A ou B, pode não compensar a diferença na receita por usuário do jogo. Se o seu custo por instalação para a rede A fosse de US $ 5, o CPI da Rede C teria que ser inferior a US $ 1,95 para que fosse tão econômico quanto a rede A.

O ARPU é uma medida direcional valiosa a considerar para a alocação do orçamento de jogos. Mas precisa ser considerado no contexto do ROI.

Se assumirmos, por exemplo, que a rede C cobra US $ 4 por instalação, colocar mais dinheiro na rede C é muito menos lucrativo do que colocá -lo nas redes A ou B. Isso ocorre porque o ARPU do fornecedor C é muito menor. Mas sem a ARPU, você pode confiar no CPI para tomar suas decisões de alocação. Muitas empresas fazem e acabam despejando mais dólares em canais e fornecedores que são realmente menos eficientes em gerar receita com custo equivalente.

Obviamente, aqui estamos focando em um componente do ROI como uma maneira de comparar figuras relativas de ROI.

Na análise acima, focamos nas diferenças entre a ARPU das redes. Mas o mesmo método de análise também pode ser usado para comparar campanhas e execuções criativas.

Usando Arppu para analisar seu negócio de jogo

O ARPPU é mais útil para empresas de aplicativos com receita proveniente de uma pequena fração do total de usuários. O exemplo clássico, é claro, é um jogo freemium. O Arppu ajuda porque avalia o processo de monetização do seu aplicativo e o fluxo do comprador. Quando apenas uma pequena fração de usuários for pagadores, o Arppu será muito mais fácil para você ver os efeitos de um novo processo de monetização nos compradores existentes.

Aqui está o que queremos dizer.

Uma melhoria de 10% na receita média por pagador, impulsionada por um melhor processo de monetização para um aplicativo com 1.000.000 de instalações, mas apenas 30.000 pagadores seriam fáceis de detectar em um teste. Metade dos seus compradores passam pelo processo de teste, a outra metade do controle e o resultado revela uma diferença de 10%. Mas se você tivesse usado o ARPU, dividiria a diferença de receita em 500.000 instalações e, portanto, o impacto pareceria insignificante.

Veja abaixo:

 

Neste exemplo, uma alteração de 2,5 centavos na ARPU no seu teste versus o processo padrão padrão não parece muito. Na verdade, você pode pensar que nada realmente aconteceu: são apenas 2,5 centavos a mais.

Mas se você olhar para Arppu, o impacto de suas mudanças se torna óbvio. Quando você está apenas olhando para pagar usuários, a diferença é quase um dólar. Claramente, o Arppu é útil em determinadas circunstâncias para aplicativos com muito mais usuários do que pagadores.

===================

Singular ajuda os profissionais de marketing orientados a dados a se conectarem, medirem e otimizam dados de marketing em silêncio, fornecendo as idéias vitais necessárias para impulsionar o ROI. Nossa plataforma de análise unificada rastreia bilhões de dólares em gastos com marketing digital para otimizar o valor da receita e da vida entre os setores, incluindo serviços de comércio, viagens, jogos, entretenimento e sob demanda.
Se você quiser aprender mais ou ver uma demonstração da plataforma de análise unificada Singular entre em contato .

 

Participação de mercado e o futuro emocionante do Singular

Recentemente, falava em uma conferência de marketing mobile em São Francisco e vi o estande de um concorrente.

No estande, o concorrente mostrou a participação relativa de mercado dos vários provedores de atribuição mobile . Previsivelmente, o deles era mais alto. Outros jogadores não apareceram muito bem, e Singular foi um deles.

Eu adorei. Porque eles não entendem o que fazemos.

Jogando um jogo diferente

A atribuição Mobile é uma peça muito crítica em um quebra -cabeça muito maior.

É por isso que adquirimos um MMP , re-arquitetamos como parte de uma solução holística em vez de uma solução pontual, e é por isso que estamos conquistando um grande número de clientes de nível One.

De fato, Singular tem mais clientes, impedindo nenhum dos 100 principais aplicativos de bilheteria no Android e nos 100 principais aplicativos de bilheteria no iOS do que qualquer um de nossos concorrentes. 46% dos 100 principais aplicativos para iOS são clientes Singular (e 50% dos 50 primeiros) e 46% dos 100 principais aplicativos para Android são clientes Singular (e 50% dos 50 melhores).

Isso porque oferecemos algo diferente.

Algo maior.

Singular é uma plataforma de inteligência de marketing. Nossa missão é fornecer informações acionáveis ​​aos nossos clientes, os melhores profissionais de marketing científicos do mundo.

Fazemos isso resolvendo o enorme problema de explosão e fragmentação de dados no ecossistema de marketing na mobile , Web, TV, offline, além de pago, email, push, orgânico e qualquer outra forma de marketing. Vamos além dos limites da publicidade mobile e da atribuição mobile , e somos o único painel de vidro para toda a sua atividade de marketing.

Toda empresa do mundo precisa disso.

Olhando para o futuro

Hoje, unificamos o maior espectro de mais de 2.000 tecnologias de marketing. E é apenas o começo.

Para ecoar Jeff Bezos, é o primeiro dia .

Para nós, o que importa é ter a melhor estrela do norte. E esses são os principais clientes. Em todos os mercados, as principais empresas são uma fonte constante de inveja e imitação dos iniciantes e empresas menores.

Desde o nosso lançamento em 2014, e até este momento de digitar isso, esses principais clientes são a fonte mais forte de influência em nosso roteiro. Isso, combinado com a nossa visão, está nos ajudando a avançar.

Temos muito na cozinha. Você começará a ouvir mais sobre isso em janeiro. Nossa visão é enorme e estamos bem capitalizados para que isso aconteça.

Para nossos incríveis clientes Singular , nossa única missão é ser um grande e inovador parceiro que sempre colocará dois passos antes da competição. Aceite nada além de impulso incansável para servir, coberto com o creme de chicote da inovação de classe mundial.

Isso é o que é o melhor.

E nosso objetivo é servir o melhor.

Explosão de dados: a verdade feia que enfrenta as pilhas de tecnologia de marketing modernas

A tecnologia de marketing é uma indústria de rápido crescimento. Vale US $ 230 bilhões a cada ano e cresce 20% ano a ano, disse Recentemente, o CEO Singular Gadi Eliashiv no Unify.

Mas isso é um crescimento lento em comparação com os próprios dados de marketing.

"Os dados de marketing estão explodindo", disse Eliashiv. "Está crescendo muito mais rápido que a própria indústria".

Por que?

Existem pessoas mais conectadas, muitas com vários dispositivos. Isso é mais atividade digital, o que gera mais dados e mais estatísticas. Existem mais soluções de software para a Martech e a AdTech, e cada uma delas ingere, consome e gera dados adicionais.

E com esse aumento da atividade digital - mais a jornada do cliente é digital agora do que nunca - os profissionais de marketing construíram mais métricas para entender o que visitantes, usuários e clientes estão fazendo.

A atual pilha de tecnologia de marketing para uma empresa pode incluir facilmente mais de 100 ferramentas de Martech, disse Eliashiv. Atualmente, a empresa média possui 91 serviços em nuvem para marketing, de acordo com os dados do Netskope citados por Kleiner Perkins e "Chief Martech" Scott Brinker.

Isso coloca um grande poder nas mãos dos profissionais de marketing.

Mas também é um grande problema.

"Isso cria grandes desafios para os profissionais de marketing", diz Eliashiv. "Os dados são isolados, os dados não são padronizados e os dados não são acionáveis."

Se estivesse apenas isolado, a solução pode ser simples, embora tediosa: fazer login em vários painéis, baixar vários relatórios de PDF, exportar várias planilhas do Excel e combinando todas em um sistema interno de BI ou em uma planilha de monstros.

E ... fazendo a mesma tarefa a cada semana (a menos que você queira mais dados em tempo real, nesse caso, você pode fazê-lo com mais frequência.)

Mas os dados também são não padronizados. As convenções de nomenclatura diferem. As definições de termos como "visualizável" diferem. As porcentagens estão em diferentes números básicos. Conversões significam coisas diferentes em diferentes sistemas. Portanto, os dados precisam ser normalizados para fazer sentido.

Só então é verdadeiramente acionável.

"Nós entendemos tudo isso", disse Eliashiv. "Construímos uma infraestrutura que coletará todas as informações de todas as soluções possíveis e depois oferecem informações sobre ela".

Isso inclui dados de marketing: o que a equipe está fazendo, onde está gastando dinheiro e quais campanhas estão acontecendo em todos os canais e parceiros. Inclui dados de atribuição, que estão simplesmente vinculando esses dados de marketing a resultados. E inclui dados do cliente: os KPIs ou ações que os departamentos de marketing estão tentando dirigir.

"O principal desafio para os profissionais de marketing é como você torna seus dados acionáveis", diz Eliashiv.

"Para ajudar os profissionais de marketing a ter sucesso nesse espaço fragmentado, estamos fazendo três coisas: conectando todos os dados de todos os silos, padronizando essas informações para que estejam prontos para consumo e análise e analisando as informações e tornando -as acionáveis".

Essas três etapas simples?

Eles adotam a explosão de dados - um desafio feio e inconveniente para muitos profissionais de marketing modernos - e o tornam um ativo incomparável.

Vá mais fundo: descubra como o Lyft e combine acelere seu crescimento .

Como Singular oferece análise de roi de aplicativo incrivelmente rápida

Os profissionais de marketing de aplicativos Mobile precisam acessar dados cada vez mais granulares para medir com precisão o ROI do aplicativo - o que inevitavelmente requer processamento de grandes volumes de dados em tempo real. Isso pode diminuir drasticamente os tempos de consulta do banco de dados, criando gargalos para os profissionais de marketing e impedindo que eles otimizem o mais rápido possível e frequentemente que quiserem. Chame de Catch-22 do marketing mobile moderno: uma necessidade cada vez maior de velocidade em meio a uma inundação cada vez maior de dados.

Na Singular , a edição veio à tona à frente de nossa última oferta de análise para profissionais de marketing, editora ROI . O editor ROI permite que os profissionais de marketing exponham rapidamente um detalhamento do inventário de uma rede de anúncios pelo editor e determinem os sites e aplicativos individuais que impulsionam o melhor desempenho.

Os testes antecipados do recurso mostraram que as consultas do cliente para dados no nível do editor exigiram um enorme aumento no poder da computação-no valor de 50-100x os dados normalmente ingeridos e processados ​​para consultas no Singular . Como vimos o Consery Times Spike durante os testes, ficou claro que tínhamos atingido um grande marco de startup: tínhamos superado nossas tecnologias de banco de dados.

Para lançar nossa mais recente inovação e continuar oferecendo aos profissionais de marketing de aplicativos mobile acesso rápido e flexível a dados de marketing cada vez mais granulares, precisaríamos introduzir um novo pipeline e armazenamento de dados-um capaz de permitir consultas ad-hoc em um bilhão de linhas com desempenho de sub-secas.

Nesta postagem, descreveremos como reconstruímos certos componentes de nossas tecnologias de banco de dados e aumentamos drasticamente a velocidade das consultas de nossos clientes - em alguns casos por um fator de 150x .

Mas antes de mergulharmos em como aceleramos as consultas de nossos clientes, vale a pena dar alguns antecedentes sobre as necessidades em evolução dos profissionais de marketing de aplicativos mobile e o tamanho dos desafios de dados que enfrentamos em proporcionar a eles uma plataforma de análise tão flexível quanto Singular.

Desde os primeiros dias do Singular, ficamos de olho nos tipos de perguntas que nossos clientes estavam concorrendo no Singular. Tentamos identificar padrões para criar sistemas que antecipavam as dimensões que um profissional de marketing poderia usar em suas consultas. Mas rapidamente descobrimos que havia uma enorme diversidade nos relatórios e consultas que os clientes estavam em execução, com inúmeras combinações de diferentes dimensões e métricas.

Pense nisso em termos de linhas em uma tabela. Digamos que você anuncie em uma rede de anúncios que executa seus anúncios em 100 editores diferentes. Você pode verificar o ROI geral da rede - com Singular, essa é apenas uma linha de dados. Para expor um detalhamento do desempenho de cada editor individual, a fim de segmentar o alto desempenho de editores com baixo desempenho, você precisaria renderizar 100 linhas de dados. Agora diga que você está executando 4 campanhas de vários países e deseja ver se certos editores estão se saindo particularmente bem em certos geos-agora você está olhando para 400 linhas. Deseja uma separação de dados do iOS e Android? - São 800 linhas.

Esse tipo de complexidade levou à nossa primeira conclusão sobre a arquitetura do banco de dados que poderia suportar nossas necessidades. Como o uso do Singular é tão diverso, com inúmeras combinações de dimensões de consulta, precisávamos apoiar consultas ad-hoc ou consultas que não podem ser determinadas antes do momento em que são emitidas. Como a maioria dos engenheiros de dados sabe, os bancos de dados que são realmente otimizados para a consulta ad-hoc geralmente não são bons em atualizar dados após serem ingeridos. Portanto, precisávamos ingerir dados em nosso banco de dados em sua forma final .

Ingestão de dados no Singular

Na Singular , executamos cerca de 10.000 coleta de dados de marketing por dia. Cada tarefa de coleção é responsável por coletar dados para um cliente específico de um de seus fornecedores de marketing de terceiros de uma janela de 1 a 30 dias atrás. Nosso pipeline de ingestão é distinto no volume de dados que cada tarefa coleta (as estatísticas granulares do Facebook por 30 dias são enormes) e porque coletamos dados de fornecedores que tendem a atualizar dados retroativamente regularmente, o que exige Singular para trocar constantemente estatísticas antigas com dados recém -atualizados.

Nosso pipeline de ingestão carregou anteriormente dados no MySQL e continuou executando várias lógicas de ingestão, consultando os dados e usando atualizações. Depois que os dados estavam disponíveis, as consultas acionadas pelo nosso painel e API também atingiriam o MySQL.

Isso está funcionando bem para nós-ou seja, até que introduzimos a coleção e a consulta no nível do editor. Com o grande aumento no volume de dados, o carregamento para o MySQL ficou mais lento, criando gargalos em nosso pipeline. Além disso, a execução de consultas de análise neste volume de dados foi simplesmente muito lenta.

Projetando um novo pipeline de ingestão

Para suportar um número infinito de tarefas, com um tamanho cada vez maior de dados ingeridos, pretendemos construir um pipeline que fosse horizontalmente escalável (ao contrário do MySQL). A escolha do serviço de armazenamento simples da Amazon ou "S3" para suportar essas dependências era óbvio. Já estávamos usando o S3 para fazer backup de nossos dados antes de inseri -los no MySQL. Além disso, é escalável horizontalmente, requer zero operações e oferece velocidade rápida de download/upload ao trabalhar nos serviços da Web da Amazon.

Assim, nossa nova arquitetura de ingestão depende do S3 com apenas os metadados armazenados em MySQL. Em vez de consultar e atualizar o MySQL, cada componente do nosso pipeline recebe um arquivo S3 como entrada e passa outro arquivo S3 que contém os dados que recebeu juntamente com as novas informações que o componente produz.

O final do nosso pipeline envia os dados para um balde S3, contendo as estatísticas mais atualizadas por cliente, fonte de marketing e data. Isso permite a execução de tarefas de coleta de dados em paralelo e faz deste bucket a fonte da verdade para o nosso sistema.

Em direção a um novo armazenamento de dados

Com nossos dados em sua forma final, prontos para serem consultados no S3, nossa escolha de DataStore foi super flexível. Anteriormente, construímos uma pequena camada de abstração entre nossa API e MySQL, que poderia ser adaptada para suportar qualquer linguagem ou esquema de consulta. Assim, ao avaliar novos bancos de dados, sabíamos de antemão que a decisão não era final, pois os custos de comutação eram tão baixos. No final, selecionamos o Druid, um armazenamento de dados de código aberto desenvolvido para a necessidade exata de consultas agregadas sobre os dados de análise de marketing.

Uma vez implementado, ficamos emocionados com os resultados: com druidas, as consultas que uma vez 60 segundos levaram 1-2 segundos , enquanto as consultas que levaram 30 segundos levaram menos de um segundo . Em certos casos, vimos melhorias nos tempos de consulta do banco de dados até 150x em comparação com o sistema antigo.

Todos esses desenvolvimentos nos levam ao início deste ano, quando começamos a ativar o ROI no nível do editor para clientes selecionados em um teste beta fechado do recurso. A versão beta serviria como o melhor teste de estresse para nossa nova arquitetura.

Granularidade e velocidade para a vitória

Como uma atualização no ROI no nível do editor e por que é tão inovador, aqui está um pouco de formação da indústria. As redes de anúncios normalmente compram inventário que consiste em slots de anúncios em centenas, às vezes milhares, de sites e aplicativos. Esses sites e aplicativos, conhecidos individualmente como "editores", são onde os anúncios dos profissionais de marketing são executados.

Nos últimos anos, os profissionais de marketing de aplicativos mobile exigiram mais visibilidade do desempenho no nível do editor, a fim de identificar os bolsos de seu tráfego mais valioso. As redes responderam fornecendo IDs de editores nos dados de desempenho que expõem aos profissionais de marketing. Os profissionais de marketing, por sua vez, usam esses IDs de editores ou sites para otimizar, aumentando os gastos em editores de alto desempenho e os gastos decrescentes ou a "lista negra".

Historicamente, no entanto, a otimização do editor em várias redes tem sido um processo árduo e propenso a erros, exigindo que os profissionais de marketing alternem entre vários painéis e atualizem manualmente os arquivos do Defuso Excel. O processo é particularmente doloroso para os profissionais de marketing que desejam analisar o desempenho de editores não apenas por taxas de cliques ou contagem de instalação bruta, mas pela qualidade real desses usuários, conforme medido pelo ROI.

Singular automatiza o processo de coleta de todos os seus dados de marketing sob o mesmo teto, antes de limpar e combinar os dados com receita e eventos recuperados dos links de rastreamento para expor o ROI do aplicativo e outras métricas de negócios de funil completo.

Mas, como mostramos aqui, uma vez ingerido, enriquecido e combinado, tornando os dados no nível do editor rápido e flexível é uma besta inteira 'nada. É exatamente por isso que investimos tanto em nosso novo pipeline e armazenamento de dados. Os profissionais de marketing de aplicativos Mobile precisam de granularidade e velocidade - e estamos orgulhosos de dizer que os resultados falam por si.

Como lançamos o ROI no nível do editor para nossos clientes de teste beta que agora estão em execução em nosso novo sistema baseado em druidas, os clientes relataram tempos de carregamento com raios, mesmo com o aumento maciço no volume de dados.

E as melhorias de desempenho não se limitam à consulta no nível do editor. Com Singular e com uso intensivo de dados-para expor a campanha, o país, o desempenho criativo e no nível do usuário -agora está mais rápido do que nunca, graças a esses avanços em nossas novas tecnologias de banco de dados.