Der User Lifetime Value (LTV) ist eine wichtige Kennzahl zur Messung der Umsatzentwicklung einer App. Die genaue Messung des LTV erfordert viele personelle und materielle Ressourcen … und dank der Entwicklung der KI wird dieser Prozess einfacher.
Herr Anton Ogay, Product Owner für App-Kampagnen bei Yandex Ads – einem der führenden globalen Werbenetzwerke, spricht über das Potenzial des Lifetime Value (LTV):
PV: Welche Rolle spielt der Lifetime Value (LTV) dabei, App-Entwicklern zu helfen, weltweit wettbewerbsfähig zu sein?
Anton Ogay: LTV-Daten ermöglichen Entwicklern die Optimierung von Einnahmequellen wie In-App-Käufen und In-App-Werbung, indem sie den Wert ermitteln, den ein Benutzer schaffen kann, und die Kosten für die Akquise. Somit hilft der LTV dabei, den Wert zu bestimmen, den Benutzer für die Anwendung schaffen. Entwickler können sich auf die Benutzerdatei konzentrieren und den höchsten Wert schaffen, um den Anwendungsverkauf zu optimieren, indem sie effektive Marketingaktivitäten vorschlagen, die auf die gewünschte Benutzerdatei abzielen. Der LTV geht über oberflächliche Kennzahlen wie App-Downloads und App-Nutzungsdauer hinaus. Er bietet Einblicke in das globale Verhalten und die Präferenzen der Benutzer und ist für Entwickler die Grundlage für den Start effektiver Kampagnen mit langfristigem Erfolg.
Wie misst man den LTV? Auf welche Schwierigkeiten sind Ihrer Beobachtung nach die Herausgeber von Handyspielen gestoßen, wenn für ihre Apps der LTV nicht gemessen werden konnte?
Beim LTV werden verschiedene Faktoren wie der durchschnittliche Umsatz, die Kaufhäufigkeit, die Gewinnspanne und die Kundentreue berücksichtigt, um den Gesamtumsatz zu ermitteln, der von einem Kunden im Laufe der Zeit generiert wird. Infolgedessen stehen Entwickler vor der Herausforderung, riesige Mengen an Daten zu verwalten, die ungenau oder unvollständig sein können und so genaue Einblicke in das Benutzerverhalten und die Umsatzgenerierung verhindern. Um optimale Messergebnisse zu erzielen, benötigen Spieleentwickler eine große Menge an Benutzerdaten. Dies kann jedoch für Entwickler, insbesondere kleine und mittelgroße Entwickler, die sich dies nicht leisten können, eine Herausforderung darstellen. Dies setzt die App-Entwickler zusätzlich unter Druck. Darüber hinaus wird mit dem Aufkommen künstlicher Intelligenz die Unterstützung bei der LTV-Messung präziser und hilft Entwicklern, das Benutzerverhalten besser zu verstehen und so ihre Marketingstrategien wirksam zu optimieren.
Wie lässt sich also KI zur Messung des LTV anwenden?
KI-gestützte Modelle können Daten aus einer Vielzahl von Quellen, wie etwa App-Nutzungshäufigkeit, Benutzerverhalten und Markttrends, analysieren, um den zukünftigen LTV für einzelne Benutzer oder Gruppen vorherzusagen. Diese Modelle können zukünftige Trends erkennen, die für Menschen möglicherweise nicht sofort erkennbar sind, und bieten genauere und umfassendere Einblicke in den Benutzerwert. So haben wir beispielsweise auf der App-Analyseplattform AppMetrica ein prädiktives LTV-Modell integriert, das auf der maschinellen Lerntechnologie von Yandex Ads basiert und anonymisierte Daten aus Zehntausenden von Apps aus verschiedenen Kategorien verwendet. Dadurch können App-Teams auch ohne Daten aus der App selbst genaue Vorhersagen zur Monetarisierung treffen. Daher analysiert das Modell innerhalb von 24 Stunden nach der Installation der App mehrere LTV-bezogene Kennzahlen und weist die Benutzer anhand ihrer Fähigkeit, Umsatz für die App zu generieren, Gruppen zu. Dabei werden sie in die oberen 5 % der Benutzer mit dem höchsten LTV bis hin zu den oberen 20 % oder 50 % der Benutzer mit dem höchsten LTV unterteilt.
Kennen Sie Beispiele für erfolgreiche KI-Anwendungen bei der Messung und Prognose des LTV?
Wie ich bereits erwähnt habe, haben kleine Entwickler oft Schwierigkeiten, auf genügend Daten zuzugreifen, um den LTV zu berechnen und vorherzusagen. Um dieses Problem zu lösen, haben wir den Prozess automatisiert und Daten von der Yandex Direct-Plattform, Yandex‘ eigener Plattform für Werbetreibende, abgerufen. Yandex Direct verfügt über eine riesige Datensystemressource, die auf Zehntausenden von Anwendungen und Benutzerdateien von bis zu Hunderten Millionen Menschen basiert. Mithilfe dieser Modelle können Werbetreibende für mobile Apps mehr Conversions nach der Installation erzielen und so den Umsatz steigern, insbesondere bei Pay-per-Install-Kampagnen. Sobald die Daten von Yandex Direct erfasst wurden, beginnt der Algorithmus von AppMetrica mit der Berechnung eines LTV-Vorhersagewerts für den Benutzer. Wir haben diesen Score zum Trainieren unserer Modelle verwendet und die Wahrscheinlichkeit von Zielaktionen nach der Installation in die Vorhersage einbezogen. Basierend auf diesem Score passt das System die Werbestrategie automatisch an.
Durch das Sammeln von Daten lernt das Modell und passt sich dem Verhalten von Objekten in einer bestimmten Anwendung an, wodurch die Vorhersagegenauigkeit auf 99 % erhöht wird. Die Zuverlässigkeit dieser Vorhersagen beruht auf der großen und vielfältigen Menge anonymisierter Daten, die wir analysieren. So können wir Muster und Trends erkennen, die für Menschen möglicherweise nicht sofort erkennbar sind. Diese Daten werden zum Erstellen von Vorhersagemodellen verwendet, die genaue und umfassende Einblicke in den Benutzerwert bieten.
BINH LAM
[Anzeige_2]
Quelle
Kommentar (0)