Михаил Веселов, менеджер по маркетингу OZON.ru, в докладе на тему: «Мобильные приложения – стратегия работы с трафиком на основе внутренних данных» делится опытом работы в области мобильного продвижения крупных проектов.

Как известно, сегодня существует три модели покупки мобильного трафика - это: CPM, CPC, CPA. При этом не исключено, что в конечном итоге, трафик будет продаваться по модели CPA. Пока же не так много игроков готовы работать по этой модели из-за целого ряда рисков. К таким рискам, к примеру, можно отнести высокую стоимость установок приложений и сложности при определении дальнейших действий пользователей внутри этих приложений.

В ближайшем будущем стоимость установок в рублевом эквиваленте продолжит расти, игроки мобильного рынка будут копить данные и экспертизу по покупке трафика, что, в свою очередь, будет повышать спрос на закупку трафика по CPA.

В настоящее время OZON.ru проводит тесты мобильной партнерской программы с динамической выплатой вознаграждения по модели CPI в зависимости от конверсии из установки в покупку.

При использовании СРА-модели возрастают риски, которые могут быть компенсированы большим объёмом данных, генерируемых пользователями устройства. Для последующего анализа необходимо настроить трекер и аналитику и записывать максимум событий, которые передают пользователи.

Все имеющиеся данные целесообразно разделить на три группы:

Выполняя ряд задач в области аналитики событий внутри приложений, специалисты OZON.ru увидели, что большинство покупок совершается в течение 1-2 недель. Их число растёт драматически в первые дни, а на 8-й день количество покупок резко сокращается. Эта ситуация может тянуться месяцами:

Это позволило сделать следующий вывод: независимо от того, какое событие является ключевым в приложении, нужно понимать, как быстро оно происходит. Если до его совершения проходит как минимум неделя после установки, появляется серьёзная задача – понять, что делать с трафиком. Найти решение помогает воронка конверсии при «линейном» поведении пользователя или предиктивная аналитика для хаотичного характера событий.

В последнем случае нужно загрузить имеющиеся данные в систему аналитики.

Аналитические сервисы позволяют выявлять взаимосвязи между различными событиями и вероятностью совершения покупки и анализировать трафик. Эти инструменты не дают 100% понимания того, что это за трафик, но они помогают принимать решения.

Ниже – пример сбора и анализа статистических данных, позволяющих осуществлять в дальнейшем предиктивный анализ поведения пользователей. На диаграмме показан ряд событий, которые были совершены в течение 3 дней, и количество конверсий по событиям на 14 день:

Данные о частоте покупок в сочетании с информацией о стоимости среднего чека, как правило, позволяют маркетологу сделать выводы о необходимости перевода пользователей в мобильные приложения.

На графике ниже показана частота повторных заказов пользователей OZON.ru в третьем квартале 2014 года:

Как видно из данных диаграммы, эффективность приложения с точки зрения стимулирования продаж оказалась на 16% выше аналогичного показателя для сайта. Следовательно, наличие приложения на устройстве пользователя позволит увеличить частоту повторных покупок.

Далее важно разобраться, что происходит с пользователями после совершения заказа. На этом этапе важно грамотно сегментировать клиентов. Выделяют три основных типа сегментации:

Обладая достаточно большим массивом данных о предыдущих и повторных покупках пользователей, можно с помощью инструментов аналитики выявить взаимосвязи и понять, какие именно товары и услуги и на каких условиях можно предлагать этим людям.

Впервые доклад Михаила Веселова прозвучал в рамках конференции ConversionConf 2016: трафик, конверсии, продажи, которая проходила в Москве 1 марта 2016 года.