30 Min. Read

购物应用移动归因与营销分析全指南(2022 版)

Avatar ֿ Apr 11, 2022

引言

疫情加快了移动网络的普及速度,再加上市场上持续出现更多产品和服务可供选择,消费者的需求推动品牌重视移动电子商务,让用户可以随时随地购物。

实际上,到 2022 年,人们在移动设备上所增加的使用时间将大把地投入在购物上,仅在美国,就预计有 85% 的移动商务销售额来自智能手机。

然而,虽然应用内购物呈爆炸式增长,但仍有零售商尚未将其注意力集中在这一关键触点上,而是认为有移动网站就已经足够了。但由于应用内购物已经成为消费者购物模式的重要组成部分,零售商必须制定恰当的移动应用策略,以便推动:

品牌忠诚度(考虑主屏幕图标)

互动(通过推送通知)

销售 – 受用户体验推动的原生应用体验是强大的转化利器,根据 Criteo 的数据,在同时拥有原生应用和移动网页的零售商中,前者的转化率比后者的转化率高出 3 倍。

对于任何试图与其受众建立联系并实现健康的净利润结果的全国性零售商而言,移动零售应用不再是锦上添花之物,而是一个关键瓶颈,是消费者生命周期不可或缺的组成部分(超过 40% 的消费者使用移动设备互动)。

 

主要挑

虽然购物应用可以在推动品牌忠诚度和销售方面发挥重要作用,但它们也需要克服一些挑战:

  • 在竞争激烈的市场中确保应用忠诚度和多次购买。市面上有如此多的电子商务渠道和购物品牌可供选择,用户购买单个产品时几乎拥有无限的选择。除此之外,阿里巴巴和亚马逊等全球购物巨头日益占据市场主导地位。

尽管向用户提供折扣或优惠等常见的零售营销手段也许能有效获客,但并不一定能保证忠诚度或稳定的收益。

  • 隐私时代的移动成效衡量

在过去几年里,隐私已成为移动应用营销关注的焦点,尤其是在 iOS 平台上(Android 的变化至少还有两年)。

Apple 推出的 ATT 弹窗严重限制了其唯一标识符 IDFA 的可用性。因此,用户级数据不再唾手可得。

应用所有者如今可以诉诸许多全新的以及旧有的解决方案,以便能够获得有可行性的细粒度见解。其中包括:

  • SKAdNetwork – Apple 的确定性汇总归因解决方案。在此框架中,SKAN 转化值让营销人员能够对安装后的用户价值进行评分。
  • 用户级确定性归因 – 许多购物应用的 ATT 授权率在 47% 左右,这不仅使这些用户具备完整的数据粒度,而且还能够帮助对未许可的受众进行细分。
  • 汇总概率性建模 – 一种利用机器学习来估计广告活动效果的统计技术,准确度极高。
  • 预测分析 – 让营销人员能够在漏斗早期仅依靠少量数据点,即可自信满满地做出关于用户未来价值的数据驱动型决策。
  • 自上而下的衡量 – 增量(识别增量收入的驱动因素以便优化预算分配)和媒体组合建模(简称 MMM,衡量广告活动的影响,以帮助确定各种因素如何带来净利润)等整体衡量方法。
  • 数据净室 – 在高度安全、只看权限的环境下实现尊重隐私的衡量和优化,广告主无需访问用户级数据,即可利用用户级数据洞察。

这些以隐私为中心的变化对营销人员衡量用户生命周期价值(LTV) 、规划再营销活动和细分受众的能力均带来直接影响。幸运的是,创新一直充满信心地走在衡量前沿,据数据显示,衡量能力已基本恢复到 ATT 推出之前的水平。

作弊

根据 AppsFlyer 数据显示,平均应用安装作弊率为 11%(有 11% 的购物应用安装实际上是虚假的),而仅购物应用中的财务风险就高达 21 亿美元。

个性化

推动持续转化和多次购买在很大程度上取决于个性化的用户体验。这可以通过深度链接、推送通知以及包含促销或折扣的定向广告来实现。

然而,虽然转化购物用户的回报非常高,但在 ATT 和 GDPR 盛行的时代,营销人员必须在尊重用户隐私与满足用户对个性化应用体验的期望之间找到平衡。

串联多个触点

鉴于线上线下的广告曝光以及多个触点的可用性,消费者的购物旅程通常横跨多个设备、平台和渠道。

一次购买可能从门店内开始,在网上进一步搜集相关信息,随后在应用中购买 — 而这只是一个例子而已。

因此,将这些不同的触点串联起来并且确保已将恰当的数据关联至应用,这可能是一件充满挑战的事情。

与高效的归因和衡量供应商合作有助于缩小差距,大幅改善用户体验,对营销贡献因素进行归因,并最终提升 LTV。

解决方案:一切以细粒度衡量为基础

应用营销的一大黄金定律:没有衡量和优化,就没有策略和进程,不仅基本 KPI 如此,细粒度指标亦如此。这些指标让您能够映射转化漏斗的各个阶段,以了解获客和再互动。反过来,您将能够深入了解自己正在寻找的用户,并提升其整体营销效果。

如果您刚刚开始使用移动归因和营销分析,我们建议您先阅读这些指南。

Shopping apps measurement & analytics: Chapter 1 - User acquisition - What to measure and set up

第一章

获客 – 衡量什么,设置什么

在开始设置获客活动之前,首先必须具备一些能力来指导您的设置朝着正确方向发展。我们来了解一下基本要点:

1. 事件配置

要开始讨论细粒度衡量对成功获客的重要性,我们来深入了解一下它在实践中的真正含义。

下表探讨了精明的购物应用营销人员为优化工作并为其应用引入最高价值的用户而设定的一些主要衡量指标。左列包含特定垂类的目标,而右列包含的是通过哪些指标可以实现这些目标。

请注意,尽管上述所有指标对提高购物应用的盈利能力都很重要,但业内领军者格外关注当天和 7 天购买金额和购买率,以及当天和 7 天 ROAS。

 

 

目标KPI
激活相关
• 获客
• 成本
自然/非自然划分
• 月度同比增长率(非自然)
• CPI/CPA
• ROAS
互动相关
• 粘性
• 短期忠诚度
• 长期忠诚度
• DAU/MAU
• 1 日、7 日、28 日和 30 日留存率
• 8 周、12 周留存率
• 7 日、30 日和 60 日卸载率
购买相关
• 提升首次购买率
• 提升重复购买率
• 提升平均订单价值 (AOV)
• 重定向用户订单
占比
• 负收入取消率和/或退回原址的购买量(当用户要求退款时
• 购物篮系数
• 在 90 天内进行 1 次、2 次、3 次或 4 次以上 IAP 的用户百分比
• ARPU:1 天、7 天、14 天、30 天和 90 天
• 第一周转化率(在第一周内有多少用户进行
购买)
• 首次购买与第二次、第三次购买之间的时间间隔
• 首次购买与后续购买之间的 AOV 增长率
• 首次购买率与重复购买率
• 当天、7 天和 30 天购买率,独立用户数和事件次数 – 同时包括累计天数和单独天数
漏斗转化• 安装到注册百分比
• 安装到加入购物车百分比
• 安装到结账百分比
• 安装到购买百分比
串联各个触点• 独立新用户(应用引流,未与其他触点互动)
• 在网页上开启旅程并在应用内转化的用户百分比
• 在多个平台购物的用户数量
• 已完成多平台转化百分比
• 各个平台上的用户价值对比
• 每个平台的 AOV
• 每个平台的用户百分比

衡量富应用内事件的原因和方式

为了优化针对高质量用户的广告活动,并在此过程中促进互动和提高收入,我们收集恰当数据的深度非常重要。

这也意味着,我们需要处理和分析的数据量十分庞大,不过有了正确的技术栈、设置和归因平台,可以让营销分析变得容易得多。

但是话说回来……我为何需要衡量富应用内事件和其他细粒度数据?

高效的获客、互动、再营销都是在富应用内事件基础上通过建立受众和优化媒体来源、渠道、广告活动及创意来推动的。

这些富应用内事件添加了可帮助描绘出理想用户行为的可用参数层和已衡量参数层。

借助您从衡量和归因供应商那里收到的原始数据,您将能够真正看到自己可能会错过的用户趋势和模式,并全面了解用户活动和行为,无论他们执行操作的平台、渠道、设备和时间是怎样的。

我们来看两个示例,表明标准应用内事件与富应用内事件之间的区别:

曾经是简单的“购买”,现在变成了内容类型(例如,红色连衣裙或蓝牙音箱)、特定内容 ID、数量、货币,甚至是收入金额。

所有这些参数随后可以进行划分和切割,以瞄准与当前用户行为类似的受众,这些用户可能浏览了特定类型的内容、具备特定购物车数量,或者使用某种货币进行支付 — 以便触及不同的人口统计学特征、地区或有价值的购买者。

富应用内事件的粒度还可应用于其他事件,例如,“搜索”、“内容浏览”、“注册/登录/注册”、“添加至心愿单”或“加入购物车”。这将基于您尝试吸引或重新吸引用户所处的转化漏斗阶段以及最终的转化目标。

2. 深度链接

Shopping apps measurement & analytics: Deep linking

应用营销技术栈中最强大的工具之一就是深度链接,它可以跨渠道、平台和设备创建情境相关的用户体验。它是如何做到这一点的?

利用深度链接中包含的信息,可以直接将用户引流至应用内的特定产品或广告活动落地页,通过实现推广活动至相关落地页面的无缝跳转,从而更有可能推动转化。

在购物垂直领域中,深度链接最常用于根据之前的浏览或购买行为将客户引导至产品页面。

您可以将用户从桌面或移动网页端引导至应用,发送电子邮件以实现长期留存率,并传递重要的优惠和促销活动,以推动应用内转化量。

要开始使用深度链接,您必须首先配置深度链接。幸运的是,可以通过在应用中植入代码或者通过启用关联域来轻松完成配置,具体取决于所采用的方法。

还要注意的一点是,特定产品页或产品详情页 (PDP) 以及更广泛的类别页或产品列表页 (PLP) 均需要深度链接。

会将用户引流至哪个目的地主要取决于:

  • 深度链接广告活动目标

之前收集的许可用户信息(即,已浏览内容、购买历史记录、位置等),必须提前决定和了解。

关于深度链接及其如何显著影响用户体验的更多信息,请阅读我们的体验回报率指南。

高级深度链接策略

成熟的购物应用营销人员使用深度链接,利用“Open in App”行为召唤智能横幅特意将用户从移动网页端引流至应用。

这些行为召唤 (CTA) 通常会与那些为应用内用户提供促销和优惠的广告活动紧密结合。例如,与在网站上购物相比,在应用内购买可享受 5-10% 的折扣。

通过放置在这些横幅中的深度链接,营销人员可以引导用户安装他们的应用(如果尚未安装的话),顺畅引导至之前浏览过的相同产品或类别页面,然后到结账页面进行购买。

但为何营销人员首先想要将用户从移动网页端重新引导至应用呢?简单来说,应用是最终目的地,因为它可以提供无与伦比的数据洞察和巨大的品牌影响力。

当用户点击智能横幅弹窗并跟随它来到应用内的页面时,您可以收到关于该用户后续应用内活动、访问的产品 ID 和类别页面的数据,甚至可以追溯来自用户访问移动网站旅程的归因数据。

然而,除了收集到的有价值数据之外,智能横幅还有助于改善用户体验,提升整体更高品牌忠诚度和参与度的可能性。

当选择深度链接解决方案时,务必确保该方案不仅支持您的增长需求,而且还与最新的隐私和安全指南保持一致,同时您的广告活动也符合最新的用户隐私和安全法规。

3. 衡量卸载

Shopping apps measurement & analytics: Uninstall measurement

仅仅通过将用户顺畅地引流至您的应用、并在应用内个性化他们的体验来优化转化率是不够的。不可避免地会有部分用户将彻底卸载其应用,营销人员还必须处理这部分用户,要么制定策略重新让这些用户活跃互动,要么将这些用户排除在未来的广告活动之外。

为此,首先需要了解用户为何卸载、何时卸载以及哪些用户会卸载,尤其是考虑到竞争规模的扩大以及用户期望的提高。

那么哪些因素会让用户卸载您的购物应用呢?

  • 糟糕的应用内功能和体验。您可以按照自己的意愿优化获客活动,但至关重要的一点是,要确保具备出色的基础架构来支持应用的功能,并保证完美的转化路径。
  • 过度的或冷冰冰的新用户引导流程。确保用户尽快顺畅地进行活跃互动意味着构建的新用户引导流程应该是简短、简单且直观的。它应该涵盖应用基本信息,甚至可能提供奖励。一种方案是通过 Facebook 或 Google 帐户进行注册或登录。
  • 不相关的或铺天盖地的通知。购物应用可能使用推送通知向用户提供有关新产品的最新信息,提供折扣或奖励,分享一般新闻,或者只是将不活跃用户引流回潜在购买。但它也可能会做得太过。要有意识地仅在恰当的时间向对每条消息表现出强烈意图和相关特征的用户发送重要通知。
  • 设备存储和 WiFi 网络限制。与发达国家相比,发展中国家的卸载频率更高 — 因为这些地区存在设备存储和 WiFi 网络覆盖限制。也就是说,随着便宜的高端设备和 5G 得以更广泛地普及,这些数字正在发生改变。

鉴于用户可能出于一种或多种原因卸载应用,因此应当清楚的是,了解应用的卸载率十分重要。

但卸载率衡量对营销人员的主要好处到底是什么呢?有两点好处:

1. 通过探索来自不同媒体来源、广告活动、单一广告、国家/地区等的效果和用户留存率,比较媒体来源的整体质量。
2. 通过将已卸载应用的用户从再营销细分受众中删除并停止再互动消息来保护用户隐私。

discontinuing re-engagement messaging

4. 防作弊

Shopping apps measurement & analytics: Fraud protection

作弊是一大问题,尤其对购物应用而言 — 主要由于它们的规模以及相对高的 CPI 和 CPA 费用。AppsFlyer 研究显示,购物应用是受作弊影响最严重的垂类领域之一,仅在 2021 年,作弊性安装的财务风险就飙升至 21 亿美元。

对作弊的关注增加,带来了更强有力的保护措施,这又反过来导致作弊者使用越来越复杂的作弊手段升级骗局。

这在使用高级机器人模仿用户行为以试图绕过保护措施的做法中尤为明显,而且在 Device Farm 中也能看到类似的趋势:物理 Device Farm 在机架上有数千台实际设备,虚拟 Device Farm 则使用模拟设备。

鉴于机器人的持续复兴以及越来越多的高级作弊手段,实时保护应该主动标记行为异常,随后揭露新的机器人特征和其他无法检测到的作弊行为模式。

因此,优秀的反作弊解决方案是由大量数据驱动的监督式和非监督式机器学习的结合体。

由于作弊是一种不断演变的威胁,这意味着并非所有作弊都是可以实时识别的。随着作弊者试图占据上风,会不断出现新的作弊模式、模型修正和变异。

因此,归因后作弊分析是必不可少的,因为它对已归因且未被实时识别为作弊的安装进行了必要追溯。

关于 AppsFlyer 如何使用机器学习和大数据打击作弊的更多信息,请阅读此处。

高阶保护

一种常见的错误观念认为,CPA 建模购物应用广告活动几乎不存在作弊,因为缺乏以安装为主的奖励,或者难以为作弊者生成应用内事件/购买。
其实根本不是这样。因此,精明的营销人员关注以下衡量指标:

取消率

取消事件与安装量的比率与高级作弊检测高度相关。

在 CPA 作弊中,广告网络(或者其发布商或子发布商之一)下达一个订单,收到 CPA 付款,然后取消订单。令人遗憾的是,这种行为是合法的,因为大多数电子商务平台针对特定时期(如果客户不满意或者如果产品受损等)允许取消订单。

因此,大多数应用通常存在一个稳定的取消率,来自特定媒体来源或网站 ID 的取消率较高,通常表明这些订单不是真实的,仅仅是为了收取 CPA 费用而存在。

为了最大限度地减少损失,购物应用营销人员应该直接在合同中商定网络惩罚条款代替作弊性活动。

安装到购买时间

对于购物应用,安装与购买之间往往存在一个可接受的时限。低于这个时限则值得怀疑。但是,由于各个应用的需求不同,因此建议使用归因数据在个体基础上了解该时限,并创建相应的边界条件。

5. 映射整体的客户旅程

现实情况是,在当今的时代,用户行为与营销衡量之间依然存在巨大的鸿沟。

一方面,购物终端用户有着越来越复杂的转化旅程,涉及多个设备和触点 — 桌面网页端、移动网页端、应用,甚至还有门店内。

难以了解复杂的转化路径依然是营销人员面临的拦路虎。实际上,eMarketer 的研究表明,跨设备归因是媒体专业人员面临的第二大挑战 (42%)。

因此,营销人员在映射客户旅程并制定其营销策略时需要使用多触点归因 (MTA)。

MTA 是一种营销衡量方法,将客户旅程中的多个线上线下触点纳入考量,然后根据每个业务不同的逻辑衡量每个触点的效果。

有许多不同的 MTA 模型(线性、U 型、W 型、全路径等),所有这些模型都有各自的优点和局限性。至关重要的是,它们将不同触点的影响考虑在内,并为各个触点评估确定相应的有效程度。
这样做有助于营销人员了解各个触点的影响,并确定哪些触点在产生最高的价值。

关于 MTA 的更多信息,请阅读我们的博客文章多触点归因:成功是一场旅程。

6. 增量分析

Shopping apps measurement & analytics: Incrementality

增量分析可为您提供确定营销工作真正价值的必要洞察。它可以衡量哪些转化是由特定广告活动带来的,哪些是自然发生的。

请记住,适当的增量测试可能是一个漫长而复杂的过程,容易执行不佳、解释不清。它需要知识、技能和强大的测试环境做支撑,来确保获得正确的洞察,做出正确的决策。

判断增量分析解决方案是否优质的一个标准就是看它能否根据细分后的受众进行有针对性的效果衡量。

这能让您简化创建和管理测试广告活动的整个过程,将重心放在如何达到测试的最终目标上,而不必担心测试带来的繁重工作。

如需详细了解增量测试如何帮助您证明广告活动的真正价值,请点击此处。

7. 预测分析

Shopping apps measurement & analytics: Predictive analytics

 

预测建模有助于营销人员了解消费者行为和趋势,预测未来行动,并根据数据驱动型决策计划广告活动。

随着隐私(或缺乏隐私)逐渐成为焦点,普通的应用用户不再为了使用应用而急于共享自己的数据。然而,如今,在获取优质数据方面,广告主们真的束手无策吗?

当然不是。通过将预测建模整合至技术栈中,营销人员可以在坚持最严格的用户隐私标准的同时,做出明智决策。

通过利用机器学习和人工智能来检查历史广告活动数据、过往的用户行为数据以及其他交易数据,预测分析作为一种强大的工具,让您能够毫不迟疑地做出实时广告活动优化决策,将失败的广告活动扼杀在萌芽中,或者迅速加倍下注可以推动实现更好结果的投资。

创建不同的行为特征集群让您能够根据受众在最早期阶段与漏斗的互动对其进行分类,而不是根据受众的实际身份进行分类。为您提供他们的未来潜力,以便为您的产品带来有意义的价值。

即使不能大量访问细粒度数据,但您依然可以利用预测分析来:

  • 增加广告活动的潜在受众

  • 推动更高的 LTV

  • 确保更高效的预算制定

    Shopping apps measurement & analytics: chapter 2 - best practices for UA

    第二章

    获客 – 有效获客的七种最佳做法

    1 – 7 天和 30 天群组分析

    由于电子商务领域压力大,并且需要对其营销支出进行持续优化,因此营销人员开始利用 7 天和 30 天群组报告来核实安装后 7 天或 30 天获得的购买者人数。

    您可以使用这些报告来衡量任何新媒体来源的有效性:

    2 – 长期 ROI

    除了 7 天和 30 天群组之外,还可以长期检查群组和 LTV 来发现高质量媒体来源和用户。例如,媒体来源 A 可能在头 30 天推动众多购买者,但随后显示出很低的重复购买率。

    相反,媒体来源 B 可能在头 30 天推动较少的购买,但总体上呈现较高的复购数量 — 由此产生比来源 A 更高的 ROI。

    仅分析 7 天或 30 天群组的效果可能会错过这些较高质量的用户。请记住,对于 SKAdNetwork 而言,LTV 衡量是一个薄弱环节,这意味着广告主需要专门将一些转化值用于衡量较长期 KPI。

    3 – 季节性顾客受众

    考虑到节假日期间提供的促销和激励措施增多,有些用户可能仅在节假日期间购物。在下一次节假日促销期间,将再营销的工作重心放在季节性顾客或在上一个节假日购物过的用户身上,以便将他们转化为定期参与用户。

    4 – 获客与CPI/CPM

    为了充分利用购物应用需求并节省更多营销预算,最好将更多的获客投资安排在获客成本较低的时期以及客户处理较少 CTA 的时期。

    例如,9 月通常是成本最低、安装到购买转化率最高的时候,这意味着如果获客工作恰如其分又不会过于压倒一切,那么用户更有可能安装应用和实现转化。

    5 – 个性化、个性化,还是个性化

    对零售应用而言尤其重要的是,无论在应用内还是应用外,用户体验的个性化应该是第一要务。重视情景相关的新用户引导流程,鼓励用户创建个人资料并设置自己的偏好。

    如适用,您还可以利用细粒度应用内事件数据在主屏幕上填充与之前购买的品牌或款式类似的商品,以获得更多追加销售和交叉销售机会。

    6 – 受众细分

    在收集有关许可用户的安装前和安装后活动数据之后,务必要从洞察转变为行动,编制特定的受众细分,这些受众细分将定义最有价值的用户,然后以此为基础实现未来获客。

    受众可以而且应该用于多种用途。例如,作为购物应用,您可以:

    – 建立类似受众。通过关注那些“行为”与最佳用户(例如,在过去 30 天内购买超过 3 次的用户)相似的潜在客户来提高获客。
    – 基于排除参数的细分。删除您正在网络 A 中联系但不想在网络 B 中联系的用户。或者,创建非活跃用户的受众细分,并将他们排除在您的再互动广告活动之外。

    7 – 提高 ATT 授权率

     Shopping apps measurement & analytics: Increasing ATT opt-in rates

    到目前为止,ATT 授权率高于 iOS 14.5 推出之前许多人的最初预想,目前在全球范围的授权率约为 47%(参见互动信息面板)。

    这里有 5 种方式可以提高 ATT 授权率,并从更大量的用户级数据和归因中获得好处:

    1. 在 ATT 弹窗中自定义目标字符串

    虽然 ATT 弹窗中文本字符串的第一部分是由 Apple 设置的,无法修改,但您确实可以自定义第二部分,而且您绝对应该采取这一做法。这是您减轻用户对隐私问题的担忧并阐明授权价值的机会。

    2. 针对其他上下文使用预授权弹窗

    预授权弹窗适合为用户提供他们所需的额外信息。这让您有机会将您要向他们索要的内容、这样做的理由以及对他们有什么好处放在上下文中帮助理解。

    3. 使用 ATT 实施后的提醒

    对于在 ATT 弹窗中拒绝授予权限的用户,这并不意味着结束。他们仍然可以随时在其设备的“设置”中启用权限跟踪(如果愿意的话,可以重新禁用它)。

    用户可能不知道这一点,因此,这是你提醒他们的机会。与使用预授权弹窗一样,向参与互动的用户显示 ATT 实施后的提醒,其中包括用户授权的好处。然后,此弹窗可以直接让他们跳转至“设置”以许可您的应用。

    4. 掌握时机

    您可以控制何时显示 ATT 弹窗(或者是否显示该弹窗),而您的决定会对授权率产生巨大影响。

    随着用户在用户旅程漏斗中的进度,他们逐渐更多地参与到应用互动中。如果在漏斗后期显示弹窗,这会使他们更有可能授权 — 但会因为用户流失而减少整体受众规模。

    5. 强大的品牌亲和力带来用户信任

    就像在任何消费者—品牌关系中一样,信任是 ATT 授权的关键因素。简单来说,用户越信任您的品牌,他们就越会愿意授权并允许使用他们的数据。

    Shopping apps re-engagement: chapter 1 - what to measure and set up

    第三章

    再互动 – 衡量什么,设置什么

    拥有成功的购物应用不单单是为了获取新用户并推动他们转化,也是为了确保出现的用户随着时间推移依然保持互动,最终推动收入、重复购买并提高LTV。

    对于购物应用来说尤其如此,它们不仅必须将流失的用户引流回应用来推动首次购买,还要在用户流失之前重新吸引用户(通常是在安装后的一周内,也就是所谓的“7 天衰退期”),以便最大限度地提高长期留存率。

    事实上,数据显示,在获客后重新被吸引回来的再互动顾客保持互动并自主进行应用内购买的可能性要高出 30%。这对收入和成功而言是一个显著的分水岭。

    你会问,那么隐私方面呢?Apple 隐私至上的方法确实对整个应用生态系统产生了重大影响。

    如今,面对用于受众定位和广告优化的数据量有限,因而需要依赖汇总数据而非用户级数据这一现状,移动应用营销人员需要重新思考如何衡量、归因和优化其广告活动。

    最重要的是,这些变化正在促使广告主做出非常必要的思维转变,从陈旧的广告活动衡量方法转为采用全新的框架。

    从我们大家已经习惯的以用户级数据为中心的技术转向 SKAdNetwork、用户级确定性归因、汇总概率性建模、预测分析、自上而下的衡量(例如,增量分析和媒体组合建模),甚至是数据净室等技术。

    1 – 衡量什么

    以下是热门购物应用在有效再互动方面的主要指标。您可以看到,左列包含特定垂类的目标,而右列包含的是可以表明并推动这些目标的指标。

    目标KPI
    首次购买• 重定向推动的首次购买次数和占比
    • ARPU 和 ROAS
    再次购买• 重定向推动的重复购买次数
    • ARPU 和 ROAS
    再次激活

    重新激活的流失用户数量

    2 – ROX、深度链接和出色的用户体验

    Shopping apps measurement & analytics: ROX and deep linking

    我们之前讨论了在获客中使用深度链接的原因和方式,但在购物垂直领域中,对于再互动和再营销,深度链接也同样至关重要。

    对于往往具有更长且更高价值转化周期的购物应用而言,用户在单次购买之前,有时候是在单次购买之后,很容易会变得不活跃,甚至会卸载应用。

    因此,营销人员必须特别主动,让用户在安装后保持稳定互动,而不是面临更艰巨的任务 —— 在用户离开后试图再次赢得用户。

    深度链接也经常与电子邮件结合使用,因为这种消息传递需要更慎重地对内容和所添加链接进行个性化。

    例如,在 CTA 中嵌入指向类别 X 产品页面的深度链接的电子邮件可能会发送给在应用中访问过类别 X 但并未购买的用户。

    同样,对于曾在类别 X 中购买过的用户,带深度链接的电子邮件可能会将这个细分受众引导至与类别 X 搭配的产品页面,依次类推。

    深度链接让营销人员能够通过营造易于创建的出色用户体验,推动来自任何渠道的新用户和现有用户前往其应用,从而提高转化率。

    通过提供出色的用户体验,他们能够将更多的用户引导至预定目的地,并拓宽漏斗底部。另一方面,产品经理可以利用深度链接更好地吸引并留住用户。

    出色的用户体验会带来业务成果,而对用户体验进行投资所产生的业务影响则称为体验回报率 (ROX)。

    要了解关于 ROX 及其如何提升应用参与度的更多信息,请查看我们的 ROX 指南。

    3 – 自有媒体

    Shopping apps measurement & analytics: Owned media

    自有媒体是指由公司直接控制的营销资产,它几乎不需要任何额外成本就能获取和使用。与移动再互动最相关的自有媒体是推送通知、电子邮件、短信,另外还有网络研讨会和推文。

    您可以通过自有媒体创建免费的情景式内容,从而提高活跃用户、非活跃用户或流失用户的参与度,并建立更个性化、更持久的联系。在用户隐私时代,用户级数据更难获得,这种联系变得至关重要。

    让我们来探索一下这个过程。通常,营销人员有能够使用此类广告活动的 CRM。这些 CRM 以两种方式接收数据:通过自身的 SDK,或者通过归因和衡量供应商。

    后者通常预先集成了全世界最流行的工具,允许营销人员直接导出其数据。

    假设一名用户添加了 3 个商品到购物车中,但并未购买。根据这些应用内事件,营销人员会同时开展推送和电子邮件广告活动,但仍然没有转化。此时,营销人员通常会开始通过付费来源进行再营销,试图转化该用户。

    如果营销人员十分精明的话,他们将使用不同的参数在推送、电子邮件和付费渠道上开展不同的广告活动。

    对于低价商品,使用推送和电子邮件完全合理,因为它们基本上是免费的。然而,对于高价商品,除了其自有媒体计划之外,营销人员还将使用付费媒体进行再营销。

    有意思的是,尽管自有媒体得到广泛使用,但许多营销人员仍然未充分意识到自有媒体渠道必然会提供的长期价值。

    为什么利用自有媒体?

    • 利用营销“层级结构” – 鉴于自有媒体渠道几乎没有成本,尤其是与付费广告活动相比,应尽可能适当地将通过这些渠道重新吸引用户作为重点和优先事项。
    • 完全控制内容的方方面面。
    • 免费 – 只需要您为创建内容投入内部资源。
    • 低风险 – 广告活动如果经证明效果不佳,您可能会觉得是浪费了预算,而对于付费媒体(相当于数字口碑),您难以控制的是用户评论或可能存在的不准确之处。自有媒体则可以完全规避这两种情况。
    • 情景式 – 借助自有媒体,您可以制定内容策略,涵盖用户路径的每个阶段,包括已经卸载应用的用户或休眠的用户。

    4 – 再营销

    Shopping apps measurement & analytics: Remarketing

    由于购物应用面临较长且价值较高的转化周期,重新吸引流失用户或已卸载应用的用户(或者有时会将已经卸载应用的用户排除在这些广告活动之外)是确保长期留存率和生命周期价值所必需的。

    此外,考虑到面临获客成本增加的挑战,主动重新吸引现有用户比获取已流失用户或新用户更便宜。

    事实上,根据数据显示,开展再营销广告活动的应用与未开展再营销广告活动的应用相比,前者的 30 天留存率高出 70%。

    安排好再营销广告活动的时机

    决定何时开始开展再营销活动取决于多个因素,例如,受众细分的类型、参与度、您是想要挽回用户还是只是重新吸引用户、您的预算等等。

    再营销活动可以立即推出,或者在安装后 24 小时内推出、在第一周内推出,或者之后推出。并不存在一个普遍适用的时机。

    停止广告活动也取决于多个因素,其中一个重要因素是您所期望的营销目标以及广告活动预算的限制。在购物垂直领域中,营销专家往往会在 7 天、14 天和 30 天后结束广告活动,不过有一种观点认为,所有可能的活动都将在 14 天内发生。

    因此,务必要确保一点,无论您的广告活动开展多长时间,都要在合理的时间范围内结束它,避免浪费预算(不包括常青广告活动)。

    动态广告再营销

    动态再营销广告获取现有用户数据并利用它来为用户提供情景相关的广告,无论是已经浏览过的产品还是与用户兴趣相似的产品。启用动态广告需要您的平台能够同步下列数据:

    • 事件数据库
      关于定向产品的信息
    • 产品数据单
      关于产品、品牌、价格、图片和产品页面链接的信息
    • 广告服务器
      托管动态内容并生成 HTML5 横幅

    动态广告属于实时竞价流程 (RTB) 的一部分,准确的说,它发生在 100 毫秒内,在这期间:

    一旦正确设置好之后,动态广告的好处显而易见。一方面,这些广告的富媒体创意比标准横幅高出 20%,但由于 CTR 和转化率的缘故,最终更具成本效益。

    动态广告还允许营销人员显示多个相关的产品或服务,无需选择用户是否表达出意图。

    Shopping apps measurement & analytics: Chapter 4 - Best practices for effective remarketing

    第四章

    再互动 – 有效再营销的最佳做法

    1 – 个性化 – 不只是针对获客

    随着营销技术的成熟以及应用数量呈爆炸式增长,应用用户(尤其是在电子商务领域)期望由始至终都能获得量身定制的体验。

    使用购买或浏览历史记录对流失的用户进行交叉销售和追加销售。将深度链接与其他应用内事件数据相结合,以降低购物车放弃率。

    选择能提供行为或意图个性化的广告合作伙伴,并将这一过程融入营销常规流
    程中。

    2 – 预防性再营销

    再营销活动不仅应该优先考虑典型的流失用户,还应该发挥预防性作用,在用户真正流失之前保持与用户的互动。

    如果在安装后第一周内通过再营销活动有效吸引用户,用户保持互动和转化的可能性会提高约 30%。然而,务必要限制预防性再营销活动不会过于泛滥。

    3 – 同步创意测试

    在优化广告和创意效果方面,同步测试 3-5 个不同的创意集将会在一个合理高效的时间段内提供最深刻的效果分析。

    然而,一般来说,更频繁地测试多个不同的创意要比同时测试大量的创意集要好一些。

    4 – 用于再营销预算制定的长期 LTV 细分

    要确定与您的目标相关的再互动用户质量,则创建 30 天和 60 天的 LTV 细分,衡量长期价值和收入。

    因为 30 天是大多数购买可能的最高上限,这些细分还将帮助您测试是否在这个 30 天期限内进行再互动(如果不进行,则在 30 天后不太可能发生再营销)。

    请记住,购物大品牌的再营销窗口期可能比小品牌的更长。

    5 – 再归因用户与新用户

    通过对比再归因用户与新用户,了解再归因工作的用户级价值。

    有两个需要衡量的主要质量指标:ARPU 和购买频率,分别在 30 天、60 天和 90 天的窗口期中进行分析。这种对比还可用于确定再营销支出。

    6 – 再互动和受众细分

    与获客一样,您可以直接应用细粒度应用内事件用户数据来创建受众细分,以重新吸引用户。

    推送通知、电子邮件和其他自有媒体首先最常用于再互动活动中,因为它们的成本低,并且能够比付费方式更容易接触用户。

    以下介绍了一些用于再互动的受众细分示例:

    再营销和再互动

    通过瞄准高价值用户(例如,在上个月进行多次购买,但这个月不活跃),改善再互动。

    挽回已卸载应用的用户

    瞄准购买超过 50 美元但最近卸载了应用的用户,使用定制创意广告推动重新安装量。

    交叉销售和追加销售

    鼓励具有较高购买意图的用户完成与其他人之前添加到购物车中的品牌或类别相同的商品的结账。

    排除在再营销之外

    应该将与特定自有媒体来源(推送、电子邮件、短信、其他)互动的受众排除在付费重定向范围之外。

    类别组合

    如果您拥有一个销售多个品牌的购物平台,则优化向高付费用户展示的品牌,以推动他们更多地购买利润最丰厚的品牌。
    使用受众细分来寻找尚未准备购买这些品牌的用户,并吸引他们。

    受众细分的另一个重要用途是通过创建受众拆分,从而确定各个媒体来源的增量效果和增长,以及执行 A/B 测试并推送产品特色。
    出于增量和 A/B 测试之目的,这些受众拆分可以基于以下因素:

    借助增量分析和 A/B 测试,您可以跨不同的网络创建两个用户组 — 测试组和对照组,看看哪个网络、活动、广告和/或创意产生更积极的业务影响。

    同样,增量测试可以告诉您,在现有组合中添加新的网络是否会产生真正的增量影响。

    Shopping apps measurement & analytics: Final thoughts

    文末的一点思考

    在这个整体购物增长的阶段,尽管获取的用户级数据十分有限,但零售商有更多手段达成其业务目标。

    疫情加快了移动领域的爆炸式发展,消费者对节约时间和金钱的需求不断上升,这些推动了技术的发展,既极大地增强了跨平台的购物体验,同时又不会损害用户的隐私。

    现在,人们可以比以往更轻松地通过移动设备购物,再加上对网络连接提速的承诺,电子商务营销人员已经做好前行的准备。

    面对这种增长,总的来说最重要的是了解细粒度衡量的重要性,以推动营销人员继续前进。遵照上文详述的建议和指标,您将为未来的盈利能力、整体表现和成功打下基础。