Thanks!

5 façons d’analyser les campagnes d’applications mobiles à l’aide de l’analyse marketing

By Michal Wagner
campanhas de app marketing analytics - quadrado

Appréhender les données marketing peut être une entreprise déroutante. Prenez les graphiques. Ils sont indispensables…à condition de savoir les manier et les différencier. 

Au fil du temps, les experts ont donc pris l’habitude d’étudier et de gérer chaque métrique via différents types de rapports marketing. Ils s’enrichissent l’un avec l’autre et permettent de classer les données, de mettre en évidence des tendances, et de fournir des clés de compréhension pour optimiser au mieux les campagnes.  

Plus de 99% des apps dans les stores d’applications sont gratuites à installer. C’est la raison pour laquelle il ne suffit pas de générer des téléchargements pour espérer des revenus. Vos campagnes doivent être pensées pour développer la fidélité de vos utilisateurs, afin de créer des revenus. 

Les rapports d’analyse marketing utilisent les données pour mettre en évidence les canaux qui attirent les utilisateurs les plus rentables – ceux que les applications peuvent monétiser. 

Dans ce blog, nous allons passer en revue 5 rapports différents et comprendre comment chacun d’eux joue un rôle clé dans l’optimisation des campagnes pour applications mobiles.

1. Rapport LTV

Un rapport LTV (Lifetime value) offre aux marketeurs des données sur tout ce qui concerne l’utilisateur au sein de l’application, durant une période définie depuis ladite installation.

L’utilisation du mot durée de vie peut prêter à confusion. Plus précisément, la « durée de vie » signifie « jusqu’au jour où le rapport a été généré » . Par exemple, si un rapport LTV est généré le 1er avril et qu’il prend en compte les données post-installations depuis le 1er mars, il couvre un mois de données. S’il avait été généré le 1er mai, il couvrirait deux mois de données. 

Exemples de rapports LTV

Dans un écosystème caractérisé par le modèle freemium, le rapport LTV fournit des informations vitales sur la valeur réelle des utilisateurs à travers une variété de métriques, qu’elles soient liées à l’engagement ou aux revenus. 

Il est important de faire la distinction entre la « LTV » au sens strict, qui désigne surtout le revenu généré par un utilisateur dans un laps de temps donné, et le « rapport LTV », qui, lui, couvre une variété de mesures générales relative au comportement post-installation. 

Les rapports LTV aideront donc à comparer la qualité des utilisateurs issus de différents canaux, sources médias, des campagnes et leurs différentes variations, et à optimiser les contenus en conséquence. 

Si par exemple la source multimédia A génère un plus grand nombre d’installations que la source B, mais cette dernière source B fournit des utilisateurs qui dépensent davantage, le marketeur devrait envisager d’augmenter le budget alloué à « B » et réduire les dépenses consacrées à la source A (sous réserve que ce choix puisse générer de la croissance et un ROAS positif.

En outre, le rapport contient des informations précieuses sur différents groupes d’utilisateurs. Vous pourrez comparer leur valeur post-installation et mieux comprendre ce qui caractérise chacun des groupes : quelle est la date de téléchargement de l’App ? Depuis quelle région, et pour quel coût d’acquisition ?  

Dans le cas présenté ici, vous pouvez comparer les revenus générés après 30 jours par les utilisateurs qui ont installé l’App le 1er mars, par rapport aux utilisateurs qui l’ont installé le 1er avril.

Fort de ces données, il est possible d’identifier rapidement ceux des utilisateurs qui apportent de la valeur et, tout aussi important, ceux qui n’en rapportent pas. De quoi enrichir l’analyse à la base de vos décisions, et optimiser vos campagnes en conséquence. 

Cas concret : à partir d’un ensemble de données, essayons de comprendre ce que le spécialiste marketing parvient à faire dans sa campagne, et quels aspects peuvent être optimisés. 

Le rapport LTV des utilisateurs ayant installé leur App au cours de la première semaine de novembre montre que, après 30 jours, c’est la source Media 3 qui a fourni le taux global le plus élevé d’utilisateurs fidèles en post-installation. La source Media 1 a généré plus du double des installations, mais fournit un taux d’utilisateurs fidèles qui est inférieur. 

Le spécialiste marketing peut alors décider d’allouer davantage de ressources à la source 3 si son objectif est de se concentrer sur le taux d’utilisateurs fidèles, ou bien à la source Média 1 s’il souhaite une croissance accrue, mais un taux d’utilisateurs fidèles légèrement inférieur.

Merci d’avoir téléchargé notre checklist !

2. Rapport d’activité

Les rapports d’activité mesurent les actions des utilisateurs actifs dans une fourchette donnée de dates, quelle que soit la date d’installation. Les rapports d’activité sont importants car ils peuvent aider à mesurer l’efficacité d’un canal ou d’une source média sur une période spécifique. 

Ils sont utiles pour analyser les performances autour d’un point spécifique du calendrier, comme le Black Friday ou la saison des fêtes par exemple. Vous pouvez également utiliser ces données d’activité pour connaître le montant des revenus générés par l’ensemble des utilisateurs de l’application en février, puis les comparer à janvier ou bien à février de l’année passée.

Les rapports d’activité offrent certes un point de vue alternatif des données, mais ils mettent en évidence des tendances importantes qui peuvent servir à optimiser vos campagnes en ajustant les budgets à une source média en particulier.

Lorsqu’un événement ou une activité se présentera à nouveau dans une fourchette similaire de dates, vous pourrez alors ajuster plus finement vos dépenses, et obtienir de meilleurs résultats. 

Nous avons pris ici des données d’une même application et les examinons via l’angle et le prisme du rapport d’activité. En regardant le nombre de sessions d’activité, nous observons une nouvelle source média (5) qui fournit le plus grand nombre de sessions d’activité au cours de la période considérée. Il convient de noter que ces données ne figuraient pas parmi les cinq premiers montants d’utilisateurs fidèles au sein du rapport LTV, mais qu’elles occupent une place de choix dans le rapport d’activité. 

Par ailleurs, la source média 5 révèle un faible taux de conversion et une moyenne élevée du CPI (coût par installation). Ainsi, bien que les données montrent un niveau d’activité élevé, elles dévoilent également un faible taux de conversion. Ce qui ouvre la voie à de possibles améliorations et optimisations de la source média 5. En se focalisant sur la source média, nous constatons à nouveau un taux de conversion et un CPI supérieurs à la moyenne.  

Le rapport d’activité peut également montrer comment un KPI sélectionné évolue au cours de la période consultée, ainsi que d’explorer une activité spécifique dans l’application, telle qu’un achat.

Dans cet exemple, nous pouvons voir une baisse d’utilisation en termes de DAU (Daily Active Users, ou Utilisateurs actifs quotidiens) le 26 novembre. Un spécialiste marketing peut alors juger utile de se renseigner davantage sur les raisons de cette baisse d’utilisation. 


3. Rapport de rétention

Nous l’avons mentionné, le téléchargement et l’installation d’une App ne sont que les premières pas. L’essentiel est encore à venir. La rétention consiste à s’assurer qu’un utilisateur interagit activement avec votre application après l’installation.

Assurer la fidélité est un défi considérable en raison d’une concurrence acharnée (de très nombreuses applications mobiles concurrentes peuvent exister) et en raison d’attentes de plus en plus élevées des utilisateurs.

La rétention est donc cruciale pour optimiser les campagnes liées aux applications, elle constitue la base de la monétisation. Les rapports de rétention identifient le moment où les utilisateurs commencent à s’éloigner et vous informent de l’opportunité d’optimiser ses choix, et de chercher de nouveaux souffles d’engagement.

Le taux de rétention est calculé en divisant le nombre d’utilisateurs qui étaient actifs un jour/une semaine spécifique depuis le jour/ la semaine d’installation, par le nombre total d’utilisateurs qui ont lancé l’application pour la première fois au cours de la fourchette de dates sélectionnée.

Calcul du taux de rétention

Les rapports de rétention dévoilent également comment les différents canaux fonctionnent au fil du temps et quel est le taux de rétention global. Par exemple, le réseau A peut avoir un plus grand nombre d’utilisateurs, mais le réseau B peut être capable de conserver un pourcentage plus élevé d’utilisateurs au fil du temps. 

Ces informations vous aident à comprendre quelles sources média fournissent les utilisateurs qui reviennent régulièrement sur votre application, et vous aident aussi à optimiser vos campagnes au bon moment pour ré-engager des utilisateurs qui, sinon, auraient quitté le navire.  

Voici une autre façon d’appréhender les mêmes données, afin de mettre au jour une perspective intéressante. Dans le rapport LTV, le 2e ratio utilisateur fidèle / installation le plus bas provenait de la source média 4 (les utilisateurs fidèles sont répertoriés lorsqu’un utilisateur achève 3 sessions sur l’application).

Cependant, le rapport sur la rétention nous informe qu’au cours des 10 premiers jours, cette même source média dévoile un taux de rétention le plus élevé. 

Il pourrait donc être judicieux d’investir dans cette source – celle qui concerne les utilisateurs les plus susceptibles de se rendre sur l’application au jour 10 – même si le ratio d’utilisateurs très engagés reste faible. Une des explications possibles de ce phénomène est un plus grand nombre d’activités et de jeux au début, mais un taux de désabonnement plus rapide ensuite.

Report

2021 app retention benchmarks

Download

4. Rapport de cohorte

Les rapports de cohorte permettent de segmenter les données en identifiant des sous-groupes (ou sous-ensembles) d’utilisateurs qui partagent une caractéristique commune. Par exemple, ceux qui ont installé leur App le même jour à partir du même pays. En appliquant des paramètres, des filtres ou des dimensions spécifiques, vous pouvez diviser et compartimenter les données afin d’ajouter des éléments de contexte.

Ajouter du contexte aux données permet en effet d’annuler une partie du « bruit » parasite, et de dévoiler une tendance qui n’était peut-être pas perceptible lorsque les données étaient plus larges. Vous pouvez ainsi identifier les zones de réussite et d’échec dans vos campagnes d’applications mobiles, et les optimiser en fonction. 

Le rapport de cohorte permet d’identifier le canal qui attire des utilisateurs engagés davantage que la moyenne pour un laps de temps donné, ou depuis un lieu spécifique qui serait passé inaperçu. 

Les chiffres d’une analyse de cohorte sont souvent affichés par le biais d’une vue cumulative de données (bien qu’ils puissent également être visualisés d’autres manières). Cela permet de visionner clairement le taux de croissance du KPI sélectionné, en l’occurrence le chiffre d’affaires. De plus, si l’on a en tête un objectif spécifique, une vue cumulative permet de calculer le nombre de jours nécessaires pour atteindre cet objectif.

Dans le rapport ici reproduit, nous avons par exemple supprimé le canal organique du graphique. Ainsi, alors qu’auparavant, nous nous concentrions sur la source média 3 ayant le taux le plus élevé d’utilisateurs fidèles, nous pouvons voir ici que la source média 1 génère les revenus les plus élevés, bien que le taux de revenus issu de cette cohorte soit similaire aux autres sources médias au fil du temps. 

Et si nous modifions le rapport de cohorte pour examiner les KPI par date d’installation, nous voyons les résultats prendre une forme différente. Nous observons en effet qu’après trois jours, la plupart des revenus, et de loin, ont été générés par ceux qui ont installé leur App via la source média 1, le 22 novembre. Plonger plus profondément dans ces données peut fournir des informations précieuses sur les facteurs de succès (par exemple, campagnes et design, heure de la campagne, etc.)

L’autre tendance qui semble ressortir ici, est la suivante : les vagues indiquent que les utilisateurs ayant installé l’App un lundi ou un mardi ont généré le plus de revenus. Ce constat peut être le préalable à une enquête plus approfondie, avec, par exemple, les questions suivantes : Observe-t-on une activité importante de l’UA ces jours-là ? Votre application proposait-elle des promotions uniques ces mêmes jours ? Peut-on identifier d’autres facteurs externes qui ont causé l’augmentation des ventes, ou peut-on parler d’une tendance au sein de cette cohorte ? 

Posseder ces informations peut vous aider à optimiser votre campagne d’application mobile en sachant que les lundis et mardis sont les plus lucratifs et que, par conséquent, un budget plus large devrait être investi dans vos campagnes ces jours-là.  

En bref, l’analyse de cohorte rend visible des tendances relatives aux performances de vos campagnes.

5. Rapport de remarketing

Le remarketing (également connu sous le nom de reciblage) est un élément clé de la boîte à outils pour tout marketeur d’applications mobiles. Il vise à renouveler l’engagement des utilisateurs existants sur les canaux payants et propriétaires. La plupart des applications perdent 95% de leurs utilisateurs au cours des 30 premiers jours…le remarketing est donc d’une importance vitale, d’autant que son coût est bien inférieur au coût d’acquisition d’utilisateurs.

Bien qu’elles n’aient pas enregistré d’impressions ou de clics pour une raison ou pour une autre, les sources média 3 et 4 ont tout de même réussi à générer des revenus supplémentaires grâce à leurs campagnes de remarketing. La source média 2 a beaucoup investi dans sa campagne de remarketing et a atteint un taux de conversion élevé, mais un faible ARPU (revenu moyen par utilisateur). 

Dans cet exemple, la source média 4 se situe dans une ligue à part en ce qui concerne les revenus par utilisateur, il serait donc sage d’envisager d’allouer plus de budgets à ce réseau.

Rapport LTV vs rapport d’activité

Il est important de se rappeler qu’à l’exception des rapports d’activité, tous les rapports d’analyses marketing sont basés sur des données LTV. C’est-à-dire qu’ils utilisent tous des données liées à la date d’installation de l’App, et qu’ils visualisent ensuite ce qui s’est passé jusqu’à une date choisie. Les rapports d’activité diffèrent en ce sens qu’ils ne s’intéressent qu’à l’activité totale pour un jour, une semaine, un mois spécifique, etc., cela quelle que soit la date de conversion de l’utilisateur. 

Nous pouvons utiliser l’analogie du train. Imaginez que vous êtes sur un quai et regardez un train passer. En un seul instant, vous ne pouvez voir que les activités effectuées par tous les passagers en même temps. Il s’agit des données d’activité. 

Imaginez maintenant que vous êtes à l’intérieur de l’un des wagons. Vous pouvez alors voir toutes les activités et interactions effectuées par les personnes qui sont montées à bord du même wagon, en même temps que vous. Il s’agit des données de « Lifetime Value » (LTV). 

Données identiques… mais prismes différents

En explorant de mêmes données à travers différents angles, nous sommes donc en mesure de voir que chaque rapport contient sa propre valeur et son propre intérêt pour le spécialiste marketing. Ils aident à identifier les tendances et à fournir des informations. La combinaison des rapports offre une vue plus large mais aussi granulaire des campagnes d’applications mobiles qui ont fonctionné, et de celles qui n’ont échoué en fonction de KPI sur lesquels vous souhaitez vous concentrer. 

En résumé: Les rapports d’analyse marketing sont des outils puissants et indispensables, qui transforment les données en clé de compréhension, et en bout de course, en décisions d’investissement et d’optimisation pertinentes.

Michal Wagner

Background
Prêt à mesurer chaque action sereinement ?