บล๊อก วิธีสร้างกลยุทธ์วิเคราะห์แอปซึ่งสมัครสมาชิกบน iOS 14.5+

วิธีสร้างกลยุทธ์วิเคราะห์แอปซึ่งสมัครสมาชิกบน iOS 14.5+

การให้บริการสมัครสมาชิกกำลังบูมในขณะนี้ โดย ลูกค้าหนึ่งคนใช้จ่ายเดือนละ $20 แม้แอปที่สามารถหารายได้จากการสมัครสมาชิกนั้นมีเพียง 1% แต่กว่า 90% ของการใช้จ่ายของลูกค้าบนมือถือนั้นมาจากแอปสมัครสมาชิกต่างๆ เนื่องจากมีรายได้มหาศาลเป็นเดิมพัน นักพัฒนาแอปจึงควรจะสามารถหาวิธีสร้างรายได้จาก funnel นี้ได้อย่างเต็มเม็ดเต็มหน่วย

ดังเช่นที่เราได้เน้นไว้ในบทความก่อน gamesindustry.biz, ในช่วงหลัง iOS 14.5+ แอปที่หารายได้จากการสมัครสมาชิกนั้น ยิ่งต้องมีกลยุทธ์ดีๆ ให้ผู้ใช้งานมา opt-in เพื่อให้แน่ใจว่าจะมีข้อมูลดีเทอร์มินิสติกที่แข็งแรงสำหรับทุก point ในวงจรชีวิตของผู้ใช้งาน ไว้ให้เก็บได้ สำหรับแอปต่างๆ ที่มีการสมัครสมาชิก ปกติแล้วการเดินทางของผู้ใช้งานจะใช้เวลานานกว่า และซับซ้อนกว่ากลยุทธ์การหารายได้อื่นๆ หมายความว่าการมีข้อมูลในมือนั้นเป็นสิ่งที่คุ้มค่า

หรือแม้แต่กับผู้ใช้งานซึ่งเลือกจะ opt-out การเตรียมแผน SKAdNetwork ซึ่งแข็งแรงไว้ล่วงหน้า เปิดโอกาสให้คุณจัดการเรื่อง LTV ของผู้ใช้งานได้อย่างมั่นใจ

ให้มีการ opt-in

การรักษาให้การ opt-in ของผู้ใช้งานมีอัตราสูงจะช่วยให้แอปได้เปรียบในสนามแข่งขัน ทั้งในแง่ของการเข้าถึงข้อมูลดีเทอร์มินิสติกของผู้ใช้งานซึ่งตรงกับความเป็นจริง ทั้งยังช่วยให้สามารถสร้างโมเดลโดยอยู่บนฐานของพฤติกรรมผู้ใช้งานที่ opt-out

การใช้งาน pre-permission prompt ช่วยอธิบายให้ผู้ใช้งานตระหนักถึงประโยชน์ของการติดตามในระดับของผู้ใช้งาน และ มีคำแนะนำมากมายเกี่ยวกับวิธีการสร้าง pre-permission prompt ซึ่งทำงานดีไร้ที่ติ

สำหรับแอปสมัครสมาชิก การมีข้อมูลเชิงลึกไว้ใช้เวลาที่วิธีอื่นๆ ของการชำระเงินของผู้ใช้งานใช้ไม่ได้ อย่างเมื่อผู้ใช้งานหยุดหรือระงับการเป็นสมาชิก หรือเมื่อผู้ใช้งานกลับมาเป็นสมาชิก ข้อมูลเชิงลึกสำคัญเหล่านี้จะช่วยให้คุณสามารถออปติไมส์แอปได้เต็มที่ ด้วยโซลูชั่น subscription tracking ของ Adjust คุณจะมีมุมมองต่อวงจรชีวิตของผู้ใช้งานอย่างที่ไม่เคยเห็นมาก่อน อย่างไรก็ตาม เมื่อไม่มี IDFA แล้ว การหาข้อมูลซึ่งเชื่อถือได้เกี่ยวกับการที่ผู้ใช้งานหาหนทางอันคดเคี้ยวไปสู่ conversion เป็นเรื่องยากเย็นยิ่งกว่าเดิม

การใช้ SKAdNetwork

สำหรับแอปที่หารายได้จากการสมัครสมาชิก พอมาเจอ iOS 14.5+ แล้ว พบว่างานของตนยากเป็นสองชั้น ชั้นแรก การที่สามารถเลื่อนไทเมอร์ของ SKAdNetwork อย่างวางใจได้ไปเกิน 24 ชั่วโมงสร้างอุปสรรคขึ้นมา แม้เรื่องนี้จะมีประโยชน์ในการรวบรวมสัญญาณจากผู้ใช้งานของคุณก็ตาม

แต่เราอาจขยายเวลาของไทม์เมอร์ได้โดยใช้หนึ่งบิตเพื่อเพิ่มเวลาของวินโดว์ของ conversion เพียงกดตัวสั่งงานเพื่ออัพเดต conversion value (ยกตัวอย่าง จาก 000001 เป็น 000011 เป็นต้น) ก็จะสามารถต่อเวลาได้อีก 24 ชั่วโมงเป็นการชั่วคราว —โดยผู้ใช้งานจะต้องล๊อกอินทุกวัน ให้ตัวสั่งงาน conversion value ดำเนินการกับแอปในโฟร์กราวนด์ ถ้าผู้ใช้งานคนนั้นไม่เปิดแอปอีกในช่วงวินโดว์นี้ ก็จะไม่สามารถอัพเดต conversion value หมายความว่าคุณอาจสูญเสียข้อมูลซึ่งเดิมคาดหวังว่าจะเก็บรวบรวมได้เมื่อต่อเวลาไทม์เมอร์

ชั้นที่สอง การรวบรวมข้อมูลจากผู้ใช้งานในช่วง 24 ชั่วโมงแรกเพื่อนำมาใช้พยากรณ์ในระยะยาว เริ่มเป็นเรื่องยุ่งยากซับซ้อน เนื่องจากมี touchpoint จำนวนจำกัด เพราะมีคุณค่าซึ่งเป็นไปได้ 6 บิตอยู่จำกัด จึงต้องดูให้แน่ใจว่าคุณมุ่งเน้นตรง touchpoint ที่มีความหมายที่สุด ตักตวงจากช่วง 24 ชั่วโมงแรกซึ่งสำคัญที่สุด

สัญญาณ vs สัญญาณรบกวน

วิธีใช้ 6 บิตที่ SKAdNetwork ให้คุณมานั้นมีอยู่สองวิธีหลักๆ วิธีแรกคือการใช้ ‘bit masking’ โดยคุณสามารถแจกงานบิตแต่ละตัวในหกบิตลงในหนึ่งอีเวนต์ และแล้วแต่ว่าบิตที่สอดคล้องจะตั้งค่าที่ 0 หรือที่ 1 จะระบุถึงอีเวนต์นั้นหรือไม่

โซลูชั่น SKAdNetwork มาตรฐานของเราช่วยให้คุณสามารถทำแผนผังจับกลุ่มอีเวนต์ conversion กับอีเวนต์ subscription ซึ่งคุณติดตามอยู่แล้วบนแดชบอร์ดของ Adjust

ทางเลือกที่สองคือแจกแจงเรนจ์ของคุณค่าให้ coversion value ที่แตกต่างกัน ซึ่งจะช่วยให้คุณสร้าง 'bucket' ของผู้ใช้งาน โดยขึ้นอยู่กับว่าผู้ใช้งานตกลงในเรนจ์ซึ่งคุณกำหนดไว้อย่างไร ระบบจัดการ conversion value ซึ่งก้าวหน้าของเรา สนับสนุนการสร้างสคีมาชนิดตอบโจทย์เฉพาะ เพื่อมานิยาม bucket เหล่านี้

สำหรับแอปสตรีมมิ่งวิดีโอ หรือเดตติ่ง การมีปฏิสัมพันธ์กับผู้ใช้งานเป็นตัวบ่งชี้ซึ่งสำคัญที่สุดตัวหนึ่ง — บางบริษัทจึงออพติไมส์โดยใช้เงื่อนไขด้าน "เซสชั่น" ในโซลูชั่น conversion value ซึ่งก้าวหน้าของเรา

เงื่อนไข "session" ช่วยให้คุณจำนวนของ session ทั้งหมดที่มีการ log in ในตัวอย่างข้างล่าง conversion value ของ "3" จะส่งค่ากลับ ถ้าผู้ใช้งานลงทะเบียนระหว่าง 5 ถึง 10 session

"sessions": { "count_min": 5, "count_max": 10 }

  • count_min (ค่าเริ่มต้นที่ 1) – ยอดรวมของเซสชั่นที่ติดตามนี้ไม่ควรจะน้อยกว่าจำนวนที่ระบุไว้
  • count_max (ค่าเริ่มต้น ไม่มีขีดจำกัด) - ยอดรวมของเซสชั่น ที่ติดตามนี้ไม่ควรจะเกินจำนวนที่ระบุไว้

การสร้างโมเดล

โมเดล LTV ซึ่งพยากรณ์โดยใช้พฤติกรรมเมื่อผู้ใช้งานใช้แอปวันแรก มาพยากรณ์รายได้ในอนาคตในระยะกลาง โมเดลพยากรณ์แบบนี้ทำงานได้ดีกว่าเมื่อใช้กับบัคเก็ตต่างๆ หรือหมวดหมู่ต่างๆ ซึ่งกว้างกว่า

ด้วยเหตุนี้ แอปสมัครสมาชิกจึงต้องการใช้ “เริ่มทดลองใช้” (trial start) เป็นสัญญาณให้ SKAdNetwork ใช้เป็นแนวทางในการออปติไมส์ เนื่องจากน่าจะเชื่อได้ว่าสิ่งนี้เกิดขึ้นในวินโดว์ซึ่งคุณมองเห็น และเพราะนี่คือการกระทำภายในหน้าต่างครั้งแรกซึ่งเต็มไปด้วยความตั้งใจ

อย่างไรก็ตาม การใช้ “เริ่มทดลองใช้” อาจทำให้คุณหลงทางได้และการทำงานยุคหลัง IDFA ยิ่งยุ่งยาก เนื่องจากไม่มีข้อมูลเชิงลึกในเรื่องของอีเวนต์ซึ่งกำลังเกิดขึ้นในช่วงทดลองใช้คาดเดาได้ยากว่า ทดลองใช้ฟรีนั้นซึ่งเปลี่ยนผู้ใช้งานมาเป็นสมาชิกอาจไม่จำเป็นต้องเป็นตัวที่สร้างรายได้

การทดลองใช้

ด้วยเหตุนี้ คุณอาจอยากพิจารณาใช้งาน “เริ่มทดลองใช้” (trial start) และสัญญาณที่เกี่ยวข้องเพิ่มเติม ซึ่งมีศักยภาพในการเพิ่มมูลค่าของการทดลองใช้ ยกตัวอย่าง ผู้ใช้งานคนหนึ่งอาจเดินเครื่องเริ่มต้นทดลองและได้รับมอบหมาย initial conversion value คุณเองก็สามารถอัพเดต conversion value นี้ได้หากการทดลองใช้ ถูกยกเลิกระหว่าง conversion value window ซึ่งมีผลให้ย้ายเอาผู้คนจำนวนมากซึ่งไม่น่าจะชำระเงินออกไป สร้าง bucket กว้างๆ ของผู้ใช้งาน“ยกเลิกการทดลองใช้” (canceled trial) ซึ่งเราอนุมานว่าน่าจะมี LTV ซึ่งต่ำกว่า

หรือถ้าจะมองจากอีกมุม คุณอาจจะอยากติดตามผู้คนซึ่งสมัครทดลองใช้ฟรี และระบุข้อมูลสำหรับการชำระเงินไว้ด้วย บุคคลซึ่งระบุข้อมูลสำหรับการชำระเงิน บ่งบอกว่าพวกเขาเปิดใจในเรื่องการเป็นสมาชิก— และเป็นไปได้อย่างมากว่าจะเป็นผู้ใช้งานซึ่งชำระเงินในระยะยาวด้วย

ถ้าคุณมีข้อสงสัยเกี่ยวกับแนวทางปฏิบัติของ iOS14.5+ อย่ารีรอ สอบถามไปที่ CSM หรือผู้จัดการแอคเคานต์ของคุณ คู่มือตัวใหม่ของเรา พร้อมที่จะให้คุณดาวน์โหลดแล้วที่นี่ หรือ เข้าไปดูที่ ศูนย์ทรัพยากร iOS 14.5+ ของเรา

เป็นสมาชิกจดหมายข่าวของเราได้