应用营销

K因子将成为下一个重要指标?探究付费推广对自然安装的影响

James Haslam
内容经理
关键字

大家普遍认为,在移动领域中付费和自然安装之间存在着必然的联系,即付费流量越多,其所带来的自然流量也就更多。该关联被人们称为“K因子(K-Factor)”。

K因子最初是用于衡量社交共享的术语——即衡量分享次数与安装数的关系。现在该术语的用途范围逐渐扩大,被用来评估市场营销中的多种关系类型。本文使用K因子来分析付费安装对自然安装的影响。

虽然大家经常谈论到K因子,但目前还没有足够的证据证明K因子是否存在,以及在存在的前提下其实际影响程度。

本文将证明这一点,并通过分析数千个应用为您解答两个问题:付费安装是否对自然安装存在影响?如是,其实际影响有多大?


什么是K因子?

K因子是衡量付费安装对自然安装影响程度的基本指标。理论上说,如果广告主花钱购买了大量付费流量,受到展示、应用商店排名和病毒式传播等多因素的影响,这些付费流量应可促进自然用户的增长。

在本文中,我们将对以上假设进行测试以证实K因子的存在,和(在存在的前提下)其影响程度。



背后的数学逻辑

Adjust的数据专家Roman将我们的问题重写成以下方程式:

Y = F(X)
Y = 自然安装,X = 付费安装,F(X) 是 X的函数

假设X和Y之前存在线性关系(即自然和付费安装之间的关系在一定付费安装数量内保持不变),这样我们可以在此基础上进一步延伸测试。我们假设对于既定的应用,如果(安装)规模增长或下降,K因子将保持不变。因此公式变为:

Y = b*X
b 是预估的系数因子

由于我们分析的是每周时间序列的数据,因此会存在一些限制:两个时间序列中的 X和Y需要保持不变(即恒定的 平均值、变量和自相关系数)才能被纳入数学模型中。

然而我们的X和Y并不是恒定的,因此本文使用了这些时间序列的第一个差异。通过此方式我们仍可解读相关测试结果(绝对变化)。

现在的模型变成:

Y* = b*X*
Y* = 自然安装的首个差异 (绝对增长)
X* = 周付费安装的首个差异 (绝对增长
b = K因子

例如,在本周,付费安装较前一周改变了一个安装,那么我们可预期自然安装较前周的差异为b。


采样方法

Roman从一年的安装中抽取样本,查看每个应用的周数据。他对2016年11月21日-2016年11月26日之间的数据进行了测试。被纳入样本的应用必须同时满足以下三个条件:

  1. 应用必须持续超过50周同时拥有来自付费和自然渠道的安装(在以上日期内)。
  2. 应用必须每周平均拥有超500次的安装。
  3. 付费和自然安装的首个差异(绝对增长)在此期间必须保持不变,即不受季节性或其他趋势的影响。

根据以上样本标准,我们总共对1345个应用进行了取样分析。按操作系统划分,样本中包括711个安卓应用和634个 iOS应用。


我们发现了什么?

我们最终发现K因子的确存在,但并不适用于当前市场上的大多数应用。

我们在30%的样本中发现了K因子。在这些样本中,数据团队得出K因子的中值为0.45。这意味着(按照样本中值的应用运行情况)每100个付费安装将带来45个额外的自然安装。而这仅仅是中值,样本中有些应用收获了数百,甚至是数千次额外安装。


K因子存在于哪些应用中?

为了弄清自然安装是否受到付费安装的影响,让我们首先来看看付费安装数量。付费安装量不应远低于总自然安装量。也就是说,付费安装量必须至少要达到自然安装量的65%,应用才可能受到K因子的影响。因此,如果您获得100次自然安装,则必须拥有至少65次付费安装,K因子才会发生效用。

其中一个可能的解释是,当自然安装数量已经达到较高水平,获取新的自然用户将变得更加困难。

不过,我们发现对于总下载量较低的应用来说,付费安装对自然安装几乎没有影响。事实上,拥有最大用户群的应用也同时拥有最高的K因子指标,其投放的付费推广活动对自然安装有着巨大的推动作用。 不同平台之间未发现差异: iOS和安卓平台表现一致。

我们还进一步研究了不同类型应用的K因子差异。从游戏行业开始,在样本中的470个游戏应用中有22.5%受到了K因子的影响,而871个非游戏应用的K因子存在比例为33.6%。因此,游戏应用受到K因子的影响相对较小。事实上,电子商 应用(样本中共158个)K因子存在比例较高,为38.6%,而非购物应用的对应比例为28.5%。

最后,我们发现应用的生命周期(自发布之日起)和是否存在K因子,或K因子的影响程度之间没有明显关系。也就是说,不论应用发布的时间有多长,都可能受到K因子的影响。


启示

现在我们知道了K因子的确存在,那么这对于大多数营销商来说意味着什么?

认同K因子的影响作用,并尽可能地改进和优化它,对于提升从付费推广获取自然用户的能力至关重要。病毒式传播、应用商店优化(ASO)和创建便于分享的应用是破解K因子的关键。以下我们将向您简要介绍如何利用这些关键因素来提高K因子指标。


应用商店优化(ASO)

除了应用商店优化,还有什么更好的方式来提升自然下载量?几乎没有!但是,影响应用商店优化排名的最大因素还是下载量。无论用户是来自付费或者自然来源,大规模的安装数量将有助于提升排名。当应用在商店中的流量平稳且活跃用户数量不断增加,其应用商店的排名将会上升并稳固,从而形成自然和付费流量之间的健康循环,最终带来更高的K因子指标。


病毒式传播

吸引眼球的应用才会受益于K因子。通过病毒式传播的应用将从各个方面受益,并收获自然流量和付费互动的增长。用户一旦听说了这些应用就会毫不犹豫地点击“安装”。病毒式传播带来的不仅仅是更高的K因子指标,还为将来的再参与和再营销活动降低了难度。


共享

简而言之,便于共享的应用将有助于K因子发挥作用。无论是多人游戏,或是支持用户分摊成本的旅行应用,鼓励用户与好友分享应用可以将一个付费安装变成三到四个、甚至更多的自然安装。

以上是关于K因子的所有内容,敬请关注我们的移动营销博客,随时了解更多热点资讯。

扫一扫, 分享本文

关注adjust的公众号