Вопрос, конечно, на миллион.
Вы крутите ретаргетинг: возвращаете тех, кто зарегистрировался, но не купил. Тратите деньги. И проблема всегда одна и та же. А этот пользователь вернулся бы и сам? Не платим ли мы за то, что и так бы случилось?
Это и есть
Работал с мобильным приложением – соцсеть с игровыми механиками, много гео: Африка, Европа, Штаты. Часть бюджета уходила на повторное привлечение тех, кто уже поставил приложение.
Вопрос стоял ребром: они правда приносят больше – или ведут себя так же, как те, кого мы не трогали?
Идеальный способ ответить – контролируемый A/B-тест с разделением групп. Но на стороне площадки так тонко управлять распределением трафика не выходит. Зато были богатые исторические данные. Их хватило.
Оценивали session_time - время в приложении. Монетизация во многом рекламная, так что время почти линейно превращается в деньги.
Казалось бы, просто: сравни тех, кого привлекали повторно, с теми, кого нет.
Но тут ловушка.
Кто среагировал на объявление – уже по определению более вовлечён. Смещение выборки. Сравнишь в лоб – «привлечённые» всегда выглядят лучше, но не из-за ретаргетинга.
Такие дела.
Поэтому резали выборки тоньше. Собрали матрицу сегментов по бакетам: сколько дней пользователь был активен, сколько потом неактивен до повторного вовлечения. Плюс гео, устройства, поведение по покупкам. И сравнивали внутри одинаковых бакетов: часть привлекали повторно, часть – нет.
В матрице проявилась картина. Сегменты разделились на два типа:
1. Привлекать выгодно. Прирост по времени в приложении (то есть в деньгах) больше стоимости повторного привлечения. Чаще всего это те, кто уже что-то вложил в приложение, а потом отвлёкся – их стоило вернуть.
2. Привлекать невыгодно. Человек ушёл сразу после установки, ретаргетинг на поведение почти не влияет – тут просто жжём бюджет.
Это позволило оптимизировать бюджет ретаргетинга только на тех, кто даёт результат.
Конечно, это синтетический эксперимент на исторических данных – OLS, Causal Impact и ещё пара моделей. Каузальные выводы без реального теста всегда шумноваты.
Но взамен мы не тронули ни одной живой кампании, не потеряли ни рубля и получили осознанные выводы там, где полноценный эксперимент не поставить. Это было очень дешево!
Хотите понять, как платный трафик влияет на окупаемость в разных разрезах? Исторические данные часто дают самый эффективный ответ. Пишите в ЛС канала - обсудим.
@marketing_analysis