Analisi del mobile marketing

Metriche di acquisizione: valutazione della portata e dell’efficienza dei costi.

Le metriche di acquisizione si concentrano su come gli utenti vengono introdotti nell’ecosistema mobile, che si tratti di scaricare un’app o visitare un sito web mobile, e sui costi associati a queste attività.

• Installazioni/download: per le applicazioni mobili, il numero di installazioni o download funge da metrica del punto di ingresso iniziale. Sebbene fondamentale, richiede un contesto. Un elevato numero di installazioni non garantisce il successo se gli utenti acquisiti sono di bassa qualità, ossia se abbandonano presto l’app o non la utilizzano in modo rilevante.

• Costo per installazione (CPI) e costo per acquisizione (CPA): queste metriche quantificano l’efficienza dei costi delle campagne di acquisizione utenti. Il CPI rappresenta il costo medio sostenuto per generare una nuova installazione di un’app, calcolato dividendo la spesa pubblicitaria totale per il numero di installazioni attribuite a tale spesa. Il CPA amplia questo concetto per misurare il costo associato a una specifica azione desiderata oltre la semplice installazione, come la registrazione dell’utente, il completamento di una sequenza di onboarding o un acquisto iniziale. Sia il CPI che il CPA sono vitali per valutare le prestazioni finanziarie di diversi canali e campagne pubblicitarie.

• Costo di acquisizione del cliente (CAC): il CAC fornisce una visione più olistica dei costi di acquisizione concentrandosi specificamente sull’acquisizione di un cliente pagante. Viene calcolato dividendo i costi totali di vendita e marketing (compresi stipendi, spese generali, spesa pubblicitaria e così via) in un determinato periodo per il numero di nuovi clienti paganti acquisiti durante tale periodo. Il CAC è in genere superiore al CPI o al CPA perché tiene conto del fatto che non tutti gli utenti acquisiti (installazioni o azioni iniziali) alla fine monetizzeranno. Collega direttamente la spesa per l’acquisizione al potenziale di generazione di ricavi.

 
Metriche di coinvolgimento che misurano l’interazione dell’utente

Una volta acquisiti gli utenti, le metriche di coinvolgimento misurano quanto attivamente e frequentemente interagiscono con l’app mobile o il sito web. Un elevato coinvolgimento è spesso un precursore della monetizzazione e della retention a lungo termine.

• Utenti attivi giornalieri (DAU) e utenti attivi mensili (MAU): il DAU rappresenta il numero di utenti univoci che interagiscono con l’app in un dato giorno, mentre il MAU misura gli utenti univoci in un periodo di 30 giorni. Queste metriche indicano la dimensione complessiva della base di utenti attivi e la capacità di fidelizzazione generale dell’app. Il rapporto tra DAU e MAU (spesso espresso in percentuale) fornisce informazioni sulla frequenza del coinvolgimento: un rapporto più elevato suggerisce che gli utenti ritornano più frequentemente nel corso del mese.

• Durata e frequenza della sessione: la durata della sessione misura il tempo medio che gli utenti trascorrono all’interno dell’app durante una singola sessione. La frequenza della sessione tiene traccia della frequenza con cui gli utenti avviano nuove sessioni in un arco di tempo specifico (ad esempio, al giorno, alla settimana). Insieme, queste metriche misurano la profondità e la frequenza dell’interazione degli utenti. Sessioni più lunghe e una frequenza più elevata di solito si correlano a un maggiore coinvolgimento dell’utente nell’app.

• Tasso di retention: questa metrica misura la percentuale di utenti che interagiscono nuovamente con l’app dopo un periodo specifico successivo al loro primo utilizzo (ad esempio, fidelizzazione al giorno 1, al giorno 7 o al giorno 30). Alti tassi di fidelizzazione sono essenziali per una crescita sostenibile, il che significa che l’app offre valore continuo e mantiene gli utenti coinvolti. È un forte indicatore di adattamento del prodotto al mercato e di redditività a lungo termine.

• Tasso di abbandono: il tasso di abbandono è l’inverso della fidelizzazione e rappresenta la percentuale di utenti che smettono di utilizzare l’app in un periodo di tempo definito. Un tasso di abbandono elevato indica problemi, potenzialmente legati all’esperienza utente, alla mancanza di valore percepito, a problemi tecnici o a un onboarding inefficace. Ridurre al minimo l’abbandono è fondamentale per mantenere una corretta base di utenti e massimizzare il valore del ciclo di vita.

Solide metriche di coinvolgimento fungono da prerequisiti essenziali per ottenere un valore del ciclo di vita del cliente (CLV) sostanziale. Funzionano come indicatori principali del potenziale di monetizzazione futuro e della salute generale del business. Scarse metriche di coinvolgimento prevedono inevitabilmente un basso CLV, indipendentemente da quanti utenti sono stati inizialmente acquisiti o a quale costo. Di conseguenza, l’impegno per migliorare il coinvolgimento e la fidelizzazione degli utenti, anche di percentuali apparentemente piccole, può produrre impatti positivi sostanziali sui ricavi e sulla redditività a lungo termine.

Metriche di monetizzazione per misurare i ricavi

Le metriche di monetizzazione monitorano direttamente le prestazioni finanziarie delle attività di mobile marketing e dell’app stessa, valutando l’efficacia con cui la base di utenti viene convertita in ricavi.

• Ricavo medio per utente (ARPU): l’ARPU viene calcolato dividendo i ricavi totali generati in un periodo specifico per il numero totale di utenti attivi durante lo stesso periodo. Fornisce una misura complessiva del contributo medio ai ricavi per l’intera base di utenti, compresi gli utenti paganti e non paganti.

• Ricavo medio per utente pagante (ARPPU): l’ARPPU si concentra specificamente sui ricavi generati dagli utenti che effettuano acquisti o contribuiscono finanziariamente. Viene calcolato dividendo i ricavi totali per il numero di utenti paganti. L’ARPPU offre una visione più chiara dell’efficacia della monetizzazione tra il segmento di utenti che convertono e aiuta a comprendere i modelli di spesa dei clienti di valore. Il confronto tra ARPU e ARPPU può evidenziare la proporzione di utenti che generano ricavi.

• Valore del ciclo di vita del cliente (CLV): il CLV (a volte definito LTV) è una metrica predittiva che rappresenta i ricavi netti totali che un’azienda può aspettarsi di generare da un singolo cliente medio durante l’intera relazione con l’app o il brand. Il calcolo del CLV comporta in genere la considerazione del valore medio di acquisto, della frequenza di acquisto e della durata del cliente (spesso determinata dai tassi di fidelizzazione/abbandono). È probabilmente una delle metriche più cruciali per una crescita sostenibile, poiché sposta l’attenzione dai guadagni a breve termine alle relazioni e alla redditività a lungo termine con i clienti. Un modello di business di successo richiede generalmente che l’LTV sia significativamente maggiore del CAC.

• Ritorno sulla spesa pubblicitaria (ROAS): il ROAS misura i ricavi lordi generati per ogni dollaro speso in pubblicità. Viene calcolato dividendo i ricavi direttamente attribuiti a una campagna pubblicitaria per il costo di tale campagna. Il ROAS fornisce una misura diretta della redditività di specifiche attività pubblicitarie ed è comunemente usato per l’ottimizzazione tattica delle campagne.

Modelli di attribuzione comuni

Esistono diversi modelli per l’assegnazione del merito e la scelta del modello influisce in modo significativo su come viene percepita la performance del canale.

• Attribuzione al primo contatto: assegna il 100% del merito al primissimo punto di contatto di marketing con cui un utente ha interagito prima della conversione.

• Attribuzione all’ultimo contatto: assegna il 100% del merito al punto di contatto finale prima della conversione. Questo approccio è storicamente diffuso per la sua semplicità, ma spesso ignora le interazioni precedenti che hanno avuto un impatto.

• Attribuzione multi-touch: tenta di distribuire il merito tra più punti di contatto nel percorso dell’utente. Le variazioni comuni includono:

• Lineare: distribuisce il merito in modo uguale tra tutti i punti di contatto.

• Decadimento temporale: assegna maggiore merito ai punti di contatto temporalmente più vicini alla conversione.

• A forma di U (in base alla posizione): assegna maggiore merito al primo e all’ultimo punto di contatto, distribuendo il resto tra le interazioni intermedie.

La selezione di un modello di attribuzione dovrebbe idealmente riflettere il tipico percorso del cliente e gli obiettivi di business, ma i limiti pratici e la disponibilità dei dati spesso influenzano la scelta.

Sfide dell’attribuzione per dispositivi mobili

L’attribuzione nell’ambiente mobile affronta diverse sfide uniche e significative.

• Attribuzione view-through (VTA): si riferisce all’attribuzione di conversioni che avvengono dopo che un utente ha visualizzato un annuncio (un’impressione) ma non vi ha fatto clic. Sebbene le visualizzazioni degli annunci possano influenzare il comportamento, misurare questo legame in modo definitivo ed evitare false correlazioni è tecnicamente impegnativo e spesso si basa su metodologie di tracciamento specifiche impiegate dal network pubblicitario e dagli MMP. Anche la determinazione della finestra di lookback appropriata (quanto tempo dopo la visualizzazione di un annuncio una conversione dovrebbe essere accreditata) è complessa.

• Tracciamento cross-device: gli utenti interagiscono spesso con i brand su più dispositivi, scoprendo su un’app mobile, facendo ricerche su un sito web desktop e magari effettuando conversioni su un tablet. Collegare queste interazioni a un unico percorso utente è notoriamente difficile a causa di identificatori utente frammentati e meccanismi di tracciamento tra le piattaforme (cookie web vs. ID pubblicitari mobili) diversi. Questa frammentazione ostacola una visione veramente unificata del percorso del cliente.

• Walled garden: le principali piattaforme pubblicitarie come Meta e Google operano come “walled garden”. Possiedono dati estesi sull’attività degli utenti all’interno dei propri ecosistemi e spesso utilizzano i propri sistemi di attribuzione interni. I dati riportati da queste piattaforme possono talvolta differire dai dati riportati da MMP di terze parti a causa di variazioni nella logica di attribuzione, nelle finestre di lookback o nell’accesso ai dati. I marketer devono spesso conciliare questi rapporti divergenti.

• Regolamentazione sulla privacy dei dati: questa rappresenta la sfida più profonda che l’attribuzione mobile sta attualmente affrontando. Le normative sulla privacy come il GDPR e il CCPA, associate alle politiche imposte dalle piattaforme, in particolare il framework App Tracking Transparency (ATT) di Apple, hanno avuto un impatto fondamentale sulla privacy dei dati e sul monitoraggio dell’analisi per dispositivi mobili. L’ATT richiede alle app di ottenere il consenso esplicito dell’utente prima di accedere all’identificatore univoco per gli inserzionisti (IDFA) del dispositivo a scopo di tracciamento tra app e siti web di diverse aziende. Poiché molti utenti scelgono di non partecipare, la disponibilità dell’IDFA per il tracciamento deterministico cross-app a livello di utente è drasticamente diminuita. In risposta, Apple ha introdotto SKAdNetwork, un framework di attribuzione che preserva la privacy. SKAdNetwork fornisce dati di attribuzione direttamente dal sistema operativo al network pubblicitario, ma sono aggregati (non a livello di utente), ritardati e limitati in termini di granularità delle campagne e di informazioni sugli eventi post-installazione. Questo cambiamento ha un impatto significativo sulla capacità di eseguire un’attribuzione precisa, in tempo reale e a livello di utente per le campagne iOS. Simili considerazioni sulla privacy riguardano gli identificatori pubblicitari di Android (Google Advertising ID o GAID) e il tracciamento basato su browser.

Monitoraggio degli eventi

Il monitoraggio degli eventi comporta la configurazione di una piattaforma di analisi (come Adobe Analytics) per registrare azioni o eventi utente specifici e predefiniti all’interno dell’app. Questi eventi possono essere qualsiasi cosa ritenuta importante da monitorare, da semplici interazioni come clic sui pulsanti, visualizzazioni di schermate o attività di scorrimento, a traguardi più significativi come il completamento di un tutorial, l’aggiunta di un articolo a un carrello, il completamento di un livello in un gioco, la condivisione di contenuti o il completamento con successo di un acquisto.

L’implementazione di un monitoraggio completo degli eventi fornisce dati dettagliati su come gli utenti interagiscono con diverse funzionalità e contenuti all’interno dell’app. Consente ai team di marketing e di prodotto di misurare i tassi di adozione delle funzionalità, comprendere i pattern di coinvolgimento degli utenti a un livello dettagliato, monitorare i progressi attraverso i flussi di lavoro chiave e individuare le azioni specifiche che si correlano con la fidelizzazione o la monetizzazione. Questi dati dettagliati sono la materia prima per analisi più sofisticate come l’analisi del funnel e del flusso utente.

Analisi del funnel

L’analisi del funnel visualizza i passaggi sequenziali che gli utenti compiono per completare un obiettivo o un percorso di conversione specifico e desiderato all’interno dell’app. Gli esempi includono il processo di registrazione dell’utente, il flusso di checkout dell’e-commerce, la sequenza del tutorial di onboarding o i passaggi necessari per completare un’azione principale in un’app di produttività. L’analisi misura il numero di utenti che completano con successo ogni passaggio e, soprattutto, calcola il tasso di conversione, o il tasso di abbandono, tra passaggi consecutivi.

Il valore principale dell’analisi del funnel è l’identificazione di colli di bottiglia e punti di attrito all’interno di flussi utente critici. Individuando esattamente dove gli utenti stanno abbandonando un processo (alti tassi di abbandono tra passaggi specifici), i team possono concentrare i loro sforzi di ottimizzazione sul miglioramento di quelle fasi. Ad esempio, se un funnel di checkout mostra un elevato tasso di abbandono tra la visualizzazione del carrello e l’inizio del pagamento, questo può significare un possibile problema con il design della schermata del carrello, la sua chiarezza o le opzioni di pagamento disponibili