Análise de marketing para dispositivos móveis

Métricas de aquisição: medição do alcance e da rentabilidade

As métricas de aquisição focam em como os usuários são atraídos para o ecossistema móvel, seja baixando um aplicativo ou visitando um site móvel, e os custos associados a essas atividades.

• Instalações/downloads: no caso dos aplicativos para dispositivos móveis, o número de instalações ou downloads serve como a métrica inicial do ponto de entrada. Embora fundamental, requer contexto. Um alto volume de instalações não equivale necessariamente ao sucesso se os usuários forem de baixa qualidade, o que significa que eles desistem rapidamente ou nunca se engajam de maneira significativa com o aplicativo.

• Custo por instalação (CPI) e custo por aquisição (CPA): essas métricas quantificam a rentabilidade das campanhas de aquisição de usuários. O CPI representa o custo médio incorrido para gerar uma nova instalação do aplicativo. Esse custo é calculado dividindo o gasto total com anúncios pelo número de instalações atribuídas a esse gasto. O CPA é uma métrica mais ampla que mede o custo associado a uma ação desejada específica, como o registro de um usuário, a conclusão de uma sequência de integração ou a realização de uma compra inicial, e não apenas a uma instalação. Tanto o CPI quanto o CPA são vitais para avaliar o desempenho financeiro de diferentes canais e campanhas de publicidade.

• Custo de conquista de cliente (CAC): fornece uma visão mais integral dos custos de aquisição, com foco específico na aquisição de um cliente pagante. É calculado dividindo os custos totais de vendas e marketing (incluindo salários, despesas gerais, gastos com anúncios e assim por diante) em um determinado período pelo número de novos clientes pagantes adquiridos durante esse período. O CAC costuma ser mais alto que o CPI ou o CPA porque leva em conta o fato de que nem todos os usuários adquiridos (instalações ou ações iniciais) acabarão monetizando. Ele relaciona diretamente os gastos com aquisição ao potencial de geração de receita.

 
Métricas de engajamento que medem a interação do usuário

Após a aquisição dos usuários, as métricas de engajamento medem com que frequência e intensidade eles interagem com o site ou aplicativo para dispositivos móveis. Quanto maior o engajamento, maior a probabilidade de monetização e retenção a longo prazo.

• Usuários ativos diários (DAU) e usuários ativos mensais (MAU): o DAU representa o número de usuários únicos que interagem com o aplicativo em um determinado dia, enquanto o MAU mede os usuários únicos em um período de 30 dias. Essas métricas indicam o tamanho geral da base de usuários ativos e a adesão geral ao aplicativo. A relação entre DAU e MAU (geralmente expressa em porcentagem) fornece insights sobre a frequência do engajamento. Uma porcentagem mais alta sugere que os usuários retornam com mais regularidade em um mês.

• Duração e frequência da sessão: a duração da sessão mede o tempo médio que os usuários passam no aplicativo durante uma única sessão. A frequência da sessão monitora com que frequência os usuários iniciam novas sessões em um período específico (por exemplo, por dia, por semana). Em conjunto, essas métricas avaliam a intensidade e a regularidade da interação do usuário. Sessões mais longas e frequências mais elevadas costumam corresponder a um maior investimento do usuário no aplicativo.

• Taxa de retenção: essa métrica essencial mede a porcentagem de usuários que retornam ao aplicativo após um período específico depois do primeiro uso (por exemplo, retenção do dia 1, retenção do dia 7 ou retenção do dia 30). Taxas de retenção elevadas são essenciais para o crescimento duradouro e indicam que o aplicativo fornece valor contínuo e faz com que os usuários voltem. É um forte indicador de que o produto é adequado para o mercado e oferece viabilidade a longo prazo.

• Taxa de abandono: a taxa de abandono é o inverso da retenção. Representa a porcentagem de usuários que param de usar o aplicativo durante um período definido. Uma elevada taxa de abandono é sinal de problemas, possivelmente relacionados à experiência do usuário, falta de valor percebido, problemas técnicos ou integração ineficaz. Minimizar o abandono é crucial para manter uma base de usuários saudável e maximizar o valor vitalício.

Métricas de engajamento sólidas servem como pré-requisito essencial para atingir um considerável valor vitalício do cliente (CLV). Elas funcionam como indicadores principais do potencial de monetização futuro e da integridade geral da empresa. Métricas de engajamento ruins preveem inevitavelmente um baixo CLV, independentemente de quantos usuários foram adquiridos inicialmente ou a que custo. Como consequência, os esforços estratégicos focados em melhorar o engajamento e a retenção do usuário, mesmo em porcentagens aparentemente pequenas, podem gerar impactos positivos substanciais na receita e na lucratividade a longo prazo.

Métricas de monetização para medir a receita

As métricas de monetização monitoram diretamente o desempenho financeiro dos esforços de marketing para dispositivos móveis e do próprio aplicativo, avaliando com que eficácia a base de usuários é convertida em receita.

• Receita média por usuário (ARPU): é calculada dividindo a receita total gerada em um período específico pelo número total de usuários ativos durante esse mesmo período. Ela fornece uma medida ampla da contribuição média de receita em toda a base de usuários, incluindo usuários pagantes e não pagantes.

• Receita média por usuário pagante (ARPPU): foca especificamente a receita gerada por usuários que fazem compras ou contribuem financeiramente. Ela é calculada dividindo a receita total pelo número de usuários pagantes. A ARPPU oferece uma visão mais clara da eficácia da monetização entre o segmento de usuários que completam a ação de conversão e ajuda a entender os padrões de gastos de clientes valiosos. Comparar ARPU e ARPPU pode salientar a proporção de usuários que geram receita.

• Valor vitalício do cliente (CLV): às vezes chamado de LTV, é uma métrica preditiva que representa a receita líquida total que uma empresa pode esperar gerar de um único cliente médio ao longo de todo o seu relacionamento com o aplicativo ou marca. Normalmente, o cálculo do CLV considera o valor médio das compras, frequência das compras e a vida útil do cliente (geralmente derivada das taxas de retenção/abandono). É indiscutivelmente uma das métricas mais cruciais para o crescimento contínuo, pois muda o foco do ganho a curto prazo para o relacionamento com os clientes e a lucratividade a longo prazo. Um modelo de negócios bem-sucedido costuma exigir que o LTV seja significativamente maior que o CAC.

• Retorno do investimento em publicidade (ROAS): mede a receita bruta gerada para cada dólar gasto em publicidade. É calculado dividindo a receita diretamente atribuída a uma campanha publicitária pelo custo dessa campanha. O ROAS proporciona uma medida direta da lucratividade de esforços publicitários específicos e costuma ser usado para otimização tática de campanhas.

Modelos de atribuição comuns

Há vários modelos de atribuição de crédito, e a escolha do modelo afeta significativamente como o desempenho do canal é percebido.

• Atribuição de primeiro contato: atribui 100% do crédito ao primeiro ponto de contato de marketing com o qual um usuário interagiu antes de ocorrer a conversão.

• Atribuição de último contato: atribui 100% do crédito ao ponto de contato final antes da conversão. Trata-se de uma prática comum devido à simplicidade, mas negligencia, muitas vezes, interações influentes anteriores.

• Atribuição multicontato: tenta distribuir o crédito entre vários pontos de contato na jornada do usuário. As variações mais comuns são:

• Linear: distribui o crédito igualmente entre todos os pontos de contato.

• Decaimento temporal: atribui mais crédito aos pontos de contato mais próximos do momento em que ocorre a conversão.

• Em forma de U (baseado na posição): atribui maior crédito ao primeiro e ao último ponto de contato, distribuindo o restante entre as interações intermediárias.

A seleção de um modelo de atribuição deve refletir de modo adequado a jornada típica do cliente e os objetivos de negócios. No entanto, limitações práticas e a disponibilidade dos dados costumam influenciar essa seleção.

Desafios da atribuição móvel

A atribuição no ambiente móvel enfrenta vários desafios exclusivos e significativos.

• Atribuição de visualização (VTA): refere-se à atribuição de conversões que ocorrem após um usuário ser exposto a um anúncio (uma impressão), mas não clicar nele. Embora as visualizações de anúncios possam influenciar o comportamento, medir esse vínculo de modo definitivo e evitar correlações falsas é tecnicamente difícil e depende, muitas vezes, de metodologias de rastreamento específicas empregadas por redes de publicidade e MMPs. Também é uma tarefa complexa determinar o período apropriado de análise retrospectiva, isto é, quanto tempo após a visualização de um anúncio uma conversão deve ser atribuída a ele.

• Rastreamento entre dispositivos: os usuários costumam interagir com marcas em vários dispositivos, ou seja, eles conhecem a marca em um aplicativo para dispositivos móveis, pesquisam por ela em um site no desktop e podem adquirir o produto de tal marca mais tarde em um tablet. Vincular essas interações com uma única jornada do usuário é definitivamente complicado devido a identificadores de usuário fragmentados e diferentes mecanismos de rastreamento entre plataformas (cookies da web versus IDs de anúncios móveis). Essa fragmentação impede uma visão verdadeiramente unificada do caminho do cliente.

• Ecossistemas fechados: as principais plataformas de publicidade, como Meta e Google, operam como “jardins murados”. Elas possuem dados extensos sobre a atividade do usuário em seus próprios ecossistemas e costumam utilizar seus próprios sistemas de atribuição internos. Os dados relatados por essas plataformas podem, às vezes, diferir dos dados relatados por MMPs de terceiros devido a variações na lógica de atribuição, períodos de análise retrospectiva ou acesso a dados. Na maioria das vezes, os profissionais de marketing precisam conciliar esses relatórios divergentes.

• Regulamentação de privacidade de dados: trata-se do desafio mais profundo que a atribuição móvel enfrenta atualmente. As regulamentações de privacidade, como o GDPR e a CCPA, em conjunto com as políticas aplicadas pelas plataformas, de maneira mais notável a estrutura de Transparência de Rastreamento de Aplicativos (ATT) da Apple, afetaram fundamentalmente a privacidade dos dados e o rastreamento de análise móvel. A ATT exige que os aplicativos obtenham o consentimento explícito do usuário para poder acessar o identificador exclusivo para anunciantes (IDFA) do dispositivo para fins de rastreamento em aplicativos e sites de diferentes empresas. Como muitos usuários optam por não dar seu consentimento, a disponibilidade do IDFA para rastreamento determinístico entre aplicativos no nível do usuário diminuiu drasticamente. Em resposta, a Apple introduziu o SKAdNetwork, uma estrutura de atribuição que preserva a privacidade. O SKAdNetwork fornece dados de atribuição diretamente do sistema operacional para as redes de publicidade. No entanto, tais dados são agregados (não são coletados apenas no nível do usuário), são obtidos mais lentamente e são mais limitados em relação à granularidade da campanha e às informações após o evento de instalação. Essa mudança afeta significativamente a capacidade de realizar atribuições precisas, em tempo real e no nível do usuário para campanhas no iOS. Outras considerações semelhantes sobre privacidade afetam os identificadores de publicidade do Android (Google Advertising ID ou GAID) e o rastreamento baseado em navegador.

Rastreamento de eventos

Rastreamento de eventos consiste em configurar uma plataforma de análise (como o Adobe Analytics) para registrar ações ou ocorrências específicas e predefinidas dentro do aplicativo realizadas pelo usuário. Esses eventos podem ser qualquer atividade suficientemente importante para ser rastreada: desde interações simples como cliques em botões, visualizações de tela ou atividade de rolagem, até atividades mais significativas como concluir um tutorial, adicionar um item a um carrinho de compras, completar um nível em um jogo, compartilhar conteúdo ou concluir uma compra com sucesso.

A implementação de um rastreamento de eventos abrangente fornece dados granulares sobre como os usuários interagem com diferentes recursos e conteúdo dentro do aplicativo. Permite que equipes de marketing e de produtos meçam as taxas de adoção de recursos, entendam os padrões de engajamento do usuário de modo mais detalhado, controlem o progresso por meio de fluxos de trabalho principais e identifiquem ações específicas que se correlacionam com a retenção ou monetização. Esses dados granulares são a matéria-prima para análises mais sofisticadas, como análise de funil e de fluxo de usuários.

Análise de funil

A análise de funil visualiza as etapas sequenciais que os usuários realizam para completar uma meta específica e desejada ou um caminho de conversão dentro do aplicativo. O processo de registro de usuários, o fluxo de check-out em comércio eletrônico, a sequência do tutorial de integração ou as etapas necessárias para concluir uma ação principal em um aplicativo de produtividade são alguns exemplos. A análise mede o número de usuários que concluem cada etapa com sucesso e calcula a taxa de conversão ou taxa de abandono entre etapas consecutivas.

O principal valor da análise de funil é identificar gargalos e pontos de atrito em fluxos de usuários essenciais. Ao identificar exatamente em que estágio do processo ocorre o abandono dos usuários (altas taxas de abandono entre etapas específicas), as equipes podem concentrar seus esforços de otimização na melhoria desses estágios. Por exemplo, se um funil de check-out mostra um grande abandono entre a visualização do carrinho e o início do pagamento, é sinal de que há um possível problema com o design, a clareza ou as opções de pagamento disponíveis na tela do carrinho.