0
17:35〜
GMO NIKKO株式会社 中村 智彦
スマートフォンアプリ解析ツール
Apsalarについて
1
多くのアプリ提供会社が悩んでいること
・アプリでの囲い込みが進んでいない
・ユーザーの定着率が低い
結果・・・
アプリ KGI 目標の未達
2
「収益化」に成功しているアプリに
共通して言えることは?
3
「 Goal に至るまでの過程で快適
(ストレスレス)なユーザー体験の場を提供」
・ゲームを楽しませる
・目標とするポイントまで、ユーザーに意識させることなく遷移させる
・スムーズに商品を購入できる
・詳しい説明なく、機能を利用できる など
4
そこで…
Webサイトにて、快適なユーザー体験を
提供している企業(サイト)は非常に多い
・・・なぜ、アプリでは実現できていないのか?
5
現在、Webサイトが流行り出した時代と同じ事が
『 アプリ 』で起こっている
成功しているWebサイトは、
解析を重ねてきたからこそ、「快適」になっている
アプリはまさにそのフェーズにある
6
Webにて蓄積された知見(UI成功事例)は
アプリで通用するとは限らない
『WebはWeb』 『アプリはアプリ』 という考え方が重要
アプリ事情に特化した、分析・最適化ツールにて
「解」を探す必要がある
7
集客の最大化 成果の最大化
アプリのリリース
プロモーション実施
プロモーション分析
2つの分析視点が必要
プロモーション最適化
アプリ内分析
アプリ内最適化
8
集客の最大化 (キャンペーン分析)
成果の最大化 (ユーザー体験最適化)
新規顧客開拓 顧客活性化 収益化
9
集客の最大化 (キャンペーン分析)
成果の最大化 (ユーザー体験最適化)
10
成果の最大化 (ユーザー体験最適化)
Funnel 分析 Cohort 分析
11
成果の最大化(ユーザー体験最適化) Funnel 分析
:33%
:67%
ボトルネック
KPI
達成率
KPI
達成率
12
成果の最大化(ユーザー体験最適化) Cohort 分析
例)ゲーム系アプリにおける、Cohort分析:「セッション(起動)」× 「友達申請」
① 通常時 A:5/22 - 25
② イベント成功パターン
5/26 – 6/2
③ 通常時 B:6/3 - 7
④ イベント失敗パターン
6/8
13
Funnel 分析 Cohort 分析
・ユーザー体験において
ネックとなる箇所の特定
「Goal 到達ユーザーの拡大」 「イベント・機能の成否判定」
・イベント体験ユーザーごと
の定着率を時系列で判定
14
集客の最大化 (キャンペーン分析)
成果の最大化 (ユーザー体験最適化)
15
■ アプリにおけるユーザーマッピング
無関心層 関心層
非インストール インストール
休眠
ユーザー
アクティブ
ユーザー
ロイヤル
ユーザー
「収益化」のためには、ユーザー層ごとのアプローチが重要
16
■ 「成果の最大化」要素の影響範囲
無関心層 関心層
非インストール インストール
休眠
ユーザー
アクティブ
ユーザー
ロイヤル
ユーザー
「Funnel分析」「Cohort分析」による最適化 ⇒ Goal数の増大 ※ただし、Goalへの確率を上げるだけでは不十分
17
■ 「集客の最適化」の影響範囲
無関心層 関心層
非インストール インストール
休眠
ユーザー
アクティブ
ユーザー
ロイヤル
ユーザー
「KGI目標達成」のためには、「非アクティブ層」の活性化も必須!!
18
■ 活性化のための手法
無関心層 関心層
非インストール インストール
休眠
ユーザー
アクティブ
ユーザー
ロイヤル
ユーザー
リエンゲージメント広告 ※ 特に重要なトレンド
リワード広告+アドネット ワーク広告
19
■ リエンゲージメント広告とは?
アプリを利用しなくなった休眠ユーザー(もしくはDL後、未起動)に対して
広告を介したアプローチを行い、再度利用者となってもらう施策のこと
⇒ 『アプローチするターゲットをどのように特定するのか』が重要となる施策
20
リエンゲージメント
広告に活用可能 分析結果データを
休眠ユーザー 利用中のユーザー
未起動
ユーザー
特定の日数
以上、起動 していないユーザー
CVに
至っていない
特定ポイント
へ未到達
21
■ Apsalar データのリターゲティング活用
休眠ユーザー
継続ユーザー
DL 済ユーザー iOS : IDFA
Android: AdID
Target_01
Target_02
Target_03
リエンゲージメント配信
ユーザー拡張配信
他アプリ向け配信
新規DL促進
Point 1 : DL後非アクティブユーザーに絞って再アプローチが可能
Point 2 : 次回リリース予定アプリの初動DL促進として活用が可能
新規DL促進
22
■ Apsalar データのリターゲティング活用 (拡張タイプ)
iOS : IDFA
Android: AdID
Target_01
Target_02
Target_03
リエンゲージメント配信
ユーザー拡張配信
他アプリ向け配信
新規DL促進
Point 1 : DL後非アクティブユーザーに絞って再アプローチが可能
Point 2 : 次回リリース予定アプリの初動DL促進として活用が可能
Point 3 : アクティブユーザーとの類似ユーザーに拡張配信が可能
新規DL促進
休眠ユーザー
継続ユーザー
DL 済ユーザー
未 DL ユーザー
23
■ リエンゲージメント広告によって得られること
1.
2.
ユーザーの活性化
アプリの再評価
一度アプリを遊んでいるため、アプリ内でのステータスがあり、 リエンゲージメントした際のアプリの定着率が高い。
以前の使用感と現在の使用感を比較をする為、 アプリのアップデートによるアプリ自体の評価が明確になる。
24
成果の最大化 (ユーザー体験最適化)
集客の最大化 (キャンペーン分析)
■ まとめ
・最適なイベント/機能の選択
・ボトルネックの解消
ユーザーフレンドリーな
『アプリに特化した』UIの構築
・最良の広告選定
・ターゲット別アプローチ
「質・ボリューム」を備えた
プロモーションの構築
25
成果の最大化 (ユーザー体験最適化)
集客の最大化 (キャンペーン分析)
■ まとめ
+ DMP機能(来年早々に実装予定)
26
ご清聴ありがとうございました
Top Related