プレディクティブマーケティングが重要な理由
新規ユーザーを狙ったUAマーケティングはここ数年で飛躍的に発展し、モバイル業界が高度化するにつれてさらに重要になりました。
UA担当のマーケターは、キャンペーンを無駄なく効率的に運用して、質の高いユーザを獲得する方法を模索します。BIツールやサードパーティが提供するソリューションは、ユーザー獲得にかかるコストやユーザー1人あたりのLTV（顧客生涯価値）を把握し、ROI（投資利益率）の精度を高めるために利用されますが、十分なデータが揃っていないため、UAマーケターはそれまでの経験や勘に頼った意思決定をおこなっている場合がほとんどです。
UAキャンペーンを最適化するには？
アプリ開発者は常にユーザー数を増やすことを考えています。自然にユーザー数を増やすこともできれば、さまざまな広告チャネルやマーケティング活動を通じてユーザーを獲得できます。後者のお金を払ってユーザーを獲得する場合は、Tapjoy、Unity、IronSourceなどの広告媒体、あるいはFacebook、Google、Twitterといった大手SRNを使い、広告キャンペーンは、ターゲット層、地域、アドネットワークなど、属性ごとにグループ分けして出稿します。
たとえば、Tinderを使っているイギリス在住のユーザーや、Facebookを使っているゲーム好きの20～34歳の女性をターゲット層に設定できます。そのうえで、ターゲットグループ（コホート）ごとに予算、1日のインプレッション最大数、入札価格（1ユーザーあたりに支払う単価）を設定します。
次に、アプリをインストールして利用を開始したユーザーのアプリの利用状況を追跡します。ユーザーは、アプリを使いはじめてから完全に終えるまでの間に、以下3つの指標（KPI）を通じて価値をもたらします。
- マネタイズ：アプリ内課金、広告閲覧、サブスク登録、オファーウォール型広告などからの収益
- エンゲージメント：ユーザーがアプリ内でとっている行動
- リテンション：ユーザーがアプリを使う頻度やリピート率
UAマーケターには1人あたりのユーザーから得られる生涯収益が、ユーザー獲得に費やしたコストを上回るように、キャンペーンを運用する責任があります。最大の課題は、ユーザーのアプリの利用状況を継続的に計測し、LTVを最大化することです。アプリにもよりますが、計測にはだいたい3週間～12か月かかります。
LTVがはっきりしてからユーザー獲得コストを決めることができれば理想的ですが、実際にはLTVが不明なまま予算を投入しなければなりません。
LTVを計測できるまで
広告主は、BIのシステムやチームの構成に膨大なリソースを注ぎます。データサイエンスを活用しながら、ユーザーのアプリとの関わりを細かく観察しようとしますが、それでもLTVを完璧に追うことができていません。BIツールの性能が高度であればあるほど、UA担当者はより的確な判断ができるようになります。
ユーザーの初期のLTVを解析するには、だいたい7日～14日分のデータが必要です。LTV値の正確性や精度を保つために、キャンペーンを出稿している間は、内容に手を加えることができません。 ある程度データ量が集まってはじめて、キャンペーンの最適化、入札価格、ターゲットの変更等が可能になります。
この期間をじっと耐えることができれば、LTVは向上し、正確性が増します。長く待つほど正確性は向上しますが、その代償として成功の見込みがないキャンペーンに投資する費用がかさみます。成功パターンを読み取ろうとする裏で、損する金額も大きくなる可能性があるのです。
予測分析とは？
1つの変数から1つの変数を予測する単回帰分析を使っているアプリ開発者もいますが、さらに成功パターンの予測精度を高めることができれば、LTVを最大化することにつながります。
最初の1日～2日でユーザーのアプリ内の行動を計測して、長期的な利益を把握することができればこれに越したことはありません。けれども、LTVを最大化するためには長期的な計画が必要です。
最初の数時間～数日のうちに、アプリ内で起きている無数のアクションや行動パターンを計測しながら、いくつもの複雑なツールでデータを活用し、結果を予測する、これが予測分析です。
マーケティング以外の分野では、過去のデータやパターンから将来の株価の動き、健康被害の可能性を予測するなど、業界の違いを超えてさまざまなビジネスシーンで活用されています。
予測分析をマーケティングに反映すれば、工程の効率化や、意思決定の精度向上を目指すことができます。けれど実際に実行するとなると困難がともないます。数多くのデータ分析プラットフォームが存在するいまでも、LTVを予測分析するにあたっては、膨大なリソースとデータの活用が求められます。
たとえば、ディープラーニング、スマートラベル、ダイナミックな性能を持つエンジニア技術が必要となり、とてつもなく高い費用がかかります。
そのため、多くのUA担当者は予測分析の重要性を知りつつも、実際に導入して活用できている企業は限られています。ここまでスケールが大きなオペレーションの運用に投資できないため、単回帰分析のようにシンプルなLTVの計算式を使ったり、いままでの経験や勘に頼らざるを得なくなっています。
プレディレクティブマーケティングの課題
ディープラーニングを搭載した予測モデルを築いて高度なLTVを算出するには、ユーザーの行動に関する大量のデータが必要です。
予測モデルを用いるのは、アプリ単体のLTVを算出するためとはいえ、その予測モデルを学習・改善して精度を向上するためには無数のアプリから取得したデータを必要とします。
マネタイズ、クロスチャネル、そしてUAキャンペーンを配信しているすべてのキャンペーンを全媒体・チャネルにわたって細部まで把握できる企業はごく少数しかいません。
たとえば、5つのアドネットワークを使用している広告主の場合、それぞれのネットワークのデータへアクセスはできますが、全UAキャンペーンのデータへアクセスすることはできません。それぞれのキャンペーンとメディアのデータに制限されています。アドネットワークは中立の立場を守らなければなりません。
AppsFlyerが提供できること
iOS 14によってアトリビューションの計測方法が大きく変わったことを受けて、この業界もプライバシー重視の新しい時代に適応しなければなりません。計測期間やユーザー情報に制約がかかっても、マーケティングの意思決定をおこなう必要があります。
そこで、プレディクティブマーケティングが役立ちます。
アトリビューション業界のリーダーとしての強みや、これまで蓄積してきた膨大なデータベースを活かして、AppsFlyerは正確かつ高い信頼性で予測分析を実現します。人間では気が付けない隠れた成功パターンを発見したり、めまぐるしく変わる状況をいち早く分析し、結果を積み重ねて予測の精度を上げることが可能です。
