4 Analytics-Berichte zur Optimierung Ihrer Monetization-Strategie
ImWebinar "Einrichten, Analysieren und Optimieren Ihrer Ad Monetization"von ironSource( ) zeigt Ihnen Elyse Krumholz, Leiterin unseres Growth Strategy Teams, wie Sie Ihre Monetization-Strategie am besten analysieren und optimieren können. Schauen wir uns an, worüber sie gesprochen hat.
Zunächst stellte sie fest, dass die Monetization von Anzeigen aus zwei Teilen besteht: der Strategie für die Implementierung von Anzeigen und der Strategie für Anzeigennetzwerke. Bei der Anzeigenimplementierungsstrategie geht es darum, zu entscheiden, wie Anzeigen in unser Spiel integriert werden sollen, während bei der Anzeigennetzwerkstrategie entschieden wird, mit welchen Anzeigennetzwerken gearbeitet werden soll und wie diese am besten genutzt werden können. Wie lässt sich unsere Strategie am besten optimieren? A/B-Tests.
Im Webinar möchte Elyse herausfinden, ob eine neue belohnte Videoplatzierung einen zusätzlichen ARPDAU generiert, ohne die Kundenbindung zu beeinträchtigen. Sie führt daher einen A/B-Test durch und bildet zwei Gruppen: eine Gruppe mit der neuen belohnten Videoplatzierung und eine Gruppe ohne.
Nach dem A/B-Test benötigen Sie fünf Berichte, um die Leistung zu analysieren und den Testsieger zu ermitteln.
Leistungsberichte
Zu Beginn führt uns Elyse durch die Leistungsberichte, die uns KPIs wie Umsatz, eCPM, fill rate und Impressions zeigen. Wir können hier nach Metriken filtern, oder, in diesem Fall, nach den Gruppen A oder B, um die Ergebnisse unseres A/B-Tests zu überprüfen.
Elyse filtert nach belohnten Videos (das ist der Anzeigenblock, der uns interessiert) und unterteilt dann A vs. B. B. Sehen Sie sich das an - Umsatz und Impressionen sind bei Gruppe B (unserer Testgruppe mit der neuen belohnten Videoplatzierung) höher. Großartig! Aber laut Elyse ist das nicht die ganze Geschichte. Was bedeutet dies im Zusammenhang mit ARPDAU?
Berichte über Benutzeraktivitäten
Als Nächstes: Berichte über Benutzeraktivitäten. Hier können wir ARPDAU, DAU, DEU, Engagement Rate, Impressionen pro DEU (Nutzungsrate), Impressionen pro DAU und Sitzungen pro DAU verstehen.
Anhand dieses Berichts vergleicht Elyse den ARPDAU von A mit dem ARPDAU von A. B-Gruppen - und stellt fest, dass der ARPDAU für Gruppe B um 25 % höher ist. Aber warum? Vielleicht lockt unser Spiel mehr Nutzer mit Werbung an als früher, oder vielleicht sehen sich die Nutzer jetzt belohnte Videos an. Um das herauszufinden, prüfen wir, wie sich das Engagement und die Nutzungsrate (Anzahl der Impressionen/DEU) bei A im Vergleich zu DEU unterscheiden. B.
Wie sich herausstellte, änderte sich die Engagement-Rate nicht - mit anderen Worten, es gibt keine neuen Nutzer, die sich mit belohnten Videoanzeigen beschäftigen. Allerdings liegt die Nutzungsrate in der Gruppe B bei 5, in der Gruppe A (Kontrolle) dagegen bei 4. Im Grunde sehen sich engagierte Nutzer in Ihrem Spiel jetzt 5 statt 4 belohnte Videos pro Tag an. Schließlich sehen wir, was zur Steigerung des ARPDAU führt - mehr belohnte Videos pro Sitzung. Aber wir versuchen immer noch herauszufinden, was den ARPDAU erhöht, ohne die Kundenbindung zu beeinträchtigen. Gehen wir also der Frage nach: Wie wirkt sich diese neue belohnte Videoplatzierung auf unsere Kundenbindung und den LTV aus?
Kohortenberichte
Um die Auswirkungen auf die Kundenbindung und den LTV zu verstehen, müssen wir zu Kohortenberichten übergehen. Auf diese Weise können Sie Nutzer gruppieren, die das Spiel am selben Tag begonnen haben (eine Kohorte), und spezifische KPIs für diese Gruppen über verschiedene Zeiträume messen. Die Aufschlüsselung unserer Ergebnisse nach A vs. B, können wir verstehen, wenn die Nutzer, die sich aufgrund der neuen Platzierung mehr belohnte Videoanzeigen ansehen, auch weiterhin bei unserem Spiel bleiben.
Im Kohortenbericht filtern wir nach dem Zeitraum des Tests, brechen nach A/B-Gruppen auf und sehen die Ergebnisse - eine Funktion, die es nur bei LevelPlay gibt. Wir stellen fest, dass ein höherer Prozentsatz der Nutzer in der Testgruppe auch eine höhere Beibehaltungsrate von D7 hatte, verglichen mit der Beibehaltungsrate der Kontrollgruppe. Wir erzielen einen höheren ARPDAU aufgrund höherer Impressionen und einer höheren Nutzungsrate, und diese Nutzer spielen unser Spiel in der Regel mehr Tage lang.
Pivot-Berichte in Echtzeit
Und schließlich können wir mit den Echtzeit-Pivot-Berichten noch tiefer in unsere Daten eintauchen - damit können wir fast alle KPIs, die wir gerade durchgesprochen haben, in Echtzeit analysieren. So können wir von der Minute an, in der wir den A/B-Test starten, Veränderungen im Nutzerverhalten und in der Leistung des Anzeigennetzwerks untersuchen. Am wichtigsten ist, dass wir schnell auf diese Ergebnisse reagieren können.
Neben den A/B-Tests können wir unser Spiel auch anhand von Echtzeitdaten optimieren, die Live-Performance nach der Aktualisierung unseres Mediation-Stacks verfolgen, sofort über Netzwerkausfälle informiert werden und die Stabilität neuer App-Versionen überwachen. Wir haben auch einen Vergleichsmodus, in dem wir die KPIs nebeneinander auf einem Bildschirm vergleichen können, und wir können alle KPIs auf einmal vergleichen. Wir können auch Veränderungen zwischen verschiedenen Zeiträumen sehr leicht nachvollziehen.
Letztendlich können wir sehen, wie Leistungsberichte, Berichte über Nutzeraktivitäten, Kohortenberichte und Echtzeit-Pivot-Berichte zusammenarbeiten, um unsere Strategie zur Optimierung der Monetization zu verbessern. Wenn wir alle diese Berichte zusammen verwenden, können wir tiefer in die Daten eintauchen, um nicht nur das "Wie", sondern auch das "Warum" zu verstehen - und so unsere Monetization-Strategie zu verbessern. Um mehr zu erfahren, sehen Sie sich das vollständige Webinar unten an.