APPの年末成長の背後にあるデータロジック

世界のアプリ経済は急成長期にあります。App Annie によると、アプリストアでの消費者支出は 2019 年末までに 1,200 億ドルに達し、2019 年の消費者支出の成長率は世界経済の 5 倍になるということです。

最近、Liftoffは「2019年モバイルアプリトレンドレポート」を発表しました。レポートのサンプル期間は2018年9月1日から2019年8月31日までです。アプリケーション市場データとLiftoffの内部データを組み合わせて、さまざまなアプリケーションタイプと地域のユーザー獲得、インタラクション、維持率の傾向と重要な指標を分析します。

以下は、例年よりもさらに活気にあふれた先日終了した「2019年モバイルアプリケーションのダブルイレブン」に関する百景楚海のコメントです。ドラマが展開された20日間以上、電子商取引大手傘下のAPPはマトリックスの形でグループを形成し、あらゆるトリックを駆使して、目もくらむような連動した派手なゲームプレイで自らを宣伝した。

「ダブルイレブン」での激しい競争はまだ始まったばかりです。データが徐々にAPPの宣伝と運営に応用されるにつれて、今年のAPP年末ドラマの「成長」テーマは依然として「精密」や「洗練」などのキーワードを中心に展開しています。

APP の成長はデータの適用と切り離せないものであり、適用の深さが成長の有効性を決定します。基本的な応用は、データを受け入れツールとして使用し、 APP 成長の各リンクの有効性を測定および評価することです。高度な応用は、データを重要な情報として使用し、フィードバックデータを包括的に洞察し、ユーザーの真のニーズを見つけることです。より詳細な応用は、データを APP 成長の重要なリソースとして使用し、データを動的に管理およびマイニングし、データモデルを確立してデータの背後にある価値を開発し、APP 成長の各リンクの最適化のためのデータの基礎と検証を提供することです。

本稿では、Getuiがシェア自転車アプリと連携して完成させた「成長」事例全体を分析し、アプリの成長プロセス全体におけるデータの役割とその役割の発揮方法について解説します。

1. クラウドインサイト：科学的検証と予測

戦略は APP の成長の礎であり、クラウドインサイトは APP がターゲットユーザーを確認し、明確にするのに役立つ「デジタルナビゲーター」です。

群衆洞察を実施する前に、APP は目的もなく行動することはできず、まずターゲットユーザー層を事前に設定する必要があります。 APP オペレーターは、業界の理解、経験の概要、APP 独自のデータを組み合わせて包括的な分析を実施し、ターゲットグループを策定できます。この場合のシェア自転車アプリは、データ分析を行う前に、大学生を成長の主要ターゲットグループとして特定しました。

APP が対象人口を策定した後、最初に行う必要があるのは、対象人口の発展の可能性と「成長」価値があるかどうかを確認することです。データの洞察は、APP ユーザーのポートレート、ユーザー構成、オフラインシナリオなどの次元からの業界比較を通じて検証できます。

この事例は、シェア自転車業界の全体的な人口構成と自転車アプリユーザーの人口構成という 2 つの側面から比較・分析されています。 2 つのグループのユーザーポートレートを比較すると、次の結論が導き出されます。

1. シェアサイクルアプリの主流は25〜44歳層であり、18〜24歳層は18.6%を占め、主流層以外の非常に競争の激しい層である。

2. 自転車アプリ人口の年齢構成における18～24歳の割合は12.6%で、業界人口の年齢構成における12～24歳の割合よりわずかに低い。これは、自転車アプリを18～24歳層に拡大する上で、まだ成長の余地があることを示しています。

利用者人口構造分析では、シェアサイクル人口を人口タグに基づいて分析し、以下の結論を導き出しました。

1. 大学生は自転車業界で2番目に大きなユーザーグループです。

2. この自転車アプリのユーザーのうち、大学生はわずか7.3%で、業界シェアよりはるかに低い。大学生の潜在的な市場スペースは比較的大きい。

2. オフラインシーンインサイトが空間次元の壁を打ち破る

APP のユーザーインサイトの次元はオンライン行動に限定されるものではなく、オフラインのシナリオ要因も考慮する必要があります。オフラインの生活シナリオもユーザーのアプリ使用行動に影響を与えるからです。インサイトにオフラインシナリオを追加することで、APP は空間次元の壁を打ち破り、オンラインとオフラインの有機的な連携を実現し、ユーザーの成長を促進できます。電子商取引企業が「ニューリテール」という概念を追求しているように、その核心はオンラインとオフラインのシナリオを結び付け、オンラインサービスを通じてオフラインのニーズを解決し、成長を促進することにあります。この成長戦略には、強力なオフラインシナリオの洞察が必要です。

この場合、シェア自転車アプリの「成長」戦略には、オンラインとオフラインの緊密な統合も必要です。したがって、オンライン人口の比較に加えて、オフラインシーンの洞察も同様に重要です。このケースでは、シェアサイクル利用者のオフラインシナリオ（サンプル場所：上海と成都）の人口ヒートマップ分析を実施し、特に大学都市や起業家パークなどの学生人口が密集している地域に焦点を当てています。

ヒートマップは、さまざまな色合いのブロックを通じて群衆の密度を示します。色が赤くなるほど、群衆の密度が高くなります。上図に示すように、上海にしろ成都にしろ、大学街の所在地は地域人口が集中しているエリア（赤いブロック）であり、拡大価値がある。

上記のデータの洞察は、大学生が確かに貴重なターゲット層であることを示しています。自転車シェアリングアプリが成長ターゲットユーザーとして大学生をターゲットにすることは可能です。しかし、大学生の人口規模は限られており、シェアサイクル業界の主流ユーザーグループではありません。APPの成長ターゲットグループは大学生のみであり、明らかに十分ではありません。 APP は、補完するための新たな成長ターゲットユーザーをまだ見つける必要があります。

以前のクラウドインサイトによると、オフィスワーカーは自転車シェアリングアプリの主要ユーザーであり、自転車シェアリングは通勤者のラストマイルの問題を解決します。このケースでは、業界の理解に基づいて、洞察の方向を通勤者にシフトし、交通接続のオフラインシナリオを組み合わせて、上海と成都の地下鉄沿線の駅で群衆洞察を実施します。この洞察は、ユーザーのオンライン行動の好みとオフラインのシナリオを組み合わせて検証し、次のような結果を示します。

1. 朝のラッシュアワー時には、地下鉄駅周辺に自転車利用者が増えます。

2. 夕方のピーク時間帯には、地下鉄駅周辺の自転車利用者が増加します。

3. 地下鉄駅から半径1km以内に、潜在的な自転車利用者が集中している。

調査結果によると、ロケーションステーションの周囲 1km の半径エリアは、よりアクティブな人々をカバーできるシェア自転車アプリの新たな成長シナリオとなっています。

ここでケースは終了し、成長戦略策定期間のデータインサイトは一旦終了します。上記のデータ分析を通じて、シェアサイクルアプリは大学生が貴重なターゲット層であることを証明しただけでなく、ターゲットの通勤層が地下鉄駅周辺に比較的集中しており、アプリの活動が比較的高いことも判明しました。これは効果的な「成長」オフラインシナリオです。次に、APPはデータ分析の結果に基づいて成長戦略を最適化することができます。たとえば、大学街や起業公園など、大学生が密集するシーンでのプロモーションを強化したり、朝晩のピーク時には地下鉄沿線で自転車の配車業務やイベント運営を行ったりすることができます。

3. プロモーションの精度を動的に向上させるためのターゲット母集団モデルを構築する

成長戦略が徐々に実行されるにつれて、データインサイトのプロセスは継続され、データの複合的な価値を真に反映する段階が始まったばかりです。私たちは、優れたデータインサイトが APP の成長とプロモーションのサイクル全体にわたって実行され、データモデルを生成し、成長プロセス中にリアルタイムでデータを蓄積および処理し、継続的に反復して最適化し、APP の成長戦略を最適な方向に実行できるように導くことができる必要があると考えています。

その後の実行およびプロモーションのプロセスでは、APP がターゲットグループをどのように特定し、ターゲットグループにさらに広くリーチするかを決定するために、ターゲットグループモデルを使用する必要があります。

APP がより正確なターゲット人口モデルを必要とする場合、基礎としてより次元の高いデータ機能が必要です。この場合、シェア自転車アプリの対象人口モデルの確立には、5 つの主要な側面が関係していました。

自転車業界ユーザー：自転車アプリのインストールと使用行動特性を利用して、アクティブユーザーとサイレントユーザーを区別し、覚醒価値を持つアプリの新規ユーザーとサイレントユーザーに焦点を当てたプロモーションを行うことができます。
大学生:大学生人口ラベルに基づいて、年齢層や永住地などの差別化を改善できる機能を追加し、学生人口をさらにターゲットにします。
ホワイトカラー労働者：ホワイトカラー労働者のラベルに基づいて、勤務期間や職業シーンなどの差別化を改善できる機能を追加し、ホワイトカラー労働者をさらに選別します。
地下鉄の混雑: LBS ジオフェンシング技術を使用して地下鉄駅のシーンを選択し、通勤者をより正確にカバーします。
人口密度が高い地域: APP 普及率とオフラインシナリオを組み合わせて、自転車の需要が高い地域と人口を見つけます。

上記5つの次元のうち、自転車業界のユーザーと高密度人口は、マクロ視点で見るとシェアサイクルアプリが到達できなかった需要のあるユーザーをカバーし、大学生、ホワイトカラー労働者、地下鉄利用者は比較的ミクロであり、ターゲット層を固定化する役割を果たしています。このようにして形成されたターゲット人口モデルは、APP成長促進に適用され、主要なターゲット人口を正確に固定できるだけでなく、普及の広さも考慮され、より多くの人々に影響を与えることができます。

ターゲット人口モデルは静的なものではありません。精度を継続的に向上させるには、各配信リンクから返されるデータに基づいて継続的に反復および最適化する必要があります。

効果的なプロモーションには、コンバージョンファネル全体のすべてのリンクに注意を払う必要があります。各リンクでは、データの収集、データの分析、データの背後に反映されている問題の慎重な観察が必要です。 APPは、実際の配信効果に基づいて、転換した人口の特性について詳細な調査を行い、対象人口に対する理解をさらに深め、人口ターゲティングをさらに最適化し、次の配信に備える必要があります。

4.自然交通制御グループの最適化効果帰属モデルを設定する

成長促進プロセスにおけるパフォーマンスの帰属の役割は、一方では APP がプロモーションの組み合わせの有効性を評価するのに役立ち、他方では APP が成長を達成するためにどのように資金を費やすかという「実際の問題」を解決するのに役立ちます。

パフォーマンスアトリビューションで最も重要なことは、コンバージョンにつながったさまざまなクロスチャネルインタラクションと、各インタラクションに適用される相対的な重みを理解することです。効果帰属のデータが客観的であればあるほど、最終的な配信結果に与える影響は大きくなります。しかし、現在主流となっている帰属ロジックには、依然として十分に客観性がないという欠点があります。たとえば、Facebook や Applovin が提供するアトリビューションモデルでは、自然なトラフィック増加によるプロモーション効果への干渉を排除することはできません。

この場合、対象集団は 9:1 の比率でプロモーションサンプルセットとコントロールサンプルセットに分割されます。サンプルセット内の対象集団にプロモーションを行い、主流の帰属ロジックに従って統計を実行します。コントロールサンプルセット内の集団は昇格されず、自然な成長がカウントされます。最終的なデータ帰属段階では、コントロールサンプルセットから収集された自然トラフィックの成長率を削除することで、主流の帰属ロジックにおける自然トラフィックの干渉が軽減され、より優れたプロモーションチャネルが模索されます。もちろん、コントロールサンプルセットの自然インストール率はサンプリングによって計算されるため、実際の自然インストール率と比較して誤差が生じます。そのため、APP は実際の状況に基づいて最適化の調整を行う必要があります。

5. マルチデータインサイトを通じてアプリプロモーション実行の詳細を最適化する

アプリの成長過程では、データの洞察を通じて解決できる詳細がまだたくさんあります。たとえば、ブラックトラフィックの識別と保護、最適な入札範囲の特定、露出時間とプロモーション効果の相関関係の特定、オフラインプロモーションシナリオの最適化などです。

この場合、露出時間とプロモーション効果に関するデータの洞察により、シェア自転車アプリは最適なコストで最高のプロモーション効果を達成することができました。

分析によると、露出回数が5回未満の場合は、露出回数とプロモーション効果に正の相関関係があり、CPAコストを約6.24元に抑えることができます。露出回数が5回以上の場合は、露出回数とプロモーション効果には直接的な関係がなく、CPA価格は指数関数的に増加します。一方、限界 CPA 分析では、追加露出ごとにもたらされるプロモーション効果はあまり変化していないことが示されています。

このことから、コストが高いからといって必ずしも良い結果が得られるわけではないと結論付けることができます。APP では、不必要な露出をあまり必要としません。露出回数を 5 回未満に抑えるソリューションが最も費用対効果が高く、最低コストで最高の結果を達成できます。

一般的に、インターネット業界でデータインテリジェンスが徐々に実装されるにつれて、ビッグデータは新世代の成長「ブラックテクノロジー」になるでしょう。大企業はこの分野でかなり早い段階から準備を進めており、ある程度のモデルやデータを蓄積しています。他の APP 開発者も、サードパーティのデータサービスプロバイダーが提供するツールやサービスを通じて、データアプリケーションを迅速に実装できます。ハードウェアとソフトウェアの両方が適切に準備されているとはいえ、APP はデータインテリジェンスに関してもう少し忍耐が必要です。結局のところ、データモデルの反復と最適化にはゆっくりとした慎重な作業が必要です。「トレンドレポート」の主要内容の解釈。完全なレポートを入手するにはここをクリックしてください。

1. iOSプラットフォーム上で多数のツールアプリがリリースされました。これは、新たに追加された3番目のカテゴリです。

1. Androidの新規アプリの総数はiOSの3倍

新規アプリ数で見ると、2018年9月から2019年8月まで、Androidの新規アプリ総数は145万、iOSの新規アプリ総数は48万9000でした。Androidの新規アプリ総数はiOSのほぼ3倍です。

開発者が注力している分野を見ると、Google Play の新規アプリケーション数で上位 3 つのアプリケーションタイプは、ゲーム (222,903)、エンターテイメント (160,069)、音楽とオーディオ (154,456) です。 iOS App Store の新規アプリケーション数で上位 3 つのアプリケーションタイプは、ビジネス (59,299)、ゲーム (55,572)、ツール (54,303) です。

興味深いのは、iOS の新規アプリ数でツールカテゴリが 3 位にランクインしている点です。これは、Google Play によるツール広告収益化の取り締まりと関係があるか、このレポートのカテゴリ分けと関係があるかはわかりません。

アプリのダウンロード数では、Android アプリのダウンロード数は 1,430 億に達しましたが、iOS に対する Android のリードは徐々に 2:1 に縮まっています。他の種類のアプリと比較すると、ゲームアプリはダウンロード総数でトップを占めています。

2. iOSのアプリ内収益はAndroidの1.5倍

Android は強力な市場シェアを誇るものの、ダウンロード数の伸びは鈍化している。それに比べて、iOS はより収益性が高いです。2018 年 9 月から 2019 年 8 月までの iOS のアプリ内収益総額は 326 億米ドルで、Android のアプリ内収益総額の約 1.5 倍でした。

明らかに、ゲーム、エンターテイメント、ソーシャル、音楽、オーディオなど、レジャーやエンターテイメントの属性を持つアプリケーションの収益が最も高くなります。これらのアプリケーションの種類の中で、iOS プラットフォームが収益の大部分を占めています。

すべてのアプリカテゴリーの中で、ゲームアプリが最も多くの収益を生み出しています。ゲームの収益は415億ドルに達し、前年比4.27%増加しました。これは主に、視聴者の注目を集めることで収益を生み出す広告モデルによるものです。

注目すべきは、エンターテインメントおよびソーシャルアプリケーションのアプリ内収益がゲームに次いで 2 番目に大きいことですが、これらとゲームの収益の差はそれぞれ 27 億ドルと 24 億ドルと非常に大きいです。

同時に、一部のアプリカテゴリーでは収益が低迷する兆候が見られました。旅行アプリのアプリ内収益は約7,910万ドルで、46.3%減少しました。金融アプリのアプリ内収益は約1億3,390万ドルで、前年比28.8%減少しました。

2. ユーザー獲得: ゲームユーザーはコスト効率が高く、金融アプリや電子商取引アプリはコンバージョン率が高くなります。

1. ゲームアプリのアプリ内購入のコンバージョンコストは依然として最も高い

すべてのアプリのユーザー獲得コストは高いですが、アプリ内購入のコンバージョンコストが最も高いのはゲームで、86.61 ドルです。レポートによると、ツールの購入コンバージョンは 85.32 米ドルに達しましたが、これはかなり奇妙であり、アプリカテゴリの分類によるものと考えられます。それに比べて、電子商取引や金融アプリケーションの変換コストはそれほど高くありません。

しかし実際には、ゲームユーザーは最も高いコストパフォーマンスを得られます。これは、ゲームアプリが収益を得る方法がアプリ内購入だけではないからです。ゲーム内広告モデルやインセンティブビデオの開発により、開発者は収益化の選択肢を増やすことができます。

2. 電子商取引および金融アプリケーション: 低い獲得コストと高いユーザーアクティビティ

さまざまなタイプのアプリケーションのインタラクション率を見ると、金融アプリのインタラクション率が最も高く、77.8%に達しています。次に、出会い系アプリのインタラクション率が61.8%で2位、eコマースアプリのインタラクション率が34.3%で3位となっています。

アプリ内購入のコストと比較すると、eコマースアプリと金融アプリは、より低い投資コストでより高いユーザーアクティビティを達成できることがわかります。

3. 金融アプリと出会い系アプリのコンバージョン率が最も高い

需要と速度の間には強い相関関係があり、ダウンロード目標が明確なアプリタイプは最も早くコンバージョンします。

金融アプリのコンバージョン率は、すべてのカテゴリのアプリの中で最も速く、ユーザーが金融アプリをインストールして購入するまでにかかる時間はわずか 1 時間 10 分です。これは、消費者が金融アプリケーションをダウンロードする際には通常、請求書の支払い、クレジットスコアの確認、投資などの強い目的を持っているためです。

社会的交流は人間の基本的なニーズであり、出会い系アプリはコンバージョン率で第 2 位にランクされており、ユーザーはインストールから購入までに約 14 時間 28 分を費やしています。

電子商取引アプリやゲームアプリでは、購入コンバージョンの完了に時間がかかり、インストールから購入までの時間が 1 日を超えます。

3. ユーザー維持率: iOSは維持率が高い

1. 初期段階から再エンゲージメントを活用してユーザーライフサイクルを延長する

リテンションはアプリの持続性を表します。ユーザーを維持できなければ、インストール数がどれだけ多くても無駄になってしまいます。ユーザー維持率は、アプリケーションの使用率と頻度も反映します。アプリの価値とユーザーの行動を理解することによってのみ、適切なアプリユーザー維持目標を設定できます。

AppsFlyer のリテンションデータによると、初日から 25.2% のユーザーがアプリを使い続けています。 3 日目には、アプリを操作するユーザーはわずか 13.1% です。これはインタラクティブなアクティビティと関連情報の配信にとって重要な期間であり、マーケティング担当者はこの機会を逃すことはできません。 7 日目までに、ユーザーの 65.9% が離脱し、大幅な減少となりました。したがって、マーケティング担当者は、ユーザーのライフサイクルを延長するために、早い段階から再エンゲージメントを活用する必要があります。

2. iOSは長期にわたって高い定着率を維持している

Android プラットフォームと iOS プラットフォームのユーザー維持率は初日は同じですが、時間の経過とともに iOS プラットフォームのユーザー維持率が徐々に Android を上回ります。

レポートによると、Android プラットフォームと iOS プラットフォームの初日のユーザー維持率は同じであり、これは両方のプラットフォームのユーザーがアプリをダウンロードする際の目的が非常に明確であることを意味します。 3日目には、iOSとAndroidのユーザー維持率はわずか0.6%しか差がありませんでした。 7日目にはその差は0.8％に拡大した。 30日目には、iOS ユーザーと Android ユーザー間の維持率の差は 0.5% に減少しました。

4. 地域分析: ロシアとブラジルは依然として顧客獲得とコンバージョンの期間にある

成熟した市場ではアプリケーションの需要が非常に大きく、非常に速いペースで発展していますが、ユーザーを獲得するためのコストと難易度も非常に高くなっています。日本は5.15ドルで最も高く、次いでオーストラリアとなっている。米国は3位だが、そのコストは日本の3分の2に過ぎない。

EMEA 地域でユーザーを獲得するための平均コストは 2.55 ドルです。ブラジルのCPIはわずか0.5ドルと最も低い。

1. ブラジルは登録費用が最も安い

登録費用に関しては、日本が8.73ドルで米国やオーストラリアを上回り、第1位となった。

ロシアでの登録費用は 1.25 米ドル、ブラジルでは 0.73 米ドルで、どちらも特に費用対効果に優れています。

2. アプリ内購入：ロシアとブラジルのコンバージョンコストが最も低い

米国では、ユーザーのアプリ内購入のコンバージョンコストは 112.76 ドルで、日本 (111.64 ドル) よりも高くなっています。カナダとオーストラリアがそれに続き、変換コストはほぼ同じです。

急速に発展している市場であるイタリアは、ドイツと比較して費用対効果が非常に高く、ユーザーコンバージョンコストはドイツより 35.8% 低くなっています。全体的に、ロシアとブラジルのユーザーコンバージョンコストが最も低くなっています。

3. 定着率：北米のユーザーはより忠実である

全体的に見ると、時間が経つにつれて、アジア太平洋、ヨーロッパ、アフリカ、中東、ラテンアメリカ、北米のモバイルアプリユーザーの維持傾向は同じで、すべて徐々に低下しており、維持率は初日と比較して 3 日目に最も低下しています。

しかし比較すると、北米のユーザーの継続率は他の地域のユーザーよりも高く、北米のユーザーがアプリに対してより忠実であることを示しています。