¿LTV sigue siendo relevante en el mundo posterior a iOS 14?

Durante muchos años, LTV (valor de por vida) se ha sentado de manera silenciosa pero constante en el trono de las métricas utilizadas por los anunciantes en todo el ecosistema para decidir qué tan efectiva es su publicidad y cómo asignar los presupuestos adecuadamente para maximizar los retornos y seguir creciendo. Pero de repente sucedió lo impensable cuando Apple decidió lanzar iOS 14.

Ahora, muchos expertos de la industria dicen que el modelado de LTV tendrá el mismo destino que la atribución a nivel de usuario. Una muerte inevitable, que es técnicamente posible debido a las limitaciones del marco SKAdNetwork. Eso hace que sea extremadamente difícil llegar a medir LTV. Si bien no le proporciona ninguna marca de tiempo de la hora del evento.

Recapitulemos cómo podemos calcular LTV y por qué es importante

LTV es una métrica importante que muestra cuánto dinero ganó un usuario durante su compromiso de por vida con su aplicación o servicio antes de que abandonen. Está vinculado al Costo de Adquisición del Cliente (CAC), que es la métrica que calcula cuánto está pagando para adquirir un nuevo cliente que paga por un canal o una campaña y si su CAC es más alto que su LTV, es imposible obtener una ganancia. y en realidad ya estás perdiendo dinero.

LTV lo ayuda a comprender cuánto agregará un nuevo cliente a sus ingresos generales, lo que lo convierte en una métrica clave para todas las empresas porque puede usarla para hacer predicciones futuras de su crecimiento futuro y luego usarla para establecer sus objetivos y decisiones. dónde enfocar sus recursos y cómo crecer y alcanzar esas metas.

Ahora que sabemos lo importante que es, hagamos algunos cálculos. El método tradicional para calcular LTV es en realidad bastante simple, donde multiplica el valor promedio de una venta por el número de transacciones repetidas y las divide por su tasa de abandono.

Aquí hay un ejemplo. Un cliente gasta $60 cada año en la suscripción de su aplicación favorita durante 5 años. El LTV del cliente sería: ($ 60 X 5 años) / su tasa de abandono. Bastante simple, ¿verdad? Pero los expertos en marketing solían dividir a los clientes en "cohortes"; grupos de clientes que realizaron sus primeras compras aproximadamente al mismo tiempo y que comparten características similares.

Las tres formas principales de modelado LTV

Históricamente, todos los especialistas en marketing se basaban en tres formas principales de modelado de LTV para evaluar el rendimiento de sus canales y campañas.

1. Modelo de nivel de usuario basado en el comportamiento: uso de datos de nivel de usuario y utilizado por todas las aplicaciones.
2. Modelo de retención: Uso de cohorte y utilizado por aplicaciones con alta retención y comportamiento de monetización menos consistente.
3. Modelo D7 ROAS: uso de predicciones a nivel de cohorte y utilizado por aplicaciones con un comportamiento de monetización consistente.

Con los cambios de iOS14, el modelo de nivel de usuario basado en el comportamiento se volvió difícil, el modelo de retención se volvió moderadamente fácil y el modelo D7 ROAS se volvió fácil.

Entonces, ¿cómo están los juegos móviles haciendo cohortes y calculando su LTV?

SKAdNetwork viene con 64 bits que puede configurar a través de su MMP, y esos valores de conversión pueden configurarse para reflejar valores para ciertos eventos o simplemente configurarse para tener cubos de ingresos.

Las aplicaciones de juegos usaron un esquema de valor de conversión basado en grupos de ingresos desde el Día 0 (o los primeros días) y observan cómo estos grupos se convierten del Día 0 a LTV de su cohorte general (sin atribución, pero para geografías similares) y aplican esta proporción.

Por ejemplo, un usuario de EE. UU.-iOS que generó de $0,50 a $1,00 el día 0, terminó generando $10 durante su vida. Aplican esta proporción (x10-20) para que los ingresos basados ​​en el segmento SKAN sean mejores que nada.

Pero, hay muchas suposiciones con este método. Como la variación de cada canal es limitada, la relación anterior Día 0 podría ser mayor que el LTV real en el futuro, los datos de SKAN no eran confiables...

El nuevo modelo LTV

En el pasado, los especialistas en marketing solían crear un modelo de cohorte para pronosticar los ingresos futuros estimados de un canal o una campaña porque, antes de que Apple lanzara la Transparencia de seguimiento de aplicaciones (ATT, por sus siglas en inglés), las instalaciones de una campaña podían agruparse y asignarse al mismo LTV pronosticado según -embudo de eventos de ingresos. Este modelo LTV proporcionó un nivel suficiente de precisión para fines de adquisición de usuarios y asignación de presupuesto.

Ahora, después de iOS14, los usuarios optan por no seguir anuncios. Eso despojó a los anunciantes de la capacidad de comprender qué campañas o redes publicitarias impulsaron las instalaciones, lo que hizo que el modelo LTV de cohorte fuera inútil. Entonces, los equipos de marketing comenzaron a probar rápidamente nuevas formas de validar la efectividad a largo plazo de sus campañas de marketing. Vamos a resumir los más importantes.

Modelo D0 ROAS LTV

Con el modelo D0 ROAS LTV, los especialistas en marketing usan el informe de valor de conversión de SKAN para estimar el rendimiento D0. Luego usan esto para estimar el retorno a largo plazo de un canal o una campaña. Sin embargo, este modelo tiene varios inconvenientes, como que el D0 ROAS es una medida imprecisa para predecir el LTV o que los especialistas en marketing se quedarán estancados en la vista de 1 día de la campaña de rendimiento.

El modelo LTV a nivel de usuario

Este modelo suena totalmente en contra de lo que Apple está aplicando con el marco ATT en primer lugar. Sin embargo, los especialistas en marketing todavía tienen datos propios que podrían usar para predecir cuánto gastará probablemente un usuario. Este modelo es un algoritmo de aprendizaje automático que utilizará datos como las identificaciones de análisis que ayudan a predecir el comportamiento del usuario, los datos de ingresos de IAP o la monetización de anuncios, y el compromiso en la aplicación para predecir cuánto gastará un usuario en el futuro.

En otras palabras, dicho modelo LTV a nivel de usuario permite a los especialistas en marketing abordar los desafíos planteados desde la implementación del marco ATT. Esto significa poder medir el rendimiento de las campañas SKAN de la misma manera que miden cualquier campaña atribuida a MMP. Sin embargo, este modelo necesita muchos más recursos de los que piensa, y es posible que esos recursos no estén disponibles para todas las empresas. Es posible que una empresa nueva o mediana no encuentre el valor de invertir y construir un modelo de este tipo en comparación con una empresa que gasta millones anunciando sus productos y servicios en línea.

¿LTV sigue siendo relevante? Conclusión

ATT cambió la forma en que su empresa se anuncia en línea. Y Apple no es la única compañía que implementa nuevos marcos para dar forma a un mundo publicitario que prioriza la privacidad. Seguirán más empresas. La mejor estrategia para abordar esta nueva normalidad es adaptarse y ser flexible. Su equipo de marketing debe seguir un enfoque de prueba y aprendizaje para encontrar lo que funciona para su negocio. Y cómo seguir siendo eficiente en esta nueva normalidad.

Sin embargo, si tiene los recursos, puede intentar construir el modelo LTV a nivel de usuario o el modelo D0 ROAS LTV. Luego vea cómo esto afectará su eficiencia de marketing. Además, tenga en cuenta que hay muchas más estrategias que funcionan para algunos negocios pero no para todos los demás, como el Marketing Mix Modeling “MMM”, que es un tema realmente interesante para otra publicación.