LTV는 iOS 14 이후 세계에서 여전히 관련성이 있습니까?

게시 됨: 2022-02-09

수년 동안 LTV(평생 가치)는 광고가 얼마나 효과적인지와 수익을 극대화하고 계속 성장하기 위해 예산을 적절하게 할당하는 방법을 결정하기 위해 생태계 전반에 걸쳐 광고주가 사용하는 지표의 왕좌에 조용하지만 일관되게 자리를 잡았습니다. 그러나 Apple이 iOS 14를 출시하기로 결정했을 때 갑자기 상상할 수 없는 일이 발생했습니다.

이제 많은 업계 전문가들은 LTV 모델링이 사용자 수준 기여와 동일한 운명을 맞게 될 것이라고 말합니다. SKAdNetwork 프레임워크의 한계로 인해 기술적으로 가능한 피할 수 없는 죽음. 따라서 LTV를 측정하는 것이 매우 어렵습니다. 이벤트 시간의 타임스탬프는 제공하지 않습니다.

LTV를 계산하는 방법과 중요한 이유를 요약해 보겠습니다.

LTV는 사용자가 이탈하기 전에 앱이나 서비스에 평생 참여하는 동안 사용자에게 얼마나 많은 돈을 벌었는지 보여주는 중요한 측정항목입니다. 채널이나 캠페인에 대해 신규 유료 고객을 확보하기 위해 얼마를 지불해야 하는지를 계산하는 지표인 CAC(Customer Acquisition Cost)와 관련이 있으며 CAC가 LTV보다 높으면 수익을 낼 수 없으며, 그리고 당신은 실제로 이미 돈을 잃고 있습니다.

LTV는 신규 고객이 전체 수익에 얼마나 추가될 것인지 이해하는 데 도움이 되며, 이는 미래 성장을 예측하는 데 사용할 수 있기 때문에 모든 비즈니스의 핵심 지표가 됩니다. 리소스를 어디에 집중할 것인지, 그리고 이러한 목표를 어떻게 성장시키고 달성할 것인지.

얼마나 중요한지 알았으니 이제 몇 가지 계산을 해보자. LTV를 계산하는 전통적인 방법은 실제로 매우 간단합니다. 여기서 평균 판매 가치 × 반복 거래 수를 곱하고 이를 해지율로 나눕니다.

여기 예가 있습니다. 고객은 5년 동안 좋아하는 앱 구독에 매년 60달러를 지출합니다. 고객의 LTV는 ($60 X 5년) / 해지율입니다. 꽤 간단하죠? 그러나 마케팅 전문가들은 일반적으로 고객을 "코호트"로 나누었습니다. 비슷한 특성을 공유하는 같은 시기에 첫 구매를 한 고객 그룹입니다.

LTV 모델링의 세 가지 기본 형식

역사적으로 모든 마케터는 채널과 캠페인의 성과를 평가하기 위해 세 가지 기본 형태의 LTV 모델링에 의존했습니다.

  1. 행동 기반 사용자 수준 모델: 사용자 수준 데이터를 사용하고 모든 앱에서 사용합니다.
  2. 리텐션 모델: 코호트를 사용하고 리텐션이 높고 수익 창출 행동이 일관되지 않은 앱에서 사용합니다.
  3. D7 ROAS 모델: 코호트 수준 예측을 사용하고 일관된 수익 창출 행동을 보이는 앱에서 사용합니다.

iOS14 변경으로 행동 중심의 사용자 수준 모델은 어려워지고 유지 모델은 적당히 쉬우며 D7 ROAS 모델은 쉬워졌습니다.

그렇다면 모바일 게임은 어떻게 코호트를 수행하고 LTV를 계산하고 있습니까?

SKAdNetwork는 MMP를 통해 구성할 수 있는 64비트와 함께 제공되며 이러한 전환 값은 특정 이벤트에 대한 값을 반영하도록 구성하거나 단순히 수익 버킷을 갖도록 구성할 수 있습니다.

게임 앱은 Day0(또는 처음 몇 일)의 수익 버킷을 기반으로 하는 전환 가치 스키마를 사용했으며 이러한 버킷이 전체 코호트(속성은 없지만 유사한 지역에 대해)에서 Day0에서 LTV로 전환되는 방식을 확인하고 이 비율을 적용합니다.

예를 들어, Day0에 $0.50에서 $1.00를 생성한 US-iOS 사용자는 평생 동안 $10를 생성했습니다. SKAN 버킷을 기반으로 한 수익이 없는 것보다 낫도록 이 비율(x10-20)을 적용합니다.

그러나 이 방법에는 많은 가정이 있습니다. 각 채널 편차가 제한되어 있기 때문에 과거 비율 Day0은 미래의 실제 LTV보다 클 수 있고 SKAN 데이터는 신뢰할 수 없었습니다…

새로운 LTV 모델

과거에는 마케팅 담당자가 채널 또는 캠페인의 미래 예상 수익을 예측하기 위해 코호트 모델을 구축하는 데 사용했습니다. Apple이 출시하기 전에는 캠페인에서 앱 추적 투명성(ATT) 설치를 모두 그룹화하고 더 낮은 기준에 따라 동일한 예측 LTV를 할당할 수 있었기 때문입니다. - 유입경로 수익 이벤트. 이 LTV 모델은 사용자 확보 및 예산 할당 목적을 위해 충분한 수준의 정확도를 제공했습니다.

이제 iOS14 이후 사용자는 광고 추적을 선택 해제합니다. 이는 광고주가 설치를 유도한 캠페인 또는 광고 네트워크를 이해하는 능력을 박탈하여 해당 집단 LTV 모델을 쓸모없게 만들었습니다. 따라서 마케팅 팀은 마케팅 캠페인의 장기적인 효과를 검증하기 위한 새로운 방법을 빠르게 테스트하기 시작했습니다. 가장 중요한 것을 요약해 보겠습니다.

D0 ROAS LTV 모델

D0 ROAS LTV 모델에서 마케터는 SKAN의 전환 가치 보고서를 사용하여 D0 수익을 추정합니다. 그런 다음 이를 사용하여 채널 또는 캠페인의 장기적 수익을 추정합니다. 그러나 이 모델에는 D0 ROAS가 LTV를 예측하는 부정확한 측정값이거나 마케터가 성과 캠페인의 1일 보기에 갇히게 되는 등의 몇 가지 단점이 있습니다.

사용자 수준 LTV 모델

이 모델은 처음부터 Apple이 ATT 프레임워크로 시행하고 있는 것과 완전히 반대되는 것처럼 들립니다. 그러나 마케터는 여전히 사용자가 지출할 가능성이 있는 금액을 예측하는 데 사용할 수 있는 자사 데이터를 보유하고 있습니다. 이 모델은 사용자의 행동을 예측하는 데 도움이 되는 분석 식별과 같은 데이터, IAP 또는 광고 수익화의 수익 데이터, 인앱 참여와 같은 데이터를 사용하여 사용자가 미래에 지출할 금액을 예측하는 기계 학습 알고리즘입니다.

다시 말해, 이러한 사용자 수준 LTV 모델을 통해 마케터는 ATT 프레임워크 출시 이후 제기된 문제를 해결할 수 있습니다. 이는 MMP 기여 캠페인을 측정하는 것과 동일한 방식으로 SKAN 캠페인의 성과를 측정할 수 있음을 의미합니다. 그러나 이 모델에는 생각보다 훨씬 많은 리소스가 필요하며 이러한 리소스는 일부 비즈니스에서 사용할 수 없습니다. 스타트업이나 중견기업은 온라인에서 제품과 서비스를 광고하는 데 수백만 달러를 쓰는 기업과 비교하여 투자하고 그러한 모델을 구축하는 데 가치를 찾지 못할 수 있습니다.

LTV는 여전히 관련성이 있습니까? 결론

ATT는 귀하의 비즈니스가 온라인으로 광고하는 방식을 변경했습니다. 그리고 Apple은 개인 정보 보호 우선 광고 세계를 형성하기 위해 새로운 프레임워크를 출시한 유일한 회사가 아닙니다. 더 많은 회사가 뒤따를 것입니다. 이 새로운 표준에 접근하는 가장 좋은 전략은 적응하고 유연해지는 것입니다. 마케팅 팀은 테스트를 수행하고 비즈니스에 적합한 방법을 찾는 방법을 배워야 합니다. 그리고 이 새로운 표준에서 여전히 효율적인 방법.

그러나 자원이 있다면 사용자 수준 LTV 모델 또는 D0 ROAS LTV 모델을 구축해 볼 수 있습니다. 그런 다음 이것이 마케팅 효율성에 어떤 영향을 미치는지 확인하십시오. 또한 다른 게시물에서 매우 흥미로운 주제인 Marketing Mix Modeling "MMM"과 같이 일부 비즈니스에서는 작동하지만 다른 모든 비즈니스에서는 작동하지 않는 더 많은 전략이 있음을 명심하십시오.