CC Games to 20-osobowe studio gamingowe, które rozpoczęło działalność w 2015 roku od prostej gry „Warcaby”, stworzonej jako ćwiczenie programistyczne. Sukces tej gry przerósł oczekiwania, dając początek jednej z najbardziej znanych polskich firm tworzących gry mobilne. Dziś, dzięki tytułom „Checkers” i „Chess”, firma ma na koncie ponad 100 milionów pobrań.
Firma pozyskuje większość użytkowników poprzez działania User Acquisition (UA). W 2021 roku 80% graczy pochodziło z płatnych kampanii – w 2023 roku liczba ta wzrosła do 94%. UA stało się kluczowym filarem strategicznym i finansowym firmy.
Przed nawiązaniem współpracy z nami, kampanie były oparte na prostych metrykach – instalacjach, liczbie rozegranych gier, itp. Jednak CEO firmy dostrzegł potrzebę odejścia od podejścia masowego i skierowania działań marketingowych na użytkowników o najwyższej wartości. Zwrócił również uwagę, że kampanie tROAS, mimo iż są rynkowym standardem targetowania wartościowych użytkowników – nie przynosiły zadowalających rezultatów. Ich wyniki były zbyt zmienne i trudne do przewidzenia, co ograniczało możliwość skalowania działań marketingowych.
Cel projektu
Zwiększyć efektywność kampanii marketingowych poprzez identyfikację najcenniejszych użytkowników już na wczesnym etapie ich interakcji z aplikacją.
Zakres prac
- Analiza danych użytkowników
Przeprowadziliśmy eksploracyjną analizę danych (EDA), identyfikując zachowania i wzorce użytkowników. - Definicja KPI i ram czasowych
Zdefiniowaliśmy kluczowe wskaźniki: retencję, zakupy w aplikacji, reklamy rewarded, które świadczą o tym, czy użytkownika można uznać za wartościowego dla wydawcy gry. Ustaliliśmy również ramy czasowe – czyli krótkie okna czasowe po instalacji aplikacji, w których oczekiwane zachowania powinny się pojawić, aby mogły zostać wykorzystane w kampaniach reklamowych. Im krótsze okno czasowe, tym szybciej algorytm Google otrzymuje informację zwrotną i może skutecznie się uczyć. Jednocześnie, aby kampanie były efektywne, musieliśmy powiązać te szybkie sygnały z długoterminową wartością użytkownika – co wymagało precyzyjnej identyfikacji wzorców zachowań w pierwszych dniach korzystania z gry. Wykonaliśmy tę analizę z wykorzystaniem modeli regresji logistycznej. - Tworzenie zdarzenia proxy dla Google Ads
Stworzyliśmy sztuczne zdarzenie łączące różne działania użytkownika, które pozwalało precyzyjnie targetować potencjalnych „wielorybów” w kampaniach. Zamiast opierać się na pojedynczych zdarzeniach, które często nie dawały pełnego obrazu potencjału użytkownika, skupiliśmy się na identyfikacji kombinacji zachowań. To właśnie ich współwystępowanie w krótkim czasie po instalacji gry najlepiej przewidywało, czy użytkownik stanie się wartościowy w długim okresie. Zaprojektowane przez nas i stworzone przez developerów zdarzenie proxy było triggerowane dopiero wtedy, gdy użytkownik wykonał pełen zestaw działań — co pozwalało algorytmom Google na szybkie i trafne uczenie się, kogo warto pozyskiwać w kampaniach reklamowych. - Transfer danych i przygotowanie środowiska analitycznego
Na początku współpracy zbudowaliśmy fundamenty analityczne, umożliwiające dalsze działania – w tym analizę danych i projektowanie modeli predykcyjnych. Zintegrowaliśmy Google Ads oraz skonfigurowaliśmy automatyczny transfer danych do BigQuery, gdzie odbywa się dalsze przetwarzanie i analiza. - Dashboard produktowy (projekt równoległy)
Równolegle do projektu związanego z predykcją i targetowaniem wartościowych użytkowników, opracowaliśmy kompleksowy raport produktowy na Google Cloud Platform. Raport ten służy do codziennego monitoringu KPI aplikacji i jest używany niezależnie od kampanii UA. Pozwala zespołowi lepiej rozumieć zachowania graczy, analizować retencję i monetyzację oraz wspiera proces decyzyjny w zakresie rozwoju produktu.
Rezultaty
Kluczowe wyniki
- Zwiększenie ROAS z 8% do 41% – pięciokrotny wzrost efektywności kampanii.
- Kampanie oparte na nowym modelu targetowania przynosiły wielokrotnie lepszy zwrot niż kampanie skupione na instalacjach.
- Skalowalność modelu – możliwość testowania rynków i segmentacji według zachowań użytkowników z różnych krajów.
- Przejrzyste raporty z automatyzacją przetwarzania danych, codziennie aktualizowane w BigQuery.
- Ograniczenie kosztów dzięki zastąpieniu pełnego użycia AppsFlyer prostszą integracją z Firebase i dedykowanymi funkcjami dla iOS.
Korzyści biznesowe
- Znaczące zwiększenie rentowności kampanii reklamowych.
- Redukcja kosztów dzięki uproszczeniu środowiska pomiarowego.
- Automatyzacja i standaryzacja raportowania UA i LTV.
- Zwiększenie kompetencji zespołu klienta i inspiracja do dalszych działań analitycznych.
- Nowa jakość danych – szybki dostęp, lepsza precyzja, niższe koszty.
Podsumowanie
Case study CC Games to przykład, jak zaawansowana analityka danych i świadoma strategia marketingowa pozwalają osiągnąć znaczące przewagi na konkurencyjnym rynku gier mobilnych. Wspólnie zaprojektowaliśmy rozwiązanie, które nie tylko zwiększyło ROAS, ale też zbudowało solidne fundamenty pod dalszy rozwój analityki w firmie.
Jeśli chcesz polować na wieloryby, a nie tylko łowić przypadkowe ryby – skontaktuj się z nami!
