Skuteczne prognozowanie wyników kampanii marketingowych w FunCraft Inc.

FunCraft Inc. specjalizuje się w tworzeniu casualowych gier mobilnych, takich jak łamigłówki słowne i gry logiczne, które monetyzowane są głównie poprzez reklamy. W sektorze gier mobilnych dział marketingu odgrywa kluczową rolę jako motor wzrostu finansowego firmy, nieustannie dążąc do poszerzania bazy użytkowników.

Firma ma swoją siedzibę w Stanach Zjednoczonych, a jej zespół jest rozproszony między Stany Zjednoczone, Argentynę, Hiszpanię i Izrael.

Efektywne zarządzanie budżetami marketingowymi stanowi jedno z kluczowych wyzwań w tej dynamicznej branży. Szczególną trudność sprawia długi horyzont zwrotu z inwestycji w działania marketingowe. Przychody generowane w wyniku wydatków na pozyskanie użytkowników zależą od tego, jak długo gracze pozostają aktywni w aplikacji.

Często zdarza się, że pełny zwrot z inwestycji następuje dopiero po wielu miesiącach, a długoterminowe zachowanie użytkowników różni się diametralnie między poszczególnymi kanałami pozyskiwania graczy, co oznacza, że dopiero w dłuższej perspektywie marketerzy mogą ocenić, czy i które ich działania były opłacalne.

Dodatkowym wyzwaniem jest niestabilność otoczenia, w którym jakość użytkowników pozyskiwanych przez partnerów marketingowych ulega zmianom, stawki reklamowe podlegają fluktuacjom, a ciągłe aktualizacje aplikacji wpływają zarówno na zaangażowanie graczy, jak i na monetyzację. W takich warunkach zarządzanie budżetami wymaga zaawansowanych narzędzi, które pozwalają precyzyjnie prognozować rentowność kampanii marketingowych w długim okresie.

FunCraft potrzebowało zaawansowanych usług dla branży gamingowej w tym m.in systemu do prognozy długoterminowego ROI kampanii marketingowych oraz oceny potencjału wyników dla nowych gier i kanałów marketingowych przy minimalnej ilości danych. Kluczowe było  przyspieszenie procesu decyzyjnego w celu unikania strat. 

Zakres prac

Projekt obejmował stworzenie elastycznego i precyzyjnego systemu predykcyjnego opartego na danych marketingowych z Adjust oraz innych źródeł, który odpowiadałby na potrzeby FunCraft. Kluczowe etapy:

1. Gromadzenie danych i zapewnienie im jakości:
   • Nasz zespół zebrał dane z Adjust, Applovin MAX oraz platform sklepowych (Apple Store, Play Store).
   • Zadbaliśmy o poprawność danych, niwelując w Adjust odchylenia od wartości w źródle prawdy dla danych o przychodach z reklam, czyli w platformie mediacyjnej Applovin MAX oraz w źródle prawdy dla przychodów z zakupów w aplikacji, czyli sklepach Apple Store i Play Store
2. Budowa modelu predykcyjnego ROAS:
   • Model ML (XGBoost): Zdekomponowaliśmy krzywą LTV na krzywą retencji i ARPDAU, co pozwoliło na zbudowanie rozwiązania elastycznego i łatwo adaptującego się do zmian w otoczeniu 
   • Model analityczny: Stworzyliśmy alternatywne podejście statystyczno-ekonometryczne, które jest skuteczne przy bardzo ograniczonej ilości danych, dobrze radzi sobie z predykcjami dla nowych gier i kanałów marketingowych, jest szybkie do wdrożenia i nie generuje wysokich kosztów utrzymania.
   • Modele zostały utworzone w Bigquery, pozwalając ograniczyć koszt wdrożenia, dzięki uniknięciu konieczności tworzenia dodatkowych procesów ETL-owych
3. Raportowanie w Looker Studio:
   • W ramach projektu nasz zespół opracował wizualizacje predykcji ROAS w bardzo długim horyzoncie czasowym, prezentując przejrzyste wykresy oraz analizy, w tym również odchylenia predykcji od rzeczywistych wyników, ułatwiające konsumpcję rezultatów modelu użytkownikom nietechnicznym
   • Opracowaliśmy dashboard z rekomendacjami inwestycyjnymi na bazie prognozowanych wyników, który ułatwia zespołom marketingowym identyfikowanie najlepszych kampanii i obszarów do optymalizacji, redukując czas potrzebny na wyciąganie wniosków.
4. Wsparcie analityczne:
   • Nasi analitycy interpretowali wyniki modelu i dostarczali rekomendacje dotyczące decyzji budżetowych, kiedy wyniki wydawały się działowi marketingowemu niejednoznaczne w interpretacji
   • Wyjaśnialiśmy przyczyny uzyskanych wyników modelu, dostarczając działowi marketingowemu szczegółowe informacje, które pomagały zrozumieć mocne i słabe strony poszczególnych kampanii marketingowych.

Rezultaty

Kluczowe wyniki:

• Wysoka dokładność modelu z minimalnym błędem predykcji.
• Szybka implementacja, dostarczająca wstępne spostrzeżenia w ciągu kilku tygodni.
• Redukcja błędów inwestycyjnych poprzez identyfikację kanałów, rynków i gier o wysokim i niskim potencjale ROI.

Wartość biznesowa:

• Większy ROI: Lepsze rozdysponowanie budżetów marketingowych przekłada się na mierzalny wzrost zwrotu z inwestycji, a to oznacza duży wzrost rocznych przychodów.
• Efektywność operacyjna: Redukcja czasu pracy UA managera dzięki automatyzacji procesów analizy danych.
• Długoterminowa adaptacja: Modele dynamicznie dostosowujące się do zmieniającego się otoczenia rynkowego.

Opinia klienta:

Rozwiązanie od Alterdata pozwoliło nam nie tylko poprawić skuteczność naszych kampanii marketingowych, ale również szybciej i trafniej oceniać potencjał nowych gier. Dzięki temu mogliśmy podjąć bardziej świadome decyzje.

Rozwiązanie od Alterdata pozwoliło nam nie tylko poprawić skuteczność naszych kampanii marketingowych, ale również szybciej i trafniej oceniać potencjał nowych gier. Dzięki temu mogliśmy podjąć bardziej świadome decyzje.

Michael Martinez, CEO w FunCraft Inc.

Podsumowanie

Projekt predykcji ROAS dla FunCraft Inc. to przykład skutecznej adaptacji rozwiązań analitycznych w dynamicznej branży gamingowej. Nasz model predykcyjny nie tylko umożliwił optymalizację budżetów marketingowych, ale także stał się kluczowym narzędziem decyzyjnym.

Zapraszamy firmy z branży gamingowej do współpracy w zakresie podobnych rozwiązań, zapewniając precyzję, efektywność i długoterminowy sukces.