つぶやく【ACADEMY】iOS 14.5+時代におけるライフタイムバリュー予測をマスターする
 |
ポストIDFA時代（関連英文記事）にユーザーのライフタイムバリュー（LTV）を正確に予測し，より多くの大口ユーザーを見つけるには，マーケティング担当者はしばしば水晶玉が必要だと感じている。
実際，アプリ内課金で収益を得ているアプリにとって，iOS 14.5+はデータに基づく意思決定がかなり困難になっている。決定論的なデータが不足しているため，アプリのマーケティング担当者は，収益を確保するために予測的LTV（またはpLTV）を計算するための新しいソリューションを見つける必要がある。
実際の収益に関しては，ポストIDFAの世界は，ユーザーがアプリ内で費やす金額に実際には影響を及ぼしていない。実際，アプリ内支出は2020年から2021年にかけて，前年比20％近く増加している（参考URL）。
2022年の優れたiOS戦略は，ユーザー同意の取得に焦点を当てることから始まる
しかし，Opt-outしたユーザーに対する確定的なアトリビューションが限られているため，アプリパブリッシャは各キャンペーンがどれだけの収益を生み出したかを正確に把握することが難しくなる可能性がある。? ユーザー獲得に最も効果的なチャネルを明確に把握できなければ，マーケティング担当者は，最大の消費者がどこから来ているのか，また，そのようなユーザーをさらに見つけるにはどうすればよいのかを正確に特定するのに苦労するだろう。幸いなことに，マーケティングチームが利用可能なデータを最大限に活用するための，優れた戦略的アプローチがいくつか存在する。2022年の優れたiOS戦略は，ユーザーの同意を得ることに重点を置くことから始まる。Opt-inしたユーザーの数を最大化することで，モデリングや予測のために使用する決定論的データのベースラインを維持できるのだ。そして，最適化すべき主要なシグナルを特定することで，AppleのSKAdNetworkシステムを活用できる。
SKAdNetworkのアプリ内課金について
SKAdNetwork（SKAN）は，2018年にAppleから導入されたが，ほとんど採用されていなかった。SKANのベースとなる哲学は，ユーザーレベルのデータが利用できないタイプのキャンペーン測定を提供することだ。現在iOS 14で，AppleはSKANフレームワークを ―いくつかの拡張された機能とともに―，ユーザーがAppTrackingTransparency（ATT）を介してデベロッパのIDFAへのアクセスを制限することを選択した場合の広告パフォーマンスデータへの唯一のアクセス方法としている。
多くのゲームにおいて，ユーザーの導入とIAPの価値の説明には24時間以上かかることがある
アプリ内課金（IAP）でマネタイズするアプリにとって，ユーザーの行動を知る窓口が24時間と短いことが問題になることがある（関連英文記事）。多くのゲームでは，チュートリアルとIAPの価値の説明に24時間以上かかることがあるからだ。ユーザーがライフ延長のためにお金を払うことを望む場合，かなり困難なレベルに達するまでその衝動が起きないかもしれない。インストール後24時間しか見ていない場合，それを追跡するのは困難だ。実際には，少なくとも今のところ，ほとんどのアプリのデータ粒度は制限されるだろう。要求する精度のレベルに応じて，SKAdNetworkでIAP行動を追跡するには，主に2つの方法がある。?
アプリ内課金のイベントベース計測
1つめは，イベントベースのアプローチ（ビットマスキングとも呼ばれる）を使用する方法だ。SKANでは，ダウンストリーム測定基準の6ビット分のスペースと，0〜63の数字（2進数では000000〜111111），初期24時間タイマーを提供する。このモデルでは，マーケティング担当者は6ビットのそれぞれをイベントに割り当て，その対応するビットが0になるか1になるかによって，そのイベントが発生したかどうかを判定できる。?
マーケティング担当者は，LTVを計算するために必要なインストール後の情報を最小限の量，理想的には24〜48時間以内に選択するという課題を抱えることになる。最適化シグナルは，データポイントが少なく，さらに遅延が発生するため，最適化戦略を大幅に変更して，よりコンテクスチュアルなアプローチに頼らざるをえなくなる。
6つ以下のIAPイベントを追跡したい場合は，この手法を使うことができる。ビットを各イベントに単純にリンクさせ，これらのコンバージョンを追跡できる。「チュートリアル完了」「レベル1完了」「購入」などの主要なマイルストーンに向けて最適化を計画している場合，ビットマスキングのアプローチは完璧だ。そして，値の範囲や規模についてのより詳細な洞察を得たい場合は，「購入」またはその他のメトリックのバケットを作成できる。?
バケットベースのアプリ内購入の測定アプローチ
バケットベースのコンバージョン値システムでは，ユーザーが最初の24時間にいくら使っているかを追跡する値を定義できる。ゲーム，Eコマース，配送，または旅行予約の業種では，平均注文額（AOV）は，ユーザーがアプリ内で費やした金額を測定するKPIとして一般的に使用されている。AOVに向けて最適化する場合，異なる購入総額を包含するバケットを使用するとよいだろう。
バケットベースのアプローチでは，$1〜$5，$6〜$10などの範囲を設定し，それぞれのバケットに対応する値がコンバージョン値のポストバックで返されるようにするとよいだろう。
 |
初日の消費額が異常値になっているところを探すことで，あなたのチームが異なるチャネルでどの程度クジラを発見しているかを推定できる。初日にユーザーを大まかなカテゴリーに分類するバケットを作成し，それらのカテゴリーがネットワーク上でどのように分布しているかを見れば，最も価値の高いユーザーがどこから来る傾向があるかが見えてくるはずだ。?
たとえば，$1〜10，$11〜20，$21〜30のバケットを作成した場合，グループ1と3のユーザーの行動が大きく異なることを確信できる。バリューバケットの上限で消費するユーザーを多く送り込んでいるチャネルは，高価値なユーザーに到達できるという強いシグナルを送っていることになる。端的に言えば，情報をどう読み解くかは難しいが（初日に11ドル使ったユーザーは，10ドル使ったユーザーより本当に価値があるのか？），大まかには，より広い傾向を見ることができるだろう。
また，基本的なロジックルールを使って，価値ベースのシグナルとイベントフラグを組み合わせることも可能だ。たとえば，10ドル以上の買い物をして，デイリーレイドパスをバンドルで購入したユーザーに対して値を設定できる。Eコマースアプリを使えば，ずっと買い続けなければならない消耗品を購入するユーザーは，アバターアイテムを購入するユーザーよりも粘着性の高いメンタリティを示しているといったことが考えられる。?
AIが予測の向上に役立つ方法
アプリに適した戦略を考えるには，ある程度の反復が必要だ。SKAdNetworkが技術として成熟するにつれ，ベストプラクティスの例も変化し，進歩していくだろう。しかし，最も重要なことは，アプリでどのような行動を促したいのか，そして価値の高いユーザーはどのような行動を取りそうなのかを学ぶことだ。?
最も重要なことは，アプリでどのような行動を促したいのか ―そして，価値の高いユーザーがどのような行動を取りそうなのかを学ぶことだ
AI，または機械学習は，ユーザーの将来の行動を予測するのに役立つトレンドの層を分析できる。AIは，過去のデータと類似のユーザーから学んだパターンを使用して，たとえば，1日めのデータから30日めのそのユーザーの価値を予測できる。AIは，大規模なデータセットを機械学習アルゴリズムに取り込むことで，Opt-inしていないユーザーの長期的な結果を推測し，相関させることができる。これらのキーポイントを特定し，タッチポイントを最大化する方法を見つけることで，今後のLTVを予測するための良い基盤を作ることができる。要するに，データに基づいた意思決定を行うためには，決定論的なデータが最も重要な基準であることに変わりはないのだ。しかし，SKAdNetworkの正しい哲学があれば，Opt-outしたユーザーからでも可能な限り最高の情報を得ることができるようになるのだ。
Katie Madding氏は，マーケティング担当者がキャンペーンを測定・最適化し，ユーザーデータを保護するためのソリューションでモバイルアプリを成長させるための分析プラットフォームであるAdjustの最高製品責任者だ。
More GamesIndustry.biz ゲーム販売に関するACADEMYガイド
ビデオゲームでお金を稼ぐためのガイドでは，これから新しいプロジェクトを始めようとする若いゲームデベロッパから業界のベテランまで，パブリッシングプロセスのさまざまな側面をカバーしている。
- IDFA後の世界をナビゲートする。iOS 14.5について知っておくべき全知識
- クリエイターを社内に招き入れるべきか？
- Among Usの成功から得たTikTokの教訓｜GDC 2022
- ゲームでお金を稼ぐための記事をもっと見る……
GamesIndustry.biz ACADEMY関連翻訳記事一覧
※本記事はGamesIndustry.bizとのライセンス契約のもとで翻訳されています（元記事はこちら）
