Annoncer i butikken: Sådan gør du din app vellykket

I øjeblikket kæmper omkring seks millioner apps i Apple- og Google-butikkerne for brugernes opmærksomhed. Ifølge AppAnnie blev der overført mere end 86 milliarder dollars globalt i 2017 – i Apple- og Google-appbutikker såvel som tredjeparts Android-butikker. Det er lidt over 74 milliarder euro.

I Tyskland har brugerne i øjeblikket gennemsnitligt 90 apps installeret på deres smartphones. Men alle ved fra deres egen erfaring: kun en tredjedel af det bruges regelmæssigt. For app-operatører er synligheden af ​​deres apps i app-butikkerne derfor det store mål, og derfor sættes millioner i reklame. For at få brugernes opmærksomhed er noget andet meget værd: en regelmæssig dataanalyse.

Brugte apps kildebilleder-app-annie
Gennemsnitligt antal brugte og installerede apps pr. Måned (Billede: App Annie)

Se godt ud og give lidt mere gas i starten

Vindende brugere til apps kræver en smart kombination af marketing, appdesign og dataanalyse. I appens butikker viser stjerneklassificering, brugeranmeldelser samt valgte tekster og skærmbilleder en vigtig rolle. Dette påvirker direkte konverteringsfrekvensen, det er antallet af downloads pr. Bruger, der ser appsiden. Desuden er appens placering vigtig, fordi en god placering sikrer, at flere brugere finder appen i sig selv, så organisk. Special Boost- eller Burst-kampagner kan øge antallet af besøgende og downloads på kort sigt og dermed også for en bedre placering og mere organiske brugere på lang sigt.

udstilling

Find brugere baseret på data

Både i boostkampagner og i “normale” marketingkampagner med præstationer vises mobilbrugere, der promoverer apps, enten mens de surfer på nettet eller inden for andre apps. For eksempel koster annonceeksponeringer på udgiversiden en euro for tusind visninger (CPM) afhængigt af placering. App-producenter foretrækker på den anden side at betale på en performance-baseret måde, dvs. kun når download er afsluttet, for eksempel til EUR 10 pr. Download. Hvis download ikke er garanteret, er der en risiko for at skulle betale for reklamer, men får muligvis ikke nogen downloads og derfor ingen kompensation.

Derfor er du nødt til at tænke nøje over, hvilken bruger du vil vise, hvilken reklame. “Historiske data og maskinlæring anvendes her,” forklarer Dr. med. Steffen Wachenfeld, Chief Product Officer hos WeQ, en opstart med speciale i brugeranskaffelse af apps. “Man kan lade computere f.eks. Lære, om hvilke operativsystemversioner visse spil konverterer godt, eller på hvilke tidspunkter en shopping-app downloades i modsætning til en taxa-app.”

Test skærmoptik

Når det er klart, hvilke brugere der ønsker at anbefale en bestemt app, hvornår, er det vigtigt at gøre selve annoncen, den kreative, så tiltalende som muligt. Kreativ optimering ser på, hvordan en annonce – hvad enten banner-, video- eller afspilningsannonce – skal se ud, for at klikfrekvensen (CTR) og konverteringsfrekvens (CR) skal være særlig høj. Selv med et simpelt banner er der mange variabler, der kan testes mod hinanden: farverne, placeringen af ​​tekst- og billedelementer, nøglevisuel, opfordring til handling osv.

Hvilke kombinationer, der arbejder, adskiller sig fra målgruppe til målgruppe. Foruden klassisk sociodemografi har ferier og begivenheder såsom verdensmesterskabet eller brugerens tilhørsforhold indflydelse på annonceringens succes.

Håndtering af oversvømmelsen af ​​data

Når annoncen er online, ser et typisk præstationsmarkedsføringsfirma i mobilappens verden tusinder af datapunkter hvert sekund. Disse data skal først struktureres og forarbejdes, siger Wachenfeld. Til dette sorteres de, underkastes en statistisk analyse og beriges med yderligere data. Grundlæggende er for eksempel rækkefølgen af ​​IP-adresser og baseret på en tildeling af lokaliseringsoplysninger og en evaluering af frekvenser for specifikke geografiske områder. Hvis du vil fortsætte med at gøre det, kan du tildele yderligere oplysninger til disse geodata afhængigt af tidspunktet, f.eks. Vejrdata. Derefter kan for eksempel en taxa-app annonceres nøjagtigt, hvor det regner, og der er en øget efterspørgsel.

Skelne vigtigt fra uvæsentlig

Tid, ferie, bannerfarve, distrikt, browserversion eller visningsstørrelse – brugernes egenskaber og muligheden for at kombinere annoncer med forskellige look på forskellige tidspunkter er uendelige. Kunstig intelligens kan også lære af historiske data og hjælpe med at finde de rigtige egenskaber, siger Wachenfeld, WeQs AI-ekspert. Særlige algoritmer gør relevante funktioner mere meningsfulde over tid, hvilket gør dem mere og mere vigtige i annonceringsbeslutninger. Ikke-relevante funktioner tillader algoritmen at dø langsomt, hvilket gør det lettere og hurtigere at tage beslutninger baseret på færre egenskaber, hvilket sparer plads, tid og penge.

Hvad er normalt?

Opmærksomhed: Hvis de tidligere observerede mønstre pludselig ændrer sig fuldstændigt – for eksempel hvis der pludselig to gange eller kun halvt så mange downloads af en vejr-app forekommer – skal der straks analyseres: Hvad sker der? Kampagneledere ser op og kan opleve, at der foregår et hestevæddeløb i London, og alle ønsker at vide, om de har brug for paraplyen. Eller – hvis downloadfrekvensen falder – kan det bare være et teknisk problem.

For at automatisere denne opgave med mønstergenkendelse er det vigtigt at afklare, hvad der er normalt. For at gøre det, se på fortiden og observer afvigelser. Hvis du bemærker for meget afvigelse fra de sædvanlige afvigelser, underrettes kampagneadministratorerne automatisk af systemet. Er det for eksempel realistisk for en bruger at downloade en større app på mindre end et sekund? og at åbne? Her skal du undersøge, hvis dette ikke var en reel bruger, forklarer Dr. med. Guard felt. Selvom efter 1.000 startede downloads og noget tid, ikke en enkelt bruger har åbnet appen, er dette ikke normalt. Derefter er det vigtigt at finde ud af, om for eksempel download-linket blev brudt, eller hvis post-backs, dvs. meddelelserne om installationerne, fungerer korrekt på vejen fra appen via app-producenten til annoncøren.

Overvågning af serveren

For at overvåge serverlandskaber viste firmaet Dynatrace, der blev grundlagt i Østrig, for nylig en interessant løsning på sin egen udstilling i Barcelona. Virksomheden er engageret i applikationspræstationsovervågning, dvs. overvågning af it-systemer. For at demonstrere den komplekse interaktion mellem forskellige servere og systemer, såsom app-servere og betalingsservere, visualiserede Dynatrace sit IT-landskab i en AR-applikation. Dette kan sammenlignes med et 3D-kort, hvor noder på hver server er som små kontinenter i et virtuelt landskab. For teknikeren gør den visuelle repræsentation det lettere at se, hvor en fejl er sneget ind og lammer netværket. Med andre ord, hvor betaling i øjeblikket ikke fungerer, hvor annoncer ikke længere kan afspilles, eller hvor downloads i øjeblikket ikke er muligt – alt i realtid og over hele verden. Hvis du kun er klar over, at i USA i øjeblikket gør lidt i form af app-downloads, men ikke altid skal en netværksfejl være skyldig – det kan bare være bare nat.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *