Predict Lifetime (pLT): Phân tích dự đoán vòng đời người dùng là một key-metric đối với bất kỳ app marketer nào trong việc dự báo chiến lược marketing tương lai, ra quyết định trong việc phân bổ ngân sách và tối đa hóa lợi nhuận chiến dịch của mình mà vẫn đảm bảo tuân thủ các bảo mật an toàn thông tin của người dùng.
Giá trị dự đoán về thời gian sử dụng hoặc giá trị tiềm năng của một khách hàng bằng việc kết hợp các thông tin từ quá khứ và các chỉ số hiện tại. Điều này giúp các nhà quảng cáo xây dựng và tối ưu hóa các chiến dịch tiếp thị dựa trên xu hướng tiêu dùng được dự đoán của đối tượng.
1. Predict Lifetime là gì ?
- Predict Liftetime (pLT) là một phương pháp phân tích dự đoán dựa trên AI, Machine Learning để đo lường và ước tính số ngày trung bình mà người dùng (user) sẽ quay trở lại với ứng dụng của nhãn hàng.
- Airbridge dựa trên một khối lượng dữ liệu lớn đến từ dữ liệu lịch sử của người dùng, phân tích nhiều lớp trên người dùng có chung đặc điểm hành vi, người dùng có thể đầy đủ thông tin và thông qua dữ liệu bảo mật trên hàng loạt SDK,… để huấn luyện mô hình dự báo chính xác vòng đời người dùng.
- Dự báo được lifetime của người dùng cũng giúp doanh nghiệp ước tính được giá trị vòng đời khách hàng (customer lifetime value) để có thể khám phá các insight, cân đối các chiến dịch user acquisition cũng như tối ưu CPA (cost per action) của chiến dịch quảng cáo
2. Predict Lifetime giúp gì cho các doanh nghiệp ?
- Với những thay đổi mới của Apple từ IOS 14.5, sự ra đời của App Tracking Transparency và SKAdnetwork gây nhiều giới hạn trong việc thu thập dữ liệu người dùng (user-level data), sự chậm trễ trong việc gửi lại thông tin về người dùng và phân bổ dẫn đến có nhiều điểm mù dữ liệu trong việc tối ưu các chiến dịch quảng cáo trên thiết bị IOS cũng như đo lường customer lifetime value để cân đối ngân sách. Việc nắm trước những chỉ số dự báo về vòng đời người dùng ở giai đoạn sớm giúp doanh nghiệp xác định được nhóm khách hàng tiềm năng cao/thấp cho các chiến dịch UA lẫn retargeting, giúp nhà quảng cáo có thể khai phá được các insight giúp cải thiện hiệu quả chiến dịch IOS
- Phân bổ ngân sách quảng cáo hợp lý để thu hút được các nhóm người dùng có customer lifetime value cao, tăng tỉ lệ Return on Ads Spend (ROAS) và đưa ra các quyết định nhanh chóng kịp thời mà vẫn đảm bảo tuân thủ an toàn thông tin người dùng.
- Đưa ra quyết định dựa trên data-driven mindset: nhiều marketer vẫn thường đưa ra những phỏng đoán của mình về LTV theo các chỉ số benchmark revenue/ROAS từ những app khác đã từng chạy. Tuy nhiên, trong thời buổi khan hiếm dữ liệu cũng như đặc điểm của từng ứng dụng, chân dung của khách hàng mục tiêu khác nhau sẽ dẫn đến tính thiếu chính xác của dự đoán và quyết định chưa phù hợp. Việc tận dụng pLT hay pLTV sẽ giúp các doanh nghiệp có những dự báo chính xác hơn khi mô hình dự đoán bằng AI, machine learning hoàn toàn dựa trên dữ liệu của chính ứng dụng của mình.
3. Airbridge predictive lifetime
- Airbridge với predict lifetime sẽ là một công cụ hữu ích cho các app marketer dự đoán được khoảng thời gian trung bình mà người dùng sẽ hoạt động trên app sau khi cài đặt. Tận dụng pLT cũng giúp doanh nghiệp tính toán được về lifetime value của user, phỏng đoán về chất lượng của người dùng, kênh quảng cáo
- Với tính năng này, marketer sẽ có thể phân tích hiệu quả của từng cohort mà mình đang chạy và tối ưu đến từng nhóm đó.
Ví dụ: Ứng dụng A chạy trên 3 kênh chính bằng việc quan sát pLT của 3 kênh này, song song với việc kiểm tra số lượng cài đặt, chúng ta có thể thấy Google Adwords đang là kênh có hiệu quả tốt nhất khi số lượng install cao và retention rate rất tốt.
Từ đó, tính năng Predict Lifetime (pLT) có thể tính được số ngày trung bình mà người dùng quay lại active trên app trong khoảng thời gian nhất định
- pLT trên Airbridge có thể đưa ra dự đoán tối đa đến 1000 ngày dựa trên dữ liệu người dùng của ứng dụng. Bằng hàng loạt thử nghiệm trên các dataset khác nhau cũng như ứng dụng trên nhiều khách hàng, pLT cho thấy độ chính xác lên tới 91% và thường là 96% khi thực hiện phân tích dự báo cho 6 tháng tới. Airbridge không chỉ là MMP mà còn là đối tác multi-touch attribution (MTA), marketing mix modeling (MMM) của Meta, giúp cho Airbridge có một lượng dữ liệu lớn để công cụ máy học được đào tạo và đưa ra các phỏng đoán chính xác nhất.