APP チャネルプロモーション: チャネル評価を効率的に行うには?

チャネル獲得担当者は、独自のチャネル データから誤ったトラフィックを排除し、高品質のトラフィックを識別し、継続的なチャネル構成の最適化を通じてチャネル配信の ROI 効率を最大化するにはどうすればよいでしょうか。この記事では、著者はUmeng+モバイル統計（U-App AIバージョン）に基づいて2つの実際のケースを分析し、アプリの偽のボリュームグレーマーケットが隠れられないように、チャネル評価を効率的に行う方法について説明します。

インターネット後半では、アプリの新規顧客獲得のパフォーマンスは次のようになります。一方では、明示的なコストが引き続き上昇し、他方では、異常なチャネルと偽のトラフィックによって隠れたコストが増加します。

この問題を解決するために、ヒマラヤはUmeng+ Mobile Statistics（U-App AIバージョン）の助けを借りて、リアルタイムのチャネル配信監視システムを構築しました。異常なチャネルと誤ったトラフィックを識別し、アラームを自動的に監視して詳細を直感的に表示し、管理チームと運用チームにタイムリーな意思決定サポートを提供し、配信戦略の反復的な最適化のクローズドループを形成します。実際には、チャネル配信コストを数億元節約し、チャネル顧客獲得の健全な成長を大幅に促進しました。

景気低迷の状況下では、このような「無駄のない顧客獲得システム」はインターネット企業にとって非常に重要になります。

現在、チャンネルプロモーション市場におけるさまざまなアプリケーションやメディア間の競争は熾烈な状態に達しています。トラフィック配当からストック時代に至るまで、アプリ製品のチャネルプロモーションはますます困難になっており、それは次の3つの側面に現れています。

しかし、「チャネルは存在の基盤であり、製品は生活の基盤である」という諺にあるように、インターネット企業は問題を避けることはできず、問題に正面から向き合う必要があります。

著者は、無料、有料、交換を問わず、一般的なチャネル獲得方法には、異なるチャネルの自然な属性に一定の違いがあることは確かだと考えています（つまり、アプリのユーザーアクティベーションは、チャネルの属性によって自然に異なります）。

しかし、制御できない要因を別にすれば、上記の 3 つの問題を解決する鍵は、チャネル獲得担当者がこれらのチャネル内の偽のトラフィックを排除し、高品質のトラフィックを識別し、継続的なチャネル構成の最適化を通じてチャネル配信の ROI 効率を最大化できるかどうかにあります。

著者は、この目的のために、次の図に示すようにチャネル評価システムを構築しました。

アプリ チャネル評価システムは、チャネル不正防止評価システムとチャネル品質評価システムに分かれています。

1. 実際のケース分析

ケース1: チャンネル全体が割合と期間に応じて偽のボリュームを追加する

2018 年 12 月に DSP チャネルでアカウントの品質を確認していたところ、このアカウントは 3 か月連続で、設定されたすべての指標において KPI を上回ったり下回ったりすることなく維持していることがわかりました。

長年の勤務経験から、ここに問題があるかもしれないと気づきました。次に、チャネル パッケージ ディメンション (1 つの配信計画は 1 つのチャネル パッケージに対応) をさらに詳しく調べて、各指標のデータの詳細を表示しました。

分析の結果、1日/3日などの短期的な保持率は正常だが、7日/14日/30日などの中長期の保持率が極端に低いチャネル パッケージが時々あることがわかりました (下図参照)。同時に、これらの中長期の保持率が低いチャネル パッケージは固定されておらず、不定期にローテーションで変更されています。この時点で、このチャンネルは全体的な品質を管理しながら偽の数量を導入していることが基本的に確認できます。

このタイプの広告主は「狡猾」であると言えます。全額が偽物だと簡単に見破られるとわかっているので、前進するために後退を選択します。全体としてはKPIを満たしながら、一定の割合の偽のボリュームを総額に追加し、良いものと悪いものを混ぜて、偽のボリュームを検出する難易度を高めます。

たとえば、実際の数量 100 個につき偽の数量 5 個が混在します。さらに、時間的な側面でも捉えどころがありません。ある月にはチャネル パッケージ A を改ざんし、翌月にはチャネル パッケージ B に切り替えることもあります。それが発覚した場合、チャネルの不安定さを言い訳にするでしょう。

アトリビューション分析は、追加ユーザーが最終的にどのチャネルから来たのかを企業が特定するのに役立ちますが、チャネル予算が十分で、関連指標が KPI を満たしている場合、チャネル運営者は、異なるチャネルに存在する偽のトラフィックを見落としがちです。

こうした真偽が混在する異常なチャネルについては、各チャネルのトラフィックの品質を追跡しなければ、偽のトラフィックがチャネル配信に長期的に影響を及ぼし、チャネル顧客獲得の健全な発展に影響を与え、最終的には会社に計り知れない損失をもたらすことになります。上記の例では、作成者がチャネル パッケージ ディメンションのデータを追跡したため、最終的に偽のボリュームを特定することができました。

ケース2: トラフィックを増やすためにローエンドモデルを使用する

さまざまなチャネルにおける新規ユーザーの分布に関する特別な分析で、著者は、一部のチャネルにおける新規ユーザーの分布が非常に異常であることを発見しました。

理論的には、異なるチャネルは異なるユーザーグループをカバーし、ユーザーの携帯電話モデルの分布も異なります。たとえば、Huawei App Storeチャネルのユーザーの場合、携帯電話の大部分はHuawei製の携帯電話です。これらの携帯電話メーカーが付属するアプリストアを除けば、通常の状況では、新しいAndroidユーザーのモデル分布は多様化しており、Huami、OVの4大携帯電話ブランドが比較的大きな割合を占めるはずです。

しかし、著者は、特定のチャネルにおける新規ユーザーのモデル分布の中で、リストのトップを占めていたのは、あまり知られていない1つまたは2つの携帯電話ブランドの低価格モデルであり、10％〜20％を占めていることを発見しました（下の図を参照）。

筆者はさらに、これらのチャネルの新規ユーザーの起動回数、使用時間、維持率、有料コンバージョンなどのユーザー行動データを分析した結果、起動回数は基本的に1回、使用時間は10秒未満、7日後の維持率は0、支払い率は0であることがわかりました。この時点で、モデルはトラフィックを増やすために使用されたと基本的に判断できます。

チャネル サービス プロバイダーは広告プロセスのすべてのレベルにエージェントを配置し、トラフィック獲得は不透明であるため、不正行為のグレー ゾーンがますます増えています。一見正常な広告保持率の裏に、偽のトラフィックの危機が隠れているのです。

上記の 2 つのケースは、CPA および CPD の支払い形式でよく使われる不正行為です。さまざまな手段を使用してダウンロード、アクティベーション、および保持を増やします。不正行為のコストは比較的高いですが、阻止するのも困難です。また、CPMやCPC決済方式での露出ブラッシングや、クリックCPS決済方式での注文ブラッシングなどの不正行為も存在します。

つまり、広告の種類ごとに対応する支払い方法があり、支払い方法ごとに偽のトラフィックのメリットに対する独自の魅力があります。

偽のチャネル トラフィックを特定することは、成長マネージャーやチャネル プロモーターにとって常に大きな悩みの種でしたが、チャネル プロモーターやデータ アナリストが、セグメント化された各チャネルの詳細データを 1 つずつ確認し、偽のチャネル トラフィックを特定するのに十分な時間と労力を費やすことは不可能です。一つ一つ確認できたとしても、時間がかかり、問題が発見されたときには、関連する損失が発生しており、回復できない可能性があります。

では、偽のチャネルトラフィックを正確に識別し、自動的に警報を発し、関係者に速やかに注意を促す仕組みを構築し、サウンドシステムを構築することは可能でしょうか?

2. 解決策

1. チャネル配信プロセス全体のデータ監視

筆者は、異常なチャネルや偽のトラフィックを識別するためにどの次元を使用するかに関係なく、まず特定のデータ収集方法を通じて、広告露出とクリックデータ、ユーザー属性データ、ユーザー行動データを関連付け、統合、クラスタリングして、完全で包括的かつ正確な基礎データを取得し、それによってユーザーデータの追跡と分析を実現することが必要であると考えています。

完全かつ包括的なデータがあれば、一方では、チャネルの属性に基づいて、さまざまなブレークスルー ポイントからの偽のトラフィックの痕跡を探すことができます。他方では、偽のトラフィックの完全なリンクに関するデータを分析して保持することで、偽のトラフィックを裏付ける強力な証拠を確立できます。

上の図に示すように、広告プロセス全体のデータは次の 3 つのカテゴリに分類できます。

2. チャネル不正防止評価システム

データ自体は問題を説明できませんが、データの解釈によって問題を説明できます。

つまり、データは客観的な事柄を表す未加工の素材に過ぎず、加工され論理的に形成されて初めて情報と呼ばれるものとなります。大量の情報を集約し体系化することで知識を形成し、実践を導きます。

チャネル配信プロセス全体のデータ監視を実現した後、次のステップは、このデータを使用して異常なチャネルと偽のトラフィックを識別することです。つまり、次のものを含むチャネル不正防止評価システムを確立します。

サードパーティの監視プラットフォームも不正行為防止機能を強化しています。たとえば、Umeng+ は次の 4 つのレベルで不正行為防止を実施します。

3. 実装手順

（図：異常チャネル監視プロセス）

チャネル不正防止の実装手順では、新しいチャネルが開設された後、チャネル不正防止評価システムに入る前に、まずチャネル管理システムを通過し、チャネル パッケージとアカウントとチャネルのマ​​ッチング関係を正常に入力する必要があります。

関連データを取得した後、異常チャネルの監視指標を設定し、過去のサンプルデータに基づいてしきい値をトレーニングします。しきい値未満の異常が疑われるチャネルに対して自動的にアラームを発し、「即時の情報到着」を実現します。同時に、レポートにチャネルの詳細を表示して、チャネルの最適化をガイドします。

1. チャネル管理システム

チャネル管理システムは、チャネルの不正防止プロセスに必要な事前準備であり、主にチャネル パッケージ管理とアカウント チャネル マッチング管理が含まれます。

1) チャンネル パッケージ管理:チャンネルを立ち上げる前に、チャンネル運営者は各チャンネルに UTM タグ (チャンネル パッケージと呼ばれる) を追加し、チャンネル属性を使用して新規ユーザーのチャンネル ソースを識別する必要があります。同時に、これらのチャネル パッケージはさまざまな次元に従って分類され、さまざまな次元でのチャネル データのその後の統計を準備します。

2) アカウントとチャネルのマ​​ッチング管理：チャネル配信バックグラウンドデータとアプリユーザーコンバージョンデータ間の連続性を実現するために、チャネルオペレーターは、チャネル配信データバックグラウンドのアカウント/プランとアプリコンバージョンデータ内のチャネルをマッチングさせる必要があります。

2. 関連データを取得する

Umeng+ モバイル統計 (U-App AI エディション) は、次のようなユーザー チャネルのディメンションに関する多様なデータを提供します。

3. 異常チャネルの監視指標としきい値を設定する

各チャネルタイプの属性に応じて、各チャネルの異常チャネル監視インジケータを設定します。同時に、過去の関連指標データをサンプルとして使用してトレーニングを行い、しきい値を設定します。指標がしきい値を超えると、異常の疑いのあるチャネルとして識別されます。

この記事では、保持インジケーターのみを例として取り上げます。

（１）データの準備

著者は、過去のアクティベーション量が 100 を超えるすべてのチャネル パッケージを選択し、これらのチャネル パッケージの新しい量と 1/3/7/14/30 日間の保持率を準備しました。

（２）指標の決定

（３）閾値の設定

過去のサンプル データにおける週次保持率指数と週次前年比保持率変動指数の 10 分位数は、次の表に示すように計算されます。

上記の基準の90％以内に基づき、実際の業務状況と合わせて、監視指標の閾値は以下のように調整されます。

つまり、上記のリテンション監視指標のうち、特定のチャネル（アクティブ化ボリュームが 100 より大きい）の実際の値がしきい値を下回る場合、異常の疑いのあるチャネルとして定義されます。

4. 自動警報ロボット

同社は、社内コミュニケーションおよびコラボレーションツールとしてDingTalkを使用しています。DingTalkグループロボットは、DingTalkグループの高度な拡張機能であり、サードパーティのサービスからの情報をグループチャットに集約し、自動情報同期を実現します。

異常なチャネル監視指標のしきい値に基づいて、異常が疑われるチャネルの情報がDingTalkグループに同期され、アラームが自動的にトリガーされ、チャネルオペレーターにタイムリーに通知されます。

5. レポートは詳細を視覚化し、最適化を導きます

Tableau 視覚化ツールを使用すると、さまざまな関連データ インジケーターを含む、異常が疑われる過去のすべてのチャネルをより直感的かつ詳細に表示できるため、チャネル オペレーターはチャネル配信をタイムリーに調整できます。

同時に、メディアや広告代理店との交渉においても強力な証拠となり、追加ボリュームの要求や支払い拒否などの対抗措置を取ることができます。

IV. 結論

異常なチャネルや偽のトラフィックが絶え間なく流れてくる状況に直面しても、チャネル獲得担当者は慌てる必要はありません。上記の一連の例と解決策から、次のことがわかりました。

著者は、データ駆動型機能の向上に熱心な大多数の APP 広告主に参考となる情報を提供したいと考え、業界での自身の経験を 2 つのポイントにまとめています。

（１）高度なツールを使用して強力なデータサポートを提供します。

私はデータ分析ツールの熟練した応用とモニタリング実行経験に基づき、アプリ広告主は多次元データ分析を実現できるプラットフォームと積極的に協力すべきだと考えています。一方では、基本的なデータの収集と処理にかかる時間を大幅に節約でき、他方では、指標システムの反復的な拡張も実現しやすくなります。

たとえば、私の仕事では、U-App AI バージョンのユーザー チャネル ディメンション データの多様性、オープン性、および準リアルタイム性を活用して、会社がワンストップのマルチチャネルおよび多次元分析を実現できるように支援しました。

（２）業界理解と実務を踏まえ、タイムリーなチャネル評価システムを確立し、改善する。

完全かつ健全なチャネル評価システムは、企業チャネルの顧客獲得を健全に発展させるための魔法の武器です。チャネル不正防止評価システム、実際のチャネル量の特定、チャネル品質評価システムは、それぞれ新規追加、アクティビティ、収益の 3 つの目標に対応しています。

発展の段階によって、企業は異なる目標と焦点を持ちます。ユーザー規模を追求するためにチャネル有効性評価システムに焦点を当てたり、ユーザーアクティビティを重視するためにチャネル維持評価システムに焦点を当てたり、ユーザー利益を増やすためにチャネルROI評価システムに焦点を当てたりする場合があります。チャネル獲得担当者は、企業の発展段階に応じてこれを柔軟に対応する必要があります。

著者: ルー・ヨンジン

著者: ルー・ヨンジン

原題: APP チャネルプロモーション: チャネル評価を効率的に行うには?

キーワード: APPチャンネルプロモーション