Mobile Heroes

Lenette Yap by Lenette Yap | dezembro 9, 2021

Lenette é especialista sênior em aquisição de usuários na Inkitt, um aplicativo para celular que publica romances e livros de autores independentes. Ela adora explorar dados e aprofundar-se nos detalhes técnicos de como a UA funciona. Lenette trabalhou em uma ampla variedade de mercados, inclusive com aplicativos para entretenimento e crianças, casuais, quebra-cabeças, jogos midcore e hardcore. Com quase dez anos de experiência em marketing, ela ajuda a Inkitt a crescer globalmente usando técnicas de ponta, desenvolvidas para o mundo pós-IDFA.

Saiba mais sobre a Mobile Hero Lenette.

O marketing não é uma ciência exata. O marketing de desempenho tornou grandes segmentos de dados disponíveis, mas os melhores gerentes de UA ainda sabem equilibrar análise de dados e intuição. As incertezas causadas pela erradicação do IDFA, pela COVID-19, pela concorrência mais acirrada e pelas mudanças constantes nos algoritmos das redes de anúncios tornam esse equilíbrio mais importante do que nunca. Como profissionais de marketing, com frequência temos que encontrar formas inovadoras para impulsionar as instalações quando os dados que temos são incompletos ou mal estruturados. Neste artigo, exponho um cenário desafiador e explico como encontrei um equilíbrio entre os dados e a intuição para gerar resultados.

Imagine este cenário

Você está lidando com uma estrutura de campanha pouco ortodoxa no Facebook. Imagine centenas de campanhas idênticas sendo executadas paralelamente todos os dias, altamente sobrepostas, com o mesmo público-alvo, os mesmos anúncios criativos e novas campanhas duplicadas sendo adicionadas todos os dias, 10, 20, 30 vezes. Cada campanha com um orçamento minúsculo e empacada indefinidamente na etapa de aprendizagem, a maioria nunca sobrevivendo tempo suficiente para se tornar uma campanha expressiva e estável. Cada uma usa apenas uma dúzia de anúncios criativos diferentes, sendo que os melhores só coletam uma ínfima coorte de dez instalações durante todo o ciclo de vida. Um grande problema (entre outros) é a atribuição desorganizada, pois não está claro qual campanha ou anúncio gerou qual instalação individual.

Presos em uma situação desfavorável

Surpreendentemente, essas campanhas estavam funcionando e batendo as metas de ROAS, ao menos inicialmente. No entanto, o desempenho diário era volátil e temíamos que o castelo de cartas desmoronasse. Os anúncios em duplicidade eram uma bola de neve e davam muito gasto, mas era arriscado reestruturar tudo de uma vez. Isso poderia causar um impacto ainda maior na receita, pois a reestruturação pode demorar semanas para trazer uma otimização adequada.

Estávamos prevendo uma bomba-relógio. Como desarmar a bomba? Diversificando em outras redes. Tínhamos que contar menos com o Facebook e adquirir dados limpos de outra rede. Ao criar uma estrutura mais enxuta no Facebook, você pode eliminar gradualmente qualquer gasto problemático com anúncios duplicados.

Como tirar conclusões de dados inconclusivos

Nesse caso, a melhor maneira de avaliar os dados que tínhamos era consolidando-os em compartimentos de “granularidade grossa” e analisando-os como uma grande campanha, detalhada por país e idioma. Nos pontos da estrutura em que houver muita sobreposição, todas as métricas pós-instalação serão descartadas, de modo que será preciso considerar as informações com cautela.

Apesar das reservas, foi possível identificar de maneira confiável os 20% de anúncios com melhor e pior desempenho. Com informações básicas suficientes, contamos com alguns princípios para embasar nosso palpite. Para coletar insights sobre o desempenho dos anúncios, simplesmente usamos nossa intuição na configuração de testes em outras redes. Entrarei em detalhes abaixo.

Como você se guia?

Caso seus dados sejam uma grande massa disforme, analisar uma única métrica composta não será suficiente. Será preciso verificar métricas contextuais para se obter uma imagem clara.

Métricas-chave: ROAS, CPI, IPM
Métricas contextuais: CTR, CVR, eCPM, taxas do pagador

Procure sempre entender o que suas métricas significam e como ajustá-las. O ROAS é um termo amplo com dezenas de alavancas individuais que você pode puxar para fazer ajustes. Dependendo do seu aplicativo, é possível puxar algumas alavancas com mais facilidade que outras:

ROAS = ARPU / CPI
ARPU = ARPPU * taxa do pagador
CPI = eCPM * IPM

Fatores diferentes afetam a taxa do pagador, inclusive o tipo de usuário adquirido. Pode valer a pena pagar um CPI mais alto para obter usuários com uma taxa do pagador muito mais alta.

Impulsionar a ARPPU em algumas categorias de jogos e aplicativos é mais fácil do que em outras. A coordenação do targeting de anúncios, dos anúncios criativos e de pacotes de novos usuários pode ter um grande impacto na ARPPU e, consequentemente, na ARPU e no ROAS.

Quando o eCPM é alto, a IPM precisa ser aprimorada. Por exemplo, os anúncios criativos com melhor desempenho podem gerar uma IPM mais baixa que o costume durante o Halloween, e as iterações “assustadoras” podem gerar uma IPM mais alta, compensando o aumento de preço da temporada.

Ao analisar os dados, dedique o tempo que for necessário para se aprofundar nos detalhes. Deixe as métricas contar a história quando você precisar de mais contexto para embasar sua intuição.

Os resultados de uma rede aplicam-se a outras

Para diversificar, fomos para outra rede, sem sobreposição de campanha, para iniciar uma estrutura de campanha limpa. Se você estiver começando do zero, é importante entender quais dados podem ser salvos do conjunto de dados anterior.

Não pudemos usar os dados altamente duplicados da campanha, mas conseguimos consolidar as campanhas duplicadas do Facebook e tratá-las como uma grande campanha. Nosso objetivo era encontrar os dez principais anúncios criativos do Facebook para cada segmento. Para fazer isso, separamos os dados agregados em segmentos menores e os interpretamos por idioma ou país.

Em uma nova rede, estruturamos segmentos semelhantes e testamos os anúncios para obter referências sobre métricas-chave e contextuais. A essas alturas, foi possível usar os resultados limpos e compará-los com os dados do Facebook. É aqui que a intuição ajuda. Eu me fiz as seguintes perguntas:

  • Os anúncios com melhor desempenho estão mais ou menos alinhados com o observado no Facebook? (Em outras palavras, até que ponto devemos ser céticos em relação aos dados do Facebook?)
  • Ao que se deve a diferença de desempenho em cada rede? (Diferentes algoritmos, formatos de anúncio, tipos de tráfego da rede são mais ou menos eficientes para encontrar pagadores. Os pagadores podem ter ARPPU mais alta ou mais baixa.)
  • Os anúncios com melhor desempenho são semelhantes entre as redes? (Se você observar algo que esteja funcionando em várias redes, confie na sua intuição. É provável que seja replicável.)
  • Onde posso experimentar? (Experimente com tudo o que a rede tem a oferecer. Use testes A/B sempre que puder e reduza as sobreposições.)

Depois de adquirir dados relevantes de configurações mais limpas, podemos trazê-los de volta à conta do Facebook. Esta é uma boa lição para se aprender: comece com uma boa estrutura em outro lugar e traga-a de volta para corrigir uma estrutura mais complicada de se trabalhar.

Os anúncios criativos são as maiores semelhanças entre as redes

Isto é o que aprendi ao seguir minha intuição: de modo geral, é provável que seus anúncios com melhor desempenho também apresentem bom desempenho em todas as redes, mas algumas adaptações podem ser necessárias para formatos de nicho. Experimente com anúncios em uma rede ou campanha de baixo custo e aproveite o que aprendeu em outras redes premium, se aplicável. Os anúncios criativos podem levar a maioria das campanhas ao sucesso ou ao fracasso, portanto, otimizar nunca é demais. Aplique o que foi aprendido rapidamente, mesmo se for inconclusivo.

Se o anúncio escolhido não apresentar bom desempenho imediatamente, considere adaptá-lo para diferentes formatos. Por exemplo, anúncios do Facebook que geraram instalações do aplicativo vs. anúncios de marketing de conteúdo no Taboola vs. anúncios no Tiktok. A experiência do anúncio é diferente, portanto, não é possível copiar e colar cegamente. Imite a aparência para o usuário.

Como escolher redes alternativas para testar anúncios criativos

É importante observar que o Facebook não precisa ser a única rede usada para testar os anúncios. Os principais anúncios devem ser semelhantes em diferentes redes, e as lições aprendidas devem ser transferíveis. Costumo usar o seguinte método para decidir se vale a pena testar os anúncios em uma determinada rede:

  • Use os dez principais anúncios no Facebook para começar.
  • Observe como as métricas para o anúncio com melhor desempenho evoluem com o tempo. Você deve buscar sinais de estabilidade. Por exemplo, a taxa de instalações, a taxa do pagador ou a IPM para os melhores anúncios apresentam números estáveis e mostram um desempenho consistente por uma ou duas semanas. Se seus anúncios têm desempenho consistente, é provável que sejam bons candidatos para testar.
  • A rede permite executar testes A/B?

Cautela

Se suas campanhas requerem intuição demais, é provável que a estratégia seja ineficaz e esteja incorreta. A intuição pode contribuir muito, mas é mais eficaz para criar uma estrutura de campanha com o intuito de obter insights consistentes, sem ter que recorrer a palpites desnecessariamente. Monte uma estrutura limpa, enxuta e organizada. A qualidade dos seus resultados será equivalente à qualidade da configuração. Se você se perder, reveja os princípios básicos. Use-os para formar hipóteses e, depois, teste e faça iterações do processo ou plano. Siga sua intuição, teste-a e continue fazendo iterações.