4 £ CPI auf iOS. 27% D0 ROAS. 10% D1-Conversion. Woche 1 auf Meta, ein Casual Game, und alles sah unglaublich aus. Ich nenne sie immer noch die goldene Kohorte.
Drei Inputs, nicht einer
Drei Inputs. Über 14 Wochen bewegten sich alle drei, manchmal in entgegengesetzte Richtungen, und derselbe D0-Wert wurde zweimal über komplett unterschiedliche Nutzerprofile erreicht, bevor er sank.
Die Formel, die ich jede Woche verfolgt habe, war D1-Conversion × AOV ÷ CPI = D0 ROAS. D0 ROAS ist also ein Verhältnis mit drei beweglichen Teilen, und ihn als einzelne Zahl zu lesen verbirgt, welcher Teil sich bewegt hat.
| Was D0 bewegte | CPI | D1-Conversion | AOV | D0 ROAS |
|---|---|---|---|---|
| Wochen 1 und 2: billige Installs | 4 bis 6 £ | 10% | 10 £ | 23% |
| Wochen 6 und 7, nach einem Store-Feature: größere Käufe | 10 £ | 8% | 29 £ | 22% |
| Danach: sinkender Wert pro Käufer | Kaum bewegt | Nicht angegeben | 29 £, dann 25 £, dann 23 £, dann 18 £, über vier Wochen | Von 22% auf 11% |
Mit den gerundeten Werten nachgerechnet ergibt die Formel etwa 17% bis 25% für die Wochen 1 und 2 und 23,2% für die Wochen 6 und 7, nah an den D0-Werten in der Tabelle.
Die ersten beiden Zeilen waren der überraschende Teil. Derselbe D0-Wert über 20% kam aus zwei völlig unterschiedlichen Nutzerprofilen. Anfangs trug der CPI alles. AOV war bescheiden und musste nicht höher sein. Nach dem Feature verdoppelte sich der CPI, aber AOV verdreifachte sich.
Dann bewegte sich der Input, der zählte
In der letzten Zeile brach es ein. AOV fiel mit jedem Schritt. Gleiche Kampagne, gleiches Setup, gleiches Optimierungsziel.
Der Wert pro Käufer richtete den größten Schaden an, der CPI bewegte sich kaum.
Warum das auf iOS schwer zu diagnostizieren ist
Bei der iOS Value Optimization dieses Spiels war das Signal, auf das Meta optimierte, der D0-Umsatz. Ändert sich dieser Umsatz aus produktseitigen Gründen, Angebote, eCPMs, Engagement, verschiebt sich Metas Targeting mit.
Es ist ein Feedback-Loop. Der Umsatz ist das Signal.
Gleichzeitig zeigten die Zahlen über das gesamte Spiel hinweg, dass das Problem über die Acquisition hinausging. ARPDAU fiel um 30%, IAP pro Nutzer war um 33% gesunken, Ad-Revenue pro Nutzer um 25%. Der Umsatz pro aktivem Nutzer schwächte sich über die gesamte Spielerbasis hinweg ab.
Auch der Revenue-Mix hatte sich verschoben. Woche 1 lag bei 85% IAP. Bis Woche 6 war es ein gleicher Split zwischen IAP und Ad-Revenue, was bedeutete, dass AOV jetzt genauso von Ad-eCPMs abhing wie vom Kaufverhalten.
Die eine Zahl, die hielt
Cost per Purchase. Während CPI, Conversion und AOV sich alle unabhängig voneinander bewegten, erfasste CPP sowohl Acquisition-Kosten als auch Conversion in einer einzigen Zahl.
Jede Woche, in der CPP unter 30 £ blieb, landete D0 über 20%. Jede Woche, in der das nicht der Fall war, verfehlte D0.
Wenn Sie täglich eine einzige Zahl tracken, ist das ein starker Kandidat. Erwarten Sie nur nicht, dass sie Ihnen sagt, welcher der drei Inputs sich bewegt hat, dafür ist die Zerlegung da. Auf einem anderen Account, als ich 38 Kampagnen auf beide Arten gerankt habe, sagte der Day-0-Value den D28 ROAS besser voraus als Cost per Purchase.
Grenzen der Daten
Die wöchentlichen Werte sind gerundet und stammen aus einem einzigen Account, wobei die Conversion an D1 und der Umsatz an D0 gemessen wird.