£4 de CPI en iOS. 27% de D0 ROAS. 10% de conversión D1. Semana 1 en Meta, un casual game, y todo se veía increíble. Todavía la llamo la cohorte dorada.
Tres variables, no una
Tres variables. A lo largo de 14 semanas las tres se movieron, a veces en direcciones opuestas, y el mismo D0 se alcanzó dos veces con perfiles de usuario completamente distintos antes de caer.
La fórmula que seguí cada semana fue conversión D1 × AOV ÷ CPI = D0 ROAS. El D0 ROAS es entonces una razón con tres partes que se mueven, y leerlo como un solo número esconde cuál de ellas se movió.
| Qué movió el D0 | CPI | Conversión D1 | AOV | D0 ROAS |
|---|---|---|---|---|
| Semanas 1 y 2: instalaciones baratas | De £4 a £6 | 10% | £10 | 23% |
| Semanas 6 y 7, después de un featuring de la store: compras más grandes | £10 | 8% | £29 | 22% |
| Después: el valor por comprador en caída | Apenas se movió | No indicada | £29, después £25, después £23, después £18, a lo largo de cuatro semanas | De 22% a 11% |
Con las cifras redondeadas, la fórmula da entre 17% y 25%, aproximadamente, para las semanas 1 y 2, y 23,2% para las semanas 6 y 7, cerca del D0 de la tabla.
Las dos primeras filas fueron la parte sorprendente. El mismo D0 por encima de 20% vino de dos perfiles de usuario completamente distintos. Al principio el CPI cargó con todo. El AOV era modesto y no necesitaba ser más que eso. Después del featuring, el CPI se duplicó, pero el AOV se triplicó.
Después se movió la variable que importaba
La última fila es donde se rompió. El AOV cayó en cada paso. Misma campaña, mismo setup, mismo objetivo de optimización.
El valor por comprador fue responsable de la mayor parte del daño, y el CPI apenas se movió.
Por qué esto es difícil de diagnosticar en iOS
En la value optimization de iOS de este juego, la señal sobre la que Meta optimizaba era el revenue de D0. Si ese revenue cambia por razones del lado del producto, ofertas, eCPMs, engagement, el targeting de Meta se mueve con él.
Es un feedback loop. El revenue es la señal.
Mientras tanto, los números del juego en general decían que el problema iba más allá de la adquisición. El ARPDAU cayó 30%, el IAP por usuario bajó 33%, el ad revenue por usuario bajó 25%. El revenue por usuario activo se estaba debilitando en toda la base de jugadores.
La mezcla de revenue también había cambiado. La semana 1 era 85% IAP. Para la semana 6 era una división pareja entre IAP y ad revenue, lo que significaba que el AOV ahora dependía tanto de los eCPMs de ads como del comportamiento de compra.
El único número que se sostuvo
El costo por compra. Mientras el CPI, la conversión y el AOV se movían de forma independiente, el CPP capturaba el costo de adquisición y la conversión en una sola cifra.
Cada semana que el CPP se mantuvo bajo £30, el D0 quedó por encima de 20%. Cada semana que no fue así, el D0 falló.
Si vas a seguir un solo número a diario, ese es un candidato fuerte. Pero no esperes que te diga cuál de las tres variables se movió, porque para eso está la descomposición. En otra cuenta, cuando ordené 38 campañas de las dos formas, el valor de D0 predijo mejor el ROAS D28 que el costo por compra.
Límites de los datos
Las cifras semanales están redondeadas, vienen de una sola cuenta, y la conversión se mide en D1 mientras que el revenue se mide en D0.