En la semana 1 en Meta, un casual game llegó a £4 de CPI en iOS, con 27% de D0 ROAS y 10% de conversión D1, y todo se veía increíble. Todavía lo llamo la cohorte dorada.
Las tres variables detrás del D0 ROAS
A lo largo de 14 semanas las tres variables se movieron, a veces en direcciones opuestas. El mismo D0 vino dos veces de perfiles de usuario distintos antes de caer.
La fórmula que seguía cada semana era conversión D1 × AOV ÷ CPI = D0 ROAS. Es un cociente con tres partes que se mueven, y leerlo como un solo número oculta 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 de mayor importe | £10 | 8% | £29 | 22% |
| Después: el valor por comprador en caída | Apenas se movió | No indicada | De £29 a £25, £23 y £18 en cuatro semanas | De 22% a 11% |
Con las cifras redondeadas, la fórmula da aproximadamente entre un 17% y un 25% en las semanas 1 y 2, y un 23,2% en las semanas 6 y 7, cerca del D0 de la tabla.
Lo sorprendente estaba en las dos primeras filas. El mismo D0 por encima del 20% vino de dos perfiles de usuario distintos. Al principio el CPI hacía todo el trabajo. El AOV era modesto y no hacía falta que fuera 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, con la misma campaña, el mismo setup y el mismo objetivo de optimización.
El valor por comprador causó 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 este juego en iOS, la señal sobre la que optimizaba Meta era el revenue de D0. Si ese revenue cambia por motivos del producto, como las ofertas, los eCPMs o el engagement, el targeting de Meta se mueve con él.
Es un feedback loop en el que el revenue hace de señal.
Mientras tanto, los números de todo el juego decían que el problema iba más allá de la adquisición. El ARPDAU cayó un 30%, el IAP por usuario bajó un 33% y el ad revenue por usuario, un 25%. El revenue por usuario activo estaba perdiendo fuerza en toda la base de jugadores.
La mezcla de revenue también había cambiado. En la semana 1, el 85% era IAP. Para la semana 6 el reparto estaba igualado entre IAP y ad revenue, así que el AOV ya dependía tanto de los eCPMs de los anuncios como del comportamiento de compra.
El único número que se sostuvo
El coste por compra (CPP) fue el número que se sostuvo. Mientras el CPI, la conversión y el AOV se movían cada uno por su lado, el CPP recogía en una sola cifra el coste de adquisición y la conversión.
El D0 superó el 20% todas las semanas en que el CPP se quedó por debajo de £30. En las demás, el D0 se quedó corto.
Si vas a seguir un solo número a diario, es un buen candidato. 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 coste por compra.
Antes de culpar a la adquisición
Cuando el D0 ROAS cae, revisa esto en orden.
- Descompón el D0 ROAS en conversión D1, AOV y CPI, y busca cuál se movió.
- En la value optimization de iOS, comprueba si hubo cambios del lado del producto que movieron el revenue de D0.
- Revisa el revenue por usuario en todo el juego.
- Revisa la mezcla de revenue.
El diagnóstico completo, desde el registro de cambios hasta la decisión de presupuesto, está en por qué sube mi CPI o se estanca mi ROAS.
Límites de los datos
Las cifras semanales están redondeadas y vienen de una sola cuenta, con la conversión medida en D1 y el revenue en D0.