£4 di CPI su iOS. 27% di D0 ROAS. 10% di conversione D1. Settimana 1 su Meta, un casual game, e tutto sembrava incredibile. La chiamo ancora la coorte d’oro.
Tre input, non uno
Tre input. Nell'arco di 14 settimane tutti e tre si sono mossi, a volte in direzioni opposte, e lo stesso D0 è stato raggiunto due volte attraverso profili utente completamente diversi prima di calare.
La formula che ho tracciato ogni settimana era conversione D1 × AOV ÷ CPI = D0 ROAS. Il D0 ROAS è quindi un rapporto con tre parti in movimento, e leggerlo come un singolo numero nasconde quale parte si sia mossa.
| Cosa ha mosso il D0 | CPI | Conversione D1 | AOV | D0 ROAS |
|---|---|---|---|---|
| Settimane 1 e 2: install economici | Da £4 a £6 | 10% | £10 | 23% |
| Settimane 6 e 7, dopo una featuring sullo store: acquisti più grandi | £10 | 8% | £29 | 22% |
| Poi: il valore per buyer in calo | Si è mosso a malapena | Non indicata | £29, poi £25, poi £23, poi £18, nell’arco di quattro settimane | Dal 22% all’11% |
Sulle cifre arrotondate, la formula dà circa dal 17% al 25% per le settimane 1 e 2 e il 23,2% per le settimane 6 e 7, vicino al D0 in tabella.
Le prime due righe erano la parte sorprendente. Lo stesso D0 sopra il 20% arrivava da due profili utente completamente diversi. All’inizio il CPI portava tutto il peso. L’AOV era modesto, e andava bene così. Dopo la featuring, il CPI è raddoppiato ma l’AOV è triplicato.
Poi si è mosso l’input che contava
È nell’ultima riga che si è rotto tutto. L’AOV è sceso a ogni passaggio. Stessa campagna, stesso setup, stesso obiettivo di ottimizzazione.
Il valore per buyer ha fatto la maggior parte del danno, e il CPI si è mosso a malapena.
Perché è difficile da diagnosticare su iOS
Nella value optimization iOS di questo gioco, il segnale su cui Meta ottimizzava era la revenue D0. Se quella revenue cambia per ragioni lato prodotto, offerte, eCPM, engagement, il targeting di Meta si sposta di conseguenza.
È un feedback loop. La revenue è il segnale.
Nel frattempo i numeri a livello di gioco dicevano che il problema andava oltre l’acquisizione. L’ARPDAU è calato del 30%, l’IAP per utente era giù del 33%, la ad revenue per utente giù del 25%. La revenue per utente attivo si stava indebolendo su tutta la player base.
Anche il revenue mix era cambiato. La settimana 1 era all’85% IAP. Entro la settimana 6 era una divisione equa tra IAP e ad revenue, il che significava che l’AOV dipendeva ormai dagli eCPM pubblicitari tanto quanto dal comportamento d’acquisto.
L’unico numero che ha retto
Costo per acquisto. Mentre CPI, conversione e AOV si muovevano tutti in modo indipendente, il CPP catturava sia il costo di acquisizione sia la conversione in un singolo numero.
Ogni settimana in cui il CPP restava sotto £30, il D0 atterrava sopra il 20%. Ogni settimana in cui non lo faceva, il D0 mancava il target.
Se tieni traccia di un solo numero al giorno, questo è un candidato forte. Non aspettarti però che ti dica quale dei tre input si sia mosso, perché è a questo che serve la scomposizione. Su un altro account, quando ho classificato 38 campagne in entrambi i modi, il valore D0 ha predetto il ROAS D28 meglio del costo per acquisto.
Limiti dei dati
Le cifre settimanali sono arrotondate, provengono da un unico account, con la conversione misurata al D1 e la revenue al D0.