Содержание:
Кейс о том, как найти и сохранить баланс между пользовательским опытом и повышением дохода мобильного приложения. Написан на основе работы с игрой Hustle Castle.
Ознакомиться с кейсами других вертикалей можно в нашем специальном разделе «База кейсов«.
Клиент
Studio Nord — реальные разработчики мобильной игры Hustle Castle. Игра является симулятором средневекового замка с элементами RPG. Еще на старте Hustle Castle собрала 16 миллионов игроков за год, после чего попала в рейтинг App Annie как одна из российских игр, которая заработала более 25 миллионов долларов, а также она вошла в список глобально продвигаемых проектов Google Play.. Уже сегодня игра входит в топ-16 чарта Role-playing в App Store.
Цели
Сконвертировать неплатящих игроков в покупателей, чтобы повысить доход от внутриигровых покупок.
Существует прямая связь между стоимостью первой покупки игрока и вероятностью совершения повторной покупки. Для тех, кто заплатил $1-4 за первую покупку, вероятность второй покупки составляет 46%, $5-10 — 50%, $11-25 — 60%, $26-50 — 62%, $50+ — 70%.
В нашем эксперименте мы сделали ставку на то, что увеличения конверсии из неплатящих игроков в покупателей можно добиться путем улучшения опыта первой покупки, а именно через индивидуально подобранный оффер.
Как было до внедрения Personalize
Если игрок ничего не покупал в течение 30 дней после регистрации, то каждые две недели ему приходило специальное предложение, которое он мог принять или нет. Если пользователь по-прежнему не принимал предложение, то еще через 60 дней (всего 90 дней без платежей) пользователю приходит другое, улучшенное предложение с более выгодными условиями. Подробнее о старой логике показа офферов мы расскажем в описании самого эксперимента.
Интеграция Personalize
После интеграции с помощью персонального менеджера команда мобильной разработки Hustle Castle подключила 4 стандартных события, которые были отправлены для обучения модели MyTracker Personalize. Затем они запрашивали рекомендации по игрокам через наш Realtime API и показывали офферы с помощью своих механизмов по выдаче специальных предложений.
Внедрение рекомендательной системы и сплит-тестирование
Автоматическое A/B-тестирование — это неотъемлемая часть работы MyTracker Personalize. Как и все сплит-тесты, процесс состоял из нескольких этапов.
Формирование гипотезы
Для определения эффективности результата тестирования мы сформулировали гипотезу: «Внедрение рекомендательной системы MyTracker Personalize позволит увеличить APRU сегмента неплатящих игроков на 10-30% с помощью персонализированных предложений.«
Ключевой метрикой, наиболее соответствующей гипотезе, выбрали ARPU — средний доход от одного пользователя.
Разделение на группы
Разбили всех не платящих пользователей на две группы:
Контрольная группа, которой продолжили показывать офферы по старой логике:
- Нет покупок через 30 дней после регистрации → пользователь получает специальное предложение каждые две недели.
- Нет покупок через 90 дней после регистрации → пользователь получает другое, улучшенное предложение с более выгодными условиями, например, с большим количеством внутриигровой валюты или большей скидкой.
Рекомендательная группа, которой каждые две недели показывали 1 из 100 вариантов офферов, согласованных со студией
- MyTracker Personalize автоматически сегментировал пользователей на основе пола, возраста, географии, модели устройства и других критериев, а затем подбирал наиболее подходящие предложения для каждого пользователя внутри подсегмента.
- На протяжении всего теста рекомендательная ML-модель обучалась и каждый раз показывала группам пользователей офферы на основе их поведения.
Например:
- Сегменту пользователей 18-25 из России с устройствами на Android — вариант оффера №4; через две недели, по мере накопления данных, показывается вариант №37, и так до покупки.
- Сегменту пользователей 25-35 из США с устройствами на iOS — вариант оффера №17; через две недели, по мере накопления данных, показывается вариант №6, и так до покупки.
Результаты тестирования
Тест продолжался три месяца. Набрал достаточное количество пользователей для достижения статистической значимости и подтвердил гипотезу: ARPU Hustle Castle в рекомендательной группе увеличился на 23%.
