توانایی یک پلتفرم اتریبیوشن برای ارائه داده‌های خام به بازاریاب‌ها نقطه عطف بزرگی برای اپ مارکترها و صاحبان اپلیکیشن به منظور بهینه‌سازی بازاریابی و عملکرد کمپین‌های تبلیغاتی است. در واقع اغلب شاهد هستیم یک مشتری شروع به دریافت داده در فرمت خام می‌کند، اما این داده‌ها زمانی ارزشمند هستند که مشتری متوجه باشد این داده‌های به ظاهر خام، یک ابزار آموزشی شگفت انگیز نیز هستند. در این پست از بلاگ متریکس میخواهیم به دلایل ضرورت و ارزشمندی دسترسی به داده های خام برای اپ مارکترها بپردازیم.

از آنجایی که ارزش داده‌های خام به خودی خود یک موضوع گسترده و پیچیده است (به ویژه از آنجا که یک رویکرد فراگیر و قابل تجویز در تمام شرایط وجود ندارد) اجازه دهید به مبانی بنیادین و پایه‌ای‌تر برگردیم و ببینیم داده‌های خام چه هستند، متریکس چطور آنها را مدیریت می‌کند و چرا به عنوان یک ابزار یادگیری، پتانسیل بالایی برای تمامی مقولات و اپلیکیشن‌ها دارند؟

منظور از داده‌های خام چیست؟

هنگامی که از داده‌های خام صحبت می‌کنیم منظورمان اطلاعاتی است که به خودی خود یا به صورتی دستی پردازش نشده‌اند. این یعنی هرزمانی که یک تحلیل‌گر یا بازاریاب لازم داشته باشد آنها را تجزیه و تحلیل می‌کند.

اما چطور می‌فهمید چه زمانی آماده دریافت فرمت‌های خام داده‌ها هستید؟ اگر اول کار هستید، لازم است از یک سیستم هوش کسب‌وکار (‌BI System) برخوردار باشید که بتوانند این داده‌ها را پردازش کنند، همچنین باید بدانید از تحلیل این داده‌ها دقیقاْ چه هدفی دارید.

مزایای دسترسی به داده‌های خام برای اپ مارکترها

حالا که منظور از داده‌های خام را متوجه شدید اجازه دهید نگاهی بیندازیم به چیزی که می‌توانید با اجرای این فرایند بیاموزید.

1. یکپارچه‌سازی یا اینتگریشن (integration) با داده‌های خام

یک عامل عمده که دلیل دریافت داده‌های خام توسط مشتریان از پلتفرم‌های اتریبیوشن مانند متریکس را توضیح می‌دهد این است که داده‌های خام قابلیت یکپارچه‌سازی (integrate) و تجمیع با دیگر مجموعه داده‌ها را به صورت حاضر و آماده دارد. دلیل این اتفاق این است که قابلیت پیوند داده‌ها با یکدیگر برای اهداف مختلف وجود دارد، اهدافی مانند:

• ریتارگتینگ کاربران براساس رفتار/موقعیت و دیگر مشخصات پیشین آنها،
• اطلاعات مورد نیاز برای عیب‌یابی (Troubleshooting) مؤثر و کارا،
• متصل کردن فعالیت کاربران در دسکتاپ و موبایل،
• متصل کردن اطلاعات از چند پلتفرم (مثل رخدادهای خرید)،

2. استفاده از داده‌های خام برای برقراری ارتباط بین خریدهای درون‌برنامه‌ای (in-app purchases) و خریدهای فیزیکی

همین ابتدای راه بیایید نگاهی داشته باشیم به مشکل شایع و رایج بسیاری از فروشگاه‌هایی که محصولاتشان را درون اپلیکیشن هم به فروش می‌رسانند. با اینکه این احتمال وجود دارد که کاربران اپلیکیشن آنها از داخل فروشگاه هم خرید کنند (و برعکس) قادر نیستند که فعالیت خرید آنها را به طور مستقل وبدون داشتن داده به یک کاربر مجزا نسبت دهند.

در همین مرحله است که یکپارچه سازی داده (اینتگریشن) می تواند راه‌حلی ارائه دهد.

با یک مثال پیش می‌رویم: یک مشتری را در نظر بگیرید که فروشگاهی دارد با یک اپلیکیشن تجارت الکترونیک. برای فهم بهتر و پاداش دادن به کاربرانی که به اپلیکیشن آنها وفادار هستند، می‌توانند تصمیم بگیرند که به کاربران یک کارت وفاداری بدهند. زمانی که کاربران درخواست کارت وفاداری بفرستند، کال‌بک‌های رخدادها برای آن اپ (نظیر رخدادهای «اضافه شده به کارت» و «خرید») را می‌توان به فعالیت درون اپ یک کاربر متصل کرد. این اتفاق به خاطر توانایی شما برای اینتگریت کردن این داده‌های خام با دیگر داده‌ها (گردآوری شده از کارت‌های وفاداری است که در هر زمانی که کاربر خریدی انجام می‌دهد مورد استفاده قرار می‌گیرد)

مزایای یکپارچه‌سازی (integration) با داده‌های خام در متریکس

• ارزش درآمدی کاربران خود را دقیقتر محاسبه می‌کنید
• متوجه می‌شوید که آیا آن دسته از کاربرانی که از خرید آیتم‌های موجود در سبد خود منصرف شدند، درعوض خرید فیزیکی انجام دادند یا خیر؟
• از رفتار کاربران در ارتباط با اپلیکیشن خود سر در بیاورید (یعنی متوجه شوید آیا کاربران ترجیح می‌دهند که از فروشگاه خرید کنند یا از درون اپ؟)
• در مورد نیازهای کاربران اپلیکیشن خود دید خوبی به دست می‌آورید و می‌توانید کمپین‌های ریتارگتینگ خود را بهینه کنید
• به کاربرانتان برای وفاداری شان پاداش دهید (با تخفیف و پیشنهادهای ویژه)

این تنها یک مثال از چگونگی اینتگریت شدن مجموعه داده‌ها برای مزایای مختلف است. اکنون برای نشان دادن متقابل بودن اینتگریشن داده‌ها خوب است به یک مثال کاملاً متفاوت نگاه کنیم:

1. عیب‌یابی با کال‌بک پارامترها

هر اپلیکیشنی ممکن است با بالا آمدن در اپ استور مورد نظر، با چالش‌هایی روبرو باشد. برای مثال، برای یک اپلیکیشن تراز اول موسیقی مهم است که از پس چالش‌های استریمینگ بربیاید یا ممکن است یک اپلیکیشن خدمات ارزش افزوده (VAS) همواره با تمام اپراتورها کار نکند. در این شرایط، شناسایی مشکلاتی که درحال وقوع هستند و انجام این کار در کوتاه‌ترین زمان ممکن، موضوع بسیار مهمی است. اما این issue ها می‌توانند به چند شیوه اتفاق بیفتند و لازم است بدانیم این مشکل از کجا آب می‌خورد. راه حل، دریافت داده‌های خام از متریکس است:

متریکس با این روش می‌تواند عملیات عیب‌یابی را با سرعت بیشتر در زمان وقوع رخدادها انجام دهد. برای مثال٬ اگر شما اپلیکیشنی داشته باشید٬ می‌توانید از طریق داشبورد متریکس برای رخدادهای از پیش تعریف شده خود٬ کال‌بک تعریف کنید. متریکس٬ از این مرحله به بعد وقوع هر رخداد را به شما اطلاع می‌دهد.

این مثال به خوبی توانایی تطبیق‌پذیری داده‌های اینتگریت شده را نشان می‌دهد.

2. مشاهده داده‌ها در جزئی‌ترین حالت (Granular Visibility)

هرچند شاخص‌هایی مثل متوسط درآمد به کاربر (ARPU) می‌تواند برای استراتژی‌های بازیابی (به ویژه به هنگام محاسبه چرخه عمر کاربری (LTV)) سودمند باشد، اما این میانگین‌ها به شما تصویر کلان‌تری عرضه نمی‌کنند. دقیقاً به همین دلیل است که توانایی یک پلتفرم برای نمایش ریزدانه‌ها یا همان چیزی که Granular Visibility نامیده می‌شود، برای بازاریاب‌ها بسیار ارزشمند می‌شود.

اگر شما یک دستتان در سطل آب یخ باشد و دست دیگرتان در آب جوش، متوسط درجه حرارت به نظر راحت و خوب می‌آید. اما رؤیت پذیری ریزدانه‌ها معادل اطلاع داشتن از درجه حرارات هرکدام از انگشتان است و طبیعتاً شما را برای دادن یک پاسخ واکنشی آماده و مطلع می‌کند.

اکنون بیایید این مثال را برای بازاریابی موبایل به کار ببریم: دریافت داده‌های خام یعنی اینکه شما می‌توانید در سیستم BI خود برای سفر کاربری برنامه‌ریزی کنید و در مورد رفتار کاربران ریزترین داده‌ها را ببینید. بنابراین، به جای اینکه بدانید 5 درصد از کاربران شما هر ماه خرید انجام می‌دهند، می‌توانید تا جایی پیشرفت کنید که بدانید چرا کاربران دیگر احتمالاً علاقه خود را نسبت به خرید از دست داده‌اند.

در این مورد، قابلیت رؤیت جزئیات فرصتی است برای بهبود طراحی UX و UI اپلیکیشن شما و نیز بالا بردن متوسط درآمد از هر کاربر (ARPU).

3. راهبردهای داده محور

حالا وقت آن است که از منطقی ساده اما مؤثر صحبت کنیم که قابلیت کاربست برای استفاده از داده‌های خام را دارد: هرچه چشم انداز و بینش بزرگتری داشته باشید پیشبینی‌های بهتری خواهید داشت. داده‌های خام از مدل ریتارگتینگ گرفته تا روش ریفرال، نشان دهنده روش‌های متعدد برای درک بهتر ارزش کاربران شما و توسعه راهبردهای دانش محور است. برای نمونه، بهینه سازی راهبردها با تخمین یک ارزش چرخه عمر کاربر دقیقتر.

شما با گزارش‌های منظم اتریبیوشن می‌توانید از قبل، ارزش چرخه عمر کاربران خود را تعیین کنید: تمامی چیزی که احتیاج دارید نرخ ترک (churn rate)، درآمد کاربران و تعداد آنها است. بنابراین حتی اگر داده‌های خام را هم نداشته باشید احتمالاً تا اندازه‌ای به محاسبات چرخه عمر کاربری وابسته باشید. اما توانایی اینتگریت کردن داده‌ها و کسب جرئیات، به شما کمک می‌کند تا فهمی غیرمنتظره از این اندازه‌ها کسب و به نفع خود از آنها استفاده کنید.

برای مثال، تجزیه داده‌های خام به این معنی است که شما می‌توانید ارزش چرخه عمر کاربر را بر اساس زمان، منطقه جغرافیایی و اطلاعات جمعیت شناختی در سطح دستگاه مورد استفاده کاربران تحلیل کنید. با این کار می‌توانید کشف کنید که ارزش طول عمر کاربر به طرز خاصی در مردان جوان یک استان بالا است، یا اینکه کاربران زن بیشترین وفاداری را نسبت به اپلیکیشن نشان می‌دهند. این موضوع به طبع می‌تواند بودجه بندی شما برای اهداف طولانی مدت را هدایت کند.

از آنجایی که ارزش طول عمر کاربر، حالتی است که دائماً تغییر می‌کند، با گذشت زمان، داده‌های تازه اطلاعات بهتری از ‌‌LTV شما می‌دهد. بنابراین هرچه تحلیل طولانی‌تری از داده‌های خام دریافتی داشته باشید، محاسبات ارزش طول عمر کاربر شما دقیق‌تر خواهد بود.

اینتگریشن و یکپارچه‌سازی داده‌ها، دیدن داده‌های جزئی و راهبردهای دانش محور تنها چند نمونه از مواردی است که نشان می‌دهد موبایل مارکترها چطور از داده‌های خام خود استفاده می‌کنند. اما بدون در نظر گرفتن این نکته که شما چطور می‌خواهید از این اطلاعات استفاده کنید، هر دو طرف این مسئولیت را دارند که تضمین کنند حریم خصوصی کاربرانشان با بیشترین استاندارد نیز حفظ می‌شود.

دسترسی به داده های خام در متریکس

متریکس می‌تواند داده‌های خام را به روش زیر به مشتریان خود ارسال کند:

از طریق کال‌بک؛ که داده‌های خام را (در لحظه و به صورت real time) به سرورهای مشتری یا سیستم‌های BI همسو و تراز می‌کند. برای کسب اطلاعات بیشتر با تیم پشتیبانی متریکس در تماس باشید. همچنین توضیه می‌کنیم مستندات فنی را بخوانید.