رویداد۲۴| در بازاریابی اپلیکیشن، تعداد نصب همواره یکی از شاخص‌های مهم ارزیابی کمپین‌ها بوده است. اما افزایش نصب لزوما به معنای جذب کاربران واقعی، استفاده مستمر از اپلیکیشن یا بازده مناسب هزینه‌های تبلیغاتی نیست.

بخش متریکس در گزارش بازاریابی دیجیتال ۱۴۰۴ ایران، داده‌های سال‌های ۱۴۰۳ و ۱۴۰۴ را در حوزه نرخ تبدیل، تعامل کاربران، نصب‌های ارگانیک و غیرارگانیک، تقلب تبلیغاتی و اتوماسیون بازاریابی بررسی کرده است.

این اطلاعات نشان می‌دهند که برای ارزیابی کمپین‌های جذب کاربر، باید علاوه بر تعداد نصب، کیفیت ترافیک، رفتار کاربران و اعتبار داده‌های اندازه‌گیری را نیز در نظر گرفت.

نرخ تبدیل کلیک به نصب برنامه‌ها بیش از ۸۰ درصد کاهش یافت

یکی از تغییرات قابل‌توجه گزارش متریکس، کاهش نرخ تبدیل کلیک به نصب در سال ۱۴۰۴ است.

براساس داده‌های منتشرشده، نرخ تبدیل در دسته برنامه‌ها از ۱.۹۷ درصد در سال ۱۴۰۳ به ۰.۳۸ درصد در سال ۱۴۰۴ رسیده است؛ یعنی کاهش ۱.۵۹ واحد درصدی، معادل حدود ۸۰.۷ درصد افت نسبی.

در بازی‌ها نیز نرخ تبدیل از ۱.۳۳ درصد به ۱.۲۲ درصد کاهش یافته است. این تغییر معادل ۰.۱۱ واحد درصد یا حدود ۸.۳ درصد کاهش نسبی است.

به این ترتیب، درحالی‌که برنامه‌ها در سال ۱۴۰۳ نرخ تبدیل بالاتری نسبت به بازی‌ها داشتند، در سال ۱۴۰۴ جایگاه دو گروه تغییر کرده و بازی‌ها پیشتاز شده‌اند.

میانگین طول هر سشن بازی بیش از سه برابر برنامه‌ها بود

داده‌های تعامل کاربران نشان می‌دهند میانگین تعداد سشن استفاده از برنامه‌ها و بازی‌ها در دو سال تغییر نکرده است.

کاربران بازی‌ها به‌طور میانگین ۸ سشن و کاربران برنامه‌ها ۷ سشن داشته‌اند. بااین‌حال، تفاوت اصلی در مدت‌زمان استفاده دیده می‌شود.

در سال ۱۴۰۴، میانگین طول هر سشن بازی به ۷.۳۴ دقیقه رسیده، درحالی‌که میانگین برنامه‌ها ۲.۳۴ دقیقه بوده است.

این اعداد نشان می‌دهند میانگین زمان هر سشن در بازی‌ها بیش از سه برابر برنامه‌ها بوده است.

در رتبه‌بندی دسته‌ها نیز تفاوت‌هایی دیده می‌شود. دسته نقشه با میانگین ۲۸ سشن، بیشترین تعداد سشن‌ها را داشته؛ اما میانگین مدت هر سشن آن تنها ۱.۹۴ دقیقه بوده است.

در مقابل، دسته سرگرمی با میانگین ۱۱.۴۴ دقیقه، بیشترین طول سشن را ثبت کرده است.

این تفاوت نشان می‌دهد تعداد دفعات مراجعه و زمان استفاده، دو شاخص مستقل هستند و هیچ‌کدام به‌تنهایی رضایت کاربران، ماندگاری یا موفقیت تجاری محصول را اثبات نمی‌کنند.

نرخ تقلب بازی‌ها کاهش یافت؛ برنامه‌ها چه وضعیتی داشتند؟

یکی از محورهای مهم گزارش متریکس، بررسی تقلب در تبلیغات نصب اپلیکیشن است.

طبق داده‌های منتشرشده، نرخ تقلب بازی‌ها از ۰.۸۲ درصد در سال ۱۴۰۳ به ۰.۵۸ درصد در سال ۱۴۰۴ کاهش یافته است. این تغییر معادل ۰.۲۴ واحد درصد یا حدود ۲۹.۳ درصد کاهش نسبی است.

در دسته برنامه‌ها، نرخ تقلب سال ۱۴۰۴ برابر ۲.۶۸ درصد گزارش شده است که این رقم از نرخ ثبت‌شده برای بازی‌ها بالاتر است.

در میان دسته‌های بررسی‌شده در داده‌های متریکس، دسته مالی با نرخ ۴.۳۷ درصد، بالاترین نرخ تقلب گزارش‌شده را در سال ۱۴۰۴ داشته است.

بررسی نوع تقلب نیز یافته قابل‌توجهی دارد. ۹۱.۲۶ درصد از تقلب‌های شناسایی‌شده در سال ۱۴۰۴ از نوع Outlier Distribution یا توزیع ترافیک نامتعارف بوده و ۸.۷۴ درصد به Click Injection اختصاص داشته است.

سهم Click Injection در برنامه‌ها ۸.۴۴ درصد و در بازی‌ها ۱۴.۸۸ درصد بوده است.

نکته مهم این است که سهم ۹۱.۲۶ درصدی یک نوع تقلب، به معنای متقلبانه بودن ۹۱.۲۶ درصد کل نصب‌ها نیست؛ بلکه ترکیب تقلب‌های شناسایی‌شده را نشان می‌دهد.

سهم فصل‌های سال در شاخص‌های نصب و تعامل

مقایسه داده‌های فصلی متریکس نشان می‌دهد سهم زمستان از نصب‌های ارگانیک و غیرارگانیک در سال ۱۴۰۴ نسبت به سال قبل کاهش یافته است.

سهم زمستان از نصب‌های ارگانیک از ۲۹.۴۹ درصد در سال ۱۴۰۳ به ۲۵.۹۳ درصد در سال ۱۴۰۴ رسیده است.

در نصب‌های غیرارگانیک نیز این سهم از ۲۹.۲۳ درصد به ۲۴.۳۷ درصد کاهش یافته است.

در شاخص سشن‌ها نیز الگوی مشابهی مشاهده می‌شود.

در سال ۱۴۰۴، سهم زمستان از سشن‌های غیرارگانیک ۲۰.۷۳ درصد بوده، درحالی‌که بهار با ۲۹.۸۸ درصد بالاترین سهم را داشته است.

سهم زمستان از سشن‌های ارگانیک نیز ۲۲.۵۷ درصد گزارش شده و از بازه حدود ۲۵ تا ۲۶ درصدی سایر فصل‌ها پایین‌تر بوده است.

این تغییرات، سهم فصل‌ها از مجموع سالانه هر شاخص را نشان می‌دهند؛ نه کاهش قطعی تعداد نصب یا سشن‌ها.

در بخش حذف اپلیکیشن نیز نسبت سهم حذف به سهم نصب در زمستان برای کاربران ارگانیک ۱.۲۹ و غیرارگانیک ۱.۱۳ بوده است.

بالاتر بودن این نسبت از یک یعنی سهم زمستان از حذف‌های سالانه بیشتر از سهم آن از نصب‌های سالانه بوده است؛ نه اینکه ۱۲۹ یا ۱۱۳ درصد کاربران اپلیکیشن را حذف کرده باشند.

بازار در صدر منابع نصب غیرارگانیک متریکس

گزارش متریکس، سهم شبکه‌های تبلیغاتی از نصب‌های غیرارگانیک سال ۱۴۰۴ را نیز بررسی کرده است.

در این داده‌ها، اپ‌استور بازار با سهم ۳۰.۵۳ درصدی در جایگاه نخست قرار گرفته است. پس از آن، تپسل با ۲۲.۸۲ درصد، مگنت با ۲۲.۳۳ درصد، ادیوری با ۱۵.۳۸ درصد، گوگل‌ادز با ۷.۶۱ درصد، دارت ۰.۵۸ درصد و یلوادوایز با ۰.۵۱ درصد قرار دارند.

در گزارش سال ۱۴۰۳ نیز گروه پگاه داده کاوان شریف (شامل بازار و تپسل) به‌عنوان بزرگ‌ترین منبع نصب غیرارگانیک معرفی و سهم این گروه ۴۱ درصد اعلام شده بود.

اتوماسیون بازاریابی؛ رشد کمپین‌های تکرارشونده و سگمنت‌های زنده

بخش دیگری از گزارش متریکس به تغییر شیوه استفاده از ابزارهای اتوماسیون بازاریابی اختصاص دارد.

در داده‌های کاربران این سرویس، سهم کانال App Push از ۹۰.۴۳ درصد در سال ۱۴۰۳ به ۹۸ درصد در سال ۱۴۰۴ افزایش یافته است.

همچنین سهم گروه‌های ثابت یا Static از ۷۹.۸۹ درصد به ۴۸.۸۷ درصد کاهش یافته و سهم گروه‌های زنده یا Live در سال ۱۴۰۴ به ۵۱.۱۳ درصد رسیده است.

از نظر نوع کمپین، کمپین‌های یک‌باره همچنان بیشترین سهم را داشته‌اند؛ اما سهم آن‌ها از ۹۲.۷۴ درصد به ۸۳.۶۹ درصد کاهش یافته است.

در مقابل، سهم کمپین‌های تکرارشونده از ۰.۳۷ درصد به ۱۴.۵ درصد رسیده و کمپین‌های محرک‌محور از ۶.۸۹ درصد به ۱.۸۱ درصد کاهش یافته‌اند.

کشف روزانه تا ۱۰ میلیون کلیک ساختگی؛ اقدامات جدید متریکس برای مقابله با تقلب

در کنار آمارهای گزارش سالانه، متریکس در رویداد مشترک با بازار، جزئیاتی از اقدامات فنی خود برای افزایش دقت انتساب نصب‌ها و مقابله با تقلب تبلیغاتی ارائه کرده است.

عارف شعبانی، مدیر کسب‌وکار متریکس، در این رویداد تاکید کرد که اعتماد به آمار نصب، به صحت مسیری وابسته است که کلیک تبلیغاتی را به نصب واقعی کاربر مرتبط می‌کند.

به گفته او، داده‌های نادرست ممکن است باعث شوند یک کانال تبلیغاتی موثر ضعیف ارزیابی شود، منبعی نامناسب موفق به نظر برسد یا کمپینی نتیجه‌بخش به اشتباه متوقف شود. حتی ممکن است نصب‌های ارگانیک به منابع تبلیغاتی نسبت داده شوند و کسب‌وکار بابت جذب کاربرانی که بدون تبلیغات وارد شده‌اند، هزینه پرداخت کند.

شعبانی از شناسایی یک الگوی Click Flooding خبر داد که در آن، به گفته او، یک منبع تبلیغاتی روزانه تا ۱۰ میلیون کلیک ساختگی ارسال می‌کرد تا اعتبار نصب‌های ارگانیک کاربران واقعی را به خود اختصاص دهد.

این شرکت همچنین از بازنویسی مسیر S2S با الگوبرداری از استانداردهای Adjust و AppsFlyer خبر داده است.

یکی دیگر از اقدامات معرفی‌شده، پیاده‌سازی داده Referrer با همکاری بازار و مایکت است. به گفته عارف شعبانی، این قابلیت برای بهبود اعتبارسنجی انتساب نصب‌ها توسعه یافته و در مسیر بازنویسی‌شده S2S، تایید نصب از سوی اپ‌استور به‌عنوان یکی از معیارهای پذیرش انتساب مورد استفاده قرار می‌گیرد.

متریکس همچنین قابلیت Deferred Deeplink را برای هدایت کاربر پس از نصب به مقصد موردنظر داخل اپلیکیشن و Secondary Attribution را برای ارزیابی کمپین‌های ماموریت‌محور معرفی کرده است.

این اقدامات، طبق توضیحات متریکس، با هدف کاهش انتساب نادرست نصب‌ها، افزایش اعتبار داده‌های تبلیغاتی و فراهم کردن زمینه تصمیم‌گیری دقیق‌تر برای تبلیغ‌دهندگان انجام شده‌اند.

گزارش تعاملی ۱۴۰۴؛ از شمارش نصب تا بررسی کیفیت واقعی جذب کاربر

داده‌های متریکس نشان می‌دهند ارزیابی تبلیغات اپلیکیشنی تنها با شمارش نصب کامل نمی‌شود. نرخ تبدیل، سشن‌ها، تقلب شناسایی‌شده، منبع جذب و رفتار پس از نصب، هرکدام بخش متفاوتی از عملکرد کمپین را نشان می‌دهند.

گروه پگاه داده کاوان شریف در گزارش تعاملی بازاریابی دیجیتال ۱۴۰۴، با استفاده از دستیار هوش مصنوعی امکان پرسشگری درباره این داده‌ها را فراهم کرده است.

مخاطبان می‌توانند درباره تغییر نرخ تبدیل، تفاوت تقلب برنامه‌ها و بازی‌ها یا سهم شبکه‌های جذب سوال کنند و داده‌ها را با توجه به محدودیت‌های هر شاخص بررسی کنند.

هدف از این قابلیت، فراهم کردن امکان بررسی انتقادی یافته‌ها و تشویق متخصصان به طرح پرسش‌های دقیق‌تر است؛ رویکردی که با موضوع شفافیت و اعتبار داده‌های تبلیغاتی ارتباط مستقیم دارد.

متخصصان بازاریابی و مدیران کسب‌وکار می‌توانند برای مشاهده آمارهای کامل، به گزارش تعاملی بازاریابی دیجیتال ۱۴۰۴ مراجعه و پرسش‌های تخصصی خود را مطرح کنند.