Предиктивная аналитика в MyTracker — это набор инструментов продвинутой аналитики,
которые расширят представления об аудитории вашего сайта или приложения,
обогатят факты и собранные сведения данными «из будущего».
Прогнозы различных метрик, скоринги, корреляции событий, оценка качества пользователей и пр.
— всё это инструменты предиктивной аналитики, среди которых одними из важных являются прогнозы финансовых метрик.
Зная прогноз ключевых показателей, вы сможете оперативно принять взвешенное
решение по развитию приложения, не дожидаясь накопления фактических данных. Например, вовремя отключить неэффективный
канал или перераспределить бюджет, а значит, минимизировать траты и привлечь больше платёжеспособных пользователей.
Как работает
Предиктивная аналитика работает на базе большого объёма накопленных трекером данных.
Точность прогнозов обеспечена комбинацией нескольких групп предиктивных моделей и их непрерывным обновлением
и дообучением по вновь собранным сведениям.
В общем случае можно выделить следующие этапы предиктивной аналитики от MyTracker:
Сбор данных. Встроенный SDK собирает статистику по вашему сайту или приложению.
Чем больше объём накопленных данных, тем выше точность прогнозов.
Обучение моделей. Все пользователи, по заданным для моделей принципам, разбиваются на отдельные когорты.
Модели анализируют исторические данные по каждой когорте и рассчитывают коэффициенты,
необходимые для будущих прогнозов. Время обучения зависит от группы предиктивной модели.
Применение моделей. Как только модель обучена, MyTracker приступает к построению прогноза. Ежедневно,
весь поступающий трафик разбивается на мельчайшие когорты, по каждой из которых строится отдельный прогноз.
В первые несколько дней после первого посещения сайта или установки приложения каждые 24 часа прогнозы уточняются и перезаписываются по вновь
поступающим данным. На 8-ой или 9-ый день (в зависимости от метрик прогноза) результаты фиксируются для каждой когорты.
Таким образом, вы можете видеть прогноз уже на следующий день после того, как пользователи впервые посетят сайт или установят приложение.
С каждым днём точность этих прогнозов будет повышаться.
Первые несколько дней жизни пользователей достаточно показательны, чтобы принять решения по маркетинговой стратегии, например по дальнейшей закупке трафика.
Поэтому мы обновляем предсказание в первые 7-8 дней по мере поступления данных и строим финальный прогноз на 8-ой или 9-ый день (в зависимости от метрики прогноза).
Оценка прогноза. Важно сравнить прогноз с фактически полученными данными. Для этого MyTracker фиксирует каждый
отдельный прогноз, и когда объём накопленных данных превысит горизонт прогноза,
вы сможете сравнить фактические значения с предсказанными
(например, 23 августа сравнить «LTV 6m» с «Прогнозом LTV 6m» для когорты,
установившей приложение 22 февраля). Результаты оценки убедят вас, что на основе прогнозов приняты правильные
решения и можно смело продолжать использовать их в работе. При возникновении серьёзных отклонений прогноза от
фактических данных, следует связаться со службой поддержки MyTracker — каждый случай будет тщательно изучен и
предиктивные модели усовершенствованы.
Предиктивные модели
Прогноз LTV
Прогноз LTV основан на сочетании нескольких групп предиктивных моделей.
Условно можно выделить три группы:
Первая — модели, которые показывают неплохой прогноз уже на следующий день после первого посещения сайта или установки приложения. То есть это модели, которым достаточно небольшого числа текущих данных.
Более точный прогноз первая группа показывает при наличии некоторой «истории» сайта или приложения.
Вторая группа — модели, которые дают хороший прогноз только по большому объёму текущих данных.
Третья группа — модели, по которым получить точное предсказание можно на базе большого числа «исторических» данных.
Любой прогноз строится на комбинации трёх перечисленных групп.
Такая mix-модель даёт предсказание уже на первый день после первого посещения сайта или установки приложения, может работать на малых объёмах данных и давать точный прогноз всего лишь по 30 дням истории.
Прогноз LTV по данным SKAdNetwork основан на комбинации предиктивной модели, обученной по данным SKAN постбэков, и трёх вышеперечисленных групп моделей для Прогноза LTV.
Механизм прогноза не нарушает конфиденциальности данных пользователей,
не позволяет идентифицировать устройства, и
предоставляет данные только на уровне партнёров и рекламных кампаний.
