Часто аудитории freemium-игр делят на три группы:
- неплатящие игроки (95-97% юзеров);
- тех, что тратят немного (2-4%);
- киты (обычно меньше 1%).
Но эти группы трудно идентифицировать в большинстве приложений.
Во-первых, при разговоре о подобной классификации игнорируется временный характер подобного сегментирования. К примеру, большинство «китов» в определенный момент времени являются пользователями, которые тратят немного.
Во-вторых, я просто не верю, что эти группы формируются таким образом, а если так и происходит, то это, скорее, результат слабой монетизационной стратегии, нежели свойства, присущего пользовательской базе.
 |
Кодекс Freemium — подборка статей о всех аспектах монетизации бесплатных приложений.
App2Top.ru и AppTractor.ru готовят его русскую версию. |
Задача freemium – собрать как можно большую аудиторию пользователей в приложение, масштабировать полученную пользовательскую базу в ряд монетизационных кривых, которые охватывают (пускай даже с учетом огромной разницы между платящими и не платящими пользователями) ряд возможных LTV.
Теперь давайте представим freemium-модель в качестве рынка в центре города. Каждый ларек на этом рынке продает вещи только за $1 и $100. Вопрос: не будут ли в этом случае повешенные на пользователей ярлыки «не покупают», «покупают немного» и «покупают много» верными?
Конечно, каждый посетитель рынка не будет тратить $100. Более того, скорее всего, большинство вообще ничего не купит, но не предлагая широкий выбор цен, продавцы искусственным образом создают подобные когорты. Разработчики freemium-приложений поступают так же, игнорируя одну из основных доктрин этой монетизационной модели: пользователям, которым нравится покупать вещи, должна быть дана возможность делать это в любом количестве, которое они посчитают нужным.
Абсолютное большинство пользователей freemium-приложений никогда не приобретут IAP. И это примерно 95%-97%всей аудитории. Но потенциальные LCV тех пользователей, которые желают заплатить, должны быть максимально разнообразны (иными словами, должен быть огромный выбор товаров по совершенно разным ценам).
А теперь давайте посмотрим, как должна выглядеть и работать монетизационная кривая.
(Пример монетизационной кривой, где максимум LCV составляет $800 при сведении пользовательской базы к платящей аудитории)
До того, как будут доступны достоверные данные, кривая freemium-монетизации (или кривая потенциальных LCV-цен) может быть определена с помощью плотности вероятности по распределению Парето (22 примера распределения): отрезок, отсекаемый на оси Y, равный 97%, значит, что у 97% пользователей LCV равно 0.
Кривая исходит из этого значения через ряд потенциальных LCV до максимального значения, которое может потратить игрок в проекте. Концептуально, площадь под кривой (данные значения LCV на оси абсцисс и «вероятности» пользовательской базы по оси ординат) демонстрируют суммарное количество денег, которые будут потрачены в игре любыми отслеживаемыми пользователями.
Высчитывать дробные значения на оси Y просто, но это должно быть сделано после запуска проекта. После того, как тестовые значения установлены, кривая может быть рассчитана по когортам. После этого может быть дан поведенческий прогноз всех групп в будущем на базе полученных LCV-значений от предыдущих пользователей (к примеру, пользователи, которые купили определенный предмет в свою первую сессию, в дальнейшем могут повторить покупку).
Если кривая freemium-монетизации не соответствует непрерывному распределению вероятностей (а ведь предполагается дискретное распределение между «теми, кто тратит немного» и «китами»), она не только не может быть полезной при прогнозировании, но и не будет отражать глубину каталога товаров на более высоких уровнях.
Для монетизации на боле высоких уровнях и увеличения хвоста продаж монетизационной кривой условно-бесплатное приложение должно предлагать продукты, которые удовлетворяют нужды сильных игроков на максимуме «платежного» спектра.