NGUỒN CẢM HỨNG
Mô hình marketing hỗn hợp: Các doanh nghiệp dựa trên ứng dụng có thể dùng phương thức ưu tiên quyền riêng tư để tạo sự bền vững cho hoạt động đo lường như thế nào
“Phân tích tổng hợp nghiên cứu mô hình marketing hỗn hợp trong ngành game – Thông tin chi tiết & bài học then chốt” của Analytic Edge (nghiên cứu do Meta ủy thác), tháng 6/2022
03/10/2022 – Tác giả: Martina Yordanova, Siddharth Shrivastava, Rahul Budhraja, Ashwin Sukumaran và Gowtham P Sabareesan
Tính minh bạch khi theo dõi ứng dụng (ATT), những thay đổi gần đây đối với chính sách về công nghệ và quyền riêng tư trong hệ sinh thái quảng cáo ứng dụng đang mang đến những thử thách rõ ràng cho nhà quảng cáo game, đặc biệt là những nhà quảng cáo ứng dụng phụ thuộc nhiều vào việc đo lường dựa trên ID thiết bị. Những thử thách này bao gồm sự sụt giảm số lượt tải xuống và lượt chuyển đổi được ghi nhận, cũng như sự thiếu nhất quán và dữ liệu đầu ra rỗng, rải rác – tất cả đã làm cho nhà quảng cáo nghi ngờ về độ tin cậy của phương pháp đo lường dựa trên phân bổ.
Với những thử thách này, ngành game cần phải cân nhắc lại về các chiến lược đo lường và chuyển hướng sang những kỹ thuật ưu tiên quyền riêng tư, bền vững hơn trước sự thay đổi. Mô hình marketing hỗn hợp (MMM) là một ví dụ về kỹ thuật này.
Gần đây, Meta đã ủy thác Analytic Edge tiến hành nghiên cứu về MMM trong ngành game nhằm tìm hiểu xem MMM – một công cụ đo lường tận dụng dữ liệu tổng hợp – có góp phần lấp đầy khoảng trống đo lường cho nhà quảng cáo ứng dụng game do tổn thất tín hiệu hay không. Hơn nữa, nghiên cứu này còn dùng để đánh giá cách mà nhà quảng cáo ứng dụng game chi tiêu cho quảng cáo trong quá khứ, nhằm tìm ra cách làm tốt nhất trong tương lai.
Tóm lược về phương pháp nghiên cứu
Từ những nhà phát hành game nhỏ đến lớn, 8 nhà quảng cáo có trụ sở tại Châu Á Thái Bình Dương (APAC) tham gia nghiên cứu này. Tập trung vào hiệu quả marketing ở những thị trường như Hoa Kỳ, Nhật Bản và Hồng Kông, Analytic Edge thực hiện nghiên cứu này trong khoảng tháng 3-9/2021, vào lúc ATT ra mắt.
Dữ liệu
Dữ liệu mà các nhà quảng cáo cung cấp cho Analytic Edge đã được tổng hợp và xóa hoàn toàn thông tin nhận dạng.
Phương pháp mô hình hóa và xác thực
Đội ngũ Analytic Edge tạo ra các mô hình MMM dựa trên phép hồi quy cho từng nhà quảng cáo với dữ liệu ở cấp độ tổng hợp hàng ngày, nhằm phân tích mối quan hệ giữa các yếu tố chính thúc đẩy hoạt động kinh doanh và doanh số. Những yếu tố này bao gồm thành phần truyền thông và thành phần phi truyền thông, được đưa vào mô hình để mang lại cái nhìn toàn diện về hiệu quả. Những thành phần phi truyền thông khác được dùng để ghi nhận thêm sự liên hệ giữa doanh thu trong ứng dụng với doanh số trong các dịp lễ, sự kiện, đợt cập nhật game, cuộc tranh tài và những yếu tố vĩ mô khác, trong khi các biến số truyền thông thì được chia ra để minh họa mối quan hệ khác nhau với các mức độ áp dụng ATT. Để ghi nhận chính xác hiệu quả của các mức độ áp dụng ATT khác nhau, các khoảng thời gian được chia ra thành “Tiền ATT”, sau đó là ba thời kỳ “Hậu ATT” với mỗi thời kỳ kéo dài hai tháng – đặt tên là P1, P2 và P3. Mô hình được xác thực bằng cách kết hợp các tiêu chí xác thực kinh doanh và thống kê phổ biến trong ngành.
Giới thiệu những cơ hội mới theo sự xác định của Analytic Edge
1 – MMM là công cụ đo lường trọng yếu đối với nhà quảng cáo ứng dụng và game trong thế giới ưu tiên quyền riêng tư
MMM mang đến cho nhà quảng cáo ứng dụng và game một phương pháp mạnh mẽ, đáng tin cậy và an toàn về quyền riêng tư để đo lường hiệu quả marketing, đặc biệt là trong hệ sinh thái iOS. Số liệu ước tính về Lợi nhuận trên chi tiêu quảng cáo (RoAS) theo mô hình trong MMM chính xác hơn so với số liệu chênh lệch theo báo cáo quan sát được trong các giải pháp đo lường truyền thống, cụ thể là giải pháp ghi nhận điểm tiếp xúc sau cùng.
So sánh phạm vi RoAS của Meta – Điểm tiếp xúc sau cùng so với MMM Nguồn: “Phân tích tổng hợp nghiên cứu iOS – Thông tin chi tiết & bài học then chốt” của Analytic Edge
2 – Nhà quảng cáo có thể đưa ra quyết định marketing sáng suốt hơn bằng cách phân tích thông tin từ nhiều nguồn, thay vì chỉ dựa trên cách ghi nhận điểm tiếp xúc sau cùng
Cách ghi nhận điểm tiếp xúc sau cùng có tác động đáng kể đến cơ sở hạ tầng dữ liệu nền tảng cần thiết do ATT ra mắt. Việc đó ảnh hưởng đến độ ổn định của mô hình đo lường này. Sự khác biệt càng trở nên rõ ràng khi so sánh trực tiếp với các phương thức dựa trên mức tăng như MMM – những phương thức này dựa trên dữ liệu tổng hợp và không chịu tác động từ sự tổn thất tín hiệu. Do đó, nhà quảng cáo có thể bỏ lỡ cơ hội tối ưu hóa doanh thu khi đưa ra quyết định chỉ dựa trên các giải pháp đo lường truyền thống. Trong mô hình ghi nhận điểm tiếp xúc sau cùng, chúng ta thấy được RoAS giảm dần, chứng tỏ độ chính xác bị mất đi. Trái lại, RoAS ghi nhận trong MMM ít biến động hơn, chứng tỏ việc đưa ra quyết định marketing khi chỉ quan sát mô hình điểm tiếp xúc sau cùng là sai lầm.
So sánh RoAS của Meta – Điểm tiếp xúc sau cùng so với MMM Nguồn: “Phân tích tổng hợp nghiên cứu iOS – Thông tin chi tiết & bài học then chốt” của Analytic Edge
3 – Meta tiếp tục là kênh truyền thông vững mạnh cho các game uy tín muốn tối đa hóa RoAS
Quan sát RoAS từ nhiều kênh truyền thông khác nhau, Meta tiếp tục là kênh hữu hiệu đối với các game uy tín (game vận hành ổn định được hơn một năm) do chỉ biến động tối thiểu giữa thời kỳ tiền ATT và thời kỳ hậu ATT.
RoAS của các game uy tín Nguồn: “Phân tích tổng hợp nghiên cứu iOS – Thông tin chi tiết & bài học then chốt” của Analytic Edge
4 – Quan sát các tùy chọn sản phẩm khác nhau, quảng cáo Ứng dụng Advantage+ (A+AC, trước đây là AAA) hoạt động hiệu quả hơn Quảng cáo ứng dụng thủ công
Mặc dù nhà quảng cáo có thể ưa thích quyền kiểm soát quảng cáo Ứng dụng thủ công, nhưng quảng cáo A+AC tiếp tục mang lại RoAS cao hơn (P3: +42%). Bảng dưới đây cho thấy A+AC có thể thúc đẩy doanh thu hiệu quả với chi phí thấp hơn (P3: -29%).
RoAS theo loại sản phẩm Nguồn: “Phân tích tổng hợp nghiên cứu iOS – Thông tin chi tiết & bài học then chốt” của Analytic Edge
5 – Quan sát các chiến lược tối ưu hóa khác nhau, Tối ưu hóa giá trị (VO) hoạt động ngày càng hiệu quả theo thời gian
VO hoạt động tốt khi dùng làm chiến lược tối ưu hóa dành cho nhà quảng cáo trong suốt thời kỳ ATT ra mắt, đồng thời đạt hiệu quả cực kỳ cao dù là trong thời kỳ hậu ATT.
Hiệu quả RoAS khi Tối ưu hóa giá trị (VO) theo thời gian Nguồn: “Phân tích tổng hợp nghiên cứu iOS – Thông tin chi tiết & bài học then chốt” của Analytic Edge
Đề xuất của Meta: Nhà quảng cáo nên làm gì để có được lợi nhuận cao hơn
Dựa trên những phát hiện của Analytic Edge, chúng tôi đưa ra những đề xuất sau đây dành cho nhà quảng cáo ứng dụng game muốn có được lợi nhuận cao hơn:
Cách tốt nhất để triển khai MMM
Lần đầu tiên triển khai MMM, nhà quảng cáo nên tập trung vào 5 cách làm tốt nhất về mặt tổ chức như sau:
Là kỹ thuật đo lường ưu tiên quyền riêng tư, MMM sẽ trở thành bước đầu tiên để nhà quảng cáo tạo sự bền vững cho hoạt động đo lường marketing và tối đa hóa RoAS dài hạn hơn.
Xây dựng chiến lược đo lường bền vững. Nguồn: “Thay đổi cách đo lường ứng dụng để tạo ra tác động marketing” của Meta, tháng 4/2022
Do đó, nhà quảng cáo nên kết hợp nhiều kỹ thuật để phát triển phương pháp đo lường toàn diện. Hãy khai thác sức mạnh của từng kỹ thuật đo lường để có được thông tin chi tiết chuyên sâu hơn về những đòn bẩy chính, góp phần làm tăng hiệu quả kinh doanh. Ví dụ: Sử dụng MMM cùng với các giải pháp phân bổ để tránh tổn thất khi cách ghi nhận điểm tiếp xúc sau cùng trở nên thất thường hoặc giảm độ tin cậy do tổn thất tín hiệu.