0

17：35〜

GMO NIKKO株式会社 中村 智彦

スマートフォンアプリ解析ツール

Apsalarについて

1

多くのアプリ提供会社が悩んでいること

・アプリでの囲い込みが進んでいない

・ユーザーの定着率が低い

結果・・・

アプリ KGI 目標の未達

2

「収益化」に成功しているアプリに

共通して言えることは？

3

「 Goal に至るまでの過程で快適

（ストレスレス）なユーザー体験の場を提供」

・ゲームを楽しませる

・目標とするポイントまで、ユーザーに意識させることなく遷移させる

・スムーズに商品を購入できる

・詳しい説明なく、機能を利用できる など

4

そこで…

Webサイトにて、快適なユーザー体験を

提供している企業（サイト）は非常に多い

・・・なぜ、アプリでは実現できていないのか？

5

現在、Webサイトが流行り出した時代と同じ事が

『 アプリ 』で起こっている

成功しているWebサイトは、

解析を重ねてきたからこそ、「快適」になっている

アプリはまさにそのフェーズにある

6

Webにて蓄積された知見（UI成功事例）は

アプリで通用するとは限らない

『WebはWeb』 『アプリはアプリ』 という考え方が重要

アプリ事情に特化した、分析・最適化ツールにて

「解」を探す必要がある

7

集客の最大化 成果の最大化

アプリのリリース

プロモーション実施

プロモーション分析

２つの分析視点が必要

プロモーション最適化

アプリ内分析

アプリ内最適化

8

集客の最大化 （キャンペーン分析）

成果の最大化 （ユーザー体験最適化）

新規顧客開拓 顧客活性化 収益化

9

集客の最大化 （キャンペーン分析）

成果の最大化 （ユーザー体験最適化）

10

成果の最大化 （ユーザー体験最適化）

Funnel 分析 Cohort 分析

11

成果の最大化（ユーザー体験最適化） Funnel 分析

：33%

：67%

ボトルネック

ＫＰＩ

達成率

ＫＰＩ

達成率

12

成果の最大化（ユーザー体験最適化） Cohort 分析

例）ゲーム系アプリにおける、Cohort分析：「セッション（起動）」× 「友達申請」

① 通常時 A：5/22 - 25

② イベント成功パターン

5/26 – 6/2

③ 通常時 B：6/3 - 7

④ イベント失敗パターン

6/8

13

Funnel 分析 Cohort 分析

・ユーザー体験において

ネックとなる箇所の特定

「Goal 到達ユーザーの拡大」 「イベント・機能の成否判定」

・イベント体験ユーザーごと

の定着率を時系列で判定

14

集客の最大化 （キャンペーン分析）

成果の最大化 （ユーザー体験最適化）

15

■ アプリにおけるユーザーマッピング

無関心層 関心層

非ｲﾝｽﾄｰﾙ ｲﾝｽﾄｰﾙ

休眠

ユーザー

ｱｸﾃｨﾌﾞ

ユーザー

ロイヤル

ユーザー

「収益化」のためには、ユーザー層ごとのアプローチが重要

16

■ 「成果の最大化」要素の影響範囲

無関心層 関心層

非ｲﾝｽﾄｰﾙ ｲﾝｽﾄｰﾙ

休眠

ユーザー

ｱｸﾃｨﾌﾞ

ユーザー

ロイヤル

ユーザー

「Funnel分析」「Cohort分析」による最適化 ⇒ Goal数の増大 ※ただし、Goalへの確率を上げるだけでは不十分

17

■ 「集客の最適化」の影響範囲

無関心層 関心層

非ｲﾝｽﾄｰﾙ ｲﾝｽﾄｰﾙ

休眠

ユーザー

ｱｸﾃｨﾌﾞ

ユーザー

ロイヤル

ユーザー

「KGI目標達成」のためには、「非アクティブ層」の活性化も必須！！

18

■ 活性化のための手法

無関心層 関心層

非ｲﾝｽﾄｰﾙ ｲﾝｽﾄｰﾙ

休眠

ユーザー

ｱｸﾃｨﾌﾞ

ユーザー

ロイヤル

ユーザー

リエンゲージメント広告 ※ 特に重要なトレンド

リワード広告＋アドネット ワーク広告

19

■ リエンゲージメント広告とは？

アプリを利用しなくなった休眠ユーザー（もしくはDL後、未起動）に対して

広告を介したアプローチを行い、再度利用者となってもらう施策のこと

⇒ 『アプローチするターゲットをどのように特定するのか』が重要となる施策

20

リエンゲージメント

広告に活用可能 分析結果データを

休眠ユーザー 利用中のユーザー

未起動

ユーザー

特定の日数

以上、起動 していないユーザー

CVに

至っていない

特定ポイント

へ未到達

21

■ Apsalar データのリターゲティング活用

休眠ユーザー

継続ユーザー

DL 済ユーザー iOS : IDFA

Android: AdID

Target_01

Target_02

Target_03

リエンゲージメント配信

ユーザー拡張配信

他アプリ向け配信

新規DL促進

Point １ ： DL後非アクティブユーザーに絞って再アプローチが可能

Point 2 ： 次回リリース予定アプリの初動DL促進として活用が可能

新規DL促進

22

■ Apsalar データのリターゲティング活用 （拡張タイプ）

iOS : IDFA

Android: AdID

Target_01

Target_02

Target_03

リエンゲージメント配信

ユーザー拡張配信

他アプリ向け配信

新規DL促進

Point １ ： DL後非アクティブユーザーに絞って再アプローチが可能

Point 2 ： 次回リリース予定アプリの初動DL促進として活用が可能

Point 3 ： アクティブユーザーとの類似ユーザーに拡張配信が可能

新規DL促進

休眠ユーザー

継続ユーザー

DL 済ユーザー

未 DL ユーザー

23

■ リエンゲージメント広告によって得られること

1.

2.

ユーザーの活性化

アプリの再評価

一度アプリを遊んでいるため、アプリ内でのステータスがあり、 リエンゲージメントした際のアプリの定着率が高い。

以前の使用感と現在の使用感を比較をする為、 アプリのアップデートによるアプリ自体の評価が明確になる。

24

成果の最大化 （ユーザー体験最適化）

集客の最大化 （キャンペーン分析）

■ まとめ

・最適なイベント/機能の選択

・ボトルネックの解消

ユーザーフレンドリーな

『アプリに特化した』UIの構築

・最良の広告選定

・ターゲット別アプローチ

「質・ボリューム」を備えた

プロモーションの構築

25

成果の最大化 （ユーザー体験最適化）

集客の最大化 （キャンペーン分析）

■ まとめ

＋ DMP機能（来年早々に実装予定）

26

ご清聴ありがとうございました