Dołącz do czytelników
Brak wyników

Case study

21 marca 2019

NR 43 (Grudzień 2018)

Marketing aplikacji mobilnej – jak wypromować aplikację krok po kroku

0 165

mPay S.A. to polski dostawca płatności mobilnych, działający na rynku od 10 lat. Jego flagowym produktem jest uruchomiona w 2015 roku aplikacja mPay, umożliwiająca m.in. zakup biletów komunikacji miejskiej czy płacenie za parkowanie. Dzięki niej użytkownicy oszczędzają czas, który trzeba było poświęcić na stanie w kolejce do kiosku czy szukanie drobnych, oraz pieniądze – aplikacja umożliwia dokonanie płatności za faktycznie wykorzystany czas parkowania, a nie jak w przypadku parkometrów – za tyle, za ile z góry zapłaciliśmy. Aplikacja mPay dostępna jest dla trzech najważniejszych systemów operacyjnych: Androida, iOS oraz Windows’a. Wg danych z Cashless.pl, w pierwszym kwartale 2017 r. udział mPay w rynku mobilnych płatności za bilety komunikacji miejskiej wynosił 1,60%.

Głównym celem było zwiększenie liczby aktywnych użytkowników aplikacji. Chcieliśmy zrobić to według dwóch schematów: dzięki akwizycji właścicieli smartfonów, którzy do tej pory nie używali takich rozwiązań, oraz poprzez pozyskiwanie aktywnych użytkowników korzystających z konkurencji.

Cele:

  1. zwiększenie udziału mPay na rynku mobilnych płatności za bilety transportu publicznego,
  2. pozyskiwanie zaangażowanych użytkowników, którzy po zainstalowaniu aplikacji dodadzą kartę płatniczą i będą korzystać z innych funkcji aplikacji,
  3. zminimalizowanie kosztów związanych z pozyskiwaniem nowych instalacji, a następnie obniżenie kosztów pozyskiwania aktywnych użytkowników.


Ponieważ konkretne usługi dostępne w ramach platformy mPay dostępne są w wybranych miastach Polski, działania musiały zostać precyzyjnie skrojone pod kątem geograficznym. Klientowi zależało, aby w komunikatach promujących aplikację podkreślić nie tylko możliwości jakie daje, ale również jej bezpłatny charakter. Zdecydowaliśmy się na implementację trzech typów kampanii nastawionych na instalacje aplikacji. Pierwsza z nich (w wyszukiwarce Google) została wdrożona jako najważniejsze źródło jakościowych leadów – osoba wpisująca do wyszukiwarki konkretne hasło związane z funkcją aplikacji mPay, np. „aplikacja parkowanie”, będzie bardziej skłonna skonwertować po kliknięciu w reklamę. Kampanie w sieci reklamowej, w tym w aplikacjach mobilnych oraz na Google Play, odznaczają się za to dużym zasięgiem oraz znacznie niższymi kosztami pozyskania konwersji. Nowy w ówczesnym czasie typ kampanii uniwersalnej (UAC), automatycznie zoptymalizowany pod kątem pozyskania instalacji aplikacji, był natomiast elementem testowym. Dodatkowo, dla każdego z miast, dla których zaplanowano działania promocyjne, została ustawiona oddzielna kampania searchowa z dostosowanymi do oferty komunikatami. Pozwoliło to na kontrolę nie tylko samych przekazów reklamowych, ale również wysokości budżetów, specyfiki słów kluczowych czy też wysokości stawek wynikających z konkurencyjności na konkretnym rynku.

 

Rys. 1. Reklama mPay

 
 

Rys. 2. Dodanie karty płatniczej do apliakcji mPay


 

Rys. 3. Minimalizowanie kosztów związanych z pozyskiwaniem
nowych instalacji


 

Rys. 4. Post z reklamą usług mPay



W czasie trwania kampanii przetestowano różne sposoby kierowania kampanii w aplikacjach mobilnych, m.in. na aplikacje z kategorii takich jak Gry, Zakupy czy Finanse/Usługi dla firm.
Podczas działań kluczowe było połączenie danych analitycznych z procesem uczenia maszynowego, dzięki temu były one skuteczniejsze i łatwiejsze do skalowania. Punktem wyjścia było odwrócenie całego procesu badania grupy docelowej. Na początku celem było jak najgłębsze wykorzystanie już istniejących danych w aplikacji, następnie odpowiednie sprofilowanie użytkowników, poznanie ich danych demograficznych i behawioralnych. 
Przed rozpoczęciem działań zbudowaliśmy matrycę celów (matrix goals) i przypisaliśmy wartość biznesową każdej konwersji. Pozwoliło to poznać dokładną wartość użytkownika po instalacji i stworzyć bardziej efektywne kampanie. Wdrożenie w bazie Firebase polegało więc na rozbiciu według typu konwersji: zakup biletu, parkowanie, doładowanie telefonu itp. 
W ciągu roku w Google przeprowadzono migrację do kampanii UAC opartych na uczeniu maszynowym. Byliśmy w 100% przygotowani na to dzięki implementacjom analitycznym w Firebase zintegrowanym z Google Ads. Dzięki temu mogliśmy wykorzystać niestandardowe metody optymalizacyjne.

Do metod optymalizacyjnych zaliczały się: 

  • UAC for Installs Advanced, tj. takich, które pozyskują użytkownika bardziej skłonnego do wykonania danej konwersji,
  • UAC for Actions, na podstawie modelu CPA (cos...

Pozostałe 70% treści dostępne jest tylko dla Prenumeratorów.

Masz już prenumeratę? Zaloguj się, aby przeczytać artykuł.
Zaloguj się
Nie masz jeszcze prenumeraty? Nic straconego! Dołącz do grona stałych Czytelników już dziś i miej pewność, że żadne treści już Cię nie ominą.
Co zyskasz, kupując prenumeratę?
  • 6 drukowanych wydań magazynu Online Marketing
  • Dodatkowe artykuły niepublikowane w formie papierowej
  • Dostęp do czasopisma w wersji online
  • Dostęp do wszystkich archiwalnych wydań magazynu oraz dodatków specjalnych
  • ... i wiele więcej!
Sprawdź szczegóły

Przypisy