Ông Anton Ogay, Product Owner thuộc bộ phận App Campaigns tại Yandex Ads - một trong những mạng lưới quảng cáo hàng đầu toàn cầu nói về tiềm năng của Giá trị vòng đời (Lifetime Value - LTV):
PV: Giá trị vòng đời (LTV) có vai trò như thế nào để giúp các nhà phát triển ứng dụng cạnh tranh trên toàn cầu?
Ông Anton Ogay: Dữ liệu LTV cho phép nhà phát triển tối ưu hóa các luồng doanh thu như mua hàng trong ứng dụng và quảng cáo trong ứng dụng (in-app advertisement) bằng cách xác định giá trị mà người dùng có thể mang lại và chi phí thu hút người dùng. Như vậy, LTV giúp xác định giá trị người dùng tạo ra cho ứng dụng, cho phép nhà phát triển tập trung vào tệp người dùng, tạo ra giá trị cao nhất để tối ưu doanh số ứng dụng bằng cách đề ra các hoạt động tiếp thị hiệu quả nhắm tới tệp người dùng mong muốn. LTV vượt xa các số liệu bề mặt như lượt tải xuống ứng dụng, thời gian sử dụng ứng dụng… cung cấp thông tin chi tiết về hành vi và sở thích của người dùng toàn cầu và là căn cứ để nhà phát triển đưa ra các chiến dịch hiệu quả mang lại thành công lâu dài.
Đo lường được chỉ số LTV bằng cách nào? Theo quan sát của ông, các nhà phát hành game di động đã gặp phải những khó khăn nào khi ứng dụng của họ không đo được LTV?
LTV liên quan đến việc xem xét rất nhiều yếu tố như doanh số trung bình, tần suất mua hàng, tỷ suất lợi nhuận và lòng trung thành của khách hàng để xác định tổng doanh thu do khách hàng tạo ra theo thời gian. Vì vậy, các nhà phát triển phải đối mặt với những thách thức trong việc quản lý lượng dữ liệu khổng lồ vốn có thể không chính xác hoặc không đầy đủ, cản trở những hiểu biết chính xác về hành vi của người dùng và việc tạo doanh thu. Để có kết quả đo lường tốt nhất, nhà phát triển game sẽ cần một lượng lớn dữ liệu người dùng nhưng điều này có thể là thách thức với các nhà phát triển, đặc biệt là nhà phát triển vừa và nhỏ vì không đủ khả năng chi trả. Điều này gia tăng thêm áp lực cho nhà phát triển ứng dụng. Hơn nữa với sự xuất hiện của AI, việc hỗ trợ đo lường LTV trở nên chính xác hơn, giúp các nhà phát triển hiểu sâu sắc về hành vi người dùng hơn để có thể tối ưu hóa chiến lược marketing của mình một cách hiệu quả.
Vậy cách ứng dụng AI để đo lường LTV?
Các mô hình được hỗ trợ bởi AI có thể phân tích dữ liệu từ nhiều nguồn khác nhau, chẳng hạn như tần suất sử dụng ứng dụng, hành vi của người dùng và xu hướng thị trường để dự đoán LTV trong tương lai cho từng người dùng hoặc nhóm. Những mô hình này có thể xác định các xu hướng tương lai mà con người có thể không thấy rõ ngay lập tức, cung cấp những hiểu biết chính xác và toàn diện hơn về giá trị của người dùng. Ví dụ như trên nền tảng phân tích ứng dụng AppMetrica, chúng tôi đã kết hợp mô hình LTV dự đoán được xây dựng trên công nghệ máy học của Yandex Ads bằng cách sử dụng dữ liệu ẩn danh từ hàng chục nghìn ứng dụng thuộc nhiều danh mục khác nhau. Điều này cho phép nhóm ứng dụng đưa ra dự đoán chính xác về khả năng kiếm tiền ngay cả khi không có dữ liệu từ chính ứng dụng. Như vậy trong vòng 24 giờ kể từ khi cài đặt ứng dụng, mô hình sẽ phân tích nhiều thông số liên quan đến LTV và phân bổ người dùng thành các nhóm dựa trên khả năng tạo thu nhập cho ứng dụng, chia họ thành 5% người dùng có LTV cao nhất, cho tới top 20% hoặc top 50% người dùng có LTV cao nhất.
Ông có dẫn chứng nào về việc ứng dụng AI thành công trong đo lường và dự báo LTV không?
Như tôi đã nhắc tới trước đó, các nhà phát triển nhỏ thường khó tiếp cận đủ nguồn dữ liệu cần thiết để tính toán và dự đoán LTV. Để giải quyết vấn đề này, chúng tôi đã tự động hóa quy trình và khai thác dữ liệu từ nền tảng Yandex Direct, nền tảng của chính Yandex cho nhà quảng cáo. Yandex Direct có nguồn hệ thống dữ liệu rất lớn dựa trên hàng chục ngàn ứng dụng và tệp người dùng lên tới hàng trăm triệu người. Những mô hình này cho phép nhà quảng cáo quảng cáo ứng dụng dành cho thiết bị di động thu được nhiều chuyển đổi sau cài đặt hơn và doanh thu cao hơn, đặc biệt là trong các chiến dịch trả tiền cho mỗi lần cài đặt. Sau khi dữ liệu được thu thập từ Yandex Direct, thuật toán của AppMetrica sẽ bắt đầu tính điểm số dự đoán LTV của người dùng. Chúng tôi đã sử dụng điểm số này để đào tạo các mô hình của mình và kết hợp xác suất của các hành động mục tiêu sau cài đặt vào dự đoán. Dựa vào điểm số này, hệ thống sẽ tự động điều chỉnh chiến lược quảng cáo.
Bằng cách tích lũy dữ liệu, mô hình sẽ tìm hiểu và điều chỉnh hành vi của đối tượng trong một ứng dụng cụ thể, tăng độ chính xác dự đoán lên 99%. Độ tin cậy của những dự đoán này đến từ lượng dữ liệu ẩn danh khổng lồ và đa dạng mà chúng tôi phân tích, cho phép chúng tôi xác định các mô hình và xu hướng mà con người có thể không thấy rõ ngay lập tức. Dữ liệu này được sử dụng để xây dựng các mô hình dự đoán cung cấp thông tin chi tiết chính xác và toàn diện về giá trị người dùng.
