بر اساس داده‌های سال ۱۴۰۲ | تهیه شده توسط پلتفرم اتریبیوشن ادتریس
در ادتریس از سال گذشته رویکرد گزارش‌های سالیانه را از ارائه آمار و ارقام صرفا در رابطه با خود کسب‌وکار به سمت ارائه شاخص‌های مورد استفاده متخصصان موبایل مارکتینگ تغییر دادیم. بنا داشتیم تا خلأیی که داخل صنعت موبایل مارکتینگ مبنی بر نبود مرجعی برای مقایسه، تحلیل و تصمیم گیری بود را با ارائه گزارش سالانه ادتریس مرتفع نماییم. یکی از دغدغه‌های همیشگی فعالین این حوزه نیز، بررسی دقیق و مبتنی بر دیتا بر روی تقلب‌های تبلیغاتی بود که سعی کردیم با تحلیل داده‌های جمع‌آوری شده، اطلاعات جامعی را در این گزارش ارائه دهیم. با بازخوردهای مثبتی که در طی سال گذشته از فعالین این حوزه مبنی بر مثمر ثمر بودن این اقدام دریافت کردیم، بر آن شدیم تا مسیر را ادامه دهیم. به همین منظور تلاش کردیم تا گزارش سال ۱۴۰۲ را با قوت بیشتری تهیه کنیم. همچنین تصمیم گرفتیم تا با نگاه آماده‌سازی گزارش جامع موبایل مارکتینگ ایران و نه صرفا گزارش سالیانه ادتریس ادامه این مسیر را پیش ببریم. از همین کانال از سایر فعالین این صنعت نیز تقاضا داریم تا به مقتضای توان خودشان در همین مسیر حرکت کنند تا هرکس به نوبه خود به گسترش حوزه موبایل مارکتینگ کشور کمک کرده باشد.
در این گزارش آمار هر بخش به تفکیک در ٧ دسته اپلیکیشنی بررسی و ارائه شدهاند:
- ابزار
- مالی
- پخش فیلم
- آموزش
- خرید
- بازی
- سبک زندگی
مبنای تحلیل و بررسی در بخش‌های مختلف این گزارش داده‌های جدول زیر است. تعداد اپلیکیشن و دستگاه اعدادی است که از زمان شروع به کار ادتریس تا انتهای سال ۱۴۰۲ در پنل ادتریس ثبت شدهاند و تعداد کلیک، نصب، نمایش و سشن نتایج ثبت شده تنها در سال ۱۴۰۲ است.
داده‌های ثبت شده در ادتریس که این گزارش با بررسی آنها تهیه شده‌است:
تعداد دستگاه: بیش از ۱۶۰ میلیون دستگاه
تعداد اپلیکیشن: بیش از ۷۰۰ عدد
تعداد کلیک: بیش از ۶۰۰ میلیون
تعداد نصب: بیش از ۱۴۵ میلیون
تعداد نمایش: بیش از یک میلیارد
تعداد سشن: بیش از ۱۱ میلیارد
فصل اول: نصب تقلبی در دنیای اپلیکیشنها
ادتریس در سال گذشته با استفاده از الگوریتم‌های تشخیص تقلب، موفق به ایجاد صرفه‌جویی اقتصادی بیش از ۵ میلیارد تومانی برای اپلیکیشنها شده است. امکان تشخیص تقلب به کسب‌وکارها کمک کرده تا تصمیمات بهتری اتخاذ کنند و از این طریق به افزایش سودآوری خود دست یابند.
همچنین تعداد ﮐﻞ تقلب شناسایی‌شده در سال ۱۴۰۲ بیش از یک میلیارد نصب تقلبی است که معادل نرخ تقلب ۵٪ در ایران است.
توزیع انواع تقلب
تقلب در نصب موجب هدر رفتن بودجه تبلیغاتی میشود و با ایجاد تغییر در داده‌های شما، می‌تواند باعث گمراهی شود. ادتریس در لحظه تقلب را شناسایی و از داده‌ها و بودجه تبلیغاتی شما محافظت میکند. برای آشنایی بیشتر با انواع مختلف روش‌های تقلب در تبلیغات موبایلی میتوانید به بلاگ ادتریس مراجعه کنید.
نکته جالب توجه در توزیع انواع تقلب، تغییر آن نسبت به سال گذشته است. بر خلاف سال ۱۴۰۱ که تـقـلب Click Injection رتـبه دوم را داشـت، امســـال در صـدر جـدول قـرار دارد و تقـلب Click Capping را راهی رتبه سوم کرد‌ه‌است. نکته مهم دیگر، افزایش چشمگیر تقلب Suspicious Signature نسبت به سال ۱۴۰۱ است. لازمه تشخیص این نوع تقلب، پیاده‌سازی SDK Signature است.
نسبت نصب تقلبی به ﮐﻞ
در سال گذشته دسته اپلیکیشنی خرید در معرض بیشترین نرخ نصب تقلبی بوده‌است.
فاصله کلیک تا نصب اپلیکیشن‌های ایرانی
با استفاده از نمودار CTIT که نمایانگر فاصله کلیک تا نصب است، میتوان کمپین‌های مشـکوکی را کــه بـه صــورت Real-time تشـخیص داده نـمی‌شــوند را شنـاسـایی کـرد. ایـن نــمودارهـــا میـــانـگین دستـه‌هــای مختـلـف هســـتند و اپلـیکیشـن‌هــا بــا مقـایسه نمـودار کمپین‌های خود با آنها به عنوان Best practice، میتوانند رفتارهای غیرعادی را شناسایی کنند. به عنوان مثال، در دسته بازی به دلیل حجم بالای اپلیکیشنها، فاصله زمانی بین کلیک تا نصب طولانی‌تر از بقیه دسته‌های اپلیکیشنی است.
تمامی اعداد در این نمودار بین صفر و یک نرمال شدهاند.
فصل دوم: مقایسه نصب ارگانیک و غیر ارگانیک
نسبت نصب ارگانیک و غیرارگانیک
این نمودار نشان‌دهنده تمایل هر یک از دسته‌های اپلیکیشنی نسبت به اجرای کمپین‌های تبلیغاتی است.
دی ماه: نقطه اوج تبلیغات موبایلی
با توجه به نمودار، در سال ۱۴۰۲ از ابتدای تابستان تا اوایل زمستان روند رو به رشدی در میزان تبلیغات مشاهده میشود که نقطه اوج آن در ماه دی است. علت این رشد را میتوان با کمپین‌های متعدد مانند شب یلدا و بلک فرایدی در این بازه زمانی مرتبط دانست.
تمامی اعداد در این نمودار بین صفر و یک نرمال شدهاند.
تغییر در تمایل به تبلیغات در سال ۱۴۰۲ نسبت به سال ۱۴۰۱
در سال ۱۴۰۲، دسته بازی رشد قابل توجه‌ای در تمایل به تبلیغات برای جذب کاربر جدید داشـته‌است. نکتـه قـابل تـوجه کـاهش میزان تبلیغـات در سـه دسـته آمـوزش، خرید و ابزار نسبت به سال ۱۴۰۱ است.
ری اتریبیوشن
ری‌اتریبیوشن مفهومی است که به جهت محاسبه نرخ بازگرداندن کاربران غیرفعال به اپلیکیشن استفاده میشود. این نرخ در مقایسه با پارسال اکیدا رو به افزایش است. دلیل این افزایش را میتوان به بیشتر شدن فرهنگ استفاده از این شاخص مرتبط دانست.
فصل سوم: رفتار کاربران به تفکیک دسته اپلیکیشن
توزیع استفاده کاربران از اپلیکیشن در ساعات روز
توزیع زمانی استفاده کاربران از اپلیکیشن کمک میکند تا بهینه‌ترین زمان را برای تعامل با کاربران اپلیکیشن خود انتخاب کنیم. ساعت‌های پیک مصرف در ظهر بین ساعت ۱۲ تا ۱۴ و همچنین در شب بین ساعت ۲۰ تا ۲۲ است.
به علت نزدیکی بیش از اندازه اعداد به یکدیگر اعداد بین صفر و یک نرمال شدهاند.
تـوزیع میـانگین سشن به ازای هر کــاربر در روزهــای هفته
اکثر مردم در روزهای پایانی هفته در حال استراحت و یا مسافرت هستند، به همین منظور میانگین سشن به ازای هر کاربر در روزهای پایانی هفته رو به کاهش است و به عبارتی کاربران کمتر به اپلیکیشن سر میزنند. این نمودار به مارکترها کمک میکند که در چه روزهایی از هفته کمپین خود را اجرا کنند.
به علت نزدیکی بیش از اندازه اعداد به یکدیگر اعداد بین صفر و یک نرمال شدهاند.
روند تغییرات میانگین مدت زمان سشن کاربران در طول سال
کاربران دسته پخش فیلم و بازی بیشترین مدت زمان سشن را در میان سایر دسته‌ها دارند. علت این امـر، مشـاهده فیلـم در ایـن اپلیکیشـن‌هـا و سپری کـردن زمـان بیشـتر در اپلیکیشن است. همچنین پایین‌ترین مدت زمان سشن مربوط به دسته مالی است که دلیل آن انجام تراکنش‌های سریع در اپلیکیشن و خروج از آن است.
میانگین سشن به ازای هر کاربر و مدت زمان سشن
در این نمودار محور افقی نشان‌دهنده مدت زمان سشن و محور عمودی نشان دهنده میانگین تعداد سشن به ازای کاربر است. دسته مالی کمترین مدت زمان سشن و دسته ذ بیشترین مدت زمان سشن را داشته است. دسته ابزار بیشترین مقدار سشن به ازای هر کاربر و دسته خرید کمترین مقدار سشن به ازای هر کاربر را دارد.
منحنی قدرت کاربر
Power user curve: تغییر در میانگین مدت سشن به ازای هر کاربر در سی روز بعد از نصب
در روزهای اولیه بعد از نصب، کاربران سشن‌های طولانی دارند و رفته رفته این مقدار کاهش می‌یابد. بنابراین مارکترها باید بر روی تعامل بیشتر کاربران با اپلیکیشن در روزهای بعد از نصب تمرکز کنند.
کوهورت ٧ روزه
نرخ بازگشت کاربران به اپلیکیشن در ٧ روز بعد از نصب
اپلیکیشنها به طور میانگین در روز ابتدایی بعد از نصب قریب به ۸۰٪ از کاربران خود را از دست می‌دهند. این نرخ در روزهای بعدی شدت کمتری دارد و تا ۷ روز اول به عددی قریب به ۱۰٪ بازگشت به اپلیکیشن می‌رسد.
نرخ بازگشت کاربران در هفته اول پس از نصب
بیشترین نـرخ بـازگشت کـاربران در هفتـه اول نصب در دسته ابزار و با نرخ ۵۹.۳٪ اســت. ایـن عـدد تــا ارقــامی چـون ۴۳.۱٪ نـیز کــاهش پیدا میکـند کـه مربوط بــه دسـته آموزش است. از زاویهای دیگر، تقریبا نیمی از کاربران در یک هفته پس از نصب از دست رفته و به اپلیکیشن باز نمی‌گردند.
نرخ بازگشت کاربران در هفته‌های پس از نصب
رونــد بــازگشت بـه اپلیکـیشن در هفتـه‌های بــعدی پس از نصب نیز کــاهش می‌یابد. نکـته قابل توجه کـاهش ۲۰ درصدی بازگشت کاربران به اپلیکیشن برای تمامی دسته‌های اپـلیکیشـنی از هفتـه اول تـا هفتـه چهـارم پـس از نصـب اسـت. بـا ایـن حـال همچنـان وفادارترین کاربران در بین دسته‌های مختلف در دسته ابزار هستند.
نرخ رشد
شاخص نرخ رشد از حاصل تقسیم نصب ماهانه بر تعداد کاربر فعال ماهانه بدست می‌آید. این شاخص نشان میدهد در طول سال گذشته در مجموع اپلیکیشنها تمایل بیشتری به نگهداشت مشتری تا جذب مشتری پیدا کرده‌اند. باید به این نکته نیز توجه نمود که در این شاخص منظور از نصب لزوما نصب غیرارگانیک نیست.
شاخص نرخ رشد نشان دهنده تمایل هر دسته به رشد و توسعه کاربران جدید است. کمتر بودن این مقدار لزوما به معنی رشد کمتر نیست؛ بلکه می‌تواند به معنی تمرکز اپلیکیشن بر بازگرداندن کاربران خود باشد. دسته بازی با اختلاف بیشترین میزان توسعه کاربر را داشته‌است.
نکته قابل توجه در روند نرخ رشد دسته‌های اپلیکیشنی مختلف، تفاوت معنادار در دسته بازی است.
نرخ چسبندگی اپلیکیشن‌های ایرانی
نرخ چسبنـدگی میـانگین کشور بـا دو روش محـاسبه متفـاوت در این نمودار ارائـه شده‌است. صاحبان اپلیکیشن با مقایسه نرخ چسبندگی خود با میانگین میتوانند عملکردشان را ارزیابی کنند. این نرخ میزان بازگشت کاربران به اپلیکیشن به صورت روزانه و یا هفتگی را نشان میدهد و کمک میکند تا تفسیر دقیق‌تری از تحلیل اعداد WAU و MAU بدست آید. نرخ چسبندگی میزان ارزشمند بودن اپلیکیشن شما از نظر کاربر و همچنین علاقه کاربران به بازگشت به اپلیکیشن را نشان میدهد و با مفهوم Retention (بازگرداندن کاربر به وسیله مشوق) که ممکن است از طریق اس ام اس، پوش و... باشد، متفاوت است.
فصل چهارم: بررسی اپراتورها و گوشی‌ها
توزیع کاربران به تفکیک نوع اتصال به اینترنت
تــوزیع کــاربران به تفـکیک نـوع اتصــال بـه ایـنترنت در هنگام نصب
توزیع استفــاده از اپــراتـورها بـه تفــکیک دسته‌های اپلیکیشنی
توزیع کاربران به تفکیک استفاده از انـواع سیستم عامل Android
تـوزیع کــاربران به تفکیک استفــاده از انـواع سیستم عامل iOS
توزیع کاربران به تفکیک برند دستگاه
با بررسی نمودار میتوان سهم بازار بالای سامسونگ در بازار ایران را مشاهده نمود. اما با مقایسه با گزارش ادتریس در سال ۱۴۰۱ میتوان متوجه روند کاهشی آن شد که در مقام جایگزین باید شیائومی را معرفی کرد که روند سهم بازار آن در بازار ایران رو به افزایش است. دلیل عدم حضور برند آیفون در این نمودار، تمرکز اپلیکیشن‌های ایرانی بر روی کاربران سیستم عامل اندروید است.
توزیع کاربران به تفکیک نوع دستگاه
نکته قابل توجه در میان دستگاه‌های پرطرفدار، حضور پررنگ سری A سامسونگ گلکسی در این لیست است که میتوان دلیل آن را قابلیت‌های خوب و قیمت مناسب این سری دانست.
فصل پنجم: سخن آخر
تهیه‌کنندگان گزارش
مدیر بازاریابی محصول ادتریس: مائده دربندی
مدیر محصول ادتریس: فائزه اقبالی
مدیر تیم تکنولوژی: امین محمدی
Back-end Developer: مهران کامرانی
تعریف عبارات استفاده شده در این گزارش
سشن: به معنای باز شدن اپلیکیشن توسط کاربران است. اگر فاصله زمانی بین دوبار باز کردن اپلیکیشن توسط یک کاربر، کمتر از ٣٠ دقیقه باشد، تنها یک سشن برای او ثبت میشود.
کلیک: منظور از کلیک، تعداد دفعاتی که بر روی یک لینک تبلیغاتی کلیک شده‌است.
نصب ارگانیک: نصبی که کاربر به صورت خودکار انجام میدهد و از طریق ترکرهای ادتریس نبوده است.
نصب غیرارگانیک: نصبی که از طریق ترکرهای ادتریس انجام میشود.
نصب تقلبی: نصب تقلبی زمانی است که نصب به صورت واقعی اتفاق نیافتاده باشد یا نصب ارگانیک بوده و به واسطه فعالیت متقلبانه ذینفعان سعی در تغییر منبع نصب میشود.
ری‌اتریبیوشن: کاربرانی که در بازه‌ی زمانی تعریف شده (این بازه در پنل ادتریس قابل تنظیم است) وارد اپلیکیشن نشده‌اند و بدون حذف نصب بعد از این بازه‌ی زمانی به واسطه‌ی ترکرهای ادتریس وارد اپلیکیشن می‌شوند. مثال: کاربری که از آخرین مراجعه‌اش به اپلیکیشن ٧ روز می‌گذرد و بعد از آن به واسطه‌ی یک کمپین پیامکی حاوی لینک ادتریس مجددا به اپ باز می‌گردد.
کوهورت: به گروهی از کاربران منحصربه‌فرد که ویژگی مشترکی مانند نصب اپلیکیشن را در یک بازه زمانی مشخص انجام می‌دهند کوهورت یا هم‌گروهی می‌گویند. با استفاده از تجزیه و تحلیل کوهورت قادر خواهید بود کاربرانی را که در یک سری از الگوهای رفتاری یکسان هستند، پیدا کنید.