Для мобильных маркетологов навигация по сложным моделям ценообразования платформ для вовлечения клиентов может стать настоящей проблемой. Хотите определить идеальную модель ценообразования для вашего приложения, избежав при этом переплат? В этой статье мы расскажем вам о плюсах и минусах существующих подходов.
Платформы для вовлечения клиентов строят свои тарифные планы на основе требуемых сценариев, учитывая зрелость приложений и задачи, которые они призваны решать. Один из основных критериев — стадия роста приложения, которую можно измерить по количеству пользователей или устройств. Давайте разберемся в деталях.
Модели ценообразования на основе MAU
Многие платформы для вовлечения клиентов используют для расчета стоимости количество MAU (Monthly Active Users — ежемесячно активных пользователей).
На мобильном рынке MAU — это количество уникальных пользователей, взаимодействующих с приложением в течение месяца. Определение того, что считать взаимодействием, может варьироваться, но обычно оно включает в себя значимые действия пользователя, такие как открытие приложения, вход в систему, совершение покупки, проведение сессии или просмотр страницы.
Однако, когда речь заходит о платформах для вовлечения клиентов, они часто применяют собственные интерпретации MAU, которые могут отличаться от стандартного рыночного определения или включать дополнительные параметры. Это приводит к скрытым факторам и сложностям, о которых бизнесу необходимо знать. Давайте углубимся в эти интерпретации, чтобы лучше понять их влияние на ценообразование.
1. Модель ценообразования на основе MAU + точек данных (фактически, на основе точек данных)
Используется: Braze, CleverTap.
В рамках этого подхода тарифные планы основаны на количестве MAU и включают предопределенный лимит «точек данных» для каждого MAU.
Точки данных относятся к информации, регистрируемой в профилях пользователей, и включают различные действия пользователя в приложении: просмотры страниц, клики по ссылкам и покупки, — а также изменения в профилях пользователей или переходы в другой сегмент.
Тот факт, что для каждого MAU существует лимит на количество точек данных, часто не указывается явно, поэтому всегда полезно изучить документацию поставщика и добиваться прозрачности в выставлении счетов.
Экономически выгодно для: приложений, которые в основном используют платформы для вовлечения клиентов в аналитических целях, а не для кампаний по вовлечению.
Напротив, приложениям с высокой вовлеченностью пользователей и частыми маркетинговыми экспериментами (A/B/n-тестирование, эксперименты с тегами/сегментами) может быть сложно точно спрогнозировать использование точек данных.
Пример: Допустим, в выбранном вами тарифе на одного MAU выделено 700 точек данных. Эти точки данных могут быть распределены следующим образом:
- 100 атрибутов пользователя, которые меняются каждый месяц;
- 50 событий, с 10 атрибутами для каждого события, что в сумме составляет 500 точек данных.
В настоящее время этого распределения может быть достаточно для ваших нужд. Но что, если через месяц вы решите начать собирать новые события и больше не будете укладываться в лимиты? В общем, при таком подходе вы ограничены в объеме данных, которые можете использовать.
| 🤔 Ограничения модели ценообразования на основе MAU + точек данных | ||
|---|---|---|
| Низкая предсказуемость использования точек данных и итоговой стоимости: Предсказать, когда лимита точек данных перестанет хватать для ваших нужд, сложно — это может произойти неожиданно и резко. Чтобы справиться с этой проблемой, вам придется прогнозировать все изменения в пользовательских событиях и атрибутах пользователя на долгосрочную перспективу. |
2. Модель ценообразования на основе MTU (Monthly Tracked Users)
Используется: MoEngage, Mixpanel, Amplitude, mParticle.
Модель ценообразования на основе MTU — это способ расчета стоимости, основанный на количестве пользователей, которые совершают одно или несколько квалифицирующих событий в течение календарного месяца.
Каждая платформа определяет квалифицирующее событие по своим собственным критериям. Примечательно, что определение может включать события, которые генерируются не самими пользователями, и, следовательно, они не отражают фактическое количество вовлеченных пользователей.
Экономически выгодно: когда определение MTU на платформе совпадает с рыночным пониманием MAU. В таких случаях модель предлагает хорошую предсказуемость.
| 🤔 Ограничения модели ценообразования на основе MTU | ||
|---|---|---|
| Более низкий ROI: Поскольку количество MTU может не совпадать с количеством вовлеченных пользователей, ROI маркетинговых кампаний может быть ниже. |
Чтобы преодолеть все неопределенности, связанные с моделями ценообразования на основе интерпретации подсчета MAU, появляется альтернативный вариант: модель ценообразования на основе количества устройств.
Модель ценообразования на основе push-подписчиков
Используется: Pushwoosh, OneSignal.
Эта модель ценообразования рассчитывает стоимость платформы для вовлечения клиентов на основе общего числа push-подписчиков (устройств с действительными push-токенами). Тарифные планы, основанные на количестве устройств, обычно включают неограниченное количество точек данных.
Экономически выгодно для:
- Приложений, которые проводят многочисленные маркетинговые эксперименты (запускают A/B/n-тесты, создают множество тегов и сегментов) и хотят избежать переплат за избыточные точки данных, возникающие в результате этих действий.
- Приложений, для которых основным каналом вовлечения являются push-уведомления и которые хотят быть уверены, что платят только за доступных для связи пользователей.
Пример: Базовый тарифный план Pushwoosh включает 1000 push-подписчиков бесплатно, а каждая дополнительная 1000 подписчиков стоит $3 в месяц. Модель ценообразования на основе push-подписчиков обеспечивает прозрачность и позволяет компаниям принимать взвешенные решения.
| ✅ Преимущества | 🤔 Ограничения |
|---|---|
| _ Предсказуемый биллинг: Приложениям не нужно прогнозировать использование точек данных; _ Более высокий ROI для кампаний с push-уведомлениями: Счета выставляются исключительно за количество пользователей, до которых можно «достучаться» с помощью push-уведомлений. * Доступ ко всей аудитории: За уплаченную стоимость вы получаете доступ ко всей аудитории и можете в дальнейшем повторно вовлекать пользователей, которые не взаимодействовали с приложением, без каких-либо дополнительных расходов. | * Сложности в навигации: Поскольку мобильные маркетологи привыкли планировать свои стратегии вовлечения на основе MAU, им может быть сложно ориентироваться в тарифных планах, основанных на другой метрике, такой как количество push-подписчиков. |
💡Хотя и OneSignal, и Pushwoosh используют подход, основанный на подписчиках, **ключевое различие заключается в их стратегии ценообразования для in-app сообщений.** В отличие от фиксированной цены Pushwoosh, OneSignal взимает плату за показы in-app сообщений, что потенциально может привести к колебаниям затрат. Это различие подчеркивает важность предсказуемости бюджета и вовлечения без ограничений.
Выбор идеальной модели ценообразования для вашего приложения
Итак, подходит ли модель ценообразования для конкретного приложения, зависит от его тактики вовлечения, а также от особенностей его маркетинговой стратегии и финансового планирования.
Приложения, которые используют платформы для вовлечения клиентов больше для аналитики, чем для кампаний по вовлечению, могут адаптироваться к модели, основанной на точках данных.
Модель ценообразования на основе MTU может предложить предсказуемый биллинг в случае, если определение MTU включает исключительно события, инициированные пользователями.
Наконец, для приложений, стремящихся к экономической эффективности при экспериментировании с маркетинговыми тактиками и таргетинге пользователей через push-уведомления, модель ценообразования на основе push-подписчиков оказывается оптимальным выбором.
Готовы обсудить ваше ценообразование в деталях? Свяжитесь с командой Pushwoosh:
Связаться с командой Pushwoosh
Сравните тарифные планы Pushwoosh и выберите подходящий для вас:
