สำหรับนักการตลาดบนมือถือ การทำความเข้าใจโมเดลราคาที่ซับซ้อนของแพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้าอาจเป็นเรื่องท้าทาย คุณต้องการกำหนดโมเดลราคาที่สมบูรณ์แบบสำหรับแอปของคุณโดยหลีกเลี่ยงการจ่ายเงินเกินความจำเป็นหรือไม่? ในบทความนี้ เราจะแนะนำคุณเกี่ยวกับข้อดีและข้อเสียของแนวทางต่างๆ ที่มีอยู่
แพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้าจะกำหนดระดับราคาตามสถานการณ์ที่ต้องการ โดยพิจารณาถึงความสมบูรณ์ของแอปและเป้าหมายที่ต้องการบรรลุ หนึ่งในเกณฑ์หลักคือขั้นตอนการเติบโตของแอป ซึ่งสามารถวัดได้จากจำนวนผู้ใช้หรืออุปกรณ์ เรามาดูรายละเอียดกัน
โมเดลราคาตาม MAU
แพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้าหลายแห่งใช้จำนวน MAU (Monthly Active Users) เป็นวิธีการคิดค่าบริการ
ในตลาดมือถือ MAU หมายถึงจำนวนผู้ใช้ที่ไม่ซ้ำกันที่มีส่วนร่วมกับแอปภายในหนึ่งเดือน คำจำกัดความของการมีส่วนร่วมอาจแตกต่างกันไป แต่โดยทั่วไปจะเกี่ยวข้องกับการกระทำที่มีความหมายของผู้ใช้ เช่น การเปิดแอป การเข้าสู่ระบบ การซื้อ การทำเซสชัน หรือการดูหน้าเว็บ
อย่างไรก็ตาม เมื่อพูดถึงแพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้า พวกเขามักจะใช้การตีความ MAU ของตนเอง ซึ่งอาจแตกต่างจากคำจำกัดความมาตรฐานของตลาดหรือมีพารามิเตอร์เพิ่มเติม สิ่งนี้นำไปสู่ปัจจัยที่ซ่อนอยู่และความซับซ้อนที่ธุรกิจต้องระวัง เรามาเจาะลึกการตีความเหล่านี้เพื่อทำความเข้าใจผลกระทบต่อราคาให้ดีขึ้น
1. โมเดลราคาตาม MAU + data points (จริงๆ แล้วคือตาม data points)
ใช้โดย: Braze, CleverTap
ภายใต้แนวทางนี้ ระดับราคาจะขึ้นอยู่กับจำนวน MAU และรวมถึงขีดจำกัดที่กำหนดไว้ล่วงหน้าของ ‘data points’ สำหรับแต่ละ MAU
Data points เกี่ยวข้องกับข้อมูลที่บันทึกไว้ในโปรไฟล์ผู้ใช้และรวมถึง การกระทำต่างๆ ของผู้ใช้ ภายในแอป: การดูหน้าเว็บ การคลิกลิงก์ และการซื้อ — รวมถึงการเปลี่ยนแปลงในโปรไฟล์ผู้ใช้หรือการเปลี่ยนไปยังเซกเมนต์อื่น
ความจริงที่ว่ามีขีดจำกัดของจำนวน data points สำหรับแต่ละ MAU มักจะไม่ถูกระบุไว้อย่างชัดเจน ดังนั้นจึงเป็นความคิดที่ดีเสมอที่จะสำรวจเอกสารของผู้ให้บริการและ แสวงหาความโปร่งใสในการเรียกเก็บเงิน
คุ้มค่าสำหรับ: แอปที่ใช้แพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้าเพื่อวัตถุประสงค์ในการวิเคราะห์เป็นหลักมากกว่าแคมเปญการสร้างความสัมพันธ์
ในทางตรงกันข้าม แอปที่มีการมีส่วนร่วมของผู้ใช้สูงและมีการทดลองทางการตลาดบ่อยครั้ง (การทดสอบ A/B/n, การทดลองแท็ก/เซกเมนต์) อาจพบว่าเป็นเรื่องท้าทายในการคาดการณ์การใช้งาน data point ได้อย่างแม่นยำ
ตัวอย่าง: สมมติว่าในแผนที่คุณเลือก คุณมี 700 data points ที่จัดสรรสำหรับ MAU หนึ่งราย data points เหล่านี้สามารถกระจายได้ดังนี้:
- 100 คุณลักษณะของผู้ใช้ที่เปลี่ยนแปลงในแต่ละเดือน
- 50 เหตุการณ์ โดยมี 10 คุณลักษณะสำหรับแต่ละเหตุการณ์ รวมเป็น 500 data points
ในปัจจุบัน การจัดสรรนี้อาจเพียงพอสำหรับความต้องการของคุณ แต่จะเกิดอะไรขึ้นถ้าหลังจากหนึ่งเดือนคุณตัดสินใจที่จะเริ่มรวบรวมเหตุการณ์ใหม่และคุณไม่พอดีกับขีดจำกัดอีกต่อไป? โดยรวมแล้ว ด้วยแนวทางนี้ คุณจะถูกจำกัดในแง่ของปริมาณข้อมูลที่คุณสามารถนำมาใช้งานได้
| 🤔 ข้อจำกัดของโมเดลราคาตาม MAU + data points | ||
|---|---|---|
| การคาดการณ์การใช้งาน data points และค่าใช้จ่ายสุดท้ายต่ำ: การคาดการณ์ว่าเมื่อใดที่ขีดจำกัดของ data point จะไม่เพียงพอต่อความต้องการของคุณอีกต่อไปเป็นเรื่องท้าทาย – มันอาจเกิดขึ้นโดยไม่คาดคิดและกะทันหัน เพื่อรับมือกับความท้าทายนี้ คุณต้องคาดการณ์การเปลี่ยนแปลงทั้งหมดในเหตุการณ์ที่กำหนดเองและคุณลักษณะของผู้ใช้ในระยะยาว |
2. โมเดลราคาตาม MTU (Monthly Tracked Users)
ใช้โดย: MoEngage, Mixpanel, Amplitude, mParticle
โมเดลราคาตาม MTU เป็นวิธีการคำนวณการเรียกเก็บเงินตามจำนวนผู้ใช้ที่ดำเนินการ เหตุการณ์ที่มีคุณสมบัติตรงตามเงื่อนไขอย่างน้อยหนึ่งรายการภายในหนึ่งเดือนปฏิทิน
แต่ละแพลตฟอร์มจะกำหนดเหตุการณ์ที่มีคุณสมบัติตามเกณฑ์ของตนเอง ที่น่าสังเกตคือ คำจำกัดความอาจรวมถึงเหตุการณ์ที่ไม่ได้สร้างขึ้นโดยผู้ใช้เอง ดังนั้นจึง ไม่สะท้อนจำนวนผู้ใช้ที่มีส่วนร่วมจริง
คุ้มค่า: เมื่อคำจำกัดความของ MTU ของแพลตฟอร์มสอดคล้องกับความเข้าใจของตลาดเกี่ยวกับ MAU ในกรณีเช่นนี้ โมเดลจะให้ความสามารถในการคาดการณ์ที่ดี
| 🤔 ข้อจำกัดของโมเดลราคาตาม MTU | ||
|---|---|---|
| ROI ที่ต่ำกว่า: เนื่องจากจำนวน MTU อาจไม่เท่ากับจำนวนผู้ใช้ที่มีส่วนร่วม ROI ของแคมเปญการตลาดจึงอาจต่ำกว่า |
เพื่อเอาชนะความไม่แน่นอนทั้งหมดเกี่ยวกับโมเดลราคาที่ขึ้นอยู่กับการตีความการนับ MAU จึงมีทางเลือกอื่นเกิดขึ้น: โมเดลราคาตามจำนวนอุปกรณ์
โมเดลราคาตามผู้สมัครรับการแจ้งเตือนแบบพุช
ใช้โดย: Pushwoosh, OneSignal
โมเดลราคานี้คำนวณค่าใช้จ่ายของแพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้าตามจำนวนรวมของ ผู้สมัครรับการแจ้งเตือนแบบพุช (อุปกรณ์ที่มี push token ที่ถูกต้อง) แผนราคาที่ขึ้นอยู่กับจำนวนอุปกรณ์มักจะมาพร้อมกับ data points ไม่จำกัด
คุ้มค่าสำหรับ:
- แอปที่ ทำการทดลองทางการตลาดจำนวนมาก (ทำการทดสอบ A/B/n, สร้างแท็กและเซกเมนต์หลายรายการ) และต้องการหลีกเลี่ยงการจ่ายเงินเกินสำหรับ data points ที่มากเกินไปซึ่งเป็นผลมาจากกิจกรรมเหล่านี้
- แอปที่ช่องทางการมีส่วนร่วมหลักคือการแจ้งเตือนแบบพุชและต้องการให้แน่ใจว่าพวกเขา จ่ายเงินเฉพาะสำหรับผู้ใช้ที่สามารถเข้าถึงได้
ตัวอย่าง: แผน Base ของ Pushwoosh รวมถึงการจัดสรรผู้สมัครรับการแจ้งเตือนแบบพุช 1,000 รายฟรี โดยทุกๆ 1,000 รายที่เพิ่มขึ้นจะมีค่าใช้จ่ายเพิ่มเติม $3 ต่อเดือน โมเดลราคาตามผู้สมัครรับการแจ้งเตือนแบบพุชช่วยให้มั่นใจได้ถึงความโปร่งใสและช่วยให้ธุรกิจสามารถตัดสินใจได้อย่างมีข้อมูล
| ✅ ประโยชน์ | 🤔 ข้อจำกัด |
|---|---|
| _ การเรียกเก็บเงินที่คาดการณ์ได้: แอปไม่จำเป็นต้องคาดการณ์การใช้งาน data points; _ ROI ที่สูงขึ้นสำหรับแคมเปญการแจ้งเตือนแบบพุช: แอปจะถูกเรียกเก็บเงินเฉพาะสำหรับจำนวนผู้ใช้ที่สามารถเข้าถึงได้ผ่านการแจ้งเตือนแบบพุช * เข้าถึงผู้ชมทั้งหมด ด้วยค่าใช้จ่ายที่คุณจ่าย คุณจะสามารถเข้าถึงผู้ชมทั้งหมดและสามารถดึงดูดผู้ใช้ที่ไม่ได้โต้ตอบกับแอปกลับมาอีกครั้งได้ในภายหลัง ทั้งหมดนี้โดยไม่มีค่าใช้จ่ายเพิ่มเติม | * ความยากลำบากในการนำทาง: เนื่องจากนักการตลาดบนมือถือคุ้นเคยกับการวางแผนกลยุทธ์การมีส่วนร่วมตาม MAU จึงอาจเป็นเรื่องท้าทายสำหรับพวกเขาในการนำทางระดับราคาตามเมตริกที่แตกต่างกัน เช่น จำนวนผู้สมัครรับการแจ้งเตือนแบบพุช |
💡ในขณะที่ทั้ง OneSignal และ Pushwoosh ใช้แนวทางตามผู้สมัครรับการแจ้งเตือนเหมือนกัน แต่ ความแตกต่างที่สำคัญเกิดขึ้นในกลยุทธ์การกำหนดราคาข้อความในแอป ซึ่งแตกต่างจากราคาคงที่ของ Pushwoosh, OneSignal คิดค่าบริการสำหรับการแสดงผลในแอป ซึ่งอาจส่งผลให้ค่าใช้จ่ายผันผวน ความแตกต่างนี้เน้นย้ำถึงความสำคัญของการคาดการณ์งบประมาณและการมีส่วนร่วมโดยไม่มีขีดจำกัด
การตัดสินใจเลือกโมเดลราคาที่สมบูรณ์แบบสำหรับแอปของคุณ
ดังนั้น โมเดลราคาจะทำงานได้ดีสำหรับแอปใดแอปหนึ่งหรือไม่นั้นขึ้นอยู่กับกลยุทธ์การมีส่วนร่วมของแอป ตลอดจนรายละเอียดของกลยุทธ์ทางการตลาดและการวางแผนทางการเงิน
แอปที่ใช้แพลตฟอร์มการสร้างความสัมพันธ์กับลูกค้าเพื่อการวิเคราะห์มากกว่าแคมเปญการสร้างความสัมพันธ์ สามารถปรับใช้กับ โมเดลตาม data-point ได้
โมเดลราคาตาม MTU สามารถให้การเรียกเก็บเงินที่คาดการณ์ได้ในกรณีที่คำจำกัดความของ MTU ประกอบด้วยเหตุการณ์ที่ริเริ่มโดยผู้ใช้เท่านั้น
สุดท้าย สำหรับแอปที่ต้องการความคุ้มค่าในขณะที่ทดลองใช้กลยุทธ์ทางการตลาดและกำหนดเป้าหมายผู้ใช้ผ่านการแจ้งเตือนแบบพุช โมเดลราคาตามผู้สมัครรับการแจ้งเตือนแบบพุชถือเป็นตัวเลือกที่เหมาะสมที่สุด
พร้อมที่จะหารือเกี่ยวกับราคาของคุณในรายละเอียดแล้วหรือยัง? ติดต่อทีม Pushwoosh:
เปรียบเทียบแผนต่างๆ ของ Pushwoosh และเลือกแผนที่เหมาะกับคุณ:
