
Як дізнатися, з якого джерела прийшов користувач, якщо він потрапив у застосунок через лендинг
КЛІЄНТ
sportbank — мобільний банк, сфокусований на можливостях, пов'язаних зі спортом та активним способом життя. Банк не має фізичних відділень: усі операції, включно із замовленням картки, відбуваються в застосунку на iOS або Android.
ЗАДАЧА
- Відстежити точку входу користувача, який потрапляє в застосунок через лендинг. Проаналізувати, яким чином він проходить воронкою до активації картки;
- Визначити час від інсталяції застосунку до активації картки.
- Створити автоматизований інтерактивний звіт, який поєднує в собі всю сукупність даних.
Вхідні дані
Восени 2019 компанія Dyvotech спільно з N1 оголосила про запуск нового мобільного банку sportbank. Навесні 2020 до просування проєкту долучилася команда Promodo.
В цей період ми сфокусувалися на побудові охоплення та підвищенні рівня впізнаваності бренду. Для досягнення цих цілей ми використовували кілька каналів просування й одразу підготували базу в системах аналітики для точного аналізу за кожним із них.
Нам було важливо зрозуміти, які канали приводять на лендинг тих користувачів, хто у перспективі відкриває картку. Крім того, ми мали на меті відстежити користувачів, які активували картку не одразу — від першого контакту із застосунком до активації картки.
Рішення
Запуск мобільної реклами без глибокої аналітики — великий ризик, який може призвести до втрати часу й грошей. Однією з наших основних цілей було зібрати інформацію про всіх користувачів, їхні точки входу і рух воронкою від реєстрації до активації картки.
Переваги коректного налаштування мобільної аналітики
- Точна оцінка ефективності каналів залучення трафіку.
- Своєчасний перерозподіл бюджету залежно від рентабельності каналу/рекламної кампанії.
- Перерозподіл бюджету залежно від LTV клієнтів за каналом/рекламною кампанією.
- Переналаштування кампаній на основі аналізу сегментів користувачів.
- Оптимізація воронки продажів у застосунку.
- Оптимізація показника конверсії (CRO) екранів і елементів застосунку.
Для побудови ефективної аналітики мобільного застосунку ми обрали дві системи: Firebase та AppsFlyer.
Firebase
Firebase — повноцінна мобільна платформа від Google для аналітики мобільних застосунків. Для проєкту ми використовували такі можливості платформи:
- Підтримка аудиторій, атрибуцій з більш просунутими механізмами для роботи з таргетованою рекламою. Можливість сегментувати користувачів за подією (session_start або level_up), комбінувати події, параметри та властивості. Такий підхід дає змогу виділити практично будь-яку підмножину користувачів.
- Автоматична реєстрація важливих подій із воронки: first_open (перше відкриття застосунку), app_remove (видалення), app_update (оновлення) і навіть in_app_purchase (купівля або оформлення передплати, що обробляється в App Store або Google Play).
- Можливість інтеграції з великою кількістю сервісів.
- Комплексне уявлення про розподіл трафіку в застосунку на сайті (GA4).

AppsFlyer
AppsFlyer — один із найбільших мобільних трекерів. За функціоналом він не поступається Firebase, але в системі діє модель оплати: $0,06 за одну неорганічну (платну) установку.
Попри всі свої переваги, Firebase не дає змоги коректно відстежувати друге за значущістю джерело установок — Facebook.
Навіть з використанням Dynamic Links частина трафіку не відображається і таким чином «втрачається». Крім того, система не збирає дані й за ААА кампаніями (Automated App Ads). Для вирішення цих завдань було застосовано AppsFlyer.
Automated App Ads (ААА) — автоматизована реклама мобільних застосунків в Facebook.

Виходячи з бізнес-завдань, склали перелік із понад 50 подій для відстеження, які були впроваджені розробниками. Перевірили та відкоригували налаштування.
У середньому налаштування аналітики для мобільного застосунку займає місяць-півтора, але іноді цей процес може затягнутися. Це залежить від кваліфікації фахівців відділу розробки.
Інтеграція. Зв’язок проєкту з AppsFlyer та Firebase
Зв'язавши проєкт Firebase з BigQuery, ми змогли накопичувати та вивчати повні вихідні дані (без вибірки) про події: з усіма налаштованими параметрами й властивостями користувачів.
Така інтеграція дає змогу експортувати й об'єднувати дані для аналізу з інформацією із зовнішніх джерел.
Візуалізація
Щоб надавати команді sportbank тільки актуальні дані за застосунком, ми використали Google Data Studio. Інтерактивні дашборди дозволяють швидше аналізувати інформацію та ухвалювати рішення.
Завдяки інтеграції з вихідними даними Firebase, у нас була можливість відобразити всю інформацію, зокрема й воронки конверсії.
Підключення Google Analytics
Завдяки інтеграції проєкту Firebase з Google Analytics 4 нам вдалося відстежувати не тільки прямий трафік у застосунок, а і його джерела, завдяки яким користувачі потрапляють у застосунок із лендингу sportbank.
Через це у звіті Data Studio отримали інформацію про активації карток користувачами, які прийшли на лендинг із вебджерела, а згодом встановили застосунок і активували картку.
Google Analytics 4 пов'язує разом мобільну та вебаналітику і підраховує реальних користувачів, що взаємодіяли з компанією, а не пристрої та браузери, якими вони користувалися.
Детальний огляд Google Analytics 4: «Переваги та недоліки»


Посилання на лендинг для рекламних кампаній генерувалися таким чином, щоб можна було бачити джерело, канал і кампанію, де це посилання використовується. Для відстеження користувачів, які прийшли в застосунок із лендингу, ми додали в кожне посилання і QR-код UTM-мітки.
Додатково впровадили метадані для відстеження кампаній у Facebook → отримали можливість відстежувати це джерело через Dynamic Link у Firebase →


Тепер команда sportbank може не витрачати час на зведення статистики вручну з окремих кабінетів (app та web). Відображення всіх даних в одному інструменті дає змогу відстежувати як конверсії за кампаніями залучення на лендинг у самому застосунку, так і затримки активацій карт за цими кампаніями.
Підсумок: скоротився час на аналіз ефективності кампаній, збільшилася якість даних для аналізу.
Результати
- Виконується аналіз дій усіх користувачіву застосунку.
- Команда sportbank отримує дані, що дають змогу зрозуміти первинне джерело, з якого користувач потрапляє в застосунок через лендинг.
- Можна проаналізувати воронку, якою проходить користувач: від встановлення застосунку до активації картки.
- Можна оцінити вплив вебканалів залучення трафіку на застосунок і цінність цих каналів.
- Налаштовано когортний аналіз взаємодії користувачів усередині застосунку: від першого торкання до самої активації (з'явилася можливість відокремлювати активації, що відбулися в місяць встановлення, та активації, що принесли інстали, зроблені в попередні місяці).