La mayoría de las estrategias de adquisición asumen que un clic es un clic y una instalación es una instalación. Los equipos de rendimiento juzgan el tráfico basándose en el mismo conjunto de métricas tempranas, independientemente de que la fuente sean banners dentro de la aplicación o anuncios de búsqueda. Estas suposiciones funcionan bien para las típicas ubicaciones dentro de la aplicación en las que los usuarios ya participan y navegan. Pero cuando los gestores de UA empiezan a comprar tráfico de superficies en el dispositivo, esas suposiciones se desmoronan porque la intención del usuario es fundamentalmente diferente.
Entender cómo cambia la intención a través de las superficies no es un detalle menor. Debería cambiar la forma en que los equipos de UA evalúan las primeras métricas, diseñan creatividades y piensan en el recorrido del usuario.
El principio: Acciones similares, momentos de intención diferentes
Consideremos dos usuarios en momentos diferentes:
– En primer lugar, hay una persona que juega a un juego para móvil. Ven un banner nativo dentro de la experiencia, lo tocan e instalan otra aplicación. Esa acción está influida por la distracción, el compromiso y la curiosidad inmediata. El usuario ya se encontraba en un estado de consumo de contenidos y estaba dispuesto a hacer clic.
– En segundo lugar, hay alguien que configura un dispositivo nuevo. Antes incluso de interactuar con los menús o el contenido, se le presentan sugerencias de aplicaciones en las pantallas del sistema o en las historias de las aplicaciones OEM. Ese usuario no navega por entretenimiento. Está tomando conscientemente decisiones sobre las capacidades del nuevo dispositivo.
– Ambos usuarios pueden acabar instalando una aplicación. Pero los motivos son muy diferentes. En el primer caso, la instalación está guiada por un compromiso continuo y un bajo coste de atención. En el segundo caso, la instalación está impulsada por un momento de evaluación en el que el usuario toma una decisión sobre la utilidad futura y el uso a largo plazo.
Cuando la intención es diferente, también lo es el comportamiento posterior. El usuario que hizo clic dentro de un juego puede darse de baja rápidamente si el producto no se ajusta a sus expectativas. El usuario que se instaló desde la superficie de un sistema puede abrir la aplicación más tarde, explorarla de forma más deliberada y volverse más valioso con el tiempo.
El centro: Por qué la intención impulsa métricas que parecen «débiles» pero no lo son
La mayoría de las métricas de clics, las tasas de conversión y los primeros modelos de ingresos se desarrollaron para ubicaciones en aplicaciones y redes sociales. Estas predicciones asumen que los usuarios que hacen clic ya están «de humor» para participar. Suponen que tras la instalación se producirá un aumento inmediato o rápido de la participación o la monetización.
El tráfico en los dispositivos cuestiona estas suposiciones porque los usuarios se comportan de forma diferente. Suelen instalar primero y participar después. Las señales de monetización tardan más en aparecer. La retención es más constante y no siempre muestra picos tempranos.
Esto suele generar confusión entre los equipos de la UA. El tráfico puede parecer lento basándose en las señales del primer o tercer día. Las curvas de retención se aplanan en lugar de alcanzar su punto máximo. Las primeras métricas de ARPU parecen más bajas de lo esperado. Sin contexto, es fácil concluir que este tráfico es débil.
Pero lo que parece débil en las primeras ventanas puede ser en realidad un signo de un compromiso más profundo e intencionado. Los usuarios captados a través de superficies en los dispositivos suelen tardar más tiempo en crear un hábito, pero su valor a largo plazo puede ser más constante y fiable.
La raíz del problema no es la calidad del tráfico. La raíz del problema está en evaluar ese tráfico con un modelo equivocado.
El fin: Replanteamiento de los modelos de rendimiento para UA basadas en intenciones
Si el tráfico en el dispositivo requiere un modelo diferente, los equipos de UA deben adaptar lo que consideran un éxito.
He aquí algunos cambios prácticos que le ayudarán:
1. Deje de juzgar las instalaciones en el dispositivo por los puntos de referencia dentro de la aplicación.
En lugar de esperar el mismo CTR o los mismos ingresos instantáneos, los equipos deberían fijarse en curvas de compromiso más largas y en hitos de eventos que reflejen mejor la intención del usuario.
2. Alinear los mensajes creativos con el contexto.
Las creatividades dentro de la aplicación pueden apoyarse en ganchos y señales de compromiso porque los usuarios ya tienen ganas de interactuar. Las creatividades para dispositivos deben hablar de utilidad, descubrimiento y valor, porque los usuarios eligen deliberadamente qué poner en su dispositivo.
3. Optimizar para eventos significativos más allá de la instalación.
En lugar de optimizar exclusivamente los eventos de instalación, los equipos de UA deben priorizar la optimización para la finalización de la incorporación, las acciones clave dentro de la aplicación y los eventos de ingresos que se correlacionan fuertemente con el valor a largo plazo.
4. Utilice modelos de adquisición que permitan señales retardadas.
Los modelos de fijación de precios de coste por instalación y coste por acción admiten la interpretación de señales retardadas, ya que el pago solo se produce cuando se obtiene un resultado, no cuando se produce una impresión.
Las plataformas que incorporan estos principios a su lógica de optimización, y que comprenden la diferencia de intención entre superficies, obtienen mejores resultados de forma inherente. Por ejemplo, en sistemas como Qi Ads, el aprendizaje automático puede evaluar no solo las instalaciones, sino también los patrones de señales posteriores a la instalación, lo que ayuda a optimizar la campaña hacia señales que reflejen la verdadera intención del usuario y el valor real.
Conclusión
Los clics y las instalaciones pueden parecer similares a primera vista, pero no significan lo mismo en las distintas superficies de adquisición. Un clic en un banner dentro de una aplicación se produce en un contexto muy diferente al de una instalación iniciada en la pantalla de configuración de un dispositivo. Estas diferencias en la intención determinan el comportamiento del usuario y alteran el significado de las métricas de rendimiento.
Al reconocer que «en el dispositivo» no equivale a «en la aplicación», los gestores de UA pueden crear modelos que reflejen el comportamiento real de los usuarios. De este modo, la optimización pasa de perseguir picos tempranos a comprender el valor a largo plazo y, en última instancia, conduce a una adquisición más inteligente y sostenible.
