AppMetrica Post API в Едадиле: сбор ценных офлайновых сигналов и аналитика

Едадил — это агрегатор скидок из офлайновых магазинов, приложение и сайт. Год назад мы запустили новую бизнес-модель — кешбек, которая позволила Едадилу монетизироваться эффективнее — и при этом оставаться бесплатным для пользователя.

Но отслеживать отдачу стало труднее, так как конверсия происходит в офлайне.

Решение от AppMetrica — Post API — позволило нам наладить простой и прозрачный процесс передачи данных, а заодно повысить качество трафика из рекламных сетей. Обо всём по порядку.

Что такое Едадил и на чём он зарабатывает

Раньше Едадил работал так: пользователь открывал приложение или сайт и видел, какие промоакции («жёлтые ценники») есть в магазинах поблизости. А FMCG-бренды размещали у нас рекламу. Одна беда — невозможно было отследить, покупал пользователь после этого что-то в магазине или нет.

Успейте купить корпоративный пакет COSSA-2025 со скидкой!

Cossa анонсирует главный рекламный формат на весь 2025 год: сразу 8 различных опций.

Пакет идеально подходит для онлайн-сервисов, стартапов, интернет-компаний и digital-агентств.

Успейте приобрести пакет до повышения цены!

Поэтому мы придумали новую модель монетизации, более прозрачную — кешбек. Вот как это работает.

1. Пользователь выбирает товары из раздела «Кешбек» в Едадиле.
2. Покупает их в любом офлайн-магазине.
3. Сканирует QR-код с чека после покупки.
4. Если чек из нужного магазина и в нём есть акционный товар, бренд-производитель возвращает пользователю часть потраченной суммы на внутренний счёт. А Едадил зарабатывает на проценте с каждой такой транзакции.

Почему сложно отследить Самую Важную Конверсию

Всё выглядит просто — чек отсканирован, начисляем кешбек, записываем конверсию. В действительности нам сначала нужно убедиться, что чек — правильный, что в нём действительно есть товары, за которые положен кешбек. Нужна проверка, и на неё требуется время — на лету её не выполнить, так как кешбек начисляется не в приложении, а на бэкенде, где происходит валидация чеков.

В итоге у нас появляется два набора данных — вся статистика поведения пользователей в приложении, которая живёт в AppMetrica, и данные о получении кешбека, которые записываются в логах бэкенда. Разумеется, пользователи видят в приложении пополнение счёта. Но так как начисления происходят отдельно, после сканирования чека, автоматически эта информация в систему аналитики уже не попадет.

С точки зрения работы с партнёрами, неважно, где хранятся данные о кешбеках — мы всё равно знаем, за какую покупку какого бренда было начисление. Но для нашей собственной бизнес-аналитики было необходимо понимать, какие пользователи конвертируются в получателей кешбека чаще других, какие каналы приводят таких пользователей, чем отличается поведение тех, кто получает кешбек, от тех, кто сканирует «пустые» чеки. Поэтому нам было важно, чтобы получение кешбека отражалось и в наших отчётах в AppMetrica.

Зачем понадобился AppMetrica Post API

Post API — это метод отправки HTTP-запроса, с помощью которого можно отправить в отчёты AppMetrica информацию об активности пользователей вне приложения. Это могут быть самые разные данные — например, информация о том, что клиент что-то купил в офлайновом магазине, данные из CRM, звонки, открытые имейлы.

Схема работы с POST API

В нашем случае с помощью POST API мы передаём сигнал о том, что пользователю начислен кешбек. Объединив данные о кешбеках со статистикой о действиях пользователей приложения, собранной в AppMetrica, мы смогли настроить более глубокую продуктовую аналитику. Изучили поведение пользователей, которые делали повторные покупки — прямо как в традиционном ecommerce, а не в приложении с новой моделью монетизации :–) Выстроили график возвращаемости из покупки в покупку и используем его как маркер здоровья приложения, а также отслеживаем рост ядра аудитории.

Retention Rate у пользователей, которые получают кешбеки за покупки, в 2 раза выше

Retention Rate пользователей без кешбека

Помимо этого, мы сегментируем конвертировавшихся пользователей — в том числе получателей кешбека — по аналогии с RFM-анализом, и для каждого сегмента проводим отдельные пуш-кампании. В результате коммуникации с пользователем получаются более персональными.

А ещё мы смогли заметно поднять качество трафика из рекламных сетей, и об этом стоит рассказать подробнее.

Как Post API помогает растить качество трафика

С помощью Post API мы смогли не просто лучше понять, какие рекламные активности работают эффективнее, но и настроить динамическую оптимизацию закупки трафика. Для начала — о более простых приёмах. Используя данные об офлайн-конверсиях, мы глубже изучили работу наших рекламных кампаний и повысили их эффективность:

• нашли регионы, которые приносили меньше всего целевых пользователей — которые конвертировались в кешбек и другие полезные действия выше по воронке — и отключили невыгодные таргетинги;
• перераспределили бюджет в пользу тех рекламных партнёров, которые приводили больше целевого трафика;
• разделили всех пользователей на несколько сегментов в зависимости от того, насколько они нам выгодны — и задали для каждого сегмента разную стоимость привлечения.

А теперь — подробнее о динамической оптимизации закупки на стороне рекламных сетей.

Вот как это работает.

Одна из наших главных задач — приводить таких пользователей, которые останутся в приложении надолго (то есть имеют высокий Retention Rate). Через Post API мы начали размечать пользователей, которые открывали приложение на третий день после установки: для этого передавали в отчёты специально настроенное событие-маркер. Затем мы стали отправлять в рекламную сеть сигналы об этом событии (постбеки) — то есть сообщать партнёру, что тот или иной пользователь оказался для нас целевым.

Так у партнёра появляется информация о качестве трафика, и он может начать привлекать именно тех пользователей, которые похожи на нашу целевую аудиторию — такая связка с рекламной сетью возможна за счёт того, что для трекинга установок мы также используем AppMetrica. В результате мы начали получать трафик с более высоким уровнем возвращаемости.

Чтобы ещё подрастить долю качественной аудитории, которая будет часто пользоваться приложением, мы пошли дальше — построили свою модель машинного обучения: она предсказывает вероятный «срок жизни» каждого нового пользователя. Разметку всех новых пользователей в зависимости от их предсказанного retention’а мы опять же передаём в отчёты через Post API, а оттуда в виде постбеков снова отправляем в рекламную сеть. Так что партнёры могут начать оптимизировать закупку трафика моментально — не нужно дожидаться, пока пользователь действительно станет постоянным.

Благодаря Post API мы настроили сквозную продуктовую аналитику и заметно оптимизировали закупку трафика, опираясь на ценные сигналы из офлайна. Если у вас тоже есть разные источники данных о пользователях, подумайте, какую выгоду вы можете получить, если объединить их со статистикой поведения в приложении.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.