概要:Predict管理画面を使用して、キャンペーン経由で獲得したユーザーの予測LTVに関するインサイトを最も早い段階で取得しましょう。ユーザーの予測パフォーマンス指標 (KPI) と eCPI (インストールあたりの有効コスト) を確認および分析し、ユーザーコホート間で予測結果を比較できます。これらの分析情報に基づいて、キャンペーン入札単価の設定、および停止、宣伝、または最適化を行うキャンペーンを決定しましょう。
概要
Predict は予測分析を使用して、インストール後48時間以内にキャンペーンの成果に関する正確な LTV ベースの予測を提供します。Predict管理画面には、主に2つのコンポーネントが含まれています。
- 新規ユーザーの予測 KPI の分布を示すインタラクティブなバブルチャート。各バブルは、指定した特性 (メディアソース、キャンペーン、地域、サイトID、広告セットなど) によってグループ化されたユーザーグループ (コホート) を表しています。
- 各コホートの追加データ項目が組み込まれている並べ替え可能な結果表。
特定のデータポイントをさらに調査することで、キャンペーンの質に関する早期のインサイトを抽出し、以下ような質問に答えることができます。
- キャペーンは成功するでしょうか?
- どのキャンペーンとメディアソースが最良のユーザーを獲得できていますか?
- キャンペーンでは優れたユーザーを獲得できますか?それともキャンペーン予算を削減すべきでしょうか?
これらの分析情報に基づいて、キャンペーンの入札単価の設定を決定し、どのキャンペーンを継続、停止、拡大、または最適化すべきかを決定できます。
管理画面の確認
管理画面を開く方法:Lab > Predict を開きます。
管理画面のコンポーネント
Predictダッシュボードは、オーバービューと検証レポートの2つのタブで構成されています。
オーバービュー
以下のセクションでは、オーガニックの主な機能について説明します。
フィルタバーとアトリビューション方法の選択肢
フィルタとアトリビューション方法の選択肢を使用して、関連性の高いデータを表示できます。
注:選択した内容は、バブルチャートと結果表の両方に適用されます。
フィルタ |
説明 |
---|---|
アプリ | データが表示されるアプリ |
日付 |
データが表示される日付。このフィルター内の日付選択セクションを使用して、表示される日付範囲を変更します。 注:
|
以下に基づいて予測を表示するかどうかを選択してください。
|
|
インストールタイプ |
以下に基づいて予測を表示するかどうかを選択してください。
注:このフィルタはSKANアトリビューションが選択されている場合にのみ該当します。 |
メディアソース |
インストール成果が紐づくアドネットワーク 注意:代理店経由のトラフィックの場合、代理店の運用媒体の開示設定に関わらず、実際のメディアソースが表示されます。その結果、見慣れないメディアソースが表示されることがあります。 |
キャンペーン |
アドネットワークによって設定されたキャンペーン名とID。 注:
|
国・地域 |
地域または国(アドネットワークまたはデバイスのIPアドレスによって提供されるデータに基づく) 注:
|
サイトID |
アドネットワークによってレポートされたサイトID |
追加フィルタ |
バー上の
|
バブルチャート
Predict管理画面のメインコンポーネントは、新規ユーザーの予測 KPI の分布を示すインタラクティブなバブルチャートです。多くの表示オプションが用意されており、最も重要なデータを強調表示することができます。これらのオプションについては、次の表で詳しく説明します。
ポイント | 説明 | |
---|---|---|
|
データ可視化ツールのオプション |
データ可視化オプションを使用して、以下を選択してください。
予測KPIデフォルトでは、グラフには pARPU値に基づいてバブルが表示されます。
ディメンショングラフの各行には、選択したディメンションで分割されたバブルが表示されます。 各行の左端にあるディメンションの説明にカーソルを合わせると、白いバブル (該当する場合は灰色のバブル) を含む、行のすべてのバブルのユーザーの合計数が表示されます。 例:
利用可能なディメンション:
特性
|
![]() |
並べ替えオプション |
並べ替えオプションを使用して、バブルチャートの行を (昇順/降順で) 以下のように表示します。
|
![]() |
バブル |
各バブルは、同じ特性を持つ新しく獲得したユーザーのグループ (「コホート」) を表します (上記
|
![]() |
分布規模 | 分布内の予測 KPI 値のスケール |
![]() |
値フィルタ | エンドポイントを動かして、バブルが表示される予測 KPI 値の範囲を絞り込みます。 |
![]() |
行の平均 | 行上のすべてのバブルの平均予測 KPI 値。 |
![]() |
説明 |
グラフのビジュアル要素の説明:
|
![]() |
最小コホートサイズ | デフォルトでは、グラフには10人以上のユーザーを含むすべてのコホートが含まれます。このオプションを使用して、最小コホートサイズを10より大きいか小さくするかを選択してください。 |
![]() |
予測なし列のセレクター |
グラフの右端に、予測なしバブルとコストなしデータのバブルを表示する列を表示するかどうかを選択します。
|
![]() |
予測なしのバブル コストデータなしのバブル (pROASのみ) |
予測無しバブルとコスト無しバブルは、このオプションをオンにしている場合に、予測無し列に表示されます(上記
|
バブルの詳細
グラフ上のバブルをクリックすると、コホートに関する追加の詳細を含むサイドパネルが開きます。
-
コホートの詳細: 選択した特性に基づくバブルの完全な説明 (上記
を参照)。
-
トレンドグラフ:グラフには各日にアプリをインストールしたユーザーのコホートユーザーの選択したKPIの予測値が表示されます。
-
これは何を意味しますか?このグラフでは、コホート全体を各日アプリをインストールしたユーザーのグループに分割し、これらの日付ベースの各グループの予測 KPI 値を表示します。
- これにより、各日のユーザーの予測 KPI 値と、選択した期間にどのように変化したかを検討できるため、キャンペーンの変更点(さまざまなクリエイティブなど)の影響を分析するのに特に役立ちます。
- 注意! グラフを、時間の経過に伴うコホート全体の予測 KPI 値の変化を示すものとして解釈しないようご注意ください。これは、それを表すことを意図したものではありません。
- トレンドグラフの指標:
- pARPU と pROAS は同じトレンドグラフに表示されます(グラフのタイトル「pRevenue トレンド」)。
- 3つの全てのリテンション測定日の p-% リテンションは、同じトレンドグラフに表示されます(グラフのタイトル「p-% リテンショントレンド」)。
- p-% 有料ユーザーは独自のトレンドグラフに表示されます(グラフのタイトル「p-%有料ユーザートレンド」)。
-
これは何を意味しますか?このグラフでは、コホート全体を各日アプリをインストールしたユーザーのグループに分割し、これらの日付ベースの各グループの予測 KPI 値を表示します。
- KPI: コホートの予測 KPI 値と eCPI。「KPI予測値とその計算方法」の詳細はこちらを参照してください。
-
ユーザー数: 以下のユーザーの割合を含むコホート内のユーザー総数:
- 予測データがある
- データが不十分なため予測なし
- SKAN プライバシーのしきい値によるコンバージョン値を報告しないポストバックの結果としての予測なし (SKAN と SSOTアトリビューション方法にのみ適用されます)
結果表
グラフの下までスクロールして、各コホートのすべてのデータ項目を含む、カスタマイズ可能でダウンロード可能な結果表を表示します。
ポイント | 説明 | |
---|---|---|
|
グループ化オプション |
|
![]() |
グラフの行 |
|
![]() |
列のヘッダー |
|
![]() |
|
|
検証レポート
検証レポートタブを使用して、予測結果と実際のキャンペーン結果を比較します。
検証分析に基づいて、Predictがキャンペーン予測をどの程度正確に提供できるかを確認し、キャンペーンを継続、停止、加速、または最適化する必要があるかどうかを判断するのに役立ててください。
次のセクションでは、検証レポートタブの主なコンポーネントについて説明します。
モデル情報
メインの指標
ヘッドライン指標を使用して、ARPU、課金(購入)ユーザー、および予測結果と実際の結果の間のローリングリテンション情報の概要と比較を行います。
指標コンポーネントのレイアウト
ポイント | 説明 | |
---|---|---|
|
KPI名 |
KPI名 次の4つのKPIメトリックを使用できます:
|
![]() |
カバー率 |
実際の結果と予測結果のカバー率 計算式:予測 ÷ 実績
例1 予測結果が$20.52で、実際の結果は$23.24の場合:
例2 予測結果が$19.57で、実際の結果が$15.37の場合: |
![]() |
バーグラフ |
カバレッジを示すバー:紺色の横線は予測値を表し、縦の水色の線は実際の値を表します。
|
![]() |
数字 |
予測結果と実際の結果:メトリックに応じて、パーセンテージまたは通貨として表示されます。 |
バブルチャート
バブルチャートには、予測されたKPIと実際のKPIの分布が表示されます。
ポイント | 説明 | |
---|---|---|
|
データ可視化ツールのオプション |
予測KPIと実績KPIを選択し、グループ化するディメンションを選択します。
予測KPIデフォルトでは、グラフには pARPU 値に基づいてバブルが表示されます。以下のKPIのバブルチャートを照会することができます。
ディメンションデフォルトでは、グラフはメディアソース別にグループ化されます。
|
![]() |
バブル |
各バブルは、ユーザーのグループ ("コホート") を表します。
|
![]() |
X軸とY軸 | 予測されたKPI値 (Y 軸) と実際のKPI値 (X 軸) が表示されます。 |
結果表
備考
まとめ—管理画面の例
次の例は、予測管理画面の機能の一部と、これらの機能を使用してデータを効率的に分析し、意味のあるアクションを実行する方法を示しています。
例
たとえば、あなたが英国でキャンペーンを実施する UA マネージャーで、先週開始したキャンペーンで獲得したユーザーの質について予測値を確認したいとします。キャンペーンのパフォーマンスを評価するために使用する主な KPI は ROAS です。
- フィルタバーを使用して、過去7日間のインストールのデータを表示する日付範囲を設定し、英国のデータのみを表示するように地域フィルタを設定します。
- 新しいキャンペーンに加えて、多くの進行中のキャンペーンがあります。現時点では、先週開始したキャンペーンのみに絞って確認したいため、キャンペーンフィルタを使用して対象のキャンペーンのみを選択します。
- データ視覚化オプションを変更して、pROAS KPI を表示します。ここでは、他のオプションはデフォルト値のままとします (ディメンション = メディアソース ; 特性 = キャンペーンとメディアソース)。
- つまり、各行はメディアソースを表し、行の各バブルは、同じメディアソースとキャンペーンに紐づくユーザーのコホートを表しています。
- 適用したフィルタを使用しても、データの分析を困難にする小さなバブルが多数存在するため、最小コホートサイズを 50 に変更します。これにより、サイズが大きいコホートにのみに絞り込むことができます。
- 分布表の左側にいくつかのバブルがあり、他のコホートと比較してpROASが低いことがわかります。
- pROAS が 100% 未満のコホートのみに絞り込むことにしたので、値フィルタ の右側のエンドポイントを 100% にスライドさせます。
- pROAS のKPIを低下させる特定のサイト ID があるかどうかを把握する必要があるため、データ視覚化オプションで選択した特性を変更します。「キャンペーン」の特性を削除して、代わりに「サイトID」を追加します。
- この変更後も、各行は引き続きメディアソースを表しますが、各バブルは同じメディアソースとサイトIDに紐づくユーザーのコホートを表すようになりました。
- 改訂された表示方法では、pROAS が低いのは数個のサイト ID にすぎないことが明確に示されています。これらのバブルをクリックすると、バブルの詳細パネル内のKPIはこれらのコホートは実際には適切な pARPU を出していることが分かります。低い pROAS は、主にこれらのユーザーを取得するためのコストが高い (eCPI) ことが原因です。
- すべてのデータをさらに分析するには、結果表まで下にスクロールして、メディアソース > キャンペーン > サイトIDを表示するようにグループ化オプションを設定します。表をCSVファイルとしてダウンロードし、独自のピボット表とBI分析を適用できます。
この分析から得られた分析情報に基づいて、以下の1つ、または複数のアクションを実行して、新しいキャンペーンを最適化できます:
- パフォーマンスの低いメディアソースでのキャンペーンの実行を停止するか、入札単価を下げます(入札単価が低い場合は、これらのメディアソースでキャンペーンを継続することが理にかなっているかもしれません)。
- より生産的なメディアソースに予算を割り当てます。
- パフォーマンスの低いメディアソースのキャンペーン構成を調整し(たとえば、パフォーマンスの高いサイトIDをターゲットにするなど)、ユーザーの品質と取得コストのバランスを取ります。