Как персонализация и ИИ меняют рынок мобильных приложений: интервью с сооснователем Adapty

𝓲

Фото: freepik

Для начала расскажите, как рос рынок подписок в 2024 году, и какие модели сейчас работают лучше?

Хотя количество скачиваний приложений снизилось в 2024 году на 2,3%, потребительские расходы выросли до $127 млрд за счет подписок. Если взять все приложения, то, по нашим расчетам, только 5% из них работает по подписке. Но именно они приносят почти половину дохода (48%) на рынке. Мы видим это на реальных данных: анализируем платежное поведение миллионов пользователей и помогаем разработчикам находить оптимальные стратегии монетизации. Интересно, что сейчас они делают главный акцент не на новых скачиваниях приложения, а именно на подписках, с помощью которых работают с уже существующими пользователями.

Абсолютное большинство неигровых приложений используют или собираются переходить на использование подписочной модели с рекуррентным платежом. При этом опция lifetime-покупки в этих приложениях зачастую сохраняется, но ее показывают пользователю не сразу, а, например, после второго-третьего отказа оформить подписку.

В плане монетизации лучше всего работает как раз эта модель — с подпиской и возможностью lifetime-покупки. Подписки удобны клиентам тем, что они предоставляют богатый набор функций по привлекательной цене, а если приложение перестанет быть актуальным, от подписки можно быстро отказаться. Такая модель стимулирует и разработчиков постоянно обновлять и улучшать приложение, чтобы удерживать клиентов и повышать retention (уровень удержания — прим. ред.).

Соответственно, платформы тоже активно поддерживают приложения с подписочной моделью, потому что такие продукты чаще обновляются и привлекают больше пользователей.

Дмитрий, а изменения в самом пользовательском поведении вы наблюдаете? Например, растет ли на фоне кризисов уровень отказов от подписки? И как разработчикам минимизировать churn?

Конечно, мы видим такие изменения, и разработчики пытаются с этим работать. Одно из самых простых решений — делать адаптированные цены. Например, нет смысла предлагать пользователям из Мексики ту же стоимость подписки, что и для жителей США — потому что у этих клиентов разные финансовые возможности и потребности. Сколково и TAdviser определили лидеров российского рынка ESB решений 10.8 т

Если отток все же случился, то разработчики используют промо-офферы — в них отказавшимся от подписки пользователям предлагается скидка на ее возобновление, вплоть до 50-70%. Можно также делать привлекательные акции, например, на lifetime-подписку — в глазах пользователей это будет схоже с onetime-покупкой.

Также стоит помнить о такой вещи как рефанды — это возврат денег за подписку. То есть пользователь может оплатить приложение, попользоваться, а затем написать в стор запрос на возврат средств — якобы, он купил подписку по ошибке. Например, VPN-сервисы часто абьюзят таким образом: когда происходит ситуативная блокировка соцсетей, их скачивают, пользуются пару дней, а когда блокировку снимают, требуют рефанд. Но не все разработчики знают, что в течение 12 часов можно оспорить запрос — например, доказать, что пользователь всё же пользовался приложением. И тогда рефанд будет отменен.

Как вы ранее поделились, Adapty активно работает с удержанием клиентов. Как именно созданный вами продукт помогает снижать Churn Rate?

В основном Churn Rate (уровень оттока пользователей — прим. ред.) растет из-за неподходящего целевой аудитории ценового предложения. Я разрабатывал функционал Adapty таким образом, чтобы сервис помогал делать таргетированные предложения для разных аудиторий, учитывая пользовательское поведение, историю скачанных приложений, локацию, устройство пользователя и другие факторы.

Например, вы разработали фитнес-приложение. Для женщин из США, которые хотят похудеть, и для мужчин из Мексики, которые ставят цель набрать мышечную массу, адекватная цена будет различаться. Adapty поможет проанализировать потребности каждой аудитории и предложить стоимость, которая будет приемлема и для разработчиков, и для клиентов.

Также я добавил отдельный модуль, который автоматизирует работу с рефандами — Refund Saver. Он обрабатывает запрос на возврат средств от стора, делится с ним информацией о том, использовал ли клиент приложение, и в некоторых случаях позволяет отменить рефанд. Всё происходит в автоматическом режиме и освобождает разработчикам время на более важные задачи.

Как вы поняли, что стоит сфокусироваться именно на снижении процента отказов?

Во время работы с клиентами на других проектах я часто слышал о такой боли, как отказы. Я проанализировал количество отказов у нас и наших клиентов — и понял, что было бы здорово снизить этот процент. Отказы — это очень популярная боль у разработчиков: они видят, как клиенты уходят, но не знают, что с этим делать. И мы как раз даем им решение.

Проблемы здесь две. Во-первых, разработчики часто не умеют ставить адекватные цены. А во-вторых, они не знают, как работать с рефандами. Adapty закрывает обе этих боли. Также мы предоставляем возможность отправлять промо-офферы тем, кто отказался от подписки, и с помощью привлекательных предложений возвращать клиентов обратно.

По нашим данным, Adapty в среднем повышает retention на 32% и снижает churn на 7%. Также в 70% случаев мы помогаем отменить рефанды. Это довольно хорошие показатели, которые значительно повышают выручку нашим клиентам.

Какие стратегии вы рекомендуете для увеличения коэффициента удержания пользователей в приложениях с подписочной моделью?

Главное — использовать максимально таргетированные офферы. Я рекомендую посвятить время изучению своей аудитории, аналитике их интересов и того, что может вызвать отказ от подписки. Можно также сделать это с помощью Adapty — например, он показывает процент churn и детализирует его.

При отказе пользователя от подписки вполне можно спрашивать причину. Далеко не все пользователи будут отвечать, но некоторое количество отзывов у вас всё же будет — и по ним уже можно составить приблизительную картину того, почему клиентам не подходит ваше приложение.

Чтобы побудить пользователей отвечать, можно давать им привлекательный оффер за комментарий — например, скидку у вашего партнера. Конечно, эти офферы тоже должны быть таргетированными, в зависимости от локации клиента, устройства, интересов и т.д.

Вы упомянули индивидуальные офферы и динамическое ценообразование. Как будет развиваться эта история, и насколько пользователи готовы к персонализированным ценам?

Пока мы предлагаем настройку таргетированных предложений для различных сегментов аудитории. Я считаю, что развитие этой истории — в полностью персонализированных ценовых предложениях, которые подстраиваются под конкретного человека. Но для этого нужна интеграция с другими сервисами, из которых можно будет получить больше информации о пользовательском поведении — например, с соцсетями.

Я думаю, здесь будет использоваться ИИ-модель, которая станет анализировать профили пользователей и динамически менять цену, исходя из их поведения и интересов.

Также я вижу еще один путь, который позволит сделать ценообразование более индивидуализированным — онбординг для пользователей. Это удлиняет воронку, снижает конверсию до установки, но зато сильно поднимает конверсию из установки в покупку. Чтобы такая механика работала, нужно очень четко «попасть» в заинтересованную аудиторию, которая не откажется потратить свое время. И также необходимо продумать вопросы, которые заинтересуют пользователей. В дальнейшем такой подход может снизить конверсию, но зато он повысит revenue в долгосрочном LTV (сокр. от англ. Lifetime Value, или пожизненная ценность клиента — прим. ред.), потому что останутся только заинтересованные клиенты.

Чтобы не потерять аудиторию на этапе опроса, лучше как можно раньше получить её контакты. И если пользователь уйдет из приложения на каком-либо вопросе, то можно будет «догнать» его через email или мессенджеры, сделав привлекательный оффер.

Какие тренды и технологические изменения будут определять рынок подписок в будущем? Как разработчикам приложений адаптироваться к новым условиям?

Я верю, что подписки будут всё более кастомными — и те компании, которые смогут это обеспечить, выиграют в конкурентной гонке. Для этого нужны технологические решения, которые позволят быстро проводить тесты с воронкой продаж и paywall. Тем, кто использует Adapty, я всегда рекомендую использовать автолокализацию пейволов с помощью LLM (сокр. от англ. Large Language Model, или большая языковая модель — прим. ред.).

Следующий этап работы с ИИ — это автогенерация пейволлов. Например, можно будет задать нейросети параметры аудитории, регион, интересы и попросить сгененировать пейволлы, а затем быстро провести тесты. Так можно будет за несколько минут создать 10-20 вариантов с различными ценами и офферами и проверить их на разную аудиторию. Также можно задать ИИ параметры, по которым он будет проверять результаты.

Конечно, без человеческого участия здесь не обойтись — всё равно за процессами должен следить менеджер, который будет задавать правильные промты и проверять результаты на адекватность. Но сочетание таких инструментов, как Adapty и ИИ, позволит значительно освободить время разработчиков и намного быстрее проводить тесты, чтобы предлагать пользователям адекватные цены на подписку.

Автор: Станислав Емельянов