Next-generation app-marketing: zo zorg je ervoor dat gebruikers niet afhaken

De app-economie is nog lang niet verzadigd, dat blijkt wel uit de laatste cijfers van business intelligence–bedrijf ​App Annie​. Per dag wordt er gemiddeld 3 uur in apps besteed. Dit is 50% meer dan 3 jaar geleden. Een grote potentiële markt dus als je een ​app laat ontwikkelen​. Met next-generation app-marketing zorg je ervoor dat je de meest rendabele app-gebruikers vindt en behoudt.

Toch is het app-eigendomschap lastiger dan je denkt. Als je zelf een app uitgebracht hebt, weet je dat de echte uitdaging begint na de download-oorlog. Hoe zorg je ervoor dat app-gebruikers jouw app blijven gebruiken? In dit artikel geef ik tips over next–generation app-marketing en hoe je dit in kunt zetten zodat je de meest rendabele app-gebruikers vindt en behoudt.

Er mag dan wel een grote vraag zijn naar apps, maar dit betekent ook dat de concurrentie hevig is. Gemiddeld wordt ​80% van de gedownloade apps nooit meer gebruikt​ na de eerste drie maanden van het downloaden. ​Vaak ligt dit niet aan de kwaliteit van de app, maar aan de strategie erachter. Met regelmaat worden app-marketingcampagnes opgezet om een legioen aan nieuwe gebruikers te realiseren, zonder dat er een concreet plan is om de gebruikers te behouden.

De uitdaging zit hem niet zozeer in het verkrijgen van de nieuwe downloads, maar aan behouden van de app-gebruikers en er meer rendement uithalen. Vaak zijn gebruikers weinig tot niet getarget op basis van persoonlijke voorkeuren en demografische of sociale kenmerken.

Hierdoor is er geen match tussen de app en de gebruiker, wat weer leidt tot snelle desinteresse en het beëindigen, of zelfs verwijderen van de app. App-gebruikers lobbyen. Dit betekent dat ze snel wisselen van apps als blijkt dat er een betere match is. Vandaar die 80%.

Next-generation app-marketing

Naast het feit dat app-gebruikers regelmatig lobbyen, is het merendeel van je app-gebruikers weinig tot niet winstgevend voor jou als app-eigenaar. Dit wordt ook wel het Pareto Principe genoemd​. Zo zorgt ongeveer 17% van de app-gebruikers voor 85% van de omzet. Deze 17% app-gebruikers zijn trouw, keren frequent terug naar de app, doen meer in-app aankopen en functioneren als app-ambassadors. Kortom: die wil je hebben en behouden.

Gelukkig zijn er tal van manieren om ervoor te zorgen dat je die 17% app-gebruikers target en behoudt. Een voorbeeld hiervan is het inrichten van klantgerichte metrics in combinatie met machine learning. ​Nu, misschien wel meer dan ooit, moeten marketeers serieus overwegen om de traditionele tools te vervangen door nieuwe, gepersonaliseerde metrics.

Op zoek naar je beste gebruikers

Steeds vaker investeren bedrijven in het behoud van gebruikers en richten klantgerichte metrics in aan de hand van CLV (customer lifetime value). Deze CLV-metrics worden met machine learning steeds gedetailleerder. Zo meet CLV de waarde die een app-gebruiker heeft tijdens alle interacties tijdens de gehele levensduur. Niet alleen één specifiek contactpunt met de app bijvoorbeeld.

Klantbeleving is vanuit deze visie de som van alle ervaringen die een app-gebruiker heeft met de app en het merk. Hier valt interactie vanuit de website of een ander moment in de levenscyclus ook onder.

Het doel hiervan is om de meest waardevolle klanten te identificeren en deze gerichte content te bieden op een specifiek moment met marketing. Deze nieuwe vorm van marketing noemen we ook wel next-gen of next-generation-marketing. Next-generation app-marketing zorgt ervoor dat je als marketeer of app-eigenaar met machine learning op zoek gaat naar de 17% beste gebruikers en die probeert te behouden met slimme tools.

Tips voor next-generation app-marketing

Een manier om er met next-generation app-marketing voor te zorgen dat gebruikers terugkeren naar de app is het inrichten van (de nog vrij experimentele) Google App Campagnes. Deze campagnes maken gebruik van de groei van computerkracht, enorme hoeveelheden gebruikersdata en neurale netwerken. Door bepaalde assets (een soort advertentie-onderdelen) in te stellen die bestaan uit tekst, afbeeldingen, video of HTML5 worden multidimensionale signalen getriggerd en steeds verder geoptimaliseerd. Je kunt Google App Campagne gebruiken voor het promoten van een app op Google Zoeken, YouTube, Google Play en meer.

Hoe gaat dat in zijn werk?

Stel, je hebt een app die kortingsvouchers aanbiedt. Dan richt de campagne zich met machine learning niet alleen op de doelgroep die de meeste slagingskans en effectiviteit heeft, hij koppelt ook andere signalen aan de campagne (bijvoorbeeld de beste call-to-action voor een specifieke gebruiker). Google haalt hierbij alle informatie uit alle netwerken van Google, dus ook het online zoekgedrag van de app-gebruiker buiten de app of in de stores.

In dit specifieke voorbeeld heeft een gebruiker misschien recentelijk op Google gezocht op ‘leuke activiteit in Haarlem’. De app zal in dat geval een automatische advertentie laten zien met leuke activiteiten in Haarlem. Stel dat uit Google Maps blijkt dat deze gebruiker vaak zwemt, dan wordt misschien een leuke zwemactiviteit in Haarlem aangeboden.

Hoe meer data, hoe meer de campagne kan ‘leren’ en dus optimaliseert. Om deze reden is een dergelijke campagne nog niet geschikt voor nichemarkten of B2B-apps. Deze groepen zijn namelijk te klein voor het algoritme om te leren en te werken.

Zelf aan de slag met Google App Campagnes

Als app-marketeer of app-eigenaar kun je gemakkelijk zelf aan de slag met Google App Campagnes. Enthousiast geworden en wil je het graag zelf uitproberen? Volg dan onderstaande stappenplan:

Stap 1​. Navigeer naar ​Google Ads​ *Je ontvangt eenmalig 75 euro aan advertentietegoed. Gebruik dit om wegwijs te worden met de campagnemogelijkheden.

Stap 2​. Klik in het paginamenu aan de linkerkant op ‘Campagnes’, druk op de + en selecteer ‘App’.

Stap 3​. Kies het platform en de naam van de app.

Stap 4​. Vul de campagnenaam en tekstgegevens in. Tip: geef de campagne een makkelijke naam om hem later snel terug te vinden. Bijvoorbeeld: ‘- app-campagne’. Geef minimaal vier afzonderlijke tekstregels (max. 25 tekens lang) zodat het algoritme de beste teksten kan gebruiken. Geef één tekstregel maximaal 20 tekens voor het gebruik ervan in kleinere ruimten.

Stap 5​. Voeg de volgende items toe: video, afbeelding of html5. Bekijk ​deze pagina voor alle specificaties per onderdeel. Tip: target alleen op talen die overeenkomen met de advertenties, Google vertaalt de advertenties namelijk niet.

Stap 6​. Kies voor de gewenste optimalisatie, je kunt kiezen uit:

• Installatievolume
• In-app acties (alleen te selecteren als je al specifieke in-app acties hebt ingesteld)
• Doel-ROAS (alleen te selecteren als je al tracking hebt ingesteld voor specifieke in-app acties en Google Analytics voor ​Firebase​ hebt geïnstalleerd

Stap 7. Stel doelbiedingen in, klik op opslaan en doorgaan.

Stap 8​. De campagne is nu klaar voor gebruik. Op basis van de ingevoerde gegevens en verzamelde data gaat het algoritme nu verder leren en optimaliseren.

Tip: zorg dat je de eerste twee weken geen wijzigingen aanbrengt en geef de campagne even de tijd om te optimaliseren. Voer daarna steeds kleine wijzigingen door op basis van gebruikersinformatie die je verzamelt.

Voordelen en nadelen van deze app

Voordeel​: veelbelovend en makkelijk in te stellen interface, vergelijkbaar met Google Adwords. Je target specifiek op de meest rendabele klanten om die optimaal te bedienen en te behouden.

Nadeel​: moet nog verder ontwikkeld worden, weinig maatwerk mogelijk en metrics niet inzichtelijk. Nu alleen interessant voor B2C en niet voor B2B-markten, doordat het algoritme veel data nodig heeft om te werken.

Personaliseer je app door machine learning te implementeren

Personalisatie is al langer een hot topic. Maar door machine learning (ML) heeft personalisatie een heel nieuw niveau bereikt. Machine learning laat een machine of algoritme ‘denken’ als mensen. Het stelt een app in staat om te redeneren, plannen, leren en gebruikers te identificeren aan de hand van segmenten. Dit zorgt ervoor dat gebruikers tevredener zijn over een app en sneller terugkeren.

Een goed voorbeeld van een app met ingebouwde machine learning is de fitness app ​Under Armour​. De app haalt data uit relevante third-party apps, devices zoals smartwatches en data die de gebruiker zelf invoert. In dit geval zijn dat bijvoorbeeld iemand z’n slaappatronen, eetgewoontes, sociale netwerken en activiteiten. De app matcht alle patronen vervolgens met vergelijkbare profielen gebaseerd op wat wel en niet werkt in de praktijk.

Een ‘prove to work’-concept dus. Het resultaat: een volledig gepersonaliseerde aanpak die gebaseerd is op een bewezen aanpak.

Hoe implementeer je ML in een al bestaande app?

Het is mogelijk om machine learning te implementeren in al bestaande apps, maar je hebt wel te maken met wat technische beperkingen. Het is daarom raadzaam om dit al te implementeren in de conceptfase van app-ontwikkeling. Zo weet je zeker dat de techniek sterk genoeg is. Heb je al een app en wil je toch ML implementeren? Houd dan rekening met de volgende factoren:

• Identificeer de problemen die je wil oplossen met ML.
• Waar haal je de data vandaan? Welke platformen zijn dit?
• Hoe zwaar is de ML die je wil integreren? Houd er rekening mee dat de gebruikte techniek en code voldoende kunnen zijn voor kleinschalige integraties. Maar hoe intelligenter je wil dat een model wordt, hoe lastiger dit te implementeren is.
• Stel metrics in voor data-analyse en schakel eventueel een data scientist of mobiele app development-expert ​in. Zo kunnen ze je helpen met het implementeren van de techniek, maar ook met het verwerken en finetunen van de data.

Voordeel​: ongelimiteerde mogelijkheden voor bijna elke industrie, werkt op basis van een prove to work–principe.
Nadeel​: lastig te implementeren, privacy van de gebruiker is lastig te waarborgen.

Next-generation app-marketing: nog een paar laatste tips

Next-generation app-marketing biedt app-eigenaren en marketeers een geheel nieuwe toolbox om mee te exploreren op het gebied van gepersonaliseerde content. Machine learning-implementatie en slimme Google App Campagnes zijn slechts twee voorbeelden in deze nieuwe toolbox van slimme strategieën.

Maar voordat je begint aan machine learning, is het belangrijk dat de app in basis goed werkt. Als een app bijvoorbeeld niet snel of naar behoren werkt en de app niet doet wat de gebruiker verwacht, dan zal de gebruiker afhaken en niet meer terugkeren. Zorg dus altijd eerst dat de basis van de app goed functioneert en dat je veel user tests uitvoert tijdens en na de lancering van de app. Zo zorg je ervoor dat jouw app tussen de 20% wél-gebruikte apps valt.