Mengoptimalkan frekuensi iklan AdMob menggunakan Firebase

Ringkasan solusi

Apa yang dimaksud dengan pengoptimalan frekuensi iklan?

Mengoptimalkan pendapatan iklan dan mempertahankan pengalaman pengguna yang berkualitas tinggi bukanlah hal yang mudah, baik aplikasi Anda menghasilkan pendapatan campuran maupun berbasis iklan. Iklan adalah sumber pendapatan yang bagus, tetapi frekuensi iklan yang tinggi dapat memberikan pengalaman pengguna yang negatif dan mungkin menyebabkan churn pengguna.

Tidak ada pendekatan "satu frekuensi iklan cocok untuk semua" bagi semua aplikasi. Performa iklan sangat bervariasi pada berbagai aplikasi dan audiens. Anda mungkin khawatir jika frekuensi iklan yang ditingkatkan dapat berdampak negatif pada pengalaman pengguna atau retensi, tetapi Anda mungkin juga ingin mengetahui apakah peningkatan frekuensi iklan dapat meningkatkan pendapatan dan engagement jika diinstrumentasikan dengan benar, sehingga metrik engagement tetap terpantau.

Gambar 1: Frekuensi iklan yang optimal akan memaksimalkan pendapatan dengan dampak minimal terhadap churn

Untuk mengatasi masalah yang tidak diketahui ini, Firebase menawarkan alat yang dapat membantu Anda menguji dan membuat keputusan berdasarkan data mengenai frekuensi iklan yang optimal:

• Dengan Firebase, Anda dapat melakukan pengujian A/B terhadap performa berbagai frekuensi iklan dengan sebagian kecil pengguna.

• Anda dapat mengamati hasil pengujiannya dan meninjau rekomendasi dari Firebase mengenai frekuensi iklan mana yang memiliki performa lebih baik dan memberikan dampak minimal pada retensi.

• Setelah yakin bahwa perubahan tersebut kemungkinan dapat memberikan dampak positif, Anda dapat meluncurkannya kepada lebih banyak pengguna hanya dengan mengklik satu tombol.

Kasus bisnis dan nilainya

Developer dan penayang yang menggunakan Google AdMob dan alat Firebase untuk mengoptimalkan frekuensi iklan mereka untuk menikmati peningkatan pendapatan yang besar tanpa menimbulkan efek negatif memengaruhi pengalaman pengguna.

Qtonz menggunakan Firebase untuk meningkatkan pendapatan iklan hingga 4x lipat dan meningkatkan engagement dengan menyesuaikan pengalaman untuk berbagai tahap perjalanan pengguna. Lebih sedikit iklan untuk pengguna baru: Mereka mengurangi jumlah iklan yang dilihat pengguna pada hari pertama mereka menggunakan aplikasi. Mereka juga mengubah penempatan iklan agar hanya muncul setelah pengguna menyelesaikan tindakan penting dalam aplikasi. Perubahan ini membuat iklan tidak terlalu mengganggu. Iklan yang lebih sering untuk pengguna yang berinteraksi: Untuk pengguna dengan durasi sesi yang lebih lama, Qtonz meningkatkan jumlah iklan yang ditampilkan dari 2 menjadi 3-4 per hari.

Mengimplementasikan solusi

Untuk mengimplementasikan solusi ini, Anda dapat mengikuti tutorial langkah demi langkah (temukan ringkasan tutorial ini nanti di halaman ini).

Dalam tutorial multilangkah ini, Anda akan mempelajari cara menggunakan Firebase untuk menguji berbagai batas frekuensi untuk iklan Google AdMob di aplikasi Anda. Tutorial ini menggunakan iklan interstisial sebagai contoh kasus pengujian, tetapi Anda juga dapat mengekstrapolasi dan menggunakan langkah-langkah yang sama untuk menguji pembatasan frekuensi untuk format iklan lainnya.

Tutorial ini mengasumsikan bahwa Anda sudah menggunakan AdMob di aplikasi dan sudah ingin menguji apakah mengubah frekuensi unit iklan interstisial akan berdampak pada pendapatan aplikasi atau metrik lainnya. Namun, jika Anda belum menggunakan AdMob di aplikasi Anda, hal tersebut tidak akan menjadi masalah. Langkah-langkah dalam tutorial ini juga dapat membantu Anda memahami frekuensi iklan yang harus digunakan di aplikasi Anda.

Tips: Jika ada istilah yang tidak Anda pahami, lihat glosarium di bagian bawah halaman ini.

Produk dan fitur yang digunakan untuk solusi ini

Google AdMob Google AdMob memungkinkan Anda membuat unit iklan dengan berbagai frekuensi iklan atau kecepatan refresh yang akan ditayangkan dalam . Saat Anda menautkan AdMob dengan Firebase, AdMob akan mengirimkan pendapatan iklan informasi tambahan ke Firebase untuk meningkatkan pengoptimalan strategi iklan. Google Analytics Google Analytics memberi Anda insight mengenai metrik engagement pengguna, retensi, dan monetisasi, seperti total pendapatan, pendapatan AdMob, pendapatan pembelian, dan banyak lagi. Google Analytics juga memungkinkan Anda membuat segmen dan audiens pengguna.

Firebase Remote Config Firebase Remote Config memungkinkan Anda secara dinamis mengubah dan menyesuaikan perilaku dan tampilan aplikasi Anda untuk segmen pengguna yang diinginkan — semua tanpa memublikasikan versi baru aplikasi. Dalam tutorial ini, Anda akan menggunakan parameter Remote Config untuk mengontrol unit iklan yang ditampilkan kepada pengguna. Firebase A/B Testing Firebase A/B Testing menyediakan antarmuka dan infrastruktur untuk menjalankan eksperimen produk dan pemasaran di aplikasi Anda. Fitur ini menangani distribusi varian eksperimen kepada pengguna, lalu melakukan analisis statistik untuk menentukan apakah varian eksperimen berperforma lebih baik daripada grup kontrol berdasarkan metrik utama yang Anda pilih, seperti pendapatan atau retensi pengguna.

Ringkasan tutorial solusi

Buka langsung tutorial langkah demi langkah

1. Gunakan AdMob untuk membuat varian unit iklan baru untuk pengujian

   1. Buat dua unit iklan interstisial baru di AdMob.

   2. Tetapkan Frequency capping (pembatasan frekuensi) untuk setiap unit iklan ke nilai tayangan per pengguna yang ingin Anda uji.

   3. Implementasikan penempatan unit iklan dalam kode aplikasi Anda.

2. Menyiapkan pengujian A/B di konsol Firebase

   1. Tentukan dasar-dasar pengujian, penargetan, dan sasaran yang akan dijalankan dalam pengujian.

   2. Tentukan varian pengujian dan siapkan parameter Remote Config yang akan mengontrol unit iklan mana yang ditampilkan kepada pengguna dalam pengujian.

3. Nama sebutan channel Remote Config parameter value dalam kode aplikasi Anda

   1. Gunakan parameter Remote Config di aplikasi Anda.

   2. Implementasikan logika untuk menampilkan unit iklan berdasarkan nilai parameter tersebut.

4. Memulai pengujian A/B dan tinjau hasil pengujian di konsol Firebase

   1. Setelah memulai pengujian dan membiarkannya berjalan selama beberapa hari atau minggu, periksa konsol Firebase untuk mengetahui apakah pengujian A/B unggul atau tidak yang berbeda berdasarkan sasaran utama pengujian A/B.

   2. Tinjau dampak pada metrik sekunder bagi setiap varian untuk memastikan varian tersebut tidak menyebabkan dampak negatif yang tidak diinginkan pada metrik tersebut.

5. Memutuskan apakah akan meluncurkan unit iklan baru dengan frekuensi iklan yang diperbarui

   1. Jika A/B Testing menentukan bahwa varian yang menampilkan format iklan baru adalah varian yang dominan, Anda dapat mulai menampilkan format iklan tersebut kepada semua pengguna yang ditargetkan dalam eksperimen, semua pengguna aplikasi Anda, atau ke sebagian kecil pengguna.

   2. Jika varian dominan belum dapat ditentukan, Anda dapat terus menjalankan eksperimen untuk mengumpulkan lebih banyak data, atau mengakhiri eksperimen jika ternyata sudah berjalan lama tanpa hasil yang jelas.

Glosarium

Lihat daftar istilah umum untuk solusi ini

• Pendapatan AdMob: Pendapatan jaringan AdMob dan pendapatan bidding terbuka

• IAP revenue: Pendapatan dari pembelian dalam aplikasi

• Total revenue: Total pendapatan

• Retention: Retensi sebagai metrik utama dalam pengujian A/B dilacak sebagai retensi pengguna selama 1 hari, 2-3 hari, 4-7 hari, 8-14 hari, atau lebih dari 15 hari

• Parameter Remote Config: Parameter yang dapat dikonfigurasi dan digunakan untuk mengontrol unit iklan mana yang ditampilkan kepada pengguna. Dalam panduan ini, parameter yang digunakan adalah ID unit iklan.

• Konfigurasi Baseline: Konfigurasi yang ada dalam pengujian A/B tertentu — juga dikenal sebagai kontrol. Kontrol biasanya menggunakan nilai {i>default<i} untuk parameter Remote Config, tetapi dapat dikonfigurasi untuk menggunakan kontrol baru jika diperlukan.

• Konfigurasi varian: Konfigurasi varian adalah alternatif konfigurasi dengan nilai parameter Remote Config yang berbeda yang akan diuji dengan konfigurasi dasar pengukuran.