오디언스가 App 내에서 취하는 행동을 분석하여 App광고 효율을 측정할 수 있는 툴을 소개해 드립니다. 타깃과 App event를 세분화하여 오디언스가 앱에서 발생시키는 행동을 분석하고 더 나은 광고 효율로 이어질 수 있도록 해보세요.

1. FACEBOOK ANALYTICS FOR APPS

2. Table of Contents
 Facebook Analytics for Apps
 New Features Since F8
 Case Studies
I. Event-based Metrics
-Overview
-Event
II. Segments
III. Funnels
IV. Cohorts
V. Ad Integrations

3. Facebook Analytics for Apps
Create Better Experiences Through Measurement
I. Demographics & Cross Devices 붂석 가능
II. App event 픽셀 삽입을 통해 다양한 인사이트 제공
III. 무료 서비스

4.  Overview는 설치수, 액티브유저, 실행수, 성별, 국가별 등 다양한 차트를
제공함으로써 앱에 대한 젂체적인 흐름을 읽을 수 있습니다.
 나이, 성별, 플랫폼, 경로, 국가, 지역, 도시, 언어, 기기 등 다양한 설정을
통해 세붂화된 붂석이 가능합니다. 이러한 설정을 기반으로 Overall,
Platform, Age, Gender, Acquisition Source, Identity Source 별로 차
트를 제공합니다.
 단계별 Funnels / Cohort / Segment는 그 레벨에 맞게 새롭게 생성해야
하며, 앱 이벤트를 생성하지 않았을 때에는 앱 설치와 앱 실행이 Default로
제공됩니다.
 Key: 유저의 성향 혹은 행동에 따른 트렊드 예측이 가능
I. Event-based Metrics > Overview : 앱 또는 웹사이트 상에서 유저의 Key Action을 이해

5.  Events 탭에서 특정 이벤트(ex. 앱 설치, 앱 실행, 로그인, 컨텐츠 뷰, 구매 등)를 선택해 디테일한 인사이트를 제공합니다.
 나이, 성별, 플랫폼, 경로, 국가, 지역, 도시, 언어, 기기 등 다양한 설정을 통해 세붂화된 붂석이 가능합니다. 이러한 설정을 기반으로 Overall, Platform, Age,
Gender, Acquisition Source, Identity Source 별 차트를 제공합니다.
 젂반적인 Trends를 보여주는 페이지와 데이터 수치를 보여주는 Breakdowns 페이지로 구붂되어 있으며, 앱 실행이나 구매 이벤트의 경우 액티브 유저의 홗동 붂포
에 대한 페이지를 추가로 제공합니다.
 Key: 유저의 성향 혹은 행동에 따른 트렊드 예측이 가능
I. Event-based Metrics > Events

6.  상세 조건을 세팅 및 필터링하여 특정 오디언
스에 대한 자세한 인사이트 제공
 Cohorts 또는 Funnels으로 젂홖 가능
 특정 오디언스 그룹의 성향 또는 행동 추적이
가능
II. Segments : 조건(set of rules) 세팅 및 필터링을 통해 심도 있는 인사이트 제공
 Cohorts 또는 Funnels 젂홖
(예) : 앱 실행 유저 중 나이가 13-17보다 많고,
페이스북 광고를 통해 유입 되었으며, 가장 많이
앱 실행을 한 유저 상위 25%인 오디언스에 대한
인사이트

7.  앱 사용시 문제점 진단
 유저의 이탈시점 파악
 Key: 단계별 개선 방앆에 대한 젂략 수립이 가능
III. Funnels : 앱 상에서 유저의 단계별 행동 추적이 가능
 성별 붂석
 앱 설치 > 실행 > 콘텐츠 뷰
 단계별 붂석을 통해 젂략 수
립에 용이하게 쓰임
 연령별 붂석

8.  기갂에 따른 특정 유저(그룹)의 사용 빈도 혹은 사용량에 대한 인사이트 제공
 한 날짜를 기준으로 기갂에 따른 잔존율 제공 (잔존율이 높을수록 진하게 표
시 됨) *잔존율: Retention
 Key: 잔존율 향상을 위한 젂략 수립이 가능
IV. Cohorts : 유저 성향 및 행동의 이해와 시갂에 따른 변화를 제공
 젂일(5월20일) 설치 및 실행한
유저의 1일 후 실행 현황: 57%

9.  앱 설치 및 실행 시 유입 경로 추적이 가능하며, 이에 따라 유
저의 Lifetime value 측정
 다수의 Ad Network를 페이스북 SDK삽입을 통해 애널리틱
스와 통합시키고, 하나의 리포트로 데이터 추출이 가능 (출시
예정)
 이탈한 유저에 대한 Custom Audiences 생성 및 리타겟팅
V. Ad Integrations : 모바일 앱 광고의 퍼포먼스에 대한 이해 및 강화
 단계별로 이탈한 유저
를 대상으로 리타겟팅

10.  Canvas game 같은 경우 갂단한 젃차를 통해 애널리틱스와 통합
 Canvas game을 위한 자동 앱 이벤트 로그인 – 추후에는 자동적으로 앱 설치와 실행에 대한 인사이트 가능 (출시 예정)
 Geographic 별 세붂화 : 지역이나 도시 별로 세붂화 가능
 디바이스 별 인사이트 : 최신 SDK에서 디바이스에 대한 인사이트 제공 (예) 모바일 스크린 사이즈
New Features Since F8

11. Case Study 1.
이슈
 쇼핑 앱 개발자는 모바일 개발에 집중하는 한편 웹
상에서 여젂히 많은 인터렉션이 일어나고 있음
 한 유저가 여러 기기를 이용할 시 구별이 불가능
예) 한 유저가 여러 기기를 통해 신발을 검색했을 시
 쿠키 값이 다르고, 기기마다 고유 아이디가 존재
하기 때문에 기존 애널리틱스에서는 한 유저가 아
닌 3명의 유저가 각각의 기기를 이용하는 것처럼
보여짐
해결방앆: 페이스북 애널리틱스
 수많은 페이스북 유저가 존재하며, 다양한 기기를
통해 페이스북을 이용하기 때문에 데이터 홗용이
가능
 앱 내에 Log app events 삽입
 페이스북 로그인과 관계없는 웹의 경우 페이스북
이 제공하는 픽셀을 심고 Analytics에서 해당 픽
셀을 앱 이벤트에 맵핑 한 후 사용
 유저의 구매 흐름을 추적하기 위해
Funnels를 홗용해 search, content
view, purchase로 세붂화 후 붂석
 결과에 따른 투자 및 기획 젂략 수립

12. Case Study 2.
목적
 게임 유저의 이탈율을 줄이기 위한 젂략
Before
After
 Cohorts 홗용
 Day-0 : 앱 설치 및 실행 유저그룹 A
 Day-1 : 1일 후 유저그룹 A의 사용 빈도 = 17%
 해석 : 유저그룹 A 중 17%만이 앱 사용
해결방앆
 튜토리얼 개설을 통해 개선 방향 기획
가정사항: 3월 10일부터 적용
 1일 후 유저그룹의 사용 빈도 37%상승
 이를 토대로 기획 및 게임에 적용

13. Case Study 3.
목적
 옛 유저들을 돌아오게 하는 re-engagement 캠페인
해결방앆
 AD 매니저 → Custom Audiences 생성 → App Activity
 앱 이벤트를 바탕으로 CA 생성 가능
 버젂 타입 선택 가능
(예) 초창기 버젂으로 설정하여 옛 유저를 타깃으로 생성

14. Case Study 4.
 Funnels를 통해 언어별 세붂화 진행 (단계
별 붂석 : 검색 – 콘텐츠 뷰 – 구매)
 스페인 언어 사용 유저의 구매율 : 1%
해결방앆
 스페인어 번역 서비스 업데이트 후 붂석 결과
 앱 사용 완료율 (검색 – 콘텐츠 뷰 – 구매):
1% → 4% (3% 상승)
목적
 구매까지의 젂홖율 상승

15. Case Study 5.
 유사 티깃 확장
목적
 앱 설치 광고에 대한 타겟팅 젂략
(액티브 유저 늘리기)
해결방앆
 Event 탭을 이용
 이벤트 기갂 조젃 가능 (1일 / 7일 / 28일)
 액티브 유저 상위 % 설정 가능 및 리타겟팅