CC BY
48УЧЕТ ПОВЕДЕНИЯ ПОЛЬЗОВАТЕЛЕЙ В СОВЕРШЕНСТВОВАНИИ МОДЕЛИ МОНЕТИЗАЦИИ МОБИЛЬНЫХ ПРИЛОЖЕНИЙ
Кметь Елена Борисовна,
канд. экон. наук., доцент кафедры маркетинга и управления предприятием, Дальневосточный
федеральный университет; 690922, г. Владивосток, ул. о. Русский, п. Аякс, 10
kmeteb@yandex.ru
Целью исследования является разработка подхода к учету особенностей поведения пользователей в совершенствовании модели монетизации мобильного приложения, сформированного по результатам верификация гипотез о наличии зависимости между категориями приложений и поведением их пользователей, а также проверка подхода. Выбор модели монетизации определяется большим количеством факторов влияния, среди которых наиболее значимыми являются категория приложения, тенденции развития рынка мобильных приложений страны в этой категории и особенности поведения пользователей приложения, которые непрерывно эволюционируют и требуют периодического исследования и учета в модели монетизации приложения, что и явилось главными гипотезами исследования. Предложенный подход к учету особенностей поведения пользователей в совершенствовании модели монетизации мобильного приложения разработан на основе анализа научных публикаций, успешного опыта монетизации приложений публичных компаний и включает процесс совершенствования модели монетизации, инструментарий полевого исследования и применим для мобильного приложения любой категории. Проверка подхода проведена на основе полевых количественных исследований в форме онлайн-опроса китайских пользователей мобильных приложений в интернет-пространстве КНР (Китайская Народная Республика) на сервисе опросов wjx.cn. По результатам описательного (частотного) и корреляционного анализа результатов опроса были выявлены значимые и сильные зависимости между используемыми категориями приложений и особенностями поведения пользователей в этих приложениях, что подтвердило выдвинутые гипотезы и позволило разработать комплекс предложений по совершенствованию моделей монетизации для ряда категорий мобильных приложений Китая. Проверка подхода на примере пользователей мобильных приложений КНР позволяет подтвердить, что он применим для любой страны. При планировании опроса важно в качестве генеральной совокупности и преднамеренной детерминированной выборки рассматривать всех активных интернет-пользователей страны, а не пользователей определенной категории приложений. Полученные результаты представляют практический интерес для совершенствования моделей монетизации как существующих мобильных приложений, так и для формирования моделей монетизации для новых проектов.
Ключевые слова: мобильное приложение; модель монетизации; поведение потребителей; факторы влияния; полевое исследование; корреляционный анализ; частотный анализ; портрет пользователей приложения; особенности поведения пользователей.
В современном цифровом обществе пользователи много времени проводят в приложениях разной направленности. Однако каждое приложение должно каким-то образом не только окупаться, но и дополнительно зарабатывать. Специализация приложения определяет особенности поведения пользователей. В ходе проведенного исследования был зафиксирован ряд сигналов, которые свидетельствуют о существовании разрыва между поведением пользователей в приложениях и моделями монетизации, реализуемыми этими приложениями. Разработка модели монетизации для приложения с учетом особенностей поведения пользователей
в них позволит нивелировать установленные разрывы.
В имеющихся на сегодняшний день научных публикациях специалистов в области монетизации приложений, таких как Мухин К.Ю., Родина М.А., Wao S., Wan T., Appel G., Klotzbach C., Dinsmore J., Eisingerich A. и др., не прослеживается единой позиции к разработке модели монетизации мобильных приложений, что обосновывает необходимость проведения исследований в данном направлении.
Целесообразность разработки темы состоит в том, что предлагаемый подход позволит учесть особенности поведения пользователей в совершенствовании как мо-
дели монетизации существующего мобильного приложения, так и в разработке модели монетизации для нового проекта.
Целью исследования является разработка подхода к учету особенностей поведения пользователей в совершенствовании модели монетизации мобильного приложения, сформированного по результатам, верификация гипотез о наличии зависимости между категориями приложений и поведением их пользователей, а также проверка подхода.
Для достижения поставленной цели в работе последовательно решены следующие задачи: рассмотрена сущность монетизации цифрового продукта и виды моделей
монетизации; сформирован подход к учету особенностей поведения пользователей в совершенствовании модели монетизации мобильного приложения; разработаны предложения по совершенствованию модели монетизации приложения на основе проверки подхода.
Основные идеи, положения и результаты исследования представляют практический интерес для совершенствования модели монетизации приложений разной специализации.
Концепция монетизации направлена на получение измеримых экономических выгод как от необработанных данных, так и от добываемых ресурсов, что позволяет генерировать ценность в основном двумя способами: непосредственно путем продажи или обмена данными (явная монетизация), или косвенно путем улучшения собственных цифровых продуктов на основе данных (неявная монетизация) [1]. Мобильное приложение является одной из разновидностей цифровых продуктов, поэтому монетизация мобильного приложения — это средство, с по-
мощью которого разработчики приложения получают доход [2]. Различают два основных типа мобильных приложений в зависимости от источника дохода:в первом типе большая часть доходов поступает от рекламы;а во втором — от платной версии приложения [3]. В рамках двух типов мобильных приложений существует три основных формы монетизации приложений: с помощью встроенных покупок (In-app purchases — IAP); реклама внутри приложения (In-app ads — IAA); платные приложения или подписки [4]. В рамках каждой формы выделяют виды монетизации (рис. 1). Например, в форме встроенных покупок IAP различают: модель «freemium»,
когда приложение является бесплатным, но взимается плата за расширенные услуги или функции [5]; приобретение предметов для улучшения игрового процесса, такие как валюта, дополнительные ходы или жизни; возможность пользователей приобретать доступ к премиум-контенту.
Проанализировав научные публикации по теме исследования, современные тенденции и проблемы монетизации мобильных приложений, мы выдвинули ряд гипотез, связанных с учетом особенностей поведения пользователей мобильных приложений в реализуемой модели монетизации приложений (табл. 1) [6; 7; 8; 9; 10; 11; 12; 13; 14; 15].
Рис.1. Формы и виды монетизации мобильных приложений
Таблица 1
Гипотезы, связанные с учетом особенностей поведения пользователей мобильных приложений
в реализуемой модели монетизации
Проблемная область Сигнал Выдвинутая гипотеза
Прямая зависимость уровня монетизации от удержания пользователей и срока использования приложения Длительное удержание имеет более высокую ценность монетизации для каждого пользователя. Временные приложения не способны создавать долгосрочное взаимодействие, поскольку при выполнении своей цели приложения, скорее всего, будут удалены Н1: Игнорирование внимания к длительности удержания клиента в приложении влечет снижение уровня монетизации приложения Н2: Использование временных приложений влечет снижение постоянного дохода от монетизации
Негативное влияние рекламы на пользовательский опыт Воздействие рекламы раздражает потребителя Н3: Чрезмерное использование рекламы в приложениях препятствует его дальнейшей покупке
Пользователей отталкивают нелокализованные версии приложений Локализация приложений напрямую влияет на количество скачиваний, поскольку не все пользователи обладают необходимым уровнем иностранного языка, который комфортно позволял пользоваться приложением. Локализация позволила существенно повысить трафик приложения в англоязычных странах Н4: Использование нелокализованных версий приложений снижает частоту скачиваний приложений и длительность использования
Сложность разработки стратегии монетизации В то время как 77% пользователей дают мобильному приложению вторую попытку, через 30 дней только около 3% загруженных приложений все еще активны Н5: Игнорирование учета особенностей типа приложения и временных рамок его использования влечет снижение дохода от монетизации приложения
С целью подтверждения или опровержения выдвинутых ранее гипотез были проведены глубинные интервью с экспертами из России и Китая в области монетизации различных приложений.
Гайд интервью включал темы для обсуждения по общим и специальным вопросам.
Общие вопросы были сформулированы следующим образом: 1. Как Вас зовут? 2. Сколько Вам лет? 3. В какой организации Вы работаете? 4. Разработкой какого рода приложений Вы занимаетесь? 5. Как давно Вы работаете в данной сфере?
Специальные вопросы, касающиеся монетизации мобильных приложений: 1. Какие показатели удержания имеют ваши разработки? 2. Какая стратегия монетизация Вами применяется? 3. От чего зависел выбор стратегии? 3. Есть ли в Вашем каталоге временные приложения? Каковы их показатели? 4. На сколько языков локализованы Ваши приложения и почему? 5. Как Вы отслеживаете результативность Вашей стратегии? 5. С какими проблемами Вы сталкивались при монетизации приложений? 6. Какие факторы роста монетизации Вы можете назвать? 7. Какие направления Ваша организация планирует развивать в дальнейшем?
Интервью проводилось среди разработчиков приложений России (5 человек) и Китая (5 человек). Всего интервью было проведено с 10-ю экспертами, которые являлись сотрудниками следующих компаний: Touch Instinct; Seven Winds Studio; Rashensoft; SKYINCOM; C/oudFactory; Aiibaba Group Holding Ltd.; Baidu Inc.; China Mobile Communications Group Co. Ltd; Tencent Holdings Ltd.; Win Win Co Ltd. В задачи интервью входило узнать о том, как
они монетизируют свои приложения, с какими проблемами сталкиваются, какие факторы влияют на рост монетизации. При анализе ответов выяснилось, что в России средние показатели удержания хуже, чем в Китае.
Далее приведем результаты глубинных интервью.
После 30 дней использования приложения 31,2% российских пользователей его удаляют. В Китае этот показатель составляет лишь 6,6%. Через 90 дней после установки в России пользоваться приложением продолжают 84,2% пользователей, в Китае — 95,2%. Примечательно, что наилучшие показатели удержания по итогам трех месяцев в России показывают приложения, связанные с покупками (96%) и играми (89%). В Китае 98% удержания показывают приложения развлекательного характера и игры.
Самой популярной стратегией при монетизации приложений у экспертов является комбинированная, при которой специалисты совмещают несколько видов монетизации.
80% экспертов заявили, что не имеют в своем каталоге временных приложений, лишь два эксперта, по одному из каждой страны, ответили, что имеются временные приложения. Причем эксперт из Китая сказал, что проблем с монетизацией нет. В России ситуация иная — сложности с монетизацией имеются. Таким образом, гипотеза 2 опровергнута.
На вопрос о языках локализации, все 100% экспертов указали на обязательное наличие следующих языков в своих приложениях: русский, китайский, английский. Часть разработчиков имеют в своем арсенале один или несколько из следующих языков: немецкий,
португальский, корейский и японский, арабский, — хинди, французский, испанский.
При получении ответов на вопрос о том, как отслеживают эффективность стратегии разработчики, выяснилось, что 20% экспертов применяют метод отслеживания среднего дохода на ежедневного активного пользователя (ARPDAU)). На втором месте стоит анализ производительности приложения, т.е. его технические показатели (лаги, бесперебойность работы, зависание страниц и т.п.). Часть экспертов применяют myTracker, позволяющий отслеживать аналитику по пользователям, предиктивную аналитику LTV — показатели дохода от одного пользователя, In-app анализ отражает каждое действие пользователя в приложении.
Ошибками при монетизации приложений эксперты называют неиспользование данных пользователей, применение дешевой рекламы, отсутствие маркетингового анализа, фокус на рекламу и другие.
К факторам, влияющим на монетизацию, практически все эксперты отнесли всевозможную аналитику и стратегию рекламы, использование метаданных.
В планах у экспертов разрабатывать следующие приложения: игры для мобильных телефонов, мобильные онлайн-игры, видео, LfiS-приложения, потребительские путешествия, электронная коммерция, а также расширение локализации.
Таким образом, результаты интервью позволили выделить проблемы: показатели монетизации приложений напрямую зависят от правильно выбранной стратегии и набора инструментов, от грамотного анализа данных, аналитики и применения современных
технологических решений. Главной проблемой исследования является проблема разработки приложения, которое будет решать боль конкретного пользователя, и грамотная продуманная стратегия монетизации с высоким уровнем удержания.
Таким образом, все выдвинутые гипотезы, за исключением 2, подтвердились.
Н1: Игнорирование внимания к длительности удержания клиента в приложении влечет снижение уровня монетизации приложения.
Н3: Чрезмерное использование рекламы в приложениях препятствует его дальнейшей покупке.
Н4: Использование нелокализо-ванных версий приложений снижает частоту скачиваний приложений и длительность использования.
Н5: Игнорирование учета особенностей типа приложения и временных рамок его использования влечет снижение дохода от монетизации приложения.
Далее опишем методологию проверки подхода к совершенствованию модели монетизации мобильного приложения, позволяющего учесть особенности поведения пользователей приложения.
Подход включает процесс совершенствования модели монетизации, инструментарий полевого исследования (техническое задание на исследование и анкету для онлайн-опроса) и применим для мобильного приложения любой категории. Процесс совершенствования включает четыре этапа (рис. 2). На первом этапе проводятся кабинетные исследования, выдвигаются гипотезы, связанные с учетом особенностей поведения пользователей данной категории мобильных приложений, все это служит основой для планирования
и реализации полевого исследования в форме опроса на втором этапе. На третьем этапе результаты опроса обрабатывались в статистическом пакете SPSS (Statistical Package forSocialSciences). Разработка модели монетизации мобильного приложения проводится на заключительном, четвертом этапе.
Рассмотрим результаты проверки подхода к совершенствованию модели монетизации мобильного приложения, проведенного на основе опроса респондентов по технологии CAWI на сервисе опросов https://www.wjx.cn/, проведенного в январе 2021 года. В качестве генеральной совокуп-
ности рассматривались жители Китая, пользователи мобильных приложений в возрасте 18 + , 1 002 768 000 чел., которые хотя бы раз в месяц пользовались Интернетом. Размер детерминированной преднамеренной выборки составил 384 человека при уровне доверительной вероятности 95% и ошибке ± 5 единиц.
Анкета была разработана на китайском языке и включала 15 закрытых одновариантных вопросов.
Портрет респондентов описывали ответы на четыре вопроса:
1. Гендерная принадлежность.
2. Возраст.
3. Уровень образования.
4. Рабочий статус.
Этап 1. Кабинетные исследования
1.1 Сформулировать ответы на ряд вопросов: Какую проблему пытается решить приложение и как; В чем уникальность приложения и будут ли люди за это платить; За что еще готовы платить пользователи приложения; Какие бизнес-модели используют конкурирующие приложения и насколько хорошо они работают.
1.2 Контент-анализ научных публикаций
1.3 Анализ успешного опыта монетизации конкурирующих мобильных приложений, определение совокупности данных, необходимых для анализа особенностей поведения пользователей мобильного приложения
Этап 2. Полевое исследование особенностей поведения пользователей мобильного приложения
2.1 Разработка технического задания на исследование и моделирование вопросов для анкеты, разработка технологии статистического анализа данных в SPSS
2.2 Кодирование анкеты на сервисе опросов и генерирование ссылки на анкету
2.2 Проведение опроса путем рассылки ссылки на онлайн-анкету респондентам
2.3 Контроль качества результатов опроса
Этап 3. Описание особенностей поведения пользователей данной категории мобильных приложений
3.1 Открытие файла с ответами ( файл .xls) в SPSS, кодировка значений ответов
3.2 Выявление значимых и сильных зависимостей между предпочитаемыми категориями приложений и особенностями поведения пользователей
в приложениях
3.3 Выбор сегмента респондентов, предпочитающих данную категорию мобильных приложений
3.4 Описание портрета и особенностей поведения пользователей данной категории мобильных приложений на основе описательного (частотного) анализа на все вопросы анкеты
Этап 4. Разработка модели монетизации мобильного приложения
4.1 Выбор стратегии монетизации
4.2 Выполнение экономического обоснования
4.3 Запуск (тестирование) модели, аналитика и выполнение корректировок
Рис. 2. Процесс совершенствования модели монетизации мобильного приложения
Предпочтения в сфере мобильных приложений описывали три вопроса:
5. Какими категориями мобильных приложений Вы пользуетесь?
6.Приложением какой категории Вы пользуетесь дольше всего?
8. Есть ли у Вас следующие типы приложений? (платное приложение, платная подписка, платные дополнительные функции, бесплатная или пробная версия). Остальные восемь вопросов подробно описывали особенности поведения пользователей мобильных приложений:
7.Сколько времени в день Вы проводите в любимом приложении?
8. Как Вы относитесь к рекламе в приложениях?
10.Каковы причины удаления Вами тех или иных приложений?
11. Как часто Вы совершаете покупки в приложениях?
12.По каким причинам Вы редко или совсем не совершаете покупки в приложениях?
13.3а что Вы готовы платить в приложении?
14. Какова примерная сумма Ваших затрат на приложения в месяц?
15. В каком случае вы можете вернуться в приложение?
Опишем некоторые результаты частотного (описательного) анализа ответов на некоторые вопросы анкеты.
Было выявлено, что новости являются той категорией приложений, которая используется респондентами наиболее давно (52,0%). Развлекательные приложения используются 15,3% респондентами наиболее долго, а 15,0% респондентов отметили, что они используются дольше всего приложения для образования.
Наибольшей популярностью среди респондентов в настоящее время пользуются приложения из категории «Новости» — их использует 32,7% респондентов, на втором месте приложения для образования — их выбрали 19,7% респондентов, далее следует категория «Развлекательные» — 16% от общего числа опрошенных. Далее следуют приложения: красота и мода (9,0%), покупки (6,0%), путешествия (6,0%), спорт и здоровье (5,3%), социальные (5,0%) и др.
Было выявлено, что 40,3% респондентов предпочитают использовать приложения, имеющие платные дополнительные функции. 39,7% опрошенных выбирают бесплатные/пробные версии приложений. 15,3% опрошенных предпочитают использовать приложения с платной подпиской, а 4,7% используют платные приложения.
При ответе на вопрос о рекламе в приложениях 46,3% респондентов отметили, что платная версия приложения решает проблему назойливости. 30,3% опрошенных полагают, что реклама в приложениях слишком отвлекает и мешает. 23,3% респондентов считают, что, встречая рекламу, они покупать приложения не планируют, поэтому относятся к ней отрицательно.
Значительная часть респондентов удалила приложения по причине наличия слишком большого объема рекламы (41,7%), а также из-за сложности ориентирования в приложении (12,3%). 7,3% и 7,0% респондентов удалили приложение по причинам, соответственно, отсутствия помощи в решении определенной задачи, для которой приложение скачивалось, а также необходимости большого количества данных, без
внесения которых невозможна регистрация.
37,0% респондентов совершают покупки мобильных приложений или продлевают платные подписки редко. 33,0% респондентов никогда не совершали покупок в мобильных приложениях. 18,7% опрошенных указали, что покупки в мобильных приложениях они совершают с частотой раз в месяц. Раз в неделю совершают покупки 7,0% опрошенных.
Было выявлено, что 37,0% опрошенных не считают нужным совершать покупки мобильных приложений и занимаются поиском бесплатных версий. Для 27,3% причиной стало отсутствие желания тратиться на приложения. По мнению 17,3% респондентов ключевая причина, по которой они не купили мобильное приложение, это отсутствие желания вводить данные своей карты. 18,3% опрошенных также не доверяют онлайн платежам, поэтому не купили мобильное приложение.
Было выявлено, что 63,3% опрошенных совершают покупки в мобильных приложениях для избавления от рекламы. 29,7% опрошенных делают покупки в приложениях для получения дополнительных функций. 7,0% опрошенных совершают покупки по причине получения дополнительных бонусов.
Далее, с целью выявления зависимостей между предпочтениями к используемым категориям мобильных приложений и переменными, характеризующими прочие критерии отношения респондентов к мобильным приложениям, а также социально-демографические характеристики респондентов, использовали корреляционный анализ и на основе показателей значимости р, корреляции Пирсона, Тау-б Кендона или Ро Спирмана
были выявлены зависимости между вопросами анкеты.
Первым этапом обработки выступил описательный анализ с целью выявления частот ответов респондентов на вопросы анкеты 5 и 6.
Далее с целью выявления зависимости между предпочтениями к используемым видам мобильных приложений и переменными, характеризующими прочих критериев отношения респондентов к мобильным приложениям, а также социально-демографических характеристик выборки, использовали корреляционный анализ на основе показателей значимости р, корреляции Пирсона, Тау-б Кен-дона или Ро Спирмана. Результаты корреляционного анализа для вопроса 5 «Какими категориями мобильных приложений Вы пользуетесь» с другими вопросами анкеты представлены в таблице 2. Для Тау-б Кендона или Ро Спирмана взяты максимальные значения.
Было выявлено, что вопросы 2, 4, 6, 9 и 15 наиболее сильно коррелируют с категориями приложе-
ний, выбранными респондентами. Категории мобильных приложений, используемые респондентами, находятся в сильной зависимости от возрастной структуры, рабочего статуса, срока (длительности) использования приложения, отношением к рекламе в приложениях и мотивами обратного возвращения в приложение. При этом было выявлено, что между всеми переменными существует прямая связь.
Далее был проведен анализ частот для групп пользователей приложений «новости», «образование» и «развлечения». Таким образом, по итогам анализа особенностей предпочтений пользователей мобильных приложений категорий «новости», «образование» и «развлечения» были получены результаты, представленные в таблице 3.
Полученные результаты полностью подтверждают выдвинутые гипотезы и позволяют разработать комплекс предложений по совершенствованию модели монетизации для нового приложения или оптимизировать модель моне-
тизации для реализуемого мобильного приложения.
По результатам проверки подхода был разработан комплекс предложений по совершенствованию модели монетизации приложения для компании Orange Language School. Orange Education Group занимается обучением профессиональным языкам национальных меньшинств. В настоящее время у нее есть филиалы в Пекине, Циндао, Харбине, Даляне, Куньмине и других городах Китая. В основном в школах предоставляются услуги по изучению иностранных языков (японского, корейского, немецкого, французского, русского, испанского, итальянского, арабского), подготовка к вступительным экзаменам в колледж. В настоящее время у компании есть действующее мобильное приложение Noda Construction Education, которое направлено на узкую аудиторию, занимающуюся подготовкой к экзаменам на квалификацию. Основной специализацией компании является обучение иностранным языкам, однако, в настоящее
Таблица 2
Результаты значимости и значений коэффициентов корреляции между вопросами анкеты и категориями приложений,
КНР, 2021 г.
Номер вопроса анкеты и его формулировка Значимость p Корреляция Пирсона Тау-б Кендона или Ро Спирмана
Выявленные зависимости между категориями мобильных приложений (вопрос 5)
1 Гендерная структура 0,01 -0,206 -0,232
3 Уровень образования 0,01 -0,158 -0,194
4 Рабочий статус 0,01 0,268 0,347
6 Приложением какой категории Вы пользуетесь дольше всего? 0,01 0,661 0,467
7 Сколько времени в день Вы проводите в любимом приложении? 0,062 0,108 0,096
8 Есть ли у Вас следующие типы приложений? 0,01 -0,193 -0,230
9 Как Вы относитесь к рекламе в приложениях? 0,01 0,283 0,236
10 Каковы причины удаления Вами тех или иных приложений? 0,3 0,060 0,052
11 Как часто Вы совершаете покупки в приложениях? 0,876 -0,009 0,004
12 По каким причинам Вы редко или совсем не совершаете покупки в приложениях? 0,10 0,095 0,076
13 За что Вы готовы платить в приложении? 0,884 -0,008 0,014
14. Какова примерная сумма Ваших затрат на приложения в месяц? 0,226 -0,070 -0,094
15 В каком случае вы можете вернуться приложение? 0,01 0,388 0,286
время приложение по обучению языкам компании не имеет конкретной модели монетизации. Оно было запущено в 2018 году, но конкретных действий по пополнению его контента и подключению каналов монетизации использовано не было.
На основе анализа конкурентов и предпочтений пользователей мобильных приложений в рамках настоящего исследования были разработаны направления монетизации приложения компании Orange Language. Предлагаемые мероприятия на основе выявлен-
ных предпочтений представлены в таблице 4.
В ходе анализа предпочтений пользователей приложений для образования было выявлено, что основной аудиторией выступают мужчины. В связи с этим, было предложено разработать ориентированный на мужскую аудиторию контент. В ходе эмпирического исследования было выявлено, что в приложениях категории «образование» респонденты совершают покупки в большинстве случаев редко, поэтому повышение интереса данного сегмента
аудитории к приложению будет способствовать в последующем желанию тратить денежные средства здесь. С этой целью предлагается создание контента по обучению иностранным языкам с мужской направленностью, например, посвященного автомобилям, спорту.
Также было выявлено, что ключевая причина, по которой они не совершают покупки, заключается в том, что респонденты не считают нужным совершать покупки и ищут бесплатные версии. Поэтому приложение следует оставить
Таблица 3
Особенности поведения пользователей категорий приложений новости, развлечения и образование,
КНР, 2021 г., % респондентов
Категория Новости Образование Развлечения
% ответов 32,7 19,7 16,0
Вопросы Социально-демографическая характеристика аудитории
1,2,3,4 Мужчины (65,3%), преимущественно в возрасте 28-31год (29,6%), имеющие среднее техническое образование (64,3%). Мужчины (52,5%), 67% в возрасте 28-31 год (23,7%) и 36-40 лет (23,7%), со средним техническим образованием (64, 4%). Женщины (60,4%) в возрасте от 24-31 год (68,7%), имеющие школьный уровень образования (39,6%).
Вопросы Особенности поведения пользователей данной категории приложения
5-15 Ежедневно в приложении проводят 1-2 часа (59,2%), платные дополнительные функции приложения предпочитают 55,1% отношение к рекламе - платная версия решает проблему (59,2%), причины удаления приложения -слишком много рекламы (34,7%), частота совершения покупок в приложении - никогда и редко (34,7% и 33,7%), причины отказа от покупок в приложении - не считаю нужным совершать покупки, ищу бесплатные версии (40,8%), готовы платить за избавление от рекламы 63,3%, месячные затраты на приложение около 100 юаней у 86,7%, готовы вернуться, если появятся новые функции, способные решить вопросы (44,9%). Ежедневно в приложении проводят 1-2 часа (49,2%), платные дополнительные функции приложения предпочитают 39%, отношение к рекламе - платная версия решает проблему (57,6%), причины удаления приложения -слишком много рекламы (44,1%), частота совершения покупок в приложении - редко и никогда (42,4% и 35,6%), причины отказа от покупок в приложении - не считаю нужным совершать покупки, ищу бесплатные версии (40,7%), готовы платить за избавление от рекламы 55,9%, месячные затраты на приложение около 100 юаней у 71,2%, готовы вернуться, если появятся новые функции, способные решить вопросы (42,4%). Ежедневно в приложении проводят 1-2 часа (41,7%), бесплатные приложения предпочитают 79,2%, отношение к рекламе - слишком отвлекает и мешает (81,3%), причины удаления приложения -слишком много рекламы (54,2%), частота совершения покупок в приложении - редко (45,8%), причины отказа от покупок в приложении - не хочу тратиться на приложение (35,4%), готовы платить за избавление от рекламы 72,9%, месячные затраты на приложение около 100 юаней у 75%, готовы вернуться, если получат бесплатный период использования 77, 1%.
Таблица 4
Предлагаемые мероприятия по совершенствованию модели монетизации приложения Orange Language,
КНР, 2021 г.
Мероприятие по монетизации Описание мероприятия
Ориентация ключевого контента на мужскую аудиторию 1. Создание контента на основе мужских интересов: разделы «Спорт», «Автомобили» 2. Размещение контента на главной странице приложения
Внедрение платных дополнительных функций 1. Возможность покупки доступа к аккаунту 2. Стоимость аккаунта не должна превышать 100 юаней 3. Подключение к системам оплаты онлайн
Разработка широкого ассортимента дополнительных функций 1. Расширение контента приложения за счет записи видео курсов 2. Функции должны быть стоимостью, не превышающей 100 юаней.
бесплатным и в основе его монетизации должно лежать внедрение дополнительных функций.
По мнению пользователей, их лояльность можно повысить за счет появления новых функций в приложениях, которые способны помочь решить вопросы, поэтому расширение дополнительных функций в приложении будет следующим направлением монетизации. Было выявлено, что пользователи приложений категории образование ежемесячно тратят в приложении в среднем около 100 юаней. Это необходимо учитывать при разработке ценовой политики дополнительных функций.
При этом необходимо отметить, что размещение большого количества рекламы в приложении не может быть эффективным компонентом монетизации приложения. Это связано с тем, что почти половина пользовательской аудитории, как было выявлено в ходе эмпирического исследования, удаляет приложения по причинам наличия большого количества рекламы.
Затраты на реализацию предлагаемых мероприятий по совершенствованию модели монетизации приложения для компании образовательной сферы описаны в таблице 5.
Привлечение на образовательную платформу 1000 новых активных пользователей позволит увеличить ежемесячную выручку на 14 900 юаней. Поскольку 71,2% аудитории также готовы приобретать дополнительные функции стоимостью до 100 юаней, то предположим, что 71,2% аудитории купят курсы стоимостью 99 юаней, что принесет прибыль 70 488 юаней. Следовательно, общая выручка приложения составит 85 388 юаней (на 1 000 активных пользователей).
Обоснование модели монетизации приложения было проведено по показателю ARPU.
После проведения мероприятий ARPU (средний доход с одного пользователя) будет следующим (учитываем общую имеющуюся аудиторию пользователей 580 чел. + 1 000 чел. новых пользователей):
ARPU = 85 388 юаней / / 1 580 чел. = 54,04 юаней / чел.
Как видно из расчетов, после внедрения предложений по совершенствованию модели монетизации показатель ARPU приложения Orange Language возрастет более чем в 50 раз.
Следовательно, мероприятия, предлагаемые для монетизации приложения Orange Language, являются экономически обоснованными и позволят увеличить прибыль компании за счет разработки контента, ориентированного на мужскую аудиторию, внедрение платных дополнительных функций, разработки широкого ассортимента дополнительных функций.
Полученные результаты позволяют сделать следующие выводы:
♦ Проверка подхода на примере пользователей мобильных приложений КНР позволяет подтвердить, что он применим для любой страны;
♦ При планировании опроса важно в качестве генеральной совокупности, а далее преднамеренной
Таблица 5
Затраты на реализацию предложенных мероприятий по совершенствованию модели монетизации приложения Orange Language, КНР, 2021 г.
Мероприятие Сумма затрат Обоснование целесообразности мероприятий
1. Создание контента на основе мужских интересов: разделы «Спорт», «Автомобили» 600 юаней Привлечение внимания 52% аудитории.
2. Размещение контента на главной странице приложения 300 юаней Размещение контента на главной странице позволит в короткий срок обратить внимание целевой аудитории на него, повышая эффект привлечения аудитории.
Внедрение платных дополнительных функций 1. Внедрение возможностей покупки в приложении 2. Подключение к системам онлайн-оплаты (Wechat и Alipay) 300 юаней 400 юаней / 1 год Внедрение возможностей покупки в приложение станет одним из первых шагов к совершенствованию его монетизации. При этом предполагается разработка функций приобретения аккаунта, благодаря чему станут доступны для пользователя основные курсы. Доступ к аккаунту не превышает стоимости 100 юаней в месяц, сравнивая с конкурентом, целесообразна стоимость 14,9 юаней в месяц. Это позволит привлечь 71,2% пользовательской аудитории, которая совершит покупки в приложении. Подключение к системам онлайн-оплаты необходимо для проведения платежей
Разработка широкого ассортимента дополнительных функций 1. Разработка контента 2. Внедрение на сайт 6 000 юаней 300 юаней Внедрение широкого ассортимента дополнительных функций позволит повысить лояльность пользователей за счет расширения возможностей приложения решать вопросы и более эффективно удовлетворять потребности пользователей.
Итого: 7 900 юаней
детерминированной выборки, рассматривать активных интернет-пользователей страны, а не пользователей определенной категории приложений;
♦ Вопросы в анкете следует формулировать как множественные одновариантные, чтобы работать с рейтингами % респонден-
тов, не с % их ответов. Подобным образом сформулированные вопросы позволяют респондентов задуматься и выбрать лидера из множества возможных вариантов;
♦ Если вопросы в анкете сформулировать как просто множественные, следует для выявле-
ния зависимостей использовать Хи-квадрат Пирсона.
Основные идеи, положения и результаты исследования представляют практический интерес для совершенствования модели монетизации приложений разной специализации.
ИСТОЧНИКИ
1. Wao S. LBS facing four issues // Application monetization. - 2020. - № 15(2). - P. 12-18.
2. Wan T. Monetization applications // Journal of marketing. - 2018. - № 1. - P. 15-19.
3. Appel G, Libai B, Muller E, Shachar R. On the monetization of mobile apps // International Journal of Research in Marketing. - 2020. - 37 (1). - P. 93-107. URL: https://doi.org/10.1016/j.ijresmar.2019.07.007.
4. Klotzbach C. Enter the matrix: app retention and engagement // Flurry Insights. - 2016. - № 12. - P. 10-11.
5. МухинК.Ю., РодинаМ.А. Бизнес-модель «Freemium» как инновационный инструмент гибкого продвижения мобильных приложений на рынок // Научное обозрение: теория и практика. - 2019. - Т. 9. - № 6 (62). - С. 805-817. -DOI: 10.35679/2226-0226-2019-9-6-805-817.
6. Dinsmore J., SwaniK, Dugan R. To "Free" or Not to "Free": Trait Predictors of Mobile App Purchasing Tendencies // Psychology & Marketing. - 2017. - № 34 (2). - P. 227-244.
7. Eisingerich A, Marchand A, FritzeM., DongL. Hook vs. hope: How to enhance customer engagement through gamification // International Journal of Research in Marketing. - 2019. - № 36 (2). - P. 200-215.
8. Elragal A, KlischewskiR. Theory-driven or process-driven prediction? Epistemological challenges of Big Data analytics / / Journal Big Data. - 2017. - № 4 (1). - P. 19-20.
9. Hagiu A., Wright J. Marketplace or reseller? // Management Science. - 2018. - № 1. - P. 184-203.
10. Hong Y., Pavlou P. Product Fit Uncertainty in Online Markets: Nature, Effects, and Antecedents // Information Systems Research. - 2019. - № 25 (2). - P. 328-344.
11. Hsu C., Lin J. What drives purchase intention for paid mobile apps? - An expectation confirmation model with perceived value // Electronic Commerce Research and Applications. - 2018. - № 14 (1). - P. 46-57.
12. Liang F.W., Yu D., An D. A survey on big data market // Pricing, trading and protection. - 2018. - № 4. - Р. 102-109.
13. Lin Y, Lee Y., Lin S, Lin P., Chang L. Time distortion associated with smartphone addiction: Identifying smartphone addiction via a mobile application (App) // Journal of Psychiatric Research. - 2018. - № 65. - P. 139-145.
14. Liu C., Choi H. Effects of Freemium Strategy in the Mobile App Market: An Empirical Study of Google Play // Journal of Management Information Systems. - 2019. - № 31 (3). - P. 326-354.
15. Newman C., Wachter K., White A. Bricks or clicks? Understanding consumer usage of retail mobile apps // Journal of Services Marketing. - 2018. - № 32 (2). - P. 211-222.
DOI: 10.24412/2071-3762-2021-7293-13-22
Taking into Account User Behavior in Improving the Monetization Model of Mobile Applications Kmet Elena Borisovna,
PhD in Economics, Associate Professor of the Department of Marketing and Enterprise Management, Far Eastern Federal University; Russky Island, Ajax 10, 690922 (kmeteb@yandex.ru)
The aim of the study is to develop an approach to taking into account the peculiarities of user behavior in improving the monetization model of a mobile application, formed based on the results of the verification of hypotheses about the existence of a relationship between the categories of applications and the behavior of their users, as well as testing the approach. The choice of the monetization model is determined by a large number of influencing factors, among which the most significant are the application category, the trends in the development of the country's mobile applications market in this category and the behavior of application users, which are constantly evolving and require periodic research and accounting in the application monetization model, which were the main ones. research hypotheses. The proposed approach to taking into account the peculiarities of user behavior in improving the monetization model of a mobile application was developed based on the analysis of scientific publications, the successful experience of monetizing applications of public companies and includes the process of improving the monetization model, field research tools and is applicable for a mobile application of any category. The approach was tested on the basis of field quantitative research in the form of an online survey of Chinese users of mobile applications in the Internet space of the PRC (People's Republic of China) on the poll service wjx.cn. Based on the results of the descriptive (frequency) and correlation analysis of the survey results, significant and strong dependencies were revealed between the categories of applications used and the characteristics of user behavior in these applications, which confirmed the hypotheses put forward and made it possible
to develop a set of proposals for improving monetization models for a number of categories of mobile applications in China. Testing the approach using the example of users of mobile applications in the PRC allows us to confirm that it is applicable to any country. When planning a survey, it is important to consider all active Internet users in the country, and not users of a particular category of applications, as a general population and a deliberate deterministic sample. The results obtained are of practical interest for improving monetization models for both existing mobile applications and for forming monetization models for new projects.
Keywords: mobile app; monetization model; consumer behavior; factors of influence; field research; correlation analysis; frequency analysis; portrait of application users; features of user behavior.
REFERENCES
1. Wao, S. (2020) LBS facing four issues. Application monetization, 2020, No. 15(2), pp. 12-18.
2. Wan, T. (2018) Monetization applications. Journal of marketing, 2018, No. 1, pp. 15-19.
3. Appel, G.; Libai, B.; Muller, E.; Shachar, R. (2020) On the monetization of mobile apps. International Journal of Research in Marketing, 2020, 37 (1), pp. 93-107. URL: https://doi.org/10.10167j.ijresmar.2019.07.007.
4. Klotzbach, C. (2016) Enter the matrix: app retention and engagement. Flurry Insights, 2016, No. 12, pp. 10-11.
5. Mukhin, K.Yu.; Rodina, M.A. (2019) Business model «Freemium» as an innovative tool for flexible promotion of mobile applications to the market. Scientific review: theory and practice, 2019, Vol. 9, No. 6, pp. 805-817. DOI: 10.35679/22260226-2019-9-6-805-817.
6. Dinsmore, J.; Swani, K.; Dugan, R. (2017) To "Free" or Not to "Free": Trait Predictors of Mobile App Purchasing Tendencies. Psychology & Marketing, 2017, No. 34 (2), pp. 227-244.
7. Eisingerich, A.; Marchand, A.; Fritze, M.; Dong, L. (2019) Hook vs. hope: How to enhance customer engagement through gamification. International Journal of Research in Marketing, 2019, No. 36 (2), pp. 200-215.
8. Elragal, A.; Klischewski, R. (2017) Theory-driven or process-driven prediction? Epistemological challenges of Big Data analytics. Journal Big Data, 2017, No. 4 (1), pp. 19-20.
9. Hagiu, A.; Wright, J. (2018) Marketplace or reseller? Management Science, 2018, No. 1, pp. 184-203.
10. Hong, Y.; Pavlou, P. (2019) Product Fit Uncertainty in Online Markets: Nature, Effects, and Antecedents. Information Systems Research, 2019, No. 25 (2), pp. 328-344.
11. Hsu, C.; Lin, J. (2018) What drives purchase intention for paid mobile apps? - An expectation confirmation model with perceived value. Electronic Commerce Research and Applications, 2018, No. 14 (1), pp. 46-57.
12. Liang, F.W.; Yu, D.; An, D. (2018) A survey on big data market. Pricing, trading and protection, 2018, No. 4, pp. 102-109.
13. Lin, Y.; Lee, Y.; Lin, S.; Lin, P.; Chang, L. (2018) Time distortion associated with smartphone addiction: Identifying smartphone addiction via a mobile application (App). Journal of Psychiatric Research, 2018, No. 65, pp. 139-145.
14. Liu, C.; Choi, H. (2019) Effects of Freemium Strategy in the Mobile App Market: An Empirical Study of Google Play. Journal of Management Information Systems, 2019, No. 31 (3), pp. 326-354.
15. Newman, C.; Wachter, K.; White, A. (2018) Bricks or clicks? Understanding consumer usage of retail mobile apps. Journal of Services Marketing, 2018, No. 32 (2), pp. 211-222.
