گزارش جامع موبایل مارکتینگ ایران بر اساس داده‌های سال ۱۴۰۲ در گزارش سالانه ادتریس همراه با آمار و ارقامی که امکان مقایسه، تحلیل و تصمیم‌گیری در این حوزه موبایل مارکتینگ را فراهم می‌کند، منتشر شده است.

طبق داده‌های این گزارش، که با بررسی ۱۶۰ میلیون دستگاه ثبت‌شده در ادتریس تهیه شده، هفت دسته اپلیکیشنی مدنظر قرار گرفته است: اپلیکیشن‌های مالی، آموزش، ابزار، پخش فیلم، بازی، خرید و سبک زندگی. تا پایان سال ۱۴۰۲ بیش از ۷۰۰ اپلیکیشن، بیشتر از ۶۰۰ میلیون کلیک، بیش از ۱۴۵ میلیون نصب و یک میلیارد نمایش در ادتریس به ثبت رسیده است.

یافته‌های این گزارش نشان می‌دهد تعداد کل تقلب شمرده‌شده در سال گذشته بیش از یک میلیون نصب تقلبی و میانگین نرخ تقلب در ایران ۵ درصد بوده است. بیشترین نرخ تقلب در سال ۱۴۰۲ در دسته «خرید» بوده و رایج‌ترین نوع تقلب Click Injection بوده است. نتایج این گزارش همچنین نشان می‌دهد که با تشخیص تقلب برای کسب‌وکارها بیش از ۵ میلیارد تومان صرفه‌جویی اقتصادی ایجاد شده است.

در این گزارش درباره این صرفه‌جویی نوشته شده است: «ادتریس در سال گذشته با استفاده از الگوریتم‌های تشخیص تقلب، موفق به ایجاد صرفه‌جویی اقتصادی بیش از ۵ میلیارد تومانی برای اپلیکیشن‌ها شده است. امکان تشخیص تقلب به کسب‌وکارها کمک کرده تا تصمیمات بهتری اتخاذ کنند و از این طریق به افزایش سودآوری خود دست یابند.»

بخش دیگری از یافته‌های این گزارش نشان می‌دهد از مجموع دستگاه‌هایی که در ادتریس ثبت شده، بیشترین تعداد دستگاه متعلق به برند سامسونگ و پرطرفدارین مدل گوشی سامسونگ A12 است. اکثر گوشی‌های ثبت‌شده هم از اپراتور همراه اول استفاده می‌کنند.

یافته‌های این گزارش همچنین نشان می‌دهد کاربران، چه در زمان نصب یک اپلیکیشن چه در زمان استفاده از آن، بیشتر از اینترنت موبایل استفاده می‌کنند. در واقع، هنگام نصب اپلیکیشن میزان استفاده از اینترنت همراه ۶۹ درصد و میزان استفاده از اینترنت ثابت ۳۰ درصد است. در زمان استفاده از اپ نیز میزان استفاده از اینترنت موبایل ۶۲ درصد و میزان استفاده از وای‌فای ۳۷ درصد است.

در این گزارش ادتریس با اشاره به اینکه «تقلب در نصب موجب هدر رفتن بودجه تبلیغاتی می‌شود و با ایجاد تغییر در داده‌های شما، می‌تواند باعث گمراهی شود» در لحظه تقلب را شناسایی و از داده‌ها و بودجه تبلیغاتی شما محافظت می‌کند. انواع تقلب‌های تبلیغاتی‌ای که از طریق ادتریس قابل تشخیص است:

• Click Injection
• Click Capping
• Anonymous IP
• Wrong Signature
• Missing Signature
• Suspicious Signature
• Distribution Modeling

در میان انواع این تقلب‌ها سهم Click Injection هشتاد و دو درصد، Suspicious Signature هفت درصد و Click Capping شش درصد است.

با توجه به نمودار، در سال ۱۴۰۲ از ابتدای تابستان تا اوایل زمستان روند رو به رشدی در میزان تبلیغات مشاهده می‌شود که نقطه اوج آن در ماه دی است. علت این رشد را می‌توان با کمپین‌های متعدد مانند شب یلدا و بلک فرایدی در این بازه زمانی مرتبط دانست.

در سال ۱۴۰۲، دسته بازی رشد قابل توجهی در تمایل به تبلیغات برای جذب کاربر جدید داشته است. دسته بازی ۴۶۲ درصد و دسته سبک زندگی ۳۴۶ درصد بیشت از سال ۱۴۰۲ تمایل به تبلیغات داشته‌اند. نکته قابل توجه دیگر کاهش میزان تبلیغات در سه دسته آموزش، خرید و ابزار نسبت به سال ۱۴۰۱ است که به‌ترتیب ۷۲ درصد، ۶۵ درصد و ۴۴ درصد کمتر تمایل به تبلیغات داشته‌اند.

منحنی قدرت کاربر در این گزارش بر این نکته تأکید می‌کند که میانگین مدت سشن به ازای هر کاربر در یک ماه پس از نصب اپ متفاوت است. در روزهای اولیه بعد از نصب، کاربران سشن‌های طولانی دارند اما رفته‌رفته این مقدار در روزهای بعد کاهش پیدا می‌کند. بنابراین مارکترها باید روی تعامل بیشتر کاربران با اپلیکیشن در روزهای ابتدایی بعد از نصب تمرکز کنند.

علاوه بر این، یافته‌های این گزارش نشان می‌دهد اپلیکیشن‌ها به‌طور میانگین در روز ابتدایی بعد از نصب قریب به ۸۰ درصد از کاربران خود را از دست می‌دهند. این نرخ در روزهای بعدی شدت کمتری دارد و تا هفت روز اول به عددی نزدیک به ۱۰ درصد بازگشت به اپلیکیشن می‌رسد.

شاخص نرخ رشد نیز نشان‌دهنده تمایل هر دسته از اپلیکیشن‌ها به رشد و توسعه کاربران جدید است. در این گزارش اشاره شده است که «کمتر بودن این مقدار لزوماً به معنی رشد کمتر نیست؛ بلکه می‌تواند به معنی تمرکز اپلیکیشن بر بازگرداندن کاربران خود باشد.»

یافته‌های مربوط به شاخص نرخ رشد نشان می‌دهد دسته بازی (با ۵۴ درصد) با اختلاف بیشترین میزان توسعه کاربر را داشته است. سبک زندگی (با ۳۲ درصد) و پخش فیلم (با ۳۱ درصد) در رتبه دوم و سوم قرار دارند.

گفتنی است که ادتریس «پلتفرم اتریبیوشن در صنعت موبایل مارکتینگ کشور» است. کاربری اصلی پلتفرم‌های اتریبیوشن در سه زمینه شناسایی منابع نصب کاربران، تحلیل رفتار کاربران داخل اپلیکیشن به تفکیک منابع نصب و شناسایی نصب‌های تقلبی خلاصه می‌شود.