Sabes lo preciso que debes ser: genial. Pero, ¿cómo se crea realmente una estimación?

Puede seguir estos pasos para que su estimación sea lo más sólida posible y, al mismo tiempo, minimizar la cantidad de tiempo que le dedica:

Digamos que trabajas en Netflix y quieres calcular cuánto dinero podrías ganar agregando juegos a la plataforma (si los monetizaras a través de anuncios).

¿Cómo estructura su estimación?

El primer paso es descomponer la métrica en un árbol de controladores, y el segundo paso es segmento.

Desarrollar un árbol de controladores

En la parte superior de su árbol de controladores tiene «Ingresos de juegos por día”. Pero, ¿cómo se puede dividir aún más el árbol de controladores?

Hay dos consideraciones clave:

1. Elija métricas para las que pueda encontrar datos.

Por ejemplo, la industria de los juegos utiliza métricas estandarizadas para informar sobre la monetización y, si se desvía de ellas, es posible que tenga problemas para encontrar puntos de referencia (más información sobre los puntos de referencia a continuación).

2. Elija métricas que minimicen los factores de confusión.

Por ejemplo, podría dividir los ingresos en «# de usuarios» y «Ingresos medios por usuario”. El problema es que esto no considera cuánto tiempo pasan los usuarios en el juego.

Para abordar este problema, podríamos dividir los ingresos en «Horas jugadas» y «$ por hora jugada» en cambio; esto garantiza que cualquier diferencia en la participación entre sus juegos y los juegos «tradicionales» no afecte los resultados.

Luego puede desglosar cada métrica aún más, por ejemplo:

• “$ por hora jugada» podría calcularse como «# impresiones de anuncios por hora«veces»$ por impresión de anuncio«
• “Horas jugadas» podría dividirse en «Usuarios activos diarios (DAU)” y “Horas por DAU”

Sin embargoagregar más detalles no siempre es beneficioso (más sobre esto a continuación).

Segmentación

Para obtener una estimación útil, debe considerar las dimensiones clave que afectan la cantidad de ingresos que podrá generar.

Por ejemplo, Netflix está activo en docenas de países con un potencial de monetización muy diferente y, para tener en cuenta esto, puede dividir el análisis por región.

Las dimensiones que son útiles para obtener una estimación más precisa dependen del caso de uso exacto, pero aquí hay algunas comunes a considerar:

• Geografía
• Datos demográficos del usuario (edad, dispositivo, etc.)
• Flujo de ingresos (por ejemplo, anuncios frente a suscripciones frente a transacciones)

«Está bien, genial, pero ¿cómo sé cuándo tiene sentido la segmentación?»

Hay dos condiciones que deben cumplirse para que una segmentación sea útil:

1. Los segmentos son muy diferente (por ejemplo, los ingresos por usuario en APAC son varias veces menores que en EE. UU.)
2. Tiene suficiente información para hacer suposiciones informadas para cada segmento.

También debe asegurarse de que la segmentación sea vale la pena el esfuerzo. En la práctica, a menudo encontrará que sólo una o dos métricas son materialmente diferentes entre segmentos.

Esto es lo que puede hacer en ese caso para obtener una respuesta rápida y correcta:

En lugar de crear varias estimaciones independientes, puede calcular un promedio combinado para la métrica que tenga la mayor variación entre los segmentos.

Entonces si esperas “$ por hora jugadaPara variar sustancialmente entre regiones, usted 1) hace una suposición para esta métrica para cada región (por ejemplo, obteniendo puntos de referencia, ver más abajo) y 2) estima cuál será la combinación de países:

Luego utiliza ese número para su estimación, eliminando la necesidad de segmentar.

¿Qué tan detallado deberías ser?

Si Tiene datos sólidos en los que basar sus suposiciones, agregando más detalles a su análisis. poder mejorar la precisión de su estimación; pero sólo hasta cierto punto.

Además de aumentar el esfuerzo requerido para el análisis, agregar más detalles puede resultar en falsa precisión.

Entonces, ¿qué cae en el grupo de “demasiados detalles”? En aras de una estimación rápida y aproximada, esto incluiría cosas como:

• Segmentación por tipo de dispositivo (Smart TV vs. Android vs. iOS)
• Considerando diferentes niveles de participación por día de la semana
• Dividir los CPM por industria
• Modelando el impacto de los juegos individuales
• etc.

Agregar este nivel de detalle aumentaría exponencialmente el número de supuestos sin que necesariamente la estimación fuera más precisa.

Ahora que tiene los datos necesarios para su estimación, es hora de empezar a compararlos con números.

Datos internos

Si realizó un experimento (por ejemplo, presentó un prototipo de “juegos de Netflix” para algunos usuarios) y tiene resultados que puede utilizar para su estimación, genial. Pero muchas veces ese no es el caso.

En este caso, hay que ser creativo. Por ejemplo, digamos que para estimar nuestro DAU para juegos, queremos saber cuántos usuarios de Netflix podrían ver y hacer clic en el módulo de juegos en su feed.

Para ello, puedes compararlo con otros lanzamientos con puntos de entrada similares:

• ¿Qué otras nuevas incorporaciones a la pantalla de inicio lanzaste recientemente?
• ¿En qué se diferencia su rendimiento según su ubicación (por ejemplo, la primera «fila» en la parte superior de la pantalla frente a «la parte inferior de la página», donde hay que desplazarse para encontrarla)?

Según los últimos lanzamientos, puede triangular la tasa de clics esperada para los juegos:

Este tipo de relaciones suelen ser lo suficientemente cercanas a lineales (dentro de un rango razonable) para que este tipo de aproximación produzca resultados útiles.

Una vez que obtenga algunos datos reales de un experimento o del lanzamiento, podrá refinar sus suposiciones.

Puntos de referencia externos

Los puntos de referencia externos (por ejemplo, informes de la industria, proveedores de datos) pueden ser útiles para obtener la aproximación correcta para un número si los datos internos no están disponibles.

Hay algunas consideraciones clave:

1. Elija la comparación más cercana. Por ejemplo, los juegos casuales en Netflix están más cerca de los juegos móviles que de los de PC o consolas, así que elija los puntos de referencia en consecuencia.
2. Asegúrese de que sus definiciones de métricas estén alineadas. El hecho de que una métrica en un informe externo parezca similar no significa que sea idéntica a su métrica. Por ejemplo, muchas empresas definen “Usuarios activos diarios” de manera diferente.
3. Elija fuentes confiables y transparentes. Si busca puntos de referencia, encontrará mucho de diferentes fuentes. Siempre trate de encontrar un fuente original que utilice (¡y divulgue!) una metodología sólida (por ejemplo, datos reales de una plataforma en lugar de encuestas). Puntos de bonificación si el informe se actualiza periódicamente para que pueda actualizar su estimación en el futuro si es necesario.

Decidir sobre un número

Después de analizar datos internos y externos de diferentes fuentes, probablemente tendrá una variedad de números para elegir para cada métrica.

Observe cuán amplio es el rango; esto le mostrará qué entradas mueven más la aguja en la respuesta.

Por ejemplo, es posible que descubras que los puntos de referencia de CPM de diferentes informes son muy similares, pero existe un rango muy amplio de cuánto tiempo los usuarios pueden dedicar a tus juegos a diario.

En este caso, su atención debe centrarse en afinar el supuesto de “horas jugadas”:

1. Si hay una cantidad mínima de ingresos que la empresa quiere invertir en juegos, vea si puede alcanzar ese nivel con la suposición más conservadora.
2. Si no hay un umbral mínimo, intente utilizar controles de cordura para determinar un nivel realista.

Por ejemplo, podría comparar el tiempo de reproducción que proyecta para los juegos con el tiempo total que los usuarios pasan actualmente en Netflix.

Incluso si parte del tiempo es incremental, no es realista que más de, digamos, entre el 5% y el 10% del tiempo total se dedique a juegos (la mayoría de los usuarios vinieron a Netflix en busca de contenido de video, y existen mejores ofertas de juegos). , después de todo).