Las predicciones de Adapty están diseñadas para ayudarte a responder las siguientes preguntas:

1. ¿Cuál es el valor de vida (LTV) proyectado de tus cohortes de usuarios?
2. ¿Qué cohortes tienen más posibilidades de generar mayores ingresos en el futuro?
3. ¿Cuánto puedes invertir teniendo en cuenta el retorno proyectado?

Con las predicciones de Adapty puedes tomar decisiones basadas en datos sobre ingresos y crecimiento.

El modelo de predicción de Adapty estima el potencial de ingresos a largo plazo de las cohortes de usuarios de tu app. Para cada cohorte, proyecta cómo evolucionarán los ingresos, el número de suscriptores de pago y el LTV medio a lo largo del tiempo. Esto te ayuda a tomar decisiones informadas sobre adquisición de usuarios, estrategias de marketing y desarrollo de producto.

Adapty ofrece LTV proyectado y ingresos proyectados para cohortes de suscriptores de pago. Las predicciones se muestran en la página de análisis de cohortes para 3, 6, 9, 12, 18 y 24 meses desde la creación de la cohorte.

En apps con un historial muy limitado, el modelo recurre a promedios entre apps, por lo que las predicciones para apps más recientes puede que no reflejen del todo el comportamiento específico de sus usuarios.

Cómo funciona el modelo

El modelo de predicción de Adapty utiliza patrones de retención de datos históricos de cohortes para proyectar ingresos futuros y LTV.

Para cada combinación de app y tipo de suscripción, el modelo mide cómo cambian los suscriptores de pago y los ingresos totales de un período de renovación al siguiente. Calcula dos tasas de retención —una para suscriptores y otra para ingresos— basándose en las cohortes históricas de la app. Estas tasas se aplican luego a nuevas cohortes para proyectar su evolución a 3, 6, 9, 12, 18 y 24 meses desde la creación de la cohorte. Los datos utilizados están completamente anonimizados.

El modelo genera dos valores para cada cohorte:

• Ingresos proyectados: los ingresos totales que se espera que genere una cohorte dentro del horizonte seleccionado.
• LTV proyectado: los ingresos proyectados divididos entre el número proyectado de suscriptores de pago en la cohorte.

Pesos específicos de la app y entre apps

Por defecto, las predicciones para una cohorte utilizan los pesos de retención aprendidos a partir de las cohortes históricas de esa misma app, reflejando el comportamiento específico de sus usuarios.

Cuando una app no tiene suficiente historial para un horizonte de predicción determinado, Adapty recurre a pesos de retención promediados entre todas las apps del mismo tipo de suscripción. Por ejemplo, una proyección a 12 meses para una app que solo tiene seis meses de antigüedad utiliza el fallback entre apps. Este fallback se aplica de forma independiente por horizonte, por lo que la misma cohorte puede usar los pesos propios de la app para la predicción a 3 meses y los pesos entre apps para la predicción a 12 meses.

Disponibilidad y actualizaciones

Las predicciones están disponibles después de que una cohorte completa su primer período de renovación —normalmente una semana después de la creación para suscripciones semanales y aproximadamente cuatro semanas para suscripciones mensuales. A partir de entonces, las predicciones se actualizan diariamente con los datos transaccionales más recientes, de modo que reflejan el comportamiento actual de la cohorte.

Limitaciones

• Calidad de los datos: El comportamiento inusual de una cohorte o las cohortes con muy pocos suscriptores de pago reducen la precisión. Las cohortes con menos de 100 suscriptores de pago quedan excluidas de los datos de entrenamiento del modelo.
• Apps nuevas: Las apps sin suficiente historial utilizan pesos de fallback entre apps, que puede que no reflejen el comportamiento específico de la app.
• Antigüedad de la cohorte: Las predicciones para un horizonte determinado se ocultan cuando la cohorte supera ese horizonte. Por ejemplo, las predicciones a 3 meses dejan de mostrarse después de tres meses, y no se muestran predicciones para cohortes con más de 24 meses de antigüedad.

En el Dashboard

Para ver las predicciones, navega a la página de análisis de cohortes en tu Adapty Dashboard. Para más información sobre cohortes, consulta Análisis de cohortes.

La columna Predicted revenue muestra los ingresos totales estimados que se espera que genere una cohorte de suscriptores durante el período de tiempo seleccionado desde la creación de la cohorte. Este valor se calcula usando el modelo de predicción de Adapty, basado en los patrones históricos de retención de cohortes de la app.

La columna Predicted LTV muestra el valor de vida estimado de cada usuario en la cohorte seleccionada. Este valor se calcula dividiendo los ingresos proyectados entre el número proyectado de usuarios de pago en la cohorte.

Seleccionar el horizonte

Para cambiar el horizonte de predicción, selecciona un valor en el desplegable Predictions. Las opciones disponibles son 3, 6, 9, 12, 18 y 24 meses desde la creación de la cohorte.

Filtrar por producto

Puedes filtrar los ingresos proyectados y el LTV por producto. Por defecto, las predicciones se construyen a partir de todos los datos de compra; filtrar por producto muestra la contribución de cada producto.

Cuándo las predicciones no están disponibles

Cuando no se puede generar una predicción para una cohorte, las columnas de Ingresos Proyectados y LTV Proyectado muestran guiones largos (—) en lugar de valores. Esto puede ocurrir por varios motivos:

• Tiempo insuficiente desde la creación de la cohorte: Las predicciones solo están disponibles después de que la cohorte completa su primer período de renovación —aproximadamente una semana para suscripciones semanales y unas cuatro semanas para suscripciones mensuales.
• Tamaño de la cohorte reducido: Muy pocos suscriptores de pago para generar una proyección fiable.
• Comportamiento inusual de la cohorte: La cohorte se desvía significativamente de los patrones que espera el modelo. Esperar algunas semanas puede resolverlo a medida que se acumulan más datos.
• Horizonte superado: La cohorte es más antigua que el horizonte de predicción seleccionado. Por ejemplo, la predicción a 3 meses se oculta después de tres meses, la predicción a 12 meses después de doce meses, y no se muestran predicciones para cohortes con más de 24 meses de antigüedad.