ADPASS рекомендует материал к прочтению
Mediasurfer
17.06.2025, 14:36

Как меняется мобильный маркетинг в 2025: взгляд изнутри индустрии

В Москве прошло сразу несколько крупных мероприятий, посвящённых мобильной рекламе и digital-маркетингу. На одной площадке собрались ключевые игроки рынка — агентства, рекламодатели и adtech-компании — чтобы обсудить, какие темы действительно волнуют индустрию сегодня. Команда Mediasurfer как активный участник делится своими наблюдениями и инсайтами, отражающими текущее состояние рынка и направления его развития в ближайшем будущем.

Инкрементальность — главный фильтр для бюджета в 2025

В условиях роста мультиканальных стратегий становится всё важнее справедливо оценивать вклад каждого канала в общий результат рекламной кампании. Традиционные модели атрибуции — вроде last-click или first-click — часто искажают картину и не показывают реальный эффект. Чтобы точнее понять, сколько дополнительных конверсий приносит тот или иной источник, всё чаще используют инкрементальные тесты.

Один из классических подходов — lift-тест:

  • аудитория делится на две группы — test и control;

  • тестовая группа видит рекламу, контрольная — нет;

  • разница в конверсии между ними показывает прирост (lift), который можно приписать рекламе.

Это ситуация, когда реклама перехватывает тех пользователей, которые и так бы совершили целевое действие (например, установили приложение). В таких случаях платные каналы, вроде рекламы в сторах или брендовых запросов в поиске, не приводят новых пользователей, а просто дублируют органику.

По данным Adjust (2024), правильно настроенные инкрементальные тесты показывают: среднем до 25–30% платного трафика на самом деле является каннибализированным органическим. Иначе говоря, без глубокой аналитики компании рискуют переплачивать за аудиторию, которую могли бы привлечь бесплатно.

Однако проведение таких тестов требует тщательной подготовки и соблюдения ряда условий:

  • Тест должен быть «чистым»: для оценки реального вклада необходимо полностью отключить канал минимум на две недели.

  • Важно исключить влияние сезонных факторов и внешних изменений в маркетинговой активности.

  • Аудитория должна быть распределена случайным образом (рандомизировано), чтобы избежать перекоса данных.

На практике многие рекламодатели используют так называемые синтетические тесты — частичное отключение канала или слишком короткий период наблюдения. Такие подходы, к сожалению, не дают объективной картины и могут, напротив, усилить иллюзию эффективности.

От CPI к ROAS: акцент на удержании пользователей

Если раньше основной метрикой эффективности была цена за установку (CPI), то сегодня фокус сместился на удержание пользователей и рентабельность вложений — ROAS. Кампания считается успешной не тогда, когда привлекает максимум установок за минимальные деньги, а тогда, когда приводит пользователей, которые:

  • остаются в приложении;

  • совершают повторные действия;

  • приносят доход в долгосрочной перспективе.

Такой сдвиг может быть связан со снижением показателей удержания. По данным Appsflyer, в период с 2021 по 2024 год Retention Rate на Android и iOS последовательно снижался.

Причины просты: растёт конкуренция за внимание пользователя, увеличивается количество рекламных предложений, а аудитория быстрее теряет интерес и удаляет даже недавно скачанные приложения.

Рекламодатели всё чаще интересуются платформами вроде Holdy.app — в условиях борьбы за удержание ретаргетинг становится не опцией, а необходимостью. Он позволяет вновь активировать уже привлечённых пользователей, которые знакомы с продуктом, и доводить их до целевых действий.

Показатель удержания в приложении ANDROID

Показатель удержания в приложении IOS

Эффективные стратегии ретаргетинга выстраиваются с учётом поведенческих сегментов, таких как:

  • частота использования приложения (DAU/MAU);

  • время с момента последнего взаимодействия;

  • совершённые действия и покупки внутри приложения;

  • средний чек и прогнозируемая пожизненная ценность пользователя (LTV).

А важнейшими метриками в мобильном маркетинге становятся Retention Rate, LTV, ARPU (средняя выручка на пользователя) и DAU/MAU.

Таким образом, рынок окончательно переходит от простого подсчёта установок к комплексной стратегии, в которой качество аудитории и её удержание становятся ключевыми составляющими эффективности рекламных инвестиций.

Показатель удержания по категориям приложений ANDROID

Показатель удержания по категориям приложений IOS

ИИ в действии

Если раньше ИИ использовали в основном для генерации контента «для забавы», то сегодня он всё активнее внедряется в реальные бизнес-процессы. Его применяют на разных уровнях — от гиперперсонализации креативов до прогнозирования эффективности кампаний ещё до их запуска.

На фоне ограничений в работе с данными — исчезновения IDFA, отказа от сторонних cookies и сложностей с использованием first-party данных — ИИ становится всё более востребованным инструментом для маркетологов.

Вместо прямой идентификации пользователя алгоритмы анализируют поведение: отслеживают цепочки взаимодействий и на этой основе прогнозируют вероятность конверсии.

Мы также собрали ключевые направления, где ИИ уже активно используется на рынке — или будет внедряться в ближайшее время.

Запрос на прозрачность

Самыми распространенными видами фрода все еще остаются: click injection (инъекция кликов с миллисекундной задержкой на Android), click flooding (массовая генерация случайных кликов) и SDK spoofing (эмуляция событий без установки SDK).

Особую сложность представляют пост-атрибуционные манипуляции, когда эмуляторы или боты генерируют in-app-события (регистрации, покупки), имитируя реальную вовлечённость. Это приводит к искажению метрик, особенно в ретаргетинговых кампаниях с оплатой за действия (CPA).

Современные антифрод-системы используют многоуровневый поведенческий анализ. Ключевые метрики, по которым выявляются аномалии:

  • CTIT (Click-to-Install Time): слишком короткое время от клика до установки — признак click injection;

  • CR (Conversion Rate): подозрительно высокая или аномально стабильная конверсия — признак click flooding или мотивированного трафика; Uninstall Rate: массовые удаления приложения вскоре после установки;

  • Re-engagement Timing: слишком быстрые повторные действия пользователя; Device Consistency: подозрительно высокая доля новых или редко встречающихся устройств и user agents.

Эффективные антифроды сегодня используют ML-модели и ИИ. Алгоритмы обучаются на больших массивах исторических данных — как по реальным, так и по мошенническим установкам — и способны в реальном времени распознавать аномальное поведение. Такие решения всё чаще интегрируются в DSP-платформы (Яндекс, VK, Aitera.io и другое), где антифрод-модули с ML-фильтрами автоматически отсеивают подозрительный трафик.

Это не только снижает уровень фрода, но и позволяет оптимизировать закупки: рекламодатели инвестируют бюджеты в проверенные источники с высокой прозрачностью и стабильной конверсией.

Переход на премиум

Рост стоимости привлечения пользователей, ужесточение требований к качеству аудитории и усиление контроля со стороны рекламодателей заставили рынок переориентироваться на более надёжные и эффективные форматы размещения.

В центре внимания — премиальный инвентарь:

  • реклама внутри популярных мобильных приложений и игр;

  • in-app-площадки с верифицированным трафиком;

  • DSP-платформы с прозрачной атрибуцией;

  • OEM-реклама, размещаемая прямо на устройствах.

Эти решения обеспечивают более стабильные показатели вовлечённости, снижают отток (uninstall rate) и повышают пожизненную ценность пользователей (LTV).

Для российского рынка это особенно актуально. По данным eMarketer, к концу 2024 года доля премиального трафика в России достигла 28%.

Единый путь пользователя

Сегодня бренды стремятся выстроить целостную стратегию, охватывающую весь путь пользователя — от первого касания до покупки.

В центре этого подхода — омниканальность: согласованная работа всех каналов и единая аналитическая система.

Все взаимодействия с пользователем должны быть связаны с общей базой данных и оцениваться по единым метрикам. Такой подход помогает:

  • определить, какие цепочки касаний действительно ведут к конверсии;

  • понять, какие — наоборот, снижают эффективность;

  • отслеживать ROI на каждом этапе воронки с помощью сквозной аналитики (например, через CRM-системы).

Но есть и барьеры:

  • несовместимость платформ,

  • разная логика атрибуции (CRM — last-click, MMP — first-click),

  • ограниченный доступ к данным из-за приватности (IDFA, Privacy Sandbox).

Чтобы справиться с этим, всё чаще используют инструменты на базе машинного обучения: когортный анализ, пробабилистический трекинг и другие подходы, которые позволяют собрать целостную картину даже без прямых идентификаторов.

Итоги

Мобильный маркетинг становится всё более сложным, требовательным и технологичным. Чтобы оставаться эффективным, бизнесу недостаточно просто «привлекать» — важно понимать, как удерживать, вовлекать и монетизировать аудиторию в долгосрочной перспективе.

Рынок показывает, что агентствам и рекламодателям приходится адаптироваться к новым реалиям: нужно инвестировать больше ресурсов в ретеншен-стратегии (персонализация, программы лояльности, умный ремаркетинг), активно внедрять AI-инструменты на всех этапах (от генерации креативов до анализа эффективности), а также переходить на проверенные DSP и in-app-каналы вместо дешёвых CPA-сетей.

Фокус смещается с объёма на качество: системный подход, работа с данными и контроль на всех этапах взаимодействия становятся не конкурентным преимуществом, а базовым требованием отрасли.

Вам понравится

HunterMob
02.12.2025
GetCourse
28.11.2025
Джобстер, сервис для поиска работы и сотрудников
15.11.2025