Многие, заходя в арбитраж трафика, задаются вопросом «на сколько это стабильно?»
И мой ответ — на столько на сколько и любое другое направление, где ты работаешь на себя, а не на дядю.
Любой бизнес это не про стабильность, ты всегда работаешь с неизвестностью.
- Маркетплейсы — будет ли твой товар продаваться
- Трейдинг — пойдет ли график в определенную сторону
- P2P арбитраж — не заблочат ли тебе карты и т.д.
И в любом направлении можно свести вероятность негативного исхода к минимуму.
- Маркетплейсы — проводить аналитику товара, закупать тот, где большой спрос, но небольшая конкуренция
- Трейдинг — забирать меньшее движение цены
- P2P арбитраж — не проводить большого количества однотипных транзакций по одной карте
Так же и в арбитраже трафика. Если хочешь чтобы это направление приносило тебе деньги, то должен работать по принципу:
«Бери больше, кидай дальше, пока летит отдыхай»
Если перевести с языка малых жарнов фольклора на арбитражный, это будет звучать примерно так:
«Запускай больше, что зацепилось — крути, пока держится нужный объем отдыхай.»
Исходя из этого, «секрет успеха» в арбитраже в том, чтобы:
- Была связка которая льется в плюс.
- Было определенное количество аккаунтов в работе.
Ниже разберу первый пункт.
Именно его, потому что тесты — это та часть арбитража, на который ты больше всего можешь слить денег.
Да, баны тоже приносят расходы, но не такие большие как тесты.
Я уже в описании статьи говорил, что когда я делал игровую часть бота, то пришлось «оцифровать» арбитраж.
У меня получилась вот такая модель арбитража трафика в экселе:
В ней учтены не все, но большинство переменных, которые влияют на то выйдешь ты в плюс или сольешь все сбережения.
В верхней части данные, которые вносишь ты, а в нижней — таблица сама считает этапы воронки и профит по ней.
Но самое интересное, что эта табличка дает возможность спрогнозировать потенциально минусовые связки заранее.
Эта таблица чуть запутанная, поэтому ниже представлю ее упрощенную версию.
Давай разберем на примере.
У нас есть оффер:
И вот ты начинаешь крутить связку и получать определенную статистику.
Допустим нам известен CPM и CTR (эти метрики нам видны на самых ранних этапах слива, когда мы еще не потратили много денег):
CR у нас неизвестен, поэтому просто подбираем значение при котором связка будет литься в ноль.
А теперь прикидываем на сколько реально чтобы наш CR был равен 5%?
С учетом того, что это товарка, то вероятность получения такого CR не велика. Да она есть, но вероятность что ты просто сольешь деньги сильно выше вероятности, что твой CR поднимется до нужного значения.
И на основании этого ты можешь стопнуть рекламу на этапе, когда будут понятны CPM и CTR.
Часто понять примерную картину по CPM и CTR можно уже на дистанции 1000 показов.
Итог, на тест данной гипотезы ты бы потратил всего 5,22$.
А если бы ты просто придерживался бюджетной схемы тестов, то потратил бы 8,4$. Таким образом ты сократил затраты на тесты на 3,18$ или на 38%.
Казалось бы не много, но 38% от 100$ — это 38 долларов. Мне кажется ощутимая экономия.
Теперь чуть поменяем ситуацию.
Если у нас по связке будут такие показатели:
Каким у нас должен быть CR?
Тут уже СR должен быть равен 3%, чтобы связка лилась чуть выше нуля. Что вполне реально учитывая, что у нас нутра. Такую связку можно пробовать вытягивать в плюс.
Понятное дело, что итоговый профит будет также зависеть от фактического апрува (который здесь взят за константу в 30%), стоимости аккаунтов, процента запуска и т.д.
Данная таблица служит просто дополнительным ориентиром.
Полезна такая табличка?
По моему скромному мнению, полезна. Но отмечу, что в ней есть погрешности связанные с округлениями в экселе.
Но не смотря на это, она все равно позволяет увидеть цифры, максимально приближенные к реальности по твоей воронке.
Если взять за константу, что связка находится на дистанции теста 20 гипотез, то в случае с моделированием воронки, ты потратишь 105$. В то время как если бы ты просто придерживался схемы тестов из статьи, что я давал, ты бы потратил 168$.
Такую модельку ты можешь построить сам. Можешь даже добавить дополнительных метрик, которые я не учитывал, чтобы модель получилась еще более точной. В моей модели учитываются только затраты на трафик, аккаунты и прокси, но не учитываются затраты на карты, конвертацию, комиссии за переводы и т.д.
