Measuring and modeling average customer lifetime value in a freemium noncontractual setting : mobile apps

The mobile app market is a big and growing area of interest both from the technological and the economical point of view. The introduction of in-app purchases in main digital distribution platforms has created the possibility to build apps with an underlying freemium business model. This work aims at giving a complete analysis of the most important aggregate metrics regarding user behavior in this environment. More specifically, we deal with mobile apps in a noncontractual purchase setting: customers buy whenever they wish with no predefined time for purchases (e.g. no subscription renewal). We mainly focus on analyzing the revenue that users downloading the app bring to the company on average, but considering also how much and how long they interact with the app. We start by describing a way to measure these quantities as a function of time from the download of the app, with particular attention to the uncertainties associated with the measurements. During all these studies we validate assumptions, concepts and results by testing them on data of real apps (released by the company Bending Spoons). In particular, we examine two important problems that we identified in our empyrical studies: the uncertainty coming from the low number of purchasing users and the correlation between values of the same metric at different times. In the second part of the dissertation we propose a model for user behavior, which predicts the evolution in time of the interesting quantities after an observation period. The model is the core of our study and we build it by extending a work published in 2010 by Peter Fader and Bruce Hardie to be applicable in our environment. We validate the proposed model against real data of three different apps obtaining good results. In the final part we describe the system we implemented to compute and display our measurements and predictions on a large scale, for all apps that Bending Spoons owns. This consists in a software project that collects data from users of the apps, computes associated predictions and then displays the results on a web interface.

Il panorama in cui è condotto questo studio è quello delle app per dispositivi mobili, un’area di grande interesse sia dal punto di vista tecnologico che economico. L’introduzione degli acquisti in app sulle principali piattaforme di distribuzione digitale ha creato nuove possibilità di business improntato al modello freemium in quest’ambito. L’obiettivo di questo lavoro è quello di mostrare un’analisi completa delle più importanti metriche riguardanti il comportamento aggregato dell’insieme degli utenti in questo contesto. Più nello specifico, viene studiato il modello di business non contrattuale: gli utenti possono comprare quando lo desiderano, a differenza di quanto avviene ad esempio per il rinnovo di abbonamenti a scadenza temporale. Il lavoro si concentra sull’analisi dei ricavi che l’utente medio apporta all’azienda a una certa distanza di tempo dall’installazione, ma facendo attenzione anche a quando e per quanto a lungo l’utente interagisce con l’app. La prima parte dello studio si focalizza sulla misura di queste quantità a partire dai dati, con particolare interesse a valutarne l’incertezza. Assunzioni e concetti introdotti vengono testati su dati provenienti da app reali, rilasciate da Bending Spoons. Grazie a questa validazione empirica abbiamo potuto identificare e affrontare due importanti difficoltà: la rumorosità dei dati dovuta al basso numero di utenti compratori e la correlazione fra i valori di una stessa metrica misurati a istanti di tempo diversi. Nella seconda parte viene proposto un modello del comportamento degli utenti, con lo scopo di riuscire a predire tali metriche. Questa seconda parte rappresenta il contenuto più innovativo di questo studio, ampliando un precedente lavoro di Peter Fader e Bruce Hardie per adattarlo al contesto di cui sopra. Il modello viene validato su dati reali provenienti da tre app, mostrando buoni risultati. A completamento del lavoro viene descritto il sistema implementato per calcolare e mostrare le misure e le predizioni fatte, che si occupa di ottenere i dati sugli utenti da un database e, una volta elaborati i risultati, renderli disponibili attraverso un’interfaccia web.