Привет, Хабр! На связи Влад Михайлов, Marketing Analyst в Garage Eight. Не знаю, замечали ли вы, но последние несколько лет открытых данных о мобильных приложениях стало так много, что узнать о конкурентах можно практически всё: от количества установок и источников трафика до активной аудитории и рекламных креативов.
Проблема в том, что все эти данные разбросаны по разным системам. Обычный процесс выглядит так: открыть Sensor Tower, потом Similarweb, выгрузить несколько CSV-файлов, попытаться объединить их в Excel и сделать презентацию. Спустя пару дней у вас на руках будет отчет, вот только уже устаревший.
Я решил изменить сам подход к сбору данных на своем проекте и хочу рассказать об этом.
Когда данных много, а ответов мало, помогает ежедневный пайплайн
Я решил полностью автоматизировать процесс по одному из проектов на уровне архитектуры. Место хаотичной ручной работы занял конвейер данных, который запускается каждый день. Вот как выглядит путь от источников до готового отчета:
Sensor Tower API и Similarweb API → Airflow → Docker + Python ETL → BigQuery (DWH) → Data Marts → Tableau
Airflow ежедневно запускает задачу в Docker-контейнере.
Python-скрипты забирают данные из API Sensor Tower и Similarweb, приводят их к единому формату и загружают в BigQuery в виде «сырых» таблиц.
В BigQuery объединяются данные из разных источников, рассчитываются производные метрики и формируются аналитические витрины.
Tableau подключается к готовой модели данных и отвечает только за визуализацию.
Такое разделение оказалось очень удобным: Python отвечает за получение, нормализацию и загрузку данных, BigQuery — за хранение, объединение и вычисления, а Tableau — за конечное представление результатов. В итоге каждый компонент выполняет свою задачу, а вся система остается простой в сопровождении и масштабировании.
Почему смотреть только на установки — бесполезно
Самая распространенная ошибка — анализировать только количество загрузок. Цифра есть, но она ничего не объясняет. Гораздо важнее понять, откуда пришли эти пользователи, поэтому поверх исходных данных я начал рассчитывать собственные метрики. Именно они и начинают показывать настоящую ситуацию на рынке:
Доля платного трафика и органики: в целом, а также с разбивкой по Android и iOS.
Источники органики: поиск в сторах (Search Share) или рекомендации (Browse Share).
Эффективность аудитории: соотношение активной аудитории и установок (DAU/MAU к Downloads).
Как только я это сделал, сразу проявились закономерности, которые раньше заметить было сложно. Всё это привело меня к нескольким инсайтам.
Инсайт №1. Лидер по загрузкам может полностью зависеть от рекламы
Выяснилось, что большой объем установок далеко не всегда означает сильный продукт. Некоторые приложения получают львиную долю аудитории только благодаря рекламным бюджетам, а это значит, что их рост — платный. Как только рекламные кампании сворачиваются, динамика схлопывается. Поэтому количество загрузок без анализа структуры источников — это иллюзия силы.
Инсайт №2. Органика — индикатор реальной силы бренда
Я обнаружил приложения, которые не входят в топ по загрузкам, но стабильно держат высокую долю органики. Их аудитория приходит сама: через поиск, рекомендации или узнаваемость бренда. Такие компании — самые устойчивые. Им не нужно постоянно наращивать бюджет, чтобы удерживать позиции.
Инсайт №3. Android и iOS — две разные реальности
До построения витрин казалось, что стратегия продвижения едина для обеих платформ, но когда я разбил показатели, картина изменилась. У некоторых игроков Android растет практически полностью на органике, а iOS, наоборот, требует агрессивного платного трафика.
Без такого разделения по платформам различия сливаются, и вы рискуете принимать решения вслепую
Инсайт №4. Поиск и рекомендации — это две разные стратегии
Органические установки принято считать одним показателем. На практике поиск в магазине приложений (ASO) и попадание в рекомендации работают совершенно по-разному.
Одни конкуренты выигрывают исключительно за счет оптимизации под поиск, а другие — благодаря алгоритмам платформы. Это две разные стратегии, и они требуют разных действий, хотя в отчетах и те и другие установки считаются органическими
Инсайт №5. Высокие установки ≠ активная аудитория
Еще один показатель, который я начал отслеживать, — соотношение месячной активной аудитории к общему числу установок (MAU/Downloads). Он показывает, какая доля пользователей остается с приложением надолго.
Картина оказалась отрезвляющей — иногда лидер по загрузкам заметно уступает конкурентам по удержанию. Происходит классическая «гонка на месте»: пользователи устанавливают приложение и уходят, не становясь постоянной аудиторией.
Только с учетом месячной активности к объему загрузок можно заметить проблему
Инсайт №6. Количество креативов — индикатор зрелости маркетинга
Как только я начал автоматически отслеживать количество креативов у каждого конкурента, форматы, рекламные сети и длительность жизни каждого объявления, очень быстро стало видно, что подходы различаются радикально. Одни компании тестируют сотни вариантов, быстро обновляя пул, другие используют небольшое количество объявлений, но работают с ними значительно дольше.
Это не просто наблюдение, а показатель стратегии. Так можно отслеживать, кто из конкурентов делает ставку на быстрые тесты, а кто — на стабильность и качество креативов.
Инсайт №7. Лучшие объявления живут месяцами
Большинство рекламных материалов исчезает из ротации уже через несколько дней, и это нормально. Но некоторые продолжают работать по два, а иногда и по три месяца.
Когда я совместил длительность жизни креатива с его долей показов (Impression Share), всё встало на свои места. Креативы-долгожители почти всегда получают максимальный объем трафика: алгоритмы платформ сами выбирают их как наиболее эффективные.
Отсюда простой, но важный вывод: высокая продолжительность жизни объявления в сочетании с высокой долей показов — один из самых надежных сигналов, что креатив действительно работает.
Инсайт №8. Высокий Impression Share — только у двоих игроков рынка
Когда я начал анализировать Impression Share, выяснилось самое интересное. Само по себе большое количество рекламы ничего не гарантирует: можно запустить тысячу объявлений и не получить заметного охвата. Поэтому я смотрел именно на максимальную долю показов, которую набирает каждый креатив, и результат оказался неожиданным.
Несмотря на десятки активных игроков рынка, стабильно высокий Impression Share показывали только две компании. Все остальные находились значительно ниже. Это не просто следствие большого бюджета, а индикатор того, что маркетинговая команда умеет находить идеи, которые алгоритмы рекламных платформ считают максимально релевантными аудитории.
Impression Share стал косвенным показателем качества работы performance-маркетинга, и именно этот вывод оказался одним из самых неожиданных за весь проект
Главный инсайт №9. Лучшие рекламные идеи конкурентов теперь видны автоматически
Раньше поиск работающих креативов выглядел так: открыть рекламные библиотеки, пролистать сотни объявлений, попытаться угадать, какие из них действительно эффективны, сохранить ссылки и собрать презентацию. На такую работу легко уходило два дня, причем результат целиком зависел от внимательности конкретного аналитика. Лучший креатив можно было просто пропустить.
Теперь всё иначе. Tableau автоматически показывает:
креативы с максимальным Impression Share;
сколько дней они уже в ротации;
когда появились впервые и когда были замечены в последний раз;
через какие рекламные сети распространяются;
какой формат используется: изображение, видео или playable.
Фактически система сама отвечает на вопрос: «Какие рекламные идеи сейчас больше всего нравятся пользователям?» Больше не нужно тратить часы на поиск информации — достаточно открыть отчет, и самые эффективные креативы конкурентов уже отсортированы по охвату.
Речь, конечно, не о копировании. Такой анализ позволяет увидеть закономерности: какие визуальные приемы работают, какие сообщения используют лидеры, какие форматы живут месяцами, а какие исчезают за несколько дней.
В итоге аналитик перестает заниматься сбором информации и начинает делать то, что действительно важно, — интерпретировать данные и выдвигать новые гипотезы. Именно этот переход, на мой взгляд, и является главной ценностью автоматизации.
Инсайт №10 — финальный. Трафик падает, но интерес к рынку остается. Куда уходят пользователи?
Когда я начал регулярно сопоставлять данные Similarweb и Sensor Tower, обнаружилась общая для всего рынка картина. Практически у всех игроков одновременно снижалась посещаемость сайтов, сокращался мобильный трафик и падало количество установок.
Первая мысль: интерес пользователей к отрасли в целом снижается. Но я решил проверить эту гипотезу через Google Trends и данные поискового спроса. И здесь меня ждал сюрприз. Несмотря на падение трафика, количество поисковых запросов по отрасли оставалось стабильным. Пользователи продолжали искать информацию, сравнивать продукты и принимать решения.
Получилась парадоксальная картина: интерес к рынку не падает, а привычные каналы привлечения аудитории теряют трафик. Это означает только одно: пользователи никуда не исчезли, изменился их путь.
Именно этот вывод стал отправной точкой для следующего этапа исследования. Возник вопрос, который сегодня гораздо важнее большинства привычных метрик: «Где теперь формируется спрос, если пользователи больше не приходят привычными маршрутами?»
Гипотез пока несколько:
Аудитория перетекает в экосистемы соцсетей.
Растет роль телеграм-каналов и тематических сообществ.
Не исключено влияние AI-поиска и больших языковых моделей, которые становятся новым способом поиска и сравнения продуктов.
Пока это только направления для изучения, но главное — благодаря автоматизированному мониторингу данных я смог отследить этот тренд на ранней стадии. Без него закономерность, скорее всего, осталась бы незамеченной за грудой разрозненных отчетов. Иногда главный результат хорошей аналитики — не готовый ответ, а новый, правильно заданный вопрос.
Вывод
Я начинал с чисто технической задачи — автоматизировать сбор данных. А в результате получил систему, которая ежедневно показывает: кто из конкурентов усиливается, какие каналы работают и какие креативы действительно находят отклик у аудитории.
Но главное даже не это. Раньше приходилось тратить несколько дней на поиск данных и подготовку отчета, а теперь можно просто открыть дашборд и сразу увидеть готовую картину. Механика в работе аналитика исчезла — качество анализа сильно изменилось, и всё это позволяет находить скрытые закономерности.
А как вы сейчас решаете задачу конкурентной разведки? Собираете данные вручную или уже автоматизировали? Поделитесь опытом — какие инструменты используете?
