Tidak semua pengguna membayar, tetapi mereka yang membayar — menentukan pendapatan aplikasi. ARPPU (Average Revenue Per Paying User) menunjukkan jumlah rata-rata yang dihasilkan pengguna yang membayar dalam suatu periode. Menurut data RevenueCat (2025), di 100 aplikasi teratas ARPPU 6–8 kali lebih tinggi dari ARPU — kesenjangan ini menunjukkan betapa kecilnya proporsi audiens yang membayar. Metrik ini penting untuk mengevaluasi efektivitas monetisasi dan bekerja dengan pengguna premium.
Poin Utama
ARPPU (Average Revenue Per Paying User) — metrik monetisasi yang hanya memperhitungkan pengguna yang membayar. Indikator ini menjawab pertanyaan: berapa rata-rata pengeluaran pengguna yang memutuskan untuk melakukan pembelian. ARPPU mengecualikan semua yang tidak membayar dari perhitungan — dan ini mencapai 90–97% audiens di sebagian besar aplikasi mobile.
Metrik ini sangat diperlukan untuk analisis segmen premium. Jika ARPU turun, ini bisa disebabkan oleh penurunan pendapatan dari pembayar maupun masuknya banyak pengguna gratis. ARPPU mengisolasi efeknya: jika ARPPU stabil, audiens premium membayar seperti biasa, dan masalahnya ada pada kuantitas atau kualitas lalu lintas.
Menurut Sensor Tower (2025), rata-rata ARPPU di game mobile adalah $12,50 per 90 hari. Di kategori Strategy nilainya mencapai $28, di Hypercasual — $1,50. Semakin kompleks gamenya, semakin tinggi keterlibatan dan rata-rata pembelian pengguna yang membayar. Di utilitas, ARPPU lebih rendah karena pembelian satu kali tanpa langganan.
Rumus ARPPU hanya berbeda dari ARPU pada penyebutnya. Alih-alih semua pengguna, hanya pembayar yang diambil — mereka yang melakukan setidaknya satu transaksi dalam periode. Pengguna yang membayar ditentukan di tingkat pengidentifikasi (User ID, Advertising ID) dengan keterkaitan ke platform (iOS / Android).
data class PayingUserMetrics(
val totalRevenue: Double,
val payingUsersCount: Int
) {
val arppu: Double
get() = roundToTwoDecimals(
totalRevenue / payingUsersCount
)
}
data class PurchaseEvent(
val userId: String,
val productId: String,
val priceUSD: Double
)
Kelas PayingUserMetrics merangkum logika ARPPU. Properti arppu dihitung saat diakses — ini menjamin keaktualan data. PurchaseEvent mencatat setiap pembelian. Untuk perhitungan yang benar, diperlukan deduplikasi pengguna: bahkan jika seseorang melakukan 10 pembelian, ia dihitung satu kali di penyebut.
ARPPU dapat naik baik karena peningkatan rata-rata pembelian maupun peningkatan frekuensi pembelian. Menentukan pemicunya — tugas utama analis. Jika rata-rata pembelian naik — penyebabnya adalah perubahan harga atau munculnya produk mahal. Jika frekuensi naik — mekanik pembelian berulang telah membaik.
Perbedaan utama — penyebut. ARPU membagi pendapatan dengan semua pengguna, ARPPU — hanya dengan pembayar. Kesenjangan antara metrik mencerminkan konversi free-to-paying (F2P). Semakin besar kesenjangannya, semakin sedikit pengguna yang membayar, tetapi semakin tinggi nilai mereka bagi bisnis.
Pertimbangkan aplikasi hipotetis. Pendapatan $50.000, pengguna 500.000, pembayar — 10.000. ARPU = $0,10, ARPPU = $5. Kesenjangan 50 kali lipat menunjukkan konversi 2%. Jika ARPPU mulai menurun dengan ARPU yang stabil — berarti pembayar mulai membayar lebih sedikit. Jika ARPU turun lebih cepat dari ARPPU — aplikasi menarik banyak pengguna tidak membayar.
Menurut Adjust (2025), rasio sehat ARPU terhadap ARPPU untuk game mobile berkisar dari 1:5 hingga 1:15. Untuk aplikasi berlangganan, rasionya lebih dekat — dari 1:3 hingga 1:6, karena model langganan mengasumsikan konversi pengguna gratis menjadi pembayar yang lebih tinggi.
| Metrik | Penyebut | Menunjukkan |
|---|---|---|
| ARPU | Semua pengguna | Rata-rata pendapatan per pengguna |
| ARPPU | Hanya pembayar | Rata-rata pendapatan per pembayar |
| Perbedaan | — | Konversi F2P dan nilai audiens pembayar |
Pemilihan metrik tergantung pada tugas. Untuk mengevaluasi efektivitas monetisasi secara keseluruhan, gunakan ARPU. Untuk analisis produk premium dan penetapan harga — ARPPU. Dalam pengujian A/B pembelian baru, ARPPU akan menunjukkan apakah nilai pembayar berubah, dan ARPU — bagaimana pengaruhnya terhadap total pendapatan.
ARPPU sensitif terhadap perubahan produk dan pemasaran. Mari kita bahas faktor-faktor utama yang menentukan nilai metrik. Memahami faktor-faktor ini memungkinkan prediksi reaksi ARPPU terhadap perubahan dan menghindari kesalahan dalam interpretasi.
Kumpulan produk yang tersedia dan harganya — pendorong utama ARPPU. Keberadaan paket mahal ($50–100) menggeser rata-rata pembelian ke atas, bahkan jika mayoritas membeli produk murah. Apple (2025) merekomendasikan tiga tingkat: dasar ($1–5), menengah ($10–30), dan premium ($50+) — ini secara maksimal mencakup permintaan berbagai segmen.
Di aplikasi berlangganan, ARPPU ditentukan oleh biaya langganan. Langganan tahunan dengan diskon 30–50% meningkatkan ARPPU 6–8 kali dibandingkan dengan bulanan, meskipun konversi ke langganan tahunan lebih rendah. RevenueCat (2025) menunjukkan: pengguna langganan tahunan memiliki ARPPU $60–120 dibandingkan $8–15 untuk bulanan.
ARPPU sangat bervariasi menurut negara dan platform. Pengguna iOS menghabiskan rata-rata 2–3 kali lebih banyak daripada Android. Alasannya tidak hanya pendapatan, tetapi juga psikologi pembelian: pemilik iPhone terbiasa membayar untuk konten. Statista (2025) menunjukkan: ARPPU di iOS di AS adalah $18, di Android — $7 untuk periode 90 hari.
Segmentasi geografis ARPPU membantu menyesuaikan harga. Di Jepang pengguna menghabiskan 1,5 kali lebih banyak daripada di AS, sementara ARPPU 30% lebih tinggi di kategori Games (Data.ai, 2025). Perbedaan ini terkait dengan budaya game mobile dan tingginya prevalensi mekanik gacha.
ARPPU berbeda tergantung pada jenis pembelian yang dilakukan pengguna. Non-consumable (menonaktifkan iklan, akses premium) memberikan ARPPU satu kali yang tinggi. Consumable (koin, nyawa, penguat) — pengeluaran kecil rutin. Subscription — ARPPU stabil dengan pertumbuhan bertahap saat kenaikan harga langganan.
Perhitungan otomatis ARPPU ditanamkan ke dalam sistem analitik aplikasi. Mari kita lihat implementasi di Kotlin dengan pengelompokan berdasarkan hari. Bagian server mengumpulkan peristiwa pembelian dari In-App Purchase SDK dan menggabungkannya dalam laporan. Perhitungan lokal membantu memvalidasi data platform analitik.
class ARPPURepository(
private val purchaseDao: PurchaseDao
) {
fun getMonthlyARPPU(
year: Int,
month: Int
): Double {
val purchases = purchaseDao
.getPurchasesInPeriod(year, month)
val payingUsers = purchases
.map { it.userId }
.distinct()
.count()
val totalRevenue = purchases
.sumOf { it.priceUSD }
return roundToTwoDecimals(
totalRevenue / payingUsers
)
}
}
Metode distinct menjamin bahwa pengguna diperhitungkan satu kali di penyebut, bahkan jika ia melakukan 50 pembelian. sumOf menjumlahkan seluruh pendapatan. Fungsi mengembalikan Monthly ARPPU. Dengan cara yang sama, Weekly dan Daily ARPPU dihitung — cukup dengan mengubah periode filter.
Untuk mempercepat perhitungan pada data besar, gunakan kueri agregat di basis data. Kueri SQL dengan GROUP BY userId dan SUM(revenue) bekerja lebih cepat daripada memuat semua catatan ke memori. Firebase BigQuery memungkinkan eksekusi kueri semacam itu pada kumpulan data berjuta-juta dalam hitungan detik.
Pertumbuhan ARPPU — tugas manajer produk dan pemasar. Metrik ini ditingkatkan dengan tiga cara utama: menaikkan harga, meningkatkan frekuensi pembelian, dan menciptakan produk yang lebih mahal. Setiap cara memiliki keterbatasan dan memerlukan pengujian.
Cara pertama — penetapan harga dinamis. Segmen yang berbeda bersedia membayar secara berbeda. Penawaran yang dipersonalisasi berdasarkan perilaku: pengguna yang telah membeli 3+ kali penguat murah lebih mungkin membeli yang mahal. Pengujian A/B harga — satu-satunya cara yang andal untuk menentukan titik optimal: kenaikan harga 10% dengan penurunan konversi kurang dari 10% meningkatkan ARPPU.
Cara kedua — langganan di aplikasi tanpa langganan. Menambahkan langganan mingguan untuk konten premium meningkatkan ARPPU sebesar 20–40% tanpa mengubah harga pembelian satu kali. Auto-renewable subscriptions di iOS menghasilkan pendapatan stabil dan ARPPU yang dapat diprediksi untuk perencanaan.
Cara ketiga — menciptakan mekanik kelangkaan. Item terbatas, set musiman, dan battle pass meningkatkan rata-rata pembelian. Menurut GameAnalytics (2025), aplikasi dengan battle pass memiliki ARPPU 45% lebih tinggi daripada tanpa battle pass. Mekanik ini bekerja karena efek keterikatan: pengguna telah membeli battle pass dan dipaksa bermain lebih aktif dengan melakukan pembelian tambahan.
ARPPU bisa menyesatkan jika diinterpretasikan secara tidak benar. Mari kita bahas jebakan umum. Jebakan utama — kenaikan ARPPU karena penurunan konversi. Jika beberapa pembayar besar pergi dan sisanya membayar sama — ARPPU akan turun. Tetapi jika konversi turun dan pembayar yang tersisa mulai membayar lebih — ARPPU akan naik, meskipun total pendapatan menurun.
Jebakan kedua — membandingkan ARPPU produk yang berbeda tanpa mempertimbangkan kematangannya. Aplikasi baru dengan 10 pengguna yang membayar memiliki ARPPU tinggi karena keacakan. Setelah setahun dengan seribu pembayar, ARPPU akan turun — ini normal. Bandingkan ARPPU hanya untuk produk dalam siklus hidup yang sama.
Jebakan ketiga — musiman. ARPPU naik di bulan Desember sebesar 30–50% karena diskon liburan dan hadiah. Membandingkan November dengan Desember tidak informatif. Gunakan perbandingan year-over-year (YoY) untuk penilaian yang benar. Anomali musiman menutupi penurunan kualitas produk jika periode tidak diperhitungkan.
Jebakan keempat — mencampuradukkan ARPPU dengan ukuran transaksi rata-rata (Average Transaction Size). ARPPU memperhitungkan semua pembelian satu pengguna dalam suatu periode, ukuran transaksi rata-rata — hanya satu transaksi. Jika pengguna melakukan 5 pembelian masing-masing $1, ARPPU = $5, ukuran transaksi rata-rata = $1. Ini adalah metrik yang berbeda untuk tugas analitik yang berbeda.
Pertanyaan yang Sering Diajukan
ARPPU — pendapatan dari pengguna yang membayar selama suatu periode (dapat mencakup banyak pembelian). Ukuran transaksi rata-rata — biaya satu transaksi. ARPPU selalu lebih besar dari atau sama dengan ukuran transaksi rata-rata jika pengguna melakukan lebih dari satu pembelian dalam periode tersebut.
Periksa apakah pembayar besar telah pergi, apakah harga turun, apakah komposisi produk premium berubah. Analisis kohort pembayar baru: mungkin pengguna dengan daya beli lebih rendah telah datang.
Tergantung pada kategori. Untuk game casual ARPPU bulanan $5–10 adalah normal. Untuk strategy — $20–40. Untuk aplikasi berlangganan — $8–15 per bulan. Bandingkan dengan median per kategori di platform Data.ai atau Sensor Tower.
Pengguna iOS menghabiskan 2–3 kali lebih banyak daripada Android. Dalam analisis ARPPU, selalu segmentasikan berdasarkan platform — rata-rata dari dua platform tidak mencerminkan realitas masing-masing.
Kenaikan harga dapat menurunkan konversi menjadi pembayar. Jika peningkatan pendapatan dari mereka yang terus membeli lebih kecil daripada kerugian dari mereka yang pergi — ARPPU tidak naik, tetapi turun. Pengujian A/B membantu menemukan titik harga yang optimal.
Kesimpulan
Kami akan mengembangkan aplikasi seluler turnkey
IT Sectr membuat aplikasi iOS dan Android untuk startup dan bisnis sejak 2017. Kami akan memberi saran dan mengusulkan solusi terbaik.
Baca juga