价格最高相差15万倍 游戏如何做好用户获取与变现

　　基于平均的拆分逻辑，相对细致的做法是先按照国家和地区对广告收入做一个拆分，因为广告平台也会透露各个国家的变现数据，在得到某一个国家的收入数据过后，按照一定的逻辑，无论是DAU，Session或者展示量，去对某一国家或者某个用户的广告收入进行拆分，进而得到一个最后的拆分的值。

　　得到拆分的广告收入数据确实会要比一无所知的要强，但是它真的准确吗？我们做了一个验证。我们分析了支持Bidding（实时竞价）的广告平台7天的展示数据，我们发现eCPM最低值和最高值之间差了15万倍，也就是单次展示的价格相差了15万倍。

　　当我们以平均的方式去拆分展示时，可想而知准确度如何。 如果说单次展示的数据差异是由于用户间不同的属性造成的，那各个广告平台对同一用户的展示价格又如何呢？我们发现针对同一用户，单个广告平台最低出价和最高出价差10倍的占到了整个用户群体的9%。而针对同一用户出价波动在2倍以上的，更是占到了50%，也就是说有50%的用户展示广告所得收益的波动是在2倍以上的。因此，单纯的依靠展示，Session，或者是DAU进行广告收入的拆分并不靠谱。

　　此外，各个广告平台采用的主要竞价模式也各不相同，对于Facebook Audience Network来说主要是CPM ，对于AdMob来说主要是CPC，对于视频平台来说，主要是CPI的计价。在此情况下，如果想要做准确的广告收益拆分，就要把更多的因素考量进去。

　　我们希望做的一件事情，就是能够搭建一个算法模型，依据可以获得的信息，包括刚刚提到的广告平台的计价模式、用户的行为权重、用户广告行为分析等要素，通过机器学习来进行费平均的拆分。举例来说，以CPC作为主要竞价模式的平台，任何没有产生点击的展示，都不会给权重去计算广告收益。

　　同时我们也可以通过用户点击后行为的分析，去预估用户是否进行了下载。例如我们知道一个用户点击了广告跳出游戏，我们可以通过从点击广告到返回游戏的时长去做推测。如果用户在点击后立即回到了游戏，则大概率该用户并未下载广告中的游戏，可能只是一次误点击；但若用户点击广告后很长时间未回到游戏，则有一定可能是他下载并且开始玩另一个游戏了。当然这些推测和预估模型需要大量的数据进行机器学习和验证，才能更为准确的去拆分广告收益。

　　五、头部10%的用户贡献80%的收入 善用归因工具提高广告变现

　　根据我们对广告收入的拆分，我们发现：头部10%的用户贡献了超过80%以上的收入，这部分用户就是我们常说的广告鲸鱼（Ad Whales）。也就是说，如果能精准的抓出这10%的用户，配合Facebook Lookalike去投放，对于广告变现来说会有巨大的增长提升。同时我们也发现，事实上大约有50%的用户根本不贡献广告收入，如果某些渠道买进来的用户都是这类用户的话，我们花费的广告投入实际是浪费的。这也是为什么我们要去拆分广告收益的原因，能够帮助我们更好的指导投放。

　　Adsforce是UPLTV最新推出的第三方追踪工具，比较特色的功能是以一个比较科学、合理的方式帮助开发者拆分广告收入。以广告来变现的游戏可以用数据来指导买量。Adsforce的后台数据统计报表功能强大，可以分不同的国家、渠道、媒体来做各种分析，让开发者能够更好地以数据指导游戏的投放和变现。

　　市面上其他的归因工具价格都非常高，这为我们的休闲游戏买量增加了不少的成本。我们也希望给广大开发者提供一个物美价廉的归因工具，所以与同类友商的定价相比，Adsforce是性价比很高的。

　　最后，介绍一下UPLTV。UPLTV自研的聚合平台能帮助开发者提升20%以上变现收益。今年荣获了Facebook在中国区的顶级代理，让我们能够把流量的获取和变现打通，配以最新推出的分析平台，实现完整的数据闭环，从而帮助开发者能够更好地运营游戏，快速提升营收。

　　许多的中小开发者具备非常好的产品能力，我们希望能够服务到这些中小开发者，帮助大家更好地出海。

　　来源：游戏陀螺

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!