上海2019年7月12日 /美通社/ -- 長(zhǎng)久以來(lái),對(duì)于以廣告變現(xiàn)(IAA)為主的中輕度游戲如何計(jì)算準(zhǔn)確ROI一直是困擾市場(chǎng)推廣人員的難題 -- 與以內(nèi)購(gòu)(IAP)為主要營(yíng)收方式的游戲不同,由于廣告變現(xiàn)為主的游戲缺乏用戶級(jí)廣告收益數(shù)據(jù),優(yōu)化買(mǎi)量campaign便只能依賴CPI和留存,再輔以優(yōu)化師的個(gè)人經(jīng)驗(yàn)做出判斷。然而,如果CPI與留存數(shù)據(jù)相悖,便很難判斷campaign是否有效。由此可見(jiàn),對(duì)于此類游戲,ROI就像拼圖中缺失的最關(guān)鍵一塊,嚴(yán)重影響了買(mǎi)量決策和產(chǎn)品收益擴(kuò)大。
針對(duì)此類痛點(diǎn),游戲廣告優(yōu)化平臺(tái)UPLTV憑借多年廣告變現(xiàn)經(jīng)驗(yàn)和大數(shù)據(jù)分析技術(shù),于近期發(fā)布用戶級(jí)廣告收益拆分功能 -- UART(User-level Ad Revenue Tracking)。經(jīng)過(guò)近一年大規(guī)模測(cè)試,已證明可有效拆分用戶級(jí)廣告收益,計(jì)算出每個(gè)campaign的ROI。進(jìn)而,市場(chǎng)推廣人員可以選取自己現(xiàn)有的廣告“大R”用戶作為種子,或利用Facebook的Ad Impression和Ad Click App Events打點(diǎn)為種子,生成 Lookalike Audience(類似受眾定位)投放廣告,不斷優(yōu)化campaign,從而不斷高效獲取類似的高廣告價(jià)值玩家,實(shí)現(xiàn)最大化變現(xiàn),形成正向循環(huán)。
目前業(yè)內(nèi)已有其他廣告聚合平臺(tái)陸續(xù)發(fā)布用戶級(jí)或展示級(jí)廣告收益拆分功能,然而普遍對(duì)自身拆分的邏輯和方法說(shuō)明不是很清楚。經(jīng)過(guò)UPLTV的調(diào)查和驗(yàn)證,其他廣告聚合平臺(tái)的用戶級(jí)或展示級(jí)廣告收益拆分主要有兩種方式,都存在明顯誤區(qū)和缺陷:
與以上兩種用戶級(jí)廣告收益拆分不同, UPLTV完全摒棄了“平均拆分”的邏輯,而是基于用戶廣告畫(huà)像的收益拆分。通過(guò)對(duì)不同廣告形態(tài)應(yīng)用針對(duì)性的邏輯算法,準(zhǔn)確區(qū)分不同渠道的計(jì)費(fèi)模式。用戶級(jí)廣告收益拆分建立在每一個(gè)有效的廣告行為的識(shí)別和拆分上。之所以能夠?qū)崿F(xiàn)更有效的用戶級(jí)廣告收益拆分,是因?yàn)閁PLTV作為完全中立的第三方廣告聚合平臺(tái)(third-party mediation),能夠獲取有效的廣告互動(dòng)行為數(shù)據(jù),并通過(guò)積累億級(jí)廣告歷史構(gòu)建用戶廣告行為畫(huà)像,再以大數(shù)據(jù)分析和人工智能算法預(yù)估用戶級(jí)廣告收益。在對(duì)用戶級(jí)廣告收益進(jìn)行有效拆分后,根據(jù)輸出的數(shù)據(jù)報(bào)表可分析用戶的廣告價(jià)值。UPLTV通過(guò)大量產(chǎn)品測(cè)試后得出兩個(gè)結(jié)論:
UART功能的發(fā)布,將革新以廣告變現(xiàn) (IAA)為主游戲的買(mǎi)量模式,通過(guò)提供用戶級(jí)廣告收益數(shù)據(jù),助力推廣人員測(cè)算出精確的ROI,以此優(yōu)化廣告投放campaign,獲取更多高質(zhì)量用戶,實(shí)現(xiàn)游戲收益躍升。