在AppStore和GooglePlay上的应用数量均超过了150万个，因而一款APP要从中突围相当困难。大部分的游戏开发者都需要在获取付费用户上花上一大笔营销费用。以下是手游获取用户的七宗罪，在没有做充分准备之前，如何避免这些危险地带。
第一宗罪：未执行试发布
用户获取的首要步骤就是准备。试发布与游戏的整体设计相互关联，在开始执行用户获取策略前，试发布极为重要。没有游戏开发者希望浪费大量的金钱把用户吸引到未经打磨的游戏上。如果游戏在发布之前游戏产品没有经过充分的测试和用户的检视。恐怕想的到投资回报也极为有限。
试发布：即在与玩家受众市场类似的国家或市场进行发布，除了玩家品味及习惯相似外，试发布的国家的规模较小。通过试发布，开发者能够了解游戏自身的盈利、用户留存及其他指标的情况。更重要的是，试发布帮助游戏开发者了解用户喜欢什么，不喜欢什么。学习更多能够提升玩家粘性技巧更有助于提高游戏的盈利水平。
第二宗罪：用户获取策略并未指标化
获取用户的最首要目标莫过于产生收入和提高盈利。然而，在获取用户的整个过程中，需要设定多个较小，并具有可量化的指标。用户获取策略的每一个步骤都应该予以计量。
这样相当于你对游戏的创意执行A/B测试。研发商的目标是提高点击率或转化率，在执行推广策略后，你可以对比前后的结果。关键在于是否有足够的耐性等待用户留存率的提高或更倾向于采用效果更加及时的。为策略的每一个步骤设定目标能帮助你更好地了解自己的获取用户情况。
第三宗罪：未了解ARPU(每用户平均收入)
在进行用户获取策略时，每个开发者都需要考虑：“到底我需要花多少钱才能维持利润?”手游获取用户的一大陷阱就是在采取推广策略前并不了解用户能给你带来多少收入。
不论你是否采用ARPU、LTV(用户终身价值)或是其他指标来定义用户的价值，设置合理开销的标准非常重要。如果平均每位用户只会在他们的终身价值期间只花1美元，而你却花了2美元来获取一位用户，那么这个推广策略毫无意义。
第四宗罪：单一的广告合作商
移动领域有许多广告供应商和用户获取平台。将所有鸡蛋放在一个篮子里面相当危险，还让你丢失其他获取用户的机会。
首先，与多个广告商的合作能够帮助你保持低额每安装成本(CPI)和测试比对多个不同广告商给你带来的收入。此外，如果推广时间过长，那么你就会面临该广告商饱和的风险。饱和就意味着你的游戏向越多的用户展示，转化率就会逐渐降低。
考虑实际中的饱和情况，如果A游戏的转化率能达到10%。那么当A游戏向10位用户展示广告时，就会有一位用户安装A游戏。当这位玩家保持进行游戏时，其他9位用户还是会被展示有关A游戏的广告。在第二次被展示广告时，这9位用户的转化率就会更低了，因而整体的转化率也就会降低。
为了避免饱和，在多个广告商的平台上投入广告。当然，与多个广告商打交道可是件麻烦的事情，但其回报是值得的。
第五宗罪：高估自然增长
不要期待用户会找到你的游戏，并传播给他们的朋友游戏有多棒。自然增长的成功例子屈指可数。
排在榜单前十名的免费应用就会获得大量的自然下载。但对于绝大部分游戏的开发者来说，花那么多钱进入前十名是非常不合理的。根据Trade Mob的一份关于突发性广告的报告，截至本年二月，游戏要打入美国AppStore的前十名地至少花100,000美元。
而大部分的子分类排名并不能够提供足够的下载量。游戏开发者最好还是通过付费的渠道，而非寄望于多年不变的榜单之争。
编辑推荐是另一个自然增长的来源，但要在苹果和Google的应用商店取得该位置更加困难了。通常编辑团队都会选择能够展示新版本系统特性，或新功能的游戏。一些应用能够被推荐是因为它们本身就充满乐趣和品质优良，但苹果和Google对他们推荐的游戏的考虑牵涉了更多的考虑问题。
线上发布和评测网站有时候能带来一定的下载量，但这些网站每天会收到大量的评测请求。除非游戏开发者与这种推广源有一定的关系，那么期待这种推荐方式带来大量的下载则非常不现实。
爆炸式广告如果做得到位能非常有效。但别期望在榜单上的排名能给你带来多少自然下载量。
第六宗罪：依赖激励性安装
通过激励性奖励取得的用户只会为榜单排名贡献价值。绝大部分的这些用户安装应用和完成必要的步骤的目的只不过是赚取游戏中的奖励。他们对新游戏及其ARPU/LTV毫不关心，而且他们的ARPU/LTV也比通过非激励性奖励取得用户的低。
在GooglePlay上，激励性安装能带来一定的负面影响，如应用的评分、评价、卸载率和其他影响排名算法的数据。
激励性安装在发行商的应用能提供与你目标用户类似的用户时能起到很好的作用。
第七宗罪：没有对用户进行细分
几乎所有成功的游戏都离不开对用户行为的研究。通过获知用户的习惯，能够更好地执行用户获取策略。
简单的方法是可通过如广告类型(视频和非激励性广告)、设备类型和用户所在的地理位置。根据你广告方式，你还可以取得如发行商类型或甚至具体的应用来源的等细分数据。
细分用户和分析他们的付费情况及留存水平有助于确定何种信息和广告能够转化付费用户。
