苹果asm：利用TTR与CVR预测其它统计信息的可行性

近一段时间蝉大师与大家分享了非常多的苹果asm知识，今天我们的首席ASM海外负责人将与大家一起来探讨苹果搜索广告系列TTR(点击率)和CVR(转化率)是否能预测其他任何性能统计信息的问题，包括TTR

/ CVR，CPT(每次点击费用)，CPA (每次下载的费用，因为苹果不计算安装/启动)和广告支出回报率(广告支出回报)。

在先前研究期间，我们有一些重要的结论与经历，与大家一起分享下：

CPT比CVR更有效地影响CPA。

TTR对CVR影响不大。

我们分析了141个完全匹配关键字。

我们没有控制出价。

我们从2周的时间里抽出数据。

蝉大师ASM海外负责人研究结果如下：

我们先来看看是哪些因素又是如何影响CPA和ROAS。

CPA = CPT /

CVR，因此降低CPT或增加CVR应该对CPA有好处。也就是说，CVR的定义限制在0-100%，而CPT在理论上是无限的，但在实践中将取决于有竞争力的定价压力。

Cpa是否可取?

CVR如果增加R平方为.2284，斜率为-.0746(斜率为负，因此较低的CPA是可取的)。

CVR预测CPA

相比之下，降低CPT的R平方解释了CPA的下降.25095，斜率为-0772x。

CPT预测CPA

这表明，比较而言，CPT影响CPA的能力以3%为更有效。

其实每次点击成本的趋势研究比其它研究更趣，也更为重要。我们还研究了CPT和CVR对ROAS的影响。

解设增加回报率的增长CVR的R平方为.0445，斜率为0.374(斜率为正，因为较高的投资回报率是可取的)。

CVR预测ROAS

另一方面，减少CPT的R平均值反映了广告投资报酬率的增加，为0.31616，斜率为0.0516x。

CPT预测 - ROAS

即使排除了研究的两个异常值，CPT> CVR的结果也是如此。

解释增加ROAS的CVR增加的R平均变为0.04979，而-.0041的斜率则表示负相关。

CVR-predict-ROAS_no异常值

ROAS减少CPT的R平方为0.02093，斜率为.0016x。APP运营

CPT-predict-ROAS_no异常值

其他发现：

TTR无法预测CVR

考虑到异常值，TTR与ROAS相关

就现阶段而言，虽然蝉大师ASM分析师此次采用的数据集并不大，但这次有趣的调查可以为以后更大规模的研究奠定基础。在家对苹果ASM的未来研究有什么建议的话，也可以与我们一同来进行分析。

本文由蝉大师https://www.chandashi.com/原创，如需转载，请注意出处，否则禁止转载，谢谢大家!