用户收益拆分助力突破变现瓶颈

9月18日，UPLTV联合罗斯基在海滨城市——厦门举办了“游戏出海，如何建立用户为本的商业化模型”的主题沙龙活动，邀请到了Facebook大中华区开发者变现经理Eileen Lee、厦门本地知名的发行商梦加网络发行总监杨金喜、厦门独立研发团队青瓷数码VP吕欧强和UPLTV合伙人蔡以民，与现场来宾分享了他们关于游戏出海商业化的见解和经验。

活动中，UPLTV合伙人蔡以民围绕“打通增长闭环，突破变现瓶颈”为主题，进行了分享，以下为整理内容。

2018年，全球使用内购+广告混合变现模式的游戏数量比2017年增加了34%，很多头部中重度的游戏公司也开始尝试混合变现模式。但在2018年 App Annie 全球移动游戏用户支出 Top 1000 中，我们发现中国出海游戏发行商使用混合变现模式的比例只有15%，远低于海外其他国家游戏发行商。

混合变现模式在中国出海企业中尚未普及

混合变现模式可以让收益来源更加多元化，让非付费的用户有机会通过广告的方式获得免费奖励，提升游戏内用户的留存，对游戏内的付费行为起到一定的促进作用。

三种主要的游戏广告类型

在以上三种广告形式中，激励视频占绝对优势。因为是用户自主选择点击广告，对用户干扰较低。但也需注意激励视频的奖励和展示次数不应影响到内购情况。在UPLTV发布的《移动游戏广告变现洞察报告(2019上半年)》中，针对UPLTV接入的2500多款游戏进行中位数分析，可以看到在美国、日本等地区的激励视频整体表现突出，在iOS上也有比安卓稍微高一点的表现。以点击率为导向，用户主动观看广告并点击下载产生收益，当转化率变高时，收益也会相对增多。激励视频广告因转化率相比另外两种广告形式较高，可以为游戏带来更多的收益。

激励视频主要使用场景及表现

激励视频广告位设计建议

把激励视频广告位放在明显的位置，可以更好的提升广告渗透率；展示内容上建议设置为第二货币或者是道具，避免影响游戏内的经济体系。为了让玩家更有动力去点击广告，至少将激励内容设置内购最低档的10%到20%。政策方面，广告位的入口必须和游戏明显分开，需要有明显的广告标识和二次确认画面，以防用户错误点击，用户体验相对更好，自然也会利于提升广告收益。

对于插屏广告而言，如果产生平台认为的无效点击，就会造成收入下降和封号的可能。所以，我们在设计插屏广告时，需要注意避开以下误区：

×出现意外的插屏广告；

×在用户选择退出或最小化应用时展示插屏广告；

×在奖励式视频广告之后展示插屏广告；

×用户拒绝观看奖励式视频广告后展示插屏广告。

使用聚合工具找到最合适的广告来源是广告调优是最常见的办法。聚合的作用是把最高的收益的广告挑选出来推送给用户，为每次的展示选择最优的eCPM，以此来增加广告填充，获取更高的广告收益。

UPLTV的广告变现调优方式

用户标签优化就是将高价值的广告展示给高价值的用户。这样做的原因是广告用户之间的差异非常大，有一些用户点广告纯粹为了获取游戏内的金币或复活机会，但不会点击广告，即不会产生后续的转化，因此这部分用户相对价值也较低；而一部分广告“大R”用户对于感兴趣的广告内容会点击广告。把有限的高价值广告留给高价值的用户，进一步变现收益最大化。

广告调优就是从方案设计到逻辑分层诸多细节的优化，单个细节的调优并不会带来本质的变化，但是量变能够引起质变。当我们把所有的细节优化叠加在一起的时候，广告收益会出现有效的提升。但是单纯依靠广告变现存在瓶颈，从买量的阶段区分渠道的质量，可以进一步提升游戏收益，从而突破变现瓶颈。

IAP归因及LTV分析

以内购（IAP）为主的重度游戏买量时，我们可以非常清楚地追踪到每个渠道的每个用户花了多少钱。根据每个渠道的用户创造收益的高低，我们可以区分渠道的质量，从而进行调优为高质量的渠道加量，放弃或减少低质量的渠道，进一步提升内购收益。

IAA归因及LTV分析

而以广告变现（IAA）为主的游戏买量情况则复杂许多。因为广告联盟回传的数据都是高度集成，存在众多数据盲区，因此我们很难知道每个用户在广告变现中产生了多少收益。这导致的影响是在以广告变现（IAA）为主的游戏买量时，我们无法衡量每一个渠道进入的LTV去指导出价。针对广告变现为主的游戏而言，无法衡量IAA则无法衡量广告回收。多数情况下，优化师们只能依据CPI和留存情况，判断后续的优化策略。但如果出现一个渠道是高CPI低留存，另一个渠道是低CPI高留存的情况，这时优化师就无法依据这个传统标准来判断。

与此同时，LTV对于以广告变现（IAA）为主的游戏和以内购（IAP）为主的重度游戏而言非常重要。游戏买量时，一般情况下LTV决定了买量单价的天花板，即LTV=IAP。如果我们考虑LTV的收入，即LTV=内购（IAP）+广告变现（IAA）。这将提升买量时的出价上限，使整个买量曲线会呈指数级增长。因此，LTV决定了产品规模。

而所有的广告平台都清楚的知道游戏内用户的LTV。但由于广告平台的整体运营，包括对于用户隐私保护的限制，因此广告平台无法提供给我们明确的数据。这是UPLTV通过广告集成数据和客户端收集到的用户行为数据做一个模型，帮助拆分这些数据，反过来推测每个用户为我们带来的收益。

目前市面上广告收益拆分工具大都是“平均拆分”逻辑，但大都存在明显的误区和缺陷，“平均拆分”逻辑存在以下误区：

误区1. 假设了每次广告展示的价值是相同的

我们分析了七日内各广告平台eCPM的单价，发现价格差异巨大。eCPM的单价最低值为0.01美金，最高值为1500美金，每一次展示的单个差值达到15万倍。针对同一用户出价的波动在10倍的占总用户的9%，针对同一用户的出价波动在两倍的，占到总用户的50%，说明每次展示的价格波动非常之大。

误区2. 无视以 CPC 或 CPI 模式计费的变现平台

每个广告平台计算广告收益的算法都存在差异，Facebook Audience Network大多以CPM计价，Google多以CPC计价，而视频渠道更多是以CPI计价。我们需要通过广告主端不同的出价模式，反过来拆分数据，推算出每一个广告平台为我们带来的收益。

误区3. 假设了贡献更多广告展示次数的用户就贡献了更多收益

这里我们需要理解广告收益的构成，比如一个点击计费 （CPC）或安装计费（CPI）的渠道，当用户观看广告没有产生转化的时候，即没有产生收益，即便用户看了很多遍广告，在这个渠道里没有转化相当于没有收益。原因在广告主端以点击计费 （CPC）或安装计费（CPI）计价，所以贡献更多广告展示次数的用户并不等于贡献了更多的收益，这些都是不完全符合事实的误区。

非平均拆分法

为了规避“平均拆分”逻辑的误区，UPLTV建立了一个算法：针对不同广告平台不同的算法，反推出每个广告展示的价值或每个用户的价值。我们可以针对不同渠道的用户分配不同的广告Key，广告平台的后台可以看到每个广告Key的收益，配合AI算法，从而验证模型计算的准确性。但这里存在一个先决条件，我们需要实时知道用户来自哪个渠道，实时归因系统和一个动态分配广告Key的机制，这些UPLTV都可以提供解决办法。

上图是一个真实的产品案例，当日美国活跃用户当中贡献最大的20%的用户产生了39%的展示，贡献了当日77%的收益，越高处用户产生的收益也越高。当日新用户人均贡献远高于长期用户，这说明新用户对于广告主来说是最有价值的。通过这样的方式，我们能够计算完整和准确的LTV/ROI，从而优化UA；推算出每个渠道的展示次数和收益，针对虚拟事件，用广告高价值用户种子进行相似受众投放，帮助我们获得更多高价值的用户（即广告鲸鱼用户），达到提升广告收益的目的。

1.激励视频广告是用户自主选择点击，对用户干扰低，因此是目前游戏内变现效果最好，较为推荐的广告形式之一。但需要注意激励视频的奖励内容和广告次数设计，避免影响游戏内购。

2.LTV决定了产品规模，针对包含广告的内购游戏考虑广告收入，将大大增加出价上限，从而提升产品规模。

3.从买量的阶段区分渠道的质量，可以进一步提升游戏收益，从而突破变现瓶颈。

4.“平均拆分”逻辑的存在一定误区，因此UPLTV针对不同广告平台不同的算法，反推出每个广告展示的价值或每个用户的价值。计算出每个campaign的ROI，选取现有的广告“大R”用户作为种子，或利用Facebook的Ad Impression和Ad Click App Events打点为种子，生成Lookalike Audience（类似受众定位）投放广告，不断优化campaign，从而不断高效获取类似的高广告价值玩家，实现最大化变现，形成正向循环。

本文转自微信公众号罗斯基（ID：tvsiji）