上海2019年7月12日 /美通社/ -- 長(zhǎng)久以來，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，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明不是很清楚。經(jīng)過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像的收益拆分。通過對(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)，并通過積累億級(jí)廣告歷史構(gòu)建用戶廣告行為畫像，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)為主游戲的買量模式，通過提供用戶級(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。
