UPLTV發(fā)布用戶級廣告收益拆分功能UART，顯著提升游戲推廣成效

上海2019年7月12日 /美通社/ -- 長久以來，對于以廣告變現(xiàn)(IAA)為主的中輕度游戲如何計算準確ROI一直是困擾市場推廣人員的難題 -- 與以內(nèi)購(IAP)為主要營收方式的游戲不同，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)化師的個人經(jīng)驗做出判斷。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，對于此類游戲，ROI就像拼圖中缺失的最關(guān)鍵一塊，嚴重影響了買量決策和產(chǎn)品收益擴大。

針對此類痛點，游戲廣告優(yōu)化平臺UPLTV憑借多年廣告變現(xiàn)經(jīng)驗和大數(shù)據(jù)分析技術(shù)，于近期發(fā)布用戶級廣告收益拆分功能 -- UART(User-level Ad Revenue Tracking)。經(jīng)過近一年大規(guī)模測試，已證明可有效拆分用戶級廣告收益，計算出每個campaign的ROI。進而，市場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值玩家，實現(xiàn)最大化變現(xiàn)，形成正向循環(huán)。

UPLTV發(fā)布用戶級廣告收益拆分功能UART

目前業(yè)內(nèi)已有其他廣告聚合平臺陸續(xù)發(fā)布用戶級或展示級廣告收益拆分功能，然而普遍對自身拆分的邏輯和方法說明不是很清楚。經(jīng)過UPLTV的調(diào)查和驗證，其他廣告聚合平臺的用戶級或展示級廣告收益拆分主要有兩種方式，都存在明顯誤區(qū)和缺陷：

• 第一種是“一刀切”式平均拆分法，通常按照日期和國家維度展示數(shù)平均拆分，即：某用戶貢獻的廣告展示數(shù) *（當日該國家貢獻廣告總收益/所有用戶貢獻的展示數(shù)）。這種方法問題明顯，首先假設(shè)了每次廣告展示的價值相同；其次無視以CPC或CPI模式計費的廣告變現(xiàn)平臺；再次假設(shè)了貢獻更多廣告次數(shù)的用戶貢獻更高收益。這些都是不完全符合事實的誤區(qū)。
• 第二種是完全基于已有數(shù)據(jù)的部分平均拆分法，通過細分廣告位來做分層和限價，在此基礎(chǔ)上進行平均拆分。此法對比“一刀切”式的拆分更準確，但歸根結(jié)底還是平均算法，依然存在誤區(qū)。另外，細分廣告位是有限制的，理論上限價層數(shù)越細分，拆分就越準確；但實際操作中，過多的分層會造成廣告收益降低。

與以上兩種用戶級廣告收益拆分不同， 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。通過對不同廣告形態(tài)應(yīng)用針對性的邏輯算法，準確區(qū)分不同渠道的計費模式。用戶級廣告收益拆分建立在每一個有效的廣告行為的識別和拆分上。之所以能夠?qū)崿F(xiàn)更有效的用戶級廣告收益拆分，是因為UPLTV作為完全中立的第三方廣告聚合平臺(third-party mediation)，能夠獲取有效的廣告互動行為數(shù)據(jù)，并通過積累億級廣告歷史構(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)估用戶級廣告收益。在對用戶級廣告收益進行有效拆分后，根據(jù)輸出的數(shù)據(jù)報表可分析用戶的廣告價值。UPLTV通過大量產(chǎn)品測試后得出兩個結(jié)論：

1. “二八定律”在游戲廣告變現(xiàn)同樣適用，即極少部分用戶貢獻了絕大部分廣告收入；
2. 觀看廣告次數(shù)最多的用戶并非廣告價值最高的用戶。

UPLTV發(fā)布用戶級廣告收益拆分功能UART

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，通過提供用戶級廣告收益數(shù)據(jù)，助力推廣人員測算出精確的ROI，以此優(yōu)化廣告投放campaign，獲取更多高質(zhì)量用戶，實現(xiàn)游戲收益躍升。