上海2019年7月12日 /美通社/ -- 長久以來，對于以廣告變現(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 -- 與以內購(IAP)為主要營收方式的游戲不同，由于廣告變現為主的游戲缺乏用戶級廣告收益數據，優化買量campaign便只能依賴CPI和留存，再輔以優化師的個人經驗做出判斷。然而，如果CPI與留存數據相悖，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鍵一塊，嚴重影響了買量決策和產品收益擴大。

針對此類痛點，游戲廣告優化平臺UPLTV憑借多年廣告變現經驗和大數據分析技術，于近期發布用戶級廣告收益拆分功能 -- UART(User-level Ad Revenue Tracking)。經過近一年大規模測試，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，不斷優化campaign，從而不斷高效獲取類似的高廣告價值玩家，實現最大化變現，形成正向循環。

UPLTV發布用戶級廣告收益拆分功能UART

目前業內已有其他廣告聚合平臺陸續發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。經過UPLTV的調查和驗證，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平均拆分，即：某用戶貢獻的廣告展示數 *（當日該國家貢獻廣告總收益/所有用戶貢獻的展示數）。這種方法問題明顯，首先假設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平臺；再次假設了貢獻更多廣告次數的用戶貢獻更高收益。這些都是不完全符合事實的誤區。
• 第二種是完全基于已有數據的部分平均拆分法，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，但歸根結底還是平均算法，依然存在誤區。另外，細分廣告位是有限制的，理論上限價層數越細分，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應用針對性的邏輯算法，準確區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。之所以能夠實現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據，并通過積累億級廣告歷史構建用戶廣告行為畫像，再以大數據分析和人工智能算法預估用戶級廣告收益。在對用戶級廣告收益進行有效拆分后，根據輸出的數據報表可分析用戶的廣告價值。UPLTV通過大量產品測試后得出兩個結論：

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

UPLTV發布用戶級廣告收益拆分功能UART

UART功能的發布，將革新以廣告變現 (IAA)為主游戲的買量模式，通過提供用戶級廣告收益數據，助力推廣人員測算出精確的ROI，以此優化廣告投放campaign，獲取更多高質量用戶，實現游戲收益躍升。