!

White Paper on Global Mobile Game Advertising and Monetization (H1 2020) has been officially released, click to download the full version!

Read>>

干货 | 出海游戏如何进行广告变现(二)

6月28日,由UpArpu、游戏茶馆、腾讯云共同举办的“游戏出海全新机遇与机会沙龙”在成都游茶会孵化器圆满举行,活动邀请到在出海领域拥有资深专家,从市场推广、赛道选择、广告变现等方面给现场开发者带来游戏出海的经验分享。

UpArpu产品副总裁唐子丹为现场嘉宾带来《出海浪潮下的游戏变现》主题演讲,详细介绍了出海游戏在游戏类型、广告变现场景、广告优化策略及其他需要注意的变现问题。

 

以下为演讲内容整理:

前面我讲了游戏内广告场景设计和广告平台的选择点击跳转前文阅读),下面我分享的是广告的优化的方法和建议:

 

AB Test是一种较为常见的测试优化方法。针对一个目标在两组或多组流量上实施不同的方案,基于真实数据来选择最优的方案。

 

 

AB Test在广告变现中的注意事项:

 

1. 不同分组的的流量,它必须是同质的

什么是流量同质?假设有1万台设备,随机去选择,A组是5000台,B组也是5000台,那么AB两组的流量是同质的。如果在1万台设备分为2组,A组是android设备,B组是ios设备,那么AB两组流量就不同质了,不同质的流量测试结果就失去了公平性

 

2. 不同的分组之间尽可能地去规避数据干扰

比如按时间进行分组,1个用户在某个时间段看到是方案A,在另一个时间段看到是方案B,方案A可能对方案B造成影响,数据上无法准确区分每个方案的真实效果。所以一般建议是按设备分组,因为设备在物理上是独立的,不同设备之间不会产生干扰。

 

3.按设备分组,须注意idfa为零的情况

Device ID是区分设备的主要标记,但苹果系统允许用户关掉广告跟踪权限,关闭之后SDK和APP都拿不到设备ID。这种情况下我建议:

 

① 剔除掉设备ID为零这部分的设备,不要参与到ABTest里面;

② 自己根据一定的逻辑生成内部ID,并写在本地,在内部ID做分组逻辑。

 

Segment也是流量分组,但和AB Test不太一样。AB Test要求流量同质,而Segment是根据一定的规则将流量分成不同的组,常见的规则有性别、年龄、国家、网络等标签。

 

不同的Segment主要有两个差异点:

 

1. 广告平台的效果可能差异很大

最明显的就是国家的差异。例如有的广告平台在日本表现良好,但在越南的表现差,那就要针对日本和越南设置两个不同的Waterfall排序。

 

2. 用户行为存在差异

例如付费用户对广告很排斥,不付费的用户则对广告接受程度较高,对于不付费的用户可以适当增加广告频次。

假设一款游戏同时用了A和B两个广告平台,A的平均eCPM是20,B的平均eCPM是15,按照传统的Waterfall请求排序,只有当A没有填充或请求超时,才有机会展示B的广告。这里面实际上存在一些不足:虽然B排在A之后,但B的头部offer可能会比A的尾部offer要好

 

那如何把B平台的头部offer排在A平台尾部offer之前呢?可以通过设置eCPM Floor来实现。

 

设置了eCPM Floor相当于设了一条分界线,广告平台要控制交付的数据高于eCPM Floor,那么就限定了只有表现相对较好那部分广告才会填充。这里要注意一点:eCPM Floor设定值越高,广告填充率就越低

 

回到刚才那个例子,针对A和B各自设一条线,相当于分成了两层,按照A1 > B1 > A2 > B2顺序排列,这样B头部的offer就排在了A的尾部offer之前。

 

但这样也并不是百分百准确,因为B1里面可能还有offer比A1尾部的offer价格更高。这种情况下怎么实现广告收益最大化呢?下面讲一下Header Bidding的技术。

Header Bidding是以一种让各广告平台同时公平竞价的方式。当一次广告请求出现的时候,聚合平台会向各大广告平台发送询价请求,广告平台出价之后,系统会选取实时出价最高的广告进行展示,确保每一次曝光都拿到最好的offer。

Header Bidding的注意事项:

 

① 并非所有的平台都支持Header Bidding

并非每个广告平台都支持Header Bidding,所以开发者需要把Header Bidding跟传统的waterfall方式结合使用

 

② Header Bidding有助于买量与变现的结合

Header Bidding能拿到每一次展示的真实价格,这份数据对买量非常有用。因为一般广告平台给的数据实际上只有广告位和国家维度,无法细化到到展示层级。将Header Bidding数据与展示、点击等用户行为相结合可以建立数据分析模型,准确预估出用户在生命周期内产生的价值(LTV)

 

前面提了很多广告优化相关的事情,开发者可以自行完成,也可以寻求UpArpu专业的广告变现和优化服务

 

 

 ✓ 一站式管理

借助UpArpu可以非常快捷地接入全球优质的广告平台,通过一个SDK就搞定,无需繁复一家一家对接。

 

 ✓ 数据透明

UpArpu提供两份数据,一份是通过广告平台Report API拉取的,后台呈现的数据也跟广告平台的完全一致。另一份则是UpArpu统计的数据, UpArpu按照统一的规则,逻辑完全中立,对广告请求、展示、点击等行为进行埋点。开发者可以对两份数据进行比较,以避免不同平台统计口径差异带来的数据干扰。

 

 ✓ 中立客观

UpArpu是纯聚合工具,本身没有任何自己的广告源。开发者通过UpArpu聚合接入的都是三方广告平台,所有广告收益是广告平台直接与开发者交易结算,并不经过UpArpu处理。

 

 ✓ 高效变现

UpArpu的运营团队有着非常丰富的行业经验,为开发者定制专属的广告变现策略,并且会同步给开发者,所有的操作变化都可以在UpArpu后台看到。

 

以上就是我今天分享的全部内容,希望能给在座的各位带来帮助,谢谢!

 

                                                                                                                     -End-