自 iOS14.5 更新以來，互聯網廣告業務大受影響。對依靠 IAA 支撐商業化的休閑（輕度）遊戲來說，尤為如此。雖然後來數據顯示授權用戶的比例沒有 IDFA 新政實施前預測的 20% 那麼悲觀，但衆多遊戲開發朋友仍然在積極摸索對策。

今天，我們不妨換另一個視角來重新審視這個問題，看看能否從中獲取破局的靈感。本期移動先鋒專欄邀請到武漢哈樂沃德網絡科技有限公司的商業化負責人喻久港（Fable），作為首位不僅長于增長、且在變現端也有豐富經驗的移動先鋒，來分享他的一些方法論。

大中華區移動先鋒喻久港@哈樂沃德

Android 端開發出身的喻久港，在工作的前三年就曾編寫過多款暢銷 App，在 Google Play 上的下載量累計超過 500 萬。從 2018 年開始，随着公司業務的調整，在手遊方面的拓展加強，喻久港便以廣告 SDK 開發的身份進入遊戲行業。自 2019 年起，開始負責廣告 SDK 的編寫、變現調優等工作，制定了基于用戶價值來做買量的決策。或許正是程序員的背景給喻久港帶來了代碼和數據視角的商業化運營，轉型之後的喻久港成績斐然。經其調優的《Tankr.io》《Fish go.io》《Shopping Mall Tycoon》《Idle GYM Tycoon》等多款應用無論是榜單排名還是流水都取得了不錯的成績，産品多次獲得 Google Play 的推薦。所以在“程序員”獨特視角下的增長和商業化，有什麼不同之處呢？

《TANKR.IO》

1、都在講的混合變現，具體應該怎麼做？

當較為單一的變現方式遭到沖擊的時候，尋找新的增長點就成為了彌補損失的合理方式。因此，從整個賽道上來說，混合變現是目前出海開發者做産品最重要的趨勢之一。根據谷歌和 Newzoo 發布的報告顯示，北美地區混合變現的手遊從 2016 年的 26% 年增長到了 2020 年的 58%，翻了一倍多；中國的混合變現手遊也從 2016 年的 17% 增長到了 2020 年的 32%，也是将近翻了一倍。在 2021 年，這個數據預計會進一步上升。

Winning Big--balance play and profit with hybrid monetization

對此喻久港認為，要抓住混合變現的大趨勢，對于擅長通過 IAA 變現的超休閑遊戲開發者來說，要增加内購，讓用戶願意付費；而對于擅長通過 IAP 變現的重度遊戲開發者來說，則需考慮通過 IAA 變現，讓不付費的玩家通過看廣告也能玩下去。

但在去做混合變現來進一步加強商業化的同時，産品會遇到很多問題。首先，從産品角度來說，産品的設計需要去對應變現模式進行調整。休閑遊戲要想增加内購，就要考慮好怎麼把遊戲做“重”；同樣地，想要通過 IAA 變現的重度遊戲開發者則要考慮如何把遊戲做“輕”。這就相當于脫離開發者舒适區的一種嘗試和挑戰，需要一些參考的引導或者模仿的對象，讓大家見賢思齊。

其次，從增長的角度來說，優秀的産品也需要嘗試新的技術和廣告形式。在這個 Bidding 時代，喻久港也給出了他的态度，那就是擁抱 Bidding。盡管目前各個 Bidding 平台還在優化自己的算法，效果參差不齊。但是這種把展示機會留給出價最高的廣告主、有效提升收益的新技術，是趨勢，也是未來。就目前來說，嘗試接入 Bidding 渠道需要 AB 測試，好的渠道保留使用，效果不好的渠道，喻久港建議可以等 2 個月再來測試，這樣可以第一時間了解 Bidding 的最新優化效果。

除此之外，新的廣告形式，例如試玩廣告，也是一個值得關注的點。喻久港認為，現在這個時間點，試玩廣告是大幅度提升 eCPM 的一個方式。在包體大小、文件數等指标在平台允許的情況下，一些嘗試做玩法融合的遊戲通過試玩廣告獲取用戶，比如 SLG 類遊戲融入塔防玩法，就可以讓用戶在不下載遊戲的前提下，體驗核心玩法，降低 CPI。其實新的廣告形式之前就發揮過類似的作用。例如 2018 年激勵視頻的火爆，與插屏、橫幅廣告相比，eCPM、CTR 的提高很明顯。現在試玩廣告則在激勵視頻的基礎上，進一步提升了 CTR，而 CTR 的提升，又進一步推高了變現的 eCPM，相當于對增長貢獻了兩次積極作用。這樣疊加起來，效果是非常可觀的。

喻久港的推導

最後一個混合變現加強商業化帶來的繞不開的問題，就是用戶體驗的平衡問題。從變現的角度來說，這裡有兩種平衡需要維持，一方面是遊戲内的廣告體驗和付費用戶體驗；另一方面是應用變現和用戶體驗。第一方面的平衡需要依據産品的品類以及用戶習慣來做抉擇，在不影響用戶體驗的前提下，按照用戶的具體需求，來設計付費和廣告。例如對于 IAP 占比較高，超過 50% 的産品，當用戶資源不足時，喻久港會根據這個用戶的曆史數據，來判斷給這個用戶彈内購還是廣告。對于新用戶，傾向于先給用戶彈内購；當 IAP 占比很小，不足 50%，這個時候的策略就會選擇廣告優先，如果有曆史數據判斷這個用戶可能付費，那就彈付費的内容。

而第二方面的平衡，喻久港也有自己的心得方法。那就是在制定産品方案時查閱一些數據，預估這個産品的 CPI，LTV；然後倒推人均激勵的次數、人均插屏的次數、用戶時長、留存等數據；等到産品上線後，再結合用戶行為來調整廣告出現的位置及時機。對于埋點太深的廣告，需要考慮這個位置是否在核心循環上：是，就加強引導；不是，就先去掉。對于埋點淺，用戶知道的廣告，如果點擊播放的動作次數與到達這個頁面的次數之比小于 50%，說明獎勵的内容不夠吸引人，需要在不影響數值的前提下，調整獎勵内容。通常可以将獎勵的内容從 2 倍變成 3 倍，以此類推。

在與喻久港交流的過程中，大家可能已經發現，或許是因為他的“程序員出身”，讓他能夠從程序角度出發去看待增長和變現，從數據出發來将各個環節打通。而這也的确是其重要的方法論。

2、程序員是如何将休閑遊戲的商業變現帶飛的？

其實一開始，在 2018 年之前，喻久港主要做應用開發，同時也接觸了插屏和橫幅廣告，但是那個時候喻久港對廣告的了解僅限于按照渠道的 SDK 實現業務邏輯。而在這之後，随着公司業務調整，喻久港在這期間也開始嘗試 in-house mediation，接觸了 mopub。通過閱讀研究源碼，編寫 adapter，對 mopub 進行二次開發，逐漸理清了廣告運行的内在邏輯，這才逐漸打開移動廣告世界的大門。正是在這個過程中，他積累了自己的一套方法論。

在我們談到下一個流行趨勢的時候，喻久港認為，其中最重要一個就是：通過數據化打通立項、買量、變現。這也是他特别重視獲客渠道和商業變現關聯的原因。而在這之外，喻久港在過程中處理到很多關鍵指标，如果這些關鍵指标出現問題，就說明商業化的過程中存在“bug”。

就拿 IAA 商業化過程中最引人關心的産品收益來說，它關乎的其實就是日活用戶數量和每用戶帶來的廣告收入。因此就把它分成這兩塊來看待，前者，DAU，就是用戶獲取的指标；而後者就是商業化運營的指标。

當我們關注到後者時，就可以把它再拆分為 eCPM （千次廣告展示帶來的收入）和人均廣告數。因此想要提高收益，就可以從提高 eCPM 和人均廣告數這兩個關鍵指标下手。我們分别來看看。

1、提高 eCPM，不外乎選擇适合産品和平台的廣告方式。或者更具體一點，就像我們之前聊過的，用 Bidding 還是 Waterfall。從技術層面上來講，Bidding 的原理是對于每一次請求，出價最高的廣告主赢得這次展示機會，是一種“橫向”的競争。而 Waterfall 按照 eCPM 從高到低的順序請求廣告，當第一個廣告源返回廣告時，則請求結束通知開發者顯示廣告，不返回廣告時則請求第二個廣告源，依次類推，更像是一種“縱向”的順序。

我們來對比這兩種方式的優劣時就會發現，傳統的 Waterfall 的請求優先級基于曆史平均 eCPM 排序，對于某次請求時，可能排在前面的廣告源出價沒有後面的出價高。這樣一來就會錯過了排在後面的出價更高的廣告源，因此開發者并未獲得最大收益。而 Bidding 對每一個展示機會的競價機制最大化了開發者的收益。但目前，對于 Bidding 的使用仍然面臨一些障礙。

一方面，目前不是所有的渠道都支持 Bidding。另一方面，因為 Bidding 是先競價再請求的機制，對加載速度的要求更高。而由于不同渠道的算法不一緻、調優程度不一樣，以及 CDN 節點的基礎設置等原因，有些渠道以 Bidding 的方式接入沒有以 Waterfall 的方式好。不過正如之前所說，各家渠道會花大量的人力物力來解決這些問題，Bidding 仍然是趨勢所向。把 Bidding 和 Waterfall 設計好了，eCPM 至少會是中等偏上的水平。至于如何判斷 eCPM 好不好，喻久港關注的關鍵指标就是 Bidding rate 和 ARPU（每用戶平均收入）。

對 Bidding rate 來說，各家渠道的 Bidding 的競價率有些差異。Facebook 的 Bidding rate 大于 60% 是優秀，小于 30% 則需要排查一下是不是哪裡有問題。因為 Facebook 隻讓安裝過 Facebook或 WhatsApp、Messenger 的用戶參與競價，所以通過 Facebook 買的用戶，Bidding rate 會高一些。另外，由于 iOS 中沒有 IDFA，Facebook 也不參與競價，所以 Android 的 Bidding rate 會比 iOS 的要高一些。其他渠道的 Bidding rate 可以拿自己内部産品橫向對比，當差異很大時，就需要排查一下具體原因。而對于另一個關鍵指标 ARPU 來說，當接入的 Bidding 渠道變多後，看單一渠道的 eCPM 就變得沒有那麼重要了，更需要關注到整體，包括整體 eCPM 的波動和 ARPU 的波動。

當然，以上的讨論都是建立在遵守各平台規則政策的基礎上，不違規是一切的基礎。否則會面臨一些不必要的風險。例如在 Google Admob 平台，由于 Admob 對于非 Admob mediation，一次請求最多隻能用 3 個 placement id；所以當 Admob 是以 Waterfall 的方式接入，切記最多配置 3 層 Admob。超過 3 時，則可能會出現結算時無效流量過多，甚至産生賬号受限、停用等風險。而Facebook 平台則不存在上述問題，但是當前的 Facebook 廣告政策要求無論 iOS 還是 Android 的流量，必須全面用 Bidding。

接下來我們看看另一個影響收益的關鍵指标，人均廣告數。這就需要我們在廣告場景設計上多下功夫。以激勵視頻為例，這裡喻久港分享了兩個數據指标：用戶到達率和用戶觀看率。用戶到達率指的是廣告場景用戶知不知道，等于用戶到達廣告場景的次數/用戶的會話數；而用戶觀看率是用戶知道了，願不願意觀看，等于用戶看了這個廣告的次數/ 用戶到達這個廣告場景的次數。

先說用戶到達率，對于一個 2 級頁面，如果這個數據低于 50%，說明引導做的不夠，需要加強引導。尤其是核心循環路徑上的場景，要更加留意這個指标。

而當用戶觀看率的比例低于 50% 的時候，就需要考慮是不是獎勵的内容不夠吸引人，建議做 AB 測試，在數值不崩潰的前提下，獎勵調多一些，以觀察數據的變化。

除了激勵視頻，對于插屏廣告來說，也可以通過 AB 測試，觀察插屏彈出的頻率對于用戶留存、時長等産品數據的影響。例如 1 局 1 個插屏，2 局 1 個插屏，3 局 1 個插屏等等。有這樣的對比嘗試，就能找出效果最好的方案。

如果我們能把這些指标都能維持一個滿意的水準并且不斷地進行調優應變，那整個産品的商業化就會維持在一個健康的狀态。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!