
1、各分发渠道联运资源的导入;
2、付费广告导入(广告联盟、应用墙等);
3、自有资源与其它CP的免费互换;
4、用户的自然导入;
这里插播先简单介绍以下移动游戏推广的几种结算方式
1、CPS(Cost per Sale) 按销售额计费 :根据网络广告所产生的直接销售数量而付费的一种定价模式可以是按销售额分成。
各渠道联运:渠道商用自有流量为游戏导入用户,根据相关用户的充值流水,按照事先规定好的分成比例进行结算
官方商店(AppStore、Google Play等):用户通过官方商店下载的游客户端充值后,根据充值流水按照固定的比例支付渠道费用;
2、CPD(Cost per Day) 按天数计费(或 包时段付费):在固定时间内(通常是24小时)买断固定广告位。互联网媒体广告一般采用这种结算方式,如视频类、banner、弹窗等;广告主在固定时段内买断广告位,媒体不保证导入的用户量;
3、CPC(Cost per Click) 按点击付费:根据广告被点击的次数收费。关键词广告一般采用这种定价模式;
4、CPA(Cost per Action) 按行动付费:对于用户行动有特别的定义,包括形成一次交易、获得一个注册用户、或者对网络广告的一次点击等;在移动游戏领域,“A”通常可拆解为 Down(按下载付费)、Activation(按激活付费)、Login(按登录付费);
联盟广告、应用墙 一般采用这种结算方式;
回到拉新的任务上,我们在做市场推广的时候,除了
1、上新渠道,拿到更多的联运资源
2、增加市场费用,增加更多广告导入
3、提升产品质量、做好口碑管理增加自然导入
还可以从哪些方面帮助我们提升新增用户的导入数量和质量?这里,我们先对“新增用户”做一个定义:
NU(New Users) 新增用户:统计周期内,首次注册账号并登录游戏的用户;
备注:入门篇中所定义的“用户”均以“账号”进行衡量;账号:游戏账号库中的唯一标识,在单款游戏中全局唯一;
=================1、通过导入环节各个节点的优化来提升新增导入量===================
我们都会关注用户新增之后的流失行为,并通过各种数据分析来发现可能导致用户流失的原因并作相应的功能调整;其实,从用户看到广告素材开始,你的用户“流失”就已经开始了;
我们可以对“从用户看到或得知信息开始,到用户登录游戏”的每一个步骤进行拆解:
曝光、点击、下载、安装、激活、注册、登录,在这些数量指标的背后我们关注的本质是一个 转换率;
我把转化率定义为:在产品设计的每个可控环节当中进行埋点,并监控每个节点的漏斗转换,用于帮助发现产品设计中的问题;
通过改善这些环节,我们的可以获得更多的新增;
由于技术问题,在移动广告和渠道推广监控过程中,通常情况下我们只能获取到 点击->激活->登录 这3个节点的数据;(具体的原因,我会在《【高阶篇】渠道监控平台设计及开发》 中说明)
首先,是“曝光->点击”环节:
Clicks 点击次数:广告素材被点击的次数,一台设备可以产生多次点击;
唯一点击数:规定时间段内,广告被同一台设备多次点击只计算1次;
在移动广告投放中,一般用户点击之后直接跳转到下载地址;所以通常情况下,点击即代表用户开始下载;
也有部分会先跳转到游戏介绍详情(比如:给 AppStore包代量的时候),然后在点击下载按钮;但是这个时候通常跳转的是媒体或分发市场自己的下载地址,所以无法获取下载节点的数据;
影响点击量的因素 主要有 位置、Icon、广告素材等;很多CP在做市场推广之前是没有做素材测试的,在正式推广之前,买一些联盟和积金墙的量 用于做素材的 A/B test 是很有必要的;一个好的素材对点击量有非常大的影响;
其次,是“点击->激活”环节:
Activations 激活数:通过广告下载客户端并安装后,打开客户端的设备数;
激活率:激活数 / 唯一点击数;
在移动端上,通常情况下载完成后都会自动弹出安装提示;因此影响激活率的因素 主要有:
1、包大小、联网环境、运营商 这些因素会影响用户的下载成功率;
2、程序BUG 影响客户端安装成功率;
最后,是“激活->登录”环节:
Logins 登录数:通过广告下载安装客户端后,打开客户端并登录游戏的账号数;
激活登录率:登录账号数 / 激活数;
在移动端上,通常情况下载完成后都会自动弹出安装提示;
因此影响激活率的因素 主要有
包大小、联网环境、运营商 这些因素会影响用户的下载成功率;
程序BUG 影响客户端安装成功率;
除了优化产品自身的一些细节,提高各个环节的转化率外;对渠道各项转化率指标的长期监控,以及追踪不同渠道、媒体来源用户的后续质量(包括:登录、活跃、留存、付费等),能够帮助我们快速发现渠道异常、调整广告投放策略等;
=================2、通过新增后续行为分析以及实时监控优化投放策略===================
一、通过对转换率的实时监控,当某个环节数据出现异常的时候可以及时发送警报通知管理员,及时排查是媒体的原因,还是CP自身的原因;
二、在用户新增登录环节之后,对其后续的行为做持续跟踪,用于判断渠道来源的用户质量
常用的指标主要有以下几个:
OSUR(One Session User Rate) 一次会话用户占比:用户从新增之日起截止统计当日只有一次登录行为,且登录时长地域规定阈值的用户数,占统计周期内新增用户的比例;
ACT_N(Active N_Day)新增N日活跃:新增用户在其首次注册登入后第N天还有登录的用户占新增用户的比例;在一次用户占比没有太大差异的情况下,用于对比不同渠道用户质量;
LTV_N(Lift Time Value N_Day)生命周期价值:平均一个账号在其生命周期内(第一次登录游戏到最后一次登录游戏),为该游戏创造的收入总计;结合导入成本 CPL(每登录用户成本) 来判断产品的回本周期;
通过数量指标、转化率指标、质量指标 和 成本指标 的分析,结合实际业务需求来不断调整广告投放策略;如,一些媒体能够导入大量用户但是用户质量较低,就适合新游冲榜;有的媒体很难导入用户,但是导入的用户质量都非常好,适合长期稳定投入等;(文章来源:CDA数据分析师)
综上所述,可以将市场推广相关指标分为4类:数量指标、转化率指标、质量指标和成本指标.
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12