手遊買量投放中,那些常見的資料分析思路
雖然手遊投放相比於運營,所接觸資料少許多,但對於剛入門的萌新,學習成本還是很高的,畢竟每個資料後面都是真實的money!
本文意在梳理手遊投放中,常見的資料分析思路及調整策略。先大致羅列常用的資料指標,再闡釋如何正確運用資料來做策略調整。
如果有更好的想法,歡迎磋商討論,共同進步。
一、該看哪些資料指標
個人習慣於將投放資料分為前端和後端資料,前端資料包括廣告平臺資料和落地頁資料,後端資料則指的是匯入玩家行為的資料表現。
常用的廣告投放資料指標
展示數、點選數、點選率、轉化率、轉化成本
常用的落地頁資料指標
二跳率、平均載入時長、平均停留時長
常用的使用者行為資料指標
註冊率、建角率、啟用建角率、留存率、付費率、ARPPU、LTV、ROAS
二、怎麼運用這些資料
1.如何判斷使用者質量?
先從最重要的開始講起,匯入玩家的質量是最重要的部分。LTV(生命週期價值)是判斷的金標準,簡單公式為LTV=ARPPU*付費率,至於LTV預測就是很複雜的問題了,會有專門的資料分析團隊去評估,基本上投放部門所接觸到的都是人為的簡要預判。
舉個栗子,一款安卓仙俠RPG手遊,在完全沒有資料參考情況下,首日測試計劃中,最好的兩條計劃資料表現為:
哪條計劃更有潛力,更適合放量呢?
基本上,計劃1由於付費率的優勢,後續潛力普遍被看好,更適合放量操作。
但如果第3日加入留存資料呢?
這時候是不是就難以抉擇些了呢?
實際投放中,類似糾結的事例還有許多,在沒有測出更優的計劃前,建議繼續跑量觀察,同時保持不同素材方向的測試,基本3天內就能評判出該產品合理的投放資料、有效的素材方向,此時再進行快速放量的操作。當然,在此期間,儘量不去改動計劃出價,避免影響後續放量。
2.計劃質量下滑怎麼辦?
一條持續放量一週多的計劃,突然開始出現匯入使用者質量明顯下滑,這時候是果斷捨棄還是再搶救一下這條計劃?
首先,排查下問題發生時間點,有沒有對計劃做關鍵改動?前面一週質量好是不是遊戲內有充值活動?計劃是否突然大幅度增量?
如果以上排查都沒有發生的話,在無法準確歸因的情況下,有可能是平臺的轉化模型出現偏差。對應舉措是控制量級,測驗計劃質量能否恢復,此時儘量不要對預算做縮減,甚至直接關停計劃。
具體做法是,在9.3發現質量下滑後,9.4便要開始對計劃控量,通過卡投放時段來實現,將量級控制在符合測驗目的的範疇,比如100個啟用。倘若連續3天的1日LTV資料都低空飄過,3日LTV也沒有回暖,那這條計劃基本上可以確診“跑偏”,果斷捨棄。
3.計劃縮量怎麼辦?
這個現象也很常見,通常也是單條計劃持續放量2周左右,發現成本無法繼續下壓,量級也逐漸萎縮,此時需要重點關注哪些資料變化?
如圖所示,曝光在逐級遞減,說明eCPM是在不斷減小,參照oCPX公式:eCPM=eCTR*bid*eCVR。出價沒做調整的前提下,CTR有略微下滑,主要是CVR有大幅下跌,此時調整出價的意義不大,既改變不了量級,也有可能造成成本上升。
符合邏輯的做法是,儘量不對計劃模型做明顯改動,所以優先解決CVR下跌的問題。
以落地頁計劃為例,使用者點選完廣告到遊戲啟用,中間涉及的關鍵指標便是LP的二跳率,更細緻的還會涉及到熱力圖等,選擇頁面改動還是替換頁面內容,取決於對玩家喜好的嗅覺,個人傾向於後者,畢竟如今遊戲的落地頁與素材基本上都大體相仿,頁面形式也已固化;
但如果是應用下載計劃,尤其是IOS,基本不需要落地頁的情況下,CVR下跌則與受眾相關,總不能去更換應用截圖吧(⊙o⊙)此時的關注點,則轉移到CTR的補救上。具體做法各有不同,個人傾向於擴大程式化創意,將原本發揮出色的素材+標題,擴充相同方向3個素材+1條標題或者1個素材+3條標題,觀察CTR的變動。
4.回本大概需要怎樣的資料?
在進行短期投放後,基本上成本區間和遊戲數值都有大致的畫像(建議觀察時間1周)
如圖,此時最好的資料表現是這樣,平均CAC為70,那麼大致估算下,需要多長時間回本,或者說,當前的資料表現夠標準嗎?
沒有能力通過公式測算的基礎之下,通過留存走勢預估LTV變化成為一把“無形的尺”。基本上次留到7留的變動,往往就能預測到15留和30留的大概,層層砍半,依次遞減的情況下,到30留預計在2%左右,也便是說,整款遊戲生命週期可能在2-3個月,還是通過滾服續命,關鍵的收入增長期都在前1個半月內。
那麼我們再估算下LTV的波動,5-15-25,接下來15日有可能是35,30日有可能是45,1個半月則有可能是60,距離回本還有些距離,此時儘量壓縮成本或者拔高計劃的數值門檻,成為投放的要點。
作者:殺死約拿
專欄地址:https://zhuanlan.zhihu.com/p/44707618
相關文章
- 手遊投放如何才能回本?手遊買量必須瞭解這些資料指標指標
- 熱雲資料:2019上半年新增買量手遊投放洞察報告
- 戰爭、三國題材強勢投放,3月手遊買量市場分析
- 11月份手遊買量市場分析:三國類、傳奇類遊戲投放力最大遊戲
- 資料分析常見數學公式(更新中...)公式
- 常見的資料分析誤區
- 7種常見的資料分析基本思路,滿足你職場95%的需求
- 大資料常見的資料分析思維大資料
- 3月手遊月報:手遊海外投放資料盤點,兩款休閒消除遊戲投放分析遊戲
- 1月手遊月報:手遊海外投放資料盤點,《Braindom Draw Puzzle》《Call of Dragons》》投放分析AIGo
- 7月手遊海外買量情報分析
- 資料運營筆記 | 廣告投放的資料思路筆記
- 九種常見的資料分析模型模型
- 二次元手遊觀察:全球格局及投放資料分析二次元
- 熱雲資料&SensorTower:《2022全球手遊買量白皮書》 洞察全球手遊買量趨勢
- wireshark、異常資料分析、常見RST介紹
- 手遊買量5月報:投放新遊數量環比下降17.78%,傳奇遊戲“美女”素材狂吸量遊戲
- 海外網賺遊戲買量投放與產品玩法套路案例分析遊戲
- 《穹頂之下》那些常見的資料圖表是如何使用的
- 常見資料分析誤區有哪些?
- 常見的資料分析思維方式有哪些
- 大資料開發常見的9種資料分析手段大資料
- 10月手遊月報:《暗區突圍》《地牢獵手6》加大買量力度,手遊海外投放資料盤點
- 那些常見的面試題整理面試題
- 後IDFA時代:買量投放、廣告變現、歸因分析的營銷策略
- SLG手遊買量近90天中美地區分析報告
- 2020年10月手遊買量市場分析
- 分析資料時常見的 7 類統計陷阱
- Java Web應用的常見思路JavaWeb
- 【效能測試】常見的效能問題分析思路(二)案例&技巧
- javascript中的資料型別及其常見用法JavaScript資料型別
- 2021年5月手遊買量市場分析
- 淺談線下場景中的資料分析思路
- 大資料開發之常見九種資料分析方法大資料
- 露珠遊戲位列廠商榜第3,多款RPG新遊投入預約買量,8月手遊海外投放資料盤點遊戲
- 【效能測試】常見的效能問題分析思路(一)道與術
- 11月手遊海外買量市場分析:多款新遊買量勢頭旺,空降推廣排行榜
- iOS手遊買量報告|蘋果下架事件對買量的影響大嗎?iOS蘋果事件