應對遊戲出海新變化：海外流量獲取渠道及獲客難題解析

遊資網發表於2021-01-06

12月10日，羅斯基聯合鈦動科技、Topon共同主辦的《遊戲賽道新機會》主題系列沙龍在武漢舉辦。活動邀請了國內外多家業內知名公司的負責人到場進行分享，幾位嘉賓分別從自己擅長的領域出發，通過資料分析，案例覆盤等多個方面進行講解與經驗分享。

在活動上，鈦動科技商務總監Nicole Li帶來了《把握遊戲出海買量新變化，輕鬆解決獲客難題》主題分享。作為Facebook中國區官方代理商，Google、Tik Tok、myTARGET、BIGO和Yandex等多家流量渠道平臺的一級代理商，鈦動科技擁有豐富的廣告投放經驗及素材製作經驗，為客戶提供深度效果推廣和定製化服務，幫助客戶在精準獲客、品牌營銷和線上渠道建設等多個維度上全面提升並迅速佔領海外市場。

以下為分享內容整理

1.遊戲出海大盤
2.廣告投放優化策略及例項
3.出海獲客多元渠道
4.關於鈦動科技

一、遊戲出海規模持續增長

根據App Annie資料顯示，過去三年間，中國出海移動遊戲在使用者下載量，使用時長和使用者支出三個方面都在持續增長。

從細分國家來看，2020年上半年海外Top1000的移動遊戲的發行商中，21.5%來自日本，中國以21.2%的佔比緊隨其後，美國排在第三，佔比18.5%。但從市場份額變化來看，中國發行商以2.9%的增幅位列第一。

從使用者下載來看，其他益智遊戲和超休閒遊戲漲幅最大，分別為92%和78%。在使用者支出方面，消除+建造和團隊戰鬥遊戲變現最突出，漲幅為46%和31%。

但是在新玩家付費的資料中，2018年有50%的新玩家可以轉化為付費玩家，但是在2020年，這個資料下降到25.7%。

接下來分平臺看一下休閒遊戲的CPI。iOS的買量成本比安卓高了4倍，但是在留存方面iOS和安卓的使用者類似。

下圖是一些代表性地區的留存資料。日本的留存率全面領先，加拿大、德國和英國在Day 1留存上旗鼓相當，但是在Day3留存和Day30留存中，英國的資料比德國和加拿大少了1%。

從買量來看，買量獲取的使用者比自然使用者留存更高，差異從Day1到Day30都是存在的。

下圖是一些國家的遊戲下載CPI資料。美國CPI成本最高，日本第二，巴西的CPI最低。

但是從留存來看，日本使用者的留存是最優秀的，無論是7天還是30天都是最高的，而巴西留存最低。

二、海外遊戲買量廣告投放優化策略及例項

首先了解一下廣告投放流程。第一步是做人群畫像，接下來是素材製作，然後是搭建廣告架構，最後是資料優化，達成KPI。

投放一款產品要了解玩家的概況和心態。我們選取了韓國，美國和英國的使用者資料。總體來看，韓國的休閒遊戲玩家男性偏多，年齡集中在25-44歲，玩家特點是沉浸在另一個角色/世界中，喜歡在遊戲過程中與人聊天。

美國和英國玩家類似，也是男性偏多，年齡段集中在13-34歲，特點是能表達獨特的自我。

這三個國家的使用者的有3個共同點：

1.遊戲動機：緩解壓力、打發時間、完成挑戰後的成就感、沉浸在另一個角色/世界中

2.流失原因：無聊、廣告太多、遊戲內容重複

3.偏好（半數以上玩家）：畫風獨特

下面我們結合玩家心態，談談休閒遊戲運營的4個訣竅：合作模式，競技天梯系統，向好友請求/提供幫助，混合變現策略。

在休閒遊戲中引入更多社群功能和社交內容，可以參考以下幾種方式。一是合作模式，可以讓玩家一起解決高深謎題，增強玩家對遊戲的粘性。二是競技天梯系統，也就是排行榜。但是要注意排行榜要定期重啟賽季，可以更有效地增強休閒遊戲中的社交和競技元素。三是向好友請求/提供幫助，如向其他玩家贈送遊戲內貨幣、多餘的皮膚和其他裝飾物，或者幫助好友闖過難以完成的特定關卡等等。

我們建議廣告主採用混合變現策略，在遊戲內通過戰利品箱、限時購買的應用內禮包和消耗性道具，完成應用內購買。

同時，引入混合變現策略，植入應用內廣告。調查顯示，79% 的美國玩家和 85% 的韓國玩家表示不介意看到應用內廣告。相較於單次時間短但次數多的廣告展示超休閒遊戲玩家更喜歡單次時間較長但次數相對少的廣告展示方式。

下面是廣告優化相關的素材建議。做素材最基礎的是做好本地化，其次是做素材創新，比如能夠快速吸睛的第一人稱視角素材。或者可以傳遞飽滿的情緒，比如口播和吸引人的字幕。充滿趣味的搞笑、洗腦，反轉視訊，豐富的互動元素，以及KOL/明星/美女等真人要素視訊，都是近期比較火的素材。

接下來分享一些廣告優化思路的總結。在投廣告的時候，經常會遇到轉化少，成本高的情況，排查思路如下：

如果是CTR低，就檢查創意和受眾的相關度。如果是CVR低，會檢查創意是否相關度較低以及落地頁是否質量不佳。如果是CTR和CVR正常的話，這時要檢查賬戶結構，出價，預算以及是否有過度優化的情況，一些過度調整會導致Facebook和Google無法做機器學習。

如果碰到特殊的0轉化情況，應該檢查是否存在無效SDK或無線pixel。