
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
在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25