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
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22