混合变现数据手册：实现逻辑、核心指标与数据分析路线图

混合变现已成为手游盈利的常态，将广告与内购作为协同收入来源能显著提升产品韧性；而只有通过精细化的数据分析，才能把两者的协同效应变成可持续的增长引擎。针对混合变现产品，应如何进行数据分析？先从混合变现的实现逻辑开始解析。

一、变现逻辑

1. IAA+IAP

优化目标不是单一最大化，而是总LTV = LTV_IAA + LTV_IAP。具体实现过程中，通过识别用户的进行对用户进行分层标签，并推送对应的变现策略。

2. IAA

简单来说，就是通过在应用内展示广告来获取收入，实现多方价值交换：

• 开发者提供免费的应用体验，通过在游戏中设置广告位，向玩家展示广告，从而从广告平台获得收入。

• 用户通过观看广告来获得游戏道具、加速游戏进程或其他应用内的功能

• 广告主付费让他们的广告触达潜在用户

• 广告平台连接开发者和广告主，通过实时竞价等方式，将最高出价的广告展示给玩家，并从中抽成。

核心在于用时间换收益，用户用观看广告的时间来换取在应用内的便利或优势，而开发者则通过广告展示获取收入

3. IAA变现流程

二、数据分析

核心分析框架：根据用户行为对用户进行分层标签，根据用户定位执行对应分析路径。之前对IAP类产品进行详细的数据分析方法解析，本文重点分析IAA产品的数据分析思路。

1. IAA数据指标

核心目标是最大化广告收入（ARPDAU）的同时，最小化对用户体验（留存、时长）的负面影响。需要关注以下维度和指标：

• 核心收入指标：

• 广告收入： 总收入。

• ARPDAU： 每日活跃用户平均广告收入。最关键的北极星指标！ 衡量变现效率的核心。

• ARPPU： 付费用户平均广告收入（通常意义不大，主要看ARPDAU）。

• eCPM： 每千次广告展示的收入。衡量广告展示的“单价”。

• 广告展示与填充指标：

• 广告展示次数： 总展示量。

• 广告请求次数： 游戏向广告平台请求广告的次数。

• 填充率：（广告展示次数/广告请求次数）*100%，反映广告供给满足需求的能力。

• 展示率/展示渗透率：（广告触达用户数/DAU）*100%，衡量广告触达用户的广度。

• 用户参与指标：

• 人均广告展示次数： 广告展示次数/DAU，衡量广告曝光强度。

• 激励视频完成率：（激励观看完成次数/激励发起次数）*100%，衡量激励视频设计的有效性。

• 插屏展示率：（插屏展示次数/触发次数）*100%，反映插屏策略是否过于激进（用户提前退出导致未展示）。

• 用户行为与留存指标：

• 用户留存率： 次留、7留、14留、30留，分析不同广告频率、不同广告体验用户群的留存差异。变现不能以牺牲长期留存为代价。

• 平均游戏时长/会话时长： 广告是否导致用户提前离开游戏？

• 关键行为转化率： 如关卡通过率、道具使用率。广告是否影响了核心游戏体验？

• 分析维度：

• 时间： 日、周、月趋势；对比分析（如活动前后、版本更新前后）。

• 用户分层：

• 新用户 vs. 老用户： 变现策略是否需要区分？

• 国家/地区： 不同地区eCPM、填充率、用户行为差异巨大，必须分地区分析优化。

• 平台： iOS vs. Android

• 用户价值层级： 基于行为或RFM模型划分用户群，实施差异化广告策略。

• 广告行为分层： 高广告参与用户 vs. 低广告参与用户 vs. 厌恶广告用户。

• 广告源/平台： 分析不同广告平台/网络的填充率、eCPM、收入占比，优化资源分配和Bidding权重。

• 广告位/格式： 分析不同位置、不同类型广告的表现（展示量、eCPM、对留存的影响）。

• 广告频次区间： 分析不同每日广告观看次数区间用户的留存、时长、LTV变化，找到最佳频次区间。

2. 分析方法

• 建立核心数据看板： 集中监控ARPDAU、eCPM、填充率、人均展示次数、留存率等关键指标。

• A/B测试： 优化变现的核心手段

• 测试不同广告频次上限。

• 测试新广告位或调整现有广告位触发逻辑。

• 测试不同广告格式的组合或占比。

• 测试新的广告平台或聚合策略。

• 关键： 设置清晰的对照组和实验组，监控核心收入指标和用户留存/行为指标。

• 漏斗分析： 分析从广告请求 -> 填充 -> 展示 -> 用户观看完成的转化率，找出瓶颈环节，并对应优化，比如是否因填充率低导致请求浪费等

• 相关性分析： 分析广告展示强度与用户留存、时长的相关性。

• LTV预测模型： 结合广告收入和内购收入，预测用户生命周期总价值，指导用户获取和变现策略。

三、影响ROAS的因素

从投放的角度，核心数据是ROAS，从核心公式出发进行拆解，细化解析影响ROAS的核心因素

ROAS = LTV_Ad / CPI

LTV_Ad = ARPDAU * 用户平均生命周期

ARPDAU = 人均广告展示次数 * eCPM / 1000

根据以上公式，可知，核心影响因素为CPI，人均广告展示次数，eCPM及用户平均生命周期

1. CPI

• 素材质量

• 转化率

• 市场与竞品影响

2. 人均广告展示次数

• 广告格式选择与占比：

• 激励视频：玩家为了奖励主动点击观看的广告类型，eCPM最高，用户接受度高

• 插屏：游戏过程中设计的主动展示的广告类型，展示量大，需注意频率和时机

• 横幅：游戏顶部或者底部展示的Banner广告，eCPM低但持续曝光

• 开屏：打开扑脸广告，eCPM中等，影响启动体验

• 广告位设置：

• 位置： 是否自然、非干扰？是否在玩家有动机观看的位置（如奖励入口）？

• 触发时机： 是否在玩家预期或可接受的点（如失败后、关卡结束）？避免打断核心玩法。

• 广告展示频率： 每个用户每天看到的广告次数。过高导致用户流失，过低损失收入

3. eCPM

• 广告平台与聚合：

• 广告源质量： 接入的广告平台的eCPM水平和填充能力

• 聚合平台策略： 瀑布流层级与Bidding策略，优化策略直接影响收入

• 广告填充与竞价：

• 填充率： 广告请求得到有效广告响应的百分比。低填充率意味着大量变现机会浪费。受用户地域、时段、广告源覆盖等影响。

• 竞价压力： 参与竞价的广告源数量和质量。更多高质量广告源竞争会推高价格。

• 瀑布流 vs. 实时竞价策略：传统瀑布流效率与实时竞价策略组合（如Bidding）

• 市场环境：

• 整体广告市场需求： 如节假日、经济形势会影响广告主预算和eCPM。

• 平台政策变化： 如iOS ATT框架对用户追踪的限制，影响广告精准度和部分广告主出价意愿。

• 竞争格局： 同类游戏增多可能分流用户和广告预算。

4. 用户平均生命周期

• 游戏内容与玩法设计

• 通过留存测试验证留存数据，保证游戏有足够的可玩性及广告设计空间

• 维持内容更新频率，降低用户流失

• 广告策略与用户体验

• 广告位设计避免干扰玩家游戏体验

• 广告频次平衡，不影响用户留存的基础上最大化广告收益

• 广告填充率保证，避免加载失败或者卡顿

• 技术性能与稳定性

• 市场与竞品环境

​

四、ROAS分析与埋点

1. 数据平台

• 归因平台：如Appsflyer/Adjust，用于追踪用户来源、计算CPI、预测用户留存率

• 游戏数据分析平台：如Firebase or游戏自有数据分析平台，用于收集用户行为数据、广告事件数据、计算/预测LTV_Ad。需要与归因平台打通用户ID

• 广告变现聚合平台数据报告比如Admob，提供详细的广告展示、收入、eCPM等数据，通常能分用户或分群（Cohort）查看收入数据，是计算LTV_Ad的重要数据源。需要将其数据整合到你的主数据分析平台

2. 点位推荐

• 必须回传的6大事件

• 深入IAA ROAS分析所需点位

Meetgames帮助开发者更全面的通过市场数据了解自己的竞争优势，免费提供游戏竞品分析、发行服务和工具，助力出海开发者完善发行能力，高效率抓住市场机遇赢得成功。

了解更多市场数据，扫描上方二维码联系平台运营