新手如何通過分析數據指標調整變現策略？

買量團隊看中用戶增長的成本價格和 ROI 來把控每一筆運營費用的支出價值；產品團隊則關注產品用戶體驗和更新版本后的表現，是否出現崩潰等異常。而作為一名廣告變現的從業(yè)者，通常需要關注哪些數據指標，從而引導我們做出正確的變現策略？

01

決定廣告收入的指標

首先，第一步，看2個決定收入的綜合指標——用戶生命周期總價值和新增用戶數。

1. 用戶生命周期總價值（LTV，Life Time Value）

定義：Life Time Value，用戶生命周期總價值。指某日媒體新增用戶在往后 N 天的平均廣告變現收益。LTV=某日新增用戶往后 N 天的廣告總收益/某日新增用戶數。LTV 對于開發(fā)者來說參考意義重大，其不僅體現了新增用戶帶來的廣告收益的高低，還體現在開發(fā)者在各渠道投放廣告買量時/或通過多代理買量時，通過 LTV 能更準確的分析出買賣流量的 ROI 平衡點（盈利周期）、并判斷出買量渠道的質量。

我們平時更多關注1天后的生命周期、7天后的生命周期、30天的生命周期價值、60天的生命周期價值。所以，總結來說，用戶生命周期總價值決定了用戶質量。

分析場景舉例：

該產品需要以多少CPI出價，才能保證ROI回正？

該產品在哪些國家的LTV表現較好，適合加大投放？在哪些國家LTV表現較差，需要優(yōu)化或減少投放？

廣告、產品、用戶新增等策略也許提升了某一指標，但是否真正帶動了LTV上升？

2. 新增用戶數（New Users）

一般在廣告變現的產品中，以Firebase為例，我們一般都默認首次打開APP的用戶數為新增用戶數。所以，總結來說，新增用戶數決定了用戶規(guī)模。

分析場景舉例：

更新版本或內容調整之后的新增用戶數是否變化？

增加廣告之后的新增用戶數是否有變化，比如是否因新增加了激勵視頻廣告或調整獎勵之后，新增用戶數有增多？

產品的節(jié)日、季節(jié)、周末效應，是否導致新增用戶數增加？

廣告收入降低是否由于新增用戶數降低？

02

決定LTV的指標

隨著自然新增占總體用戶比重逐漸減少，用戶收入增長更多依賴于推廣買量，而買量的規(guī)模取決于用戶生命周期總價值，如果在保持生命周期總價值足夠高的情況下，可以進行大規(guī)模推廣，從而獲得較高新增用戶。所以第二步，看兩個影響用戶生命周期價值的指標——用戶留存率、IAA-ARPU。

1. 用戶留存率（Retention Rate）

用戶留存率通常是根據開發(fā)者自己設置的一個日期開始后記錄不同星期和階段的用戶活躍表現。例如更新版本或者通過廣告投放新增用戶之后的互動表現。如果當開發(fā)者有研發(fā)不同類型的產品之后，每一種類別的產品在留存數據中自然就有差別，也應該分產品分析。

我們平時更多關注次日留存、7日留存、30日留存、60日留存。

分析場景舉例：

不同國家的用戶留存有和差別？是否需要對應重點國家的用戶調整內容功能？

廣告人均展示次數提升以后，是否影響用戶留存？

2. 單個用戶平均廣告收入（IAA-ARPU, In-App Advertisement Average Ad Revenue Per User）

單個用戶平均廣告收入（IAA-ARPU, In-App Advertisement Average Ad Revenue Per User）

單個用戶平均廣告收入=廣告變現收入/活躍用戶數

廣告變現收入來直觀表現產品的廣告變現能力，活躍用戶數不變，廣告ARPU越高，廣告收益越高。

分析場景舉例：

瀑布流中某一層提價，是否導致整體IAA- ARPU提升？

某一廣告平臺使用Bidding后，相比瀑布流運營，IAA-ARPU是否提升？

由于用戶留存率更多還是取決于產品功能、產品質量，所以變現者更多需要關注IAA-ARPU的指標。所以第三步，需要分析影響IAA-ARPU的指標。

03

決定IAA-ARPU的指標

1. 人均廣告展示次數（AIPU， Average Impression Per Users）

定義：人均廣告展示次數=總廣告展示數/活躍用戶數

判斷當前廣告位和觸發(fā)機制是否合理，對用戶是否有足夠吸引力，是否覆蓋到足夠的用戶。

分析場景舉例：

新增加了激勵視頻廣告或調整獎勵之后，是否提升了人均廣告展示次數？

調整插屏廣告展示時機，是否提升了人均廣告展示次數？

2. 每千次展示收入 （eCPM， Effective Cost Per Mille）

每千次展示收入（eCPM ）=（廣告變現收入/總廣告展示數）*1000

每1000次廣告展示可以獲得的收入，被業(yè)內普遍認為衡量廣告變現效果的指標。其中廣告展示量級較小會導致eCPM較大，所以前期測試必須保證當日廣告展示量到達1W次以上，才能計算eCPM。

分析廣告場景舉例：

原生廣告和大橫幅的 AB 測試，哪一個eCPM效果更好？

更改插入位置的插屏廣告的eCPM是否有提升？

哪些國家和性別、年齡的用戶廣告eCPM更高？

修改單層瀑布流價格后，整體eCPM是否提升？

增加激勵視頻廣告后，是否利于提升eCPM？

接下來兩步，我們進一步需要分析決定人均廣告展示次數和eCPM的指標。

04

影響AIPU的指標

AIPU=人均廣告請求數*廣告填充率*廣告展示率。由于人均廣告請求數非人為可優(yōu)化的變量，且過多無效請求反而容易造成無效流量，所以在這個指標中，我們重點關注：廣告填充率、廣告展示率。

1. 廣告填充率（Fill Rate）

填充率=廣告平臺返回廣告的次數/廣告請求數。幫助判斷流量與廣告的匹配度，廣告填充率的高低主要受廣告主數量影響。

分析廣告場景舉例：

某廣告平臺是否在哪些地區(qū)表現填充較好？

某層單價設置為$X，是否導致其填充較低？

2. 廣告展示率（Impression Rate）

廣告展示率=廣告展示成功次數/廣告平臺返回廣告的次數。其中廣告展示次數是用戶實際能看到廣告的次數，每家廣告平臺對有效展示的定義不同。

影響廣告展示率的兩個因素

廣告場景展示率

廣告場景展示率=廣告展示成功次數/用戶進入廣告場景次數

分析場景舉例：

廣告是否緩存過晚，導致廣告無法及時展現？

人均廣告觸發(fā)次數

人均廣告觸發(fā)次數=廣告觸發(fā)次數/日活躍用戶數

分析場景舉例：

新增插屏廣告的人均廣告觸發(fā)次數是否較低，需要調整觸發(fā)機制？

激勵視頻的人均廣告觸發(fā)次數是否較低，需要調整獎勵內容或出現時機？

05

影響eCPM的指標

1. 新增用戶占比

新增用戶/活躍用戶*100%。

新增用戶對廣告的容忍度比留存用戶高，所以轉化整體也會提升，如果新增用戶占比總活躍用戶的10%，這10%的用戶當日貢獻的廣告收入可以到當日廣告收益的35%以上。

分析場景舉例：eCPM降低是否由于新增用戶數降低？

2. 人均廣告展示次數（AIPU）

eCPM會隨著轉化率的降低而降低，同時用戶每日看到的前3個廣告轉化率會相對高，3次以后轉化欲望會降低。如果看5次發(fā)生的轉化是1-2次，看10次轉化率依然是1-2次，那么會導致轉化率降低從而eCPM降低。

分析場景舉例：eCPM降低是否由于廣告頻次過于頻繁，需要調整廣告展示次數？

3. 廣告點擊率 （Ad Click Rate）

廣告點擊率=廣告點擊次數/廣告展示次數

由于多數廣告以點擊進行出價，所以廣告點擊率較高，一定程度上會造成eCPM提高。

分析場景舉例：

修改原生廣告設計是否利于提升廣告點擊率？

最后，需要強調的一點是：所有以上指標并沒有統(tǒng)一的標準數據進行參考，需要結合不同國家、不同變現策略、不同產品形態(tài)和用戶特征進行分析，才能找到最適合自己產品形態(tài)的變現策略。