从程序员的角度来看增长，休闲游戏怎么最大化广告变现？

自 iOS14.5 更新以来，互联网广告业务大受影响。对依靠 IAA 支撑商业化的休闲（轻度）游戏来说，尤为如此。虽然后来数据显示授权用户的比例没有 IDFA 新政实施前预测的 20% 那么悲观，但众多游戏开发朋友仍然在积极摸索对策。

大中华区移动先锋喻久港@哈乐沃德

Android 端开发出身的喻久港，在工作的前三年就曾编写过多款畅销 App，在 Google Play 上的下载量累计超过 500 万。从 2018 年开始，随着公司业务的调整，在手游方面的拓展加强，喻久港便以广告 SDK 开发的身份进入游戏行业。自 2019 年起，开始负责广告 SDK 的编写、变现调优等工作，制定了基于用户价值来做买量的决策。或许正是程序员的背景给喻久港带来了代码和数据视角的商业化运营，转型之后的喻久港成绩斐然。经其调优的《Tankr.io》《Fish go.io》《Shopping Mall Tycoon》《Idle GYM Tycoon》等多款应用无论是榜单排名还是流水都取得了不错的成绩，产品多次获得 Google Play 的推荐。所以在“程序员”独特视角下的增长和商业化，有什么不同之处呢？

《TANKR.IO》

1、都在讲的混合变现，具体应该怎么做？

当较为单一的变现方式遭到冲击的时候，寻找新的增长点就成为了弥补损失的合理方式。因此，从整个赛道上来说，混合变现是目前出海开发者做产品最重要的趋势之一。根据谷歌和 Newzoo 发布的报告显示，北美地区混合变现的手游从 2016 年的 26% 年增长到了 2020 年的 58%，翻了一倍多；中国的混合变现手游也从 2016 年的 17% 增长到了 2020 年的 32%，也是将近翻了一倍。在 2021 年，这个数据预计会进一步上升。

Winning Big--balance play and profit with hybrid monetization

对此喻久港认为，要抓住混合变现的大趋势，对于擅长通过 IAA 变现的超休闲游戏开发者来说，要增加内购，让用户愿意付费；而对于擅长通过 IAP 变现的重度游戏开发者来说，则需考虑通过 IAA 变现，让不付费的玩家通过看广告也能玩下去。

但在去做混合变现来进一步加强商业化的同时，产品会遇到很多问题。首先，从产品角度来说，产品的设计需要去对应变现模式进行调整。休闲游戏要想增加内购，就要考虑好怎么把游戏做“重”；同样地，想要通过 IAA 变现的重度游戏开发者则要考虑如何把游戏做“轻”。这就相当于脱离开发者舒适区的一种尝试和挑战，需要一些参考的引导或者模仿的对象，让大家见贤思齐。

其次，从增长的角度来说，优秀的产品也需要尝试新的技术和广告形式。在这个 Bidding 时代，喻久港也给出了他的态度，那就是拥抱 Bidding。尽管目前各个 Bidding 平台还在优化自己的算法，效果参差不齐。但是这种把展示机会留给出价最高的广告主、有效提升收益的新技术，是趋势，也是未来。就目前来说，尝试接入 Bidding 渠道需要 AB 测试，好的渠道保留使用，效果不好的渠道，喻久港建议可以等 2 个月再来测试，这样可以第一时间了解 Bidding 的最新优化效果。

除此之外，新的广告形式，例如试玩广告，也是一个值得关注的点。喻久港认为，现在这个时间点，试玩广告是大幅度提升 eCPM 的一个方式。在包体大小、文件数等指标在平台允许的情况下，一些尝试做玩法融合的游戏通过试玩广告获取用户，比如 SLG 类游戏融入塔防玩法，就可以让用户在不下载游戏的前提下，体验核心玩法，降低 CPI。其实新的广告形式之前就发挥过类似的作用。例如 2018 年激励视频的火爆，与插屏、横幅广告相比，eCPM、CTR 的提高很明显。现在试玩广告则在激励视频的基础上，进一步提升了 CTR，而 CTR 的提升，又进一步推高了变现的 eCPM，相当于对增长贡献了两次积极作用。这样叠加起来，效果是非常可观的。

喻久港的推导

最后一个混合变现加强商业化带来的绕不开的问题，就是用户体验的平衡问题。从变现的角度来说，这里有两种平衡需要维持，一方面是游戏内的广告体验和付费用户体验；另一方面是应用变现和用户体验。第一方面的平衡需要依据产品的品类以及用户习惯来做抉择，在不影响用户体验的前提下，按照用户的具体需求，来设计付费和广告。例如对于 IAP 占比较高，超过 50% 的产品，当用户资源不足时，喻久港会根据这个用户的历史数据，来判断给这个用户弹内购还是广告。对于新用户，倾向于先给用户弹内购；当 IAP 占比很小，不足 50%，这个时候的策略就会选择广告优先，如果有历史数据判断这个用户可能付费，那就弹付费的内容。

而第二方面的平衡，喻久港也有自己的心得方法。那就是在制定产品方案时查阅一些数据，预估这个产品的 CPI，LTV；然后倒推人均激励的次数、人均插屏的次数、用户时长、留存等数据；等到产品上线后，再结合用户行为来调整广告出现的位置及时机。对于埋点太深的广告，需要考虑这个位置是否在核心循环上：是，就加强引导；不是，就先去掉。对于埋点浅，用户知道的广告，如果点击播放的动作次数与到达这个页面的次数之比小于 50%，说明奖励的内容不够吸引人，需要在不影响数值的前提下，调整奖励内容。通常可以将奖励的内容从 2 倍变成 3 倍，以此类推。

在与喻久港交流的过程中，大家可能已经发现，或许是因为他的“程序员出身”，让他能够从程序角度出发去看待增长和变现，从数据出发来将各个环节打通。而这也的确是其重要的方法论。

2、程序员是如何将休闲游戏的商业变现带飞的？

其实一开始，在 2018 年之前，喻久港主要做应用开发，同时也接触了插屏和横幅广告，但是那个时候喻久港对广告的了解仅限于按照渠道的 SDK 实现业务逻辑。而在这之后，随着公司业务调整，喻久港在这期间也开始尝试 in-house mediation，接触了 mopub。通过阅读研究源码，编写 adapter，对 mopub 进行二次开发，逐渐理清了广告运行的内在逻辑，这才逐渐打开移动广告世界的大门。正是在这个过程中，他积累了自己的一套方法论。

在我们谈到下一个流行趋势的时候，喻久港认为，其中最重要一个就是：通过数据化打通立项、买量、变现。这也是他特别重视获客渠道和商业变现关联的原因。而在这之外，喻久港在过程中处理到很多关键指标，如果这些关键指标出现问题，就说明商业化的过程中存在“bug”。

就拿 IAA 商业化过程中最引人关心的产品收益来说，它关乎的其实就是日活用户数量和每用户带来的广告收入。因此就把它分成这两块来看待，前者，DAU，就是用户获取的指标；而后者就是商业化运营的指标。

当我们关注到后者时，就可以把它再拆分为 eCPM （千次广告展示带来的收入）和人均广告数。因此想要提高收益，就可以从提高 eCPM 和人均广告数这两个关键指标下手。我们分别来看看。

1、提高 eCPM，不外乎选择适合产品和平台的广告方式。或者更具体一点，就像我们之前聊过的，用 Bidding 还是 Waterfall。从技术层面上来讲，Bidding 的原理是对于每一次请求，出价最高的广告主赢得这次展示机会，是一种“横向”的竞争。而 Waterfall 按照 eCPM 从高到低的顺序请求广告，当第一个广告源返回广告时，则请求结束通知开发者显示广告，不返回广告时则请求第二个广告源，依次类推，更像是一种“纵向”的顺序。

我们来对比这两种方式的优劣时就会发现，传统的 Waterfall 的请求优先级基于历史平均 eCPM 排序，对于某次请求时，可能排在前面的广告源出价没有后面的出价高。这样一来就会错过了排在后面的出价更高的广告源，因此开发者并未获得最大收益。而 Bidding 对每一个展示机会的竞价机制最大化了开发者的收益。但目前，对于 Bidding 的使用仍然面临一些障碍。

一方面，目前不是所有的渠道都支持 Bidding。另一方面，因为 Bidding 是先竞价再请求的机制，对加载速度的要求更高。而由于不同渠道的算法不一致、调优程度不一样，以及 CDN 节点的基础设置等原因，有些渠道以 Bidding 的方式接入没有以 Waterfall 的方式好。不过正如之前所说，各家渠道会花大量的人力物力来解决这些问题，Bidding 仍然是趋势所向。把 Bidding 和 Waterfall 设计好了，eCPM 至少会是中等偏上的水平。至于如何判断 eCPM 好不好，喻久港关注的关键指标就是 Bidding rate 和 ARPU（每用户平均收入）。

对 Bidding rate 来说，各家渠道的 Bidding 的竞价率有些差异。Facebook 的 Bidding rate 大于 60% 是优秀，小于 30% 则需要排查一下是不是哪里有问题。因为 Facebook 只让安装过 Facebook或 WhatsApp、Messenger 的用户参与竞价，所以通过 Facebook 买的用户，Bidding rate 会高一些。另外，由于 iOS 中没有 IDFA，Facebook 也不参与竞价，所以 Android 的 Bidding rate 会比 iOS 的要高一些。其他渠道的 Bidding rate 可以拿自己内部产品横向对比，当差异很大时，就需要排查一下具体原因。而对于另一个关键指标 ARPU 来说，当接入的 Bidding 渠道变多后，看单一渠道的 eCPM 就变得没有那么重要了，更需要关注到整体，包括整体 eCPM 的波动和 ARPU 的波动。

当然，以上的讨论都是建立在遵守各平台规则政策的基础上，不违规是一切的基础。否则会面临一些不必要的风险。例如在 Google Admob 平台，由于 Admob 对于非 Admob mediation，一次请求最多只能用 3 个 placement id；所以当 Admob 是以 Waterfall 的方式接入，切记最多配置 3 层 Admob。超过 3 时，则可能会出现结算时无效流量过多，甚至产生账号受限、停用等风险。而Facebook 平台则不存在上述问题，但是当前的 Facebook 广告政策要求无论 iOS 还是 Android 的流量，必须全面用 Bidding。

先说用户到达率，对于一个 2 级页面，如果这个数据低于 50%，说明引导做的不够，需要加强引导。尤其是核心循环路径上的场景，要更加留意这个指标。

而当用户观看率的比例低于 50% 的时候，就需要考虑是不是奖励的内容不够吸引人，建议做 AB 测试，在数值不崩溃的前提下，奖励调多一些，以观察数据的变化。

除了激励视频，对于插屏广告来说，也可以通过 AB 测试，观察插屏弹出的频率对于用户留存、时长等产品数据的影响。例如 1 局 1 个插屏，2 局 1 个插屏，3 局 1 个插屏等等。有这样的对比尝试，就能找出效果最好的方案。

如果我们能把这些指标都能维持一个满意的水准并且不断地进行调优应变，那整个产品的商业化就会维持在一个健康的状态。