圣诞、元旦、兔年春节……在随后的一个月时间内，接连而来的节假日塑造了年末狂欢的氛围。

­

不少游戏厂商也早已筹划好圣诞和新年的节日活动，无论是游戏内的圣诞和新年元素，还是游戏外花样百出的营销策略，尤其是在双十二之后逐步拉高的买量趋势，都展示着游戏厂商抢占这波流量峰值的热情。

­

但面对未知的用户群体、多元化的买量渠道、海量的投放数据，游戏厂商该如何利用第一手的投放数据，才能抓住年末这波重要营销节点，实现用户体量的有效增长？

打通投放各环节数据

­

在回答「渠道质量如何」、「投放策略如何」、「引流效果如何」等问题之前，广告主首先需要了解整个广告投放过程中会产生哪些数据，主要可以归结为以下四类：

­

素材投放

 

在广告平台进行广告投放时，会产出用户进入游戏前的相关数据，如广告投放的成本、广告的曝光量、广告的点击数据等，这些数据通常可以在对应的广告平台上获取，如 Google Ads、TikTok Ads、巨量引擎等。

­

广告触达

 

当玩家看到广告时，便从用户维度产生了一个曝光行为，归因平台可通过和渠道商的合作获取单个用户的曝光和点击数据。

­

应用激活

 

应用的激活是用户在整个推广过程中转化的第一步，在下载应用后结合激活和曝光行为的 ID mapping 产生归因数据。

­

用户活跃

 

应用内行为可以通过全埋点和自定义埋点的方式进行采集，重点关注成本的回收情况，以及影响玩家付费的其他行为事件。

这些数据通常会分布在不同的平台与数据源，如果想要深入地展开投放数据分析，那么对于游戏广告主而言，其首要任务就是打通投放各个环节上的数据链路。

­

其中，通过自定义 ID 匹配可以打通行为数据与归因数据，通过渠道、素材 ID 匹配可以打通成本与激活数据、行为数据。数据打通后，可在单用户行为流层面实现下图效果。

­

全域数据赋能高质量投放

­

获取到完整的数据链路之后，就可以针对性地回答下面的这些问题：

Q1:投放的这些渠道质量到底怎么样？

­

随着投放成本水涨船高，对于各个渠道的质量评估与投放策略优化显得尤为重要。在常规的评估体系中，通常会更关注成本、ROI、LTV 等关键指标，这些指标对渠道筛选有很强的参考作用。但是，此类指标通常为长期指标，这就意味着需要一定时间与成本的持续投入，才可以获取相对准确的参考结论。

­

为了能够更加快速地对投放渠道做出评估，可以引入短期指标的概念，以用户的关键行为为切入点，如「用户激活当天或激活 1 小时内的行为数据」，从另外一个维度对渠道进行评估。通过这些数据便可以在 T+0 的周期内完成渠道的初步评估。筛选关键行为主要有以下两种方式：

­

· 第一种方法是梳理产品逻辑和用户路径，基于产品理解选取某些关键行为，这种方法类似于行为漏斗，比如隐私页授权、新用户引导、首页到达、关键内容等；

­

· 第二种方法是根据已转化用户群体的前期行为特征归因情况，找到与转化相关性较大的前期行为，将其定义为关键行为，从而将整个渠道质量的评估前置。

­

下图将用户在激活当天的新手引导、活动与任务领取、核心玩法体验作为关键行为，通过对比不同渠道引流用户在关键行为上的转化数据，可以初步筛选出高质量渠道，进一步支持投放策略的快速优化。后期还可结合长期指标追踪用户的长线表现，对每个渠道进行评级打标，为后期投放计划的制定提供重要的数据支撑。

­

Q2：如何减少假量带来的数据干扰？

­

在投放过程中，尤其是春节前的大规模投放，假量是无法绕开的问题，这类情况在一些中小渠道投放时更容易遇到。假量的出现对于投放策略的优化以及精细化运营，带来了较多的影响：

­

• 增加无用的消耗，投放成本波动大

• 数据分析参考意义不大

• 无法针对性地优化素材

• 账号起量困难

• 玩家转化数据差

• 影响账户的人群模型

识别出游戏中的假量并在数据分析中排除假量，是后续开展精准策略调整的前提。根据假量的不同特征可以参考以下几种方式进行排除：

­

1.利用信息的集中度

­

简单的假量通常是在一台设备或者虚拟机中，在一个或多个应用中注册的多个账号。针对这种情况即可通过对设备号打标，计算单个设备注册的账号个数来进行初筛；同理，基于假量的 IP 出口，可以计算 IP 粒度的账号信息集中度，过滤异常的 IP 地址，并基于这些维度标签和 GM 系统联动开展后续的封禁操作。

­

2.利用硬件信息

­

当程序在虚拟机中运行时，开发者可基于客户端的 SDK 可以采集到硬件相关参数，但是虚拟机的参数通常不会和真机完全相同，利用已有的机型与参数的字典表映射，可以判断账号登录设备的真实性，从而对假量进行过滤。

­

3.关键节点留存波动

­

一些具有逻辑的假量为了应对广告主对次留、七留等指标的关注，会在对应日期完成一次活跃行为以迷惑部分只关注结果指标的广告主，这类数据也可通过关键节点行为的打标来实现过滤。

­

4.用户行为特征

­

一些利用 AI 生成的虚拟用户在激活游戏后甚至会玩一段时间，但是时间不会持续太久，且有着明显的规律，如只会通关 1-2，通关后不再登录。通过分析账号的登录次数、在线时长、关卡特征也可以实现对这类用户的识别。

­

Q3:哪些用户符合投放画像？

­

为了提高投放的精准度，可以在投放后台进行一系列的受众定向设置，包括基础的自定义受众和核心受众定向。除此之外，通过行为数据的回传以及上传自定义 ID 列表，也可以设置相似的受众定向，并基于优质的种子人群获取更加精准的用户。

­

以下图为例，基于用户的行为数据对全体用户进行标签分层，分层后除了聚合的分布数据外，还可获取每个用户标签值的明细。这些明细数据可以上传到投放平台作为相似受众的种子用户，进一步设置相似规模后，便可进行更加精准的投放。

­

上传人群包除了进行相似受众定向外，也可以排除低质人群，同时通过广告后台的标签市场，可以筛选过滤掉画像明显不符的用户，以提高投放的精准度。

­

Q4:哪些素材更吸量？

­

在游戏大规模推广时通常会产生大量的游戏素材，面对这些海量的素材，广告主需要从中找到规律，什么样的风格更加吸量？什么样的元素带来的用户画像更加准确、转化更好？不同素材对不同渠道的适配程度如何？

­

这些问题可以通过素材标签维度的分析来解决。以下图中的视频素材为例，可以发现视频中带有的标签有：3D 卡通、新年、长草颜团子 IP、生肖虎。

­

通过将这些标签上传至数数科技 TE 系统完成素材 ID 的绑定，便可在系统中生成素材标签的分析维度，如下图。基于上述标签维度与分析模型，可以快速地分析出不同标签的引流能力、用户转化与留存情况。

­

­

通过上述分析，可以从素材标签出发找到不同标签引流用户中的优质人群，通过对优质人群的进一步分析又可以提取出优质人群的特征，如渠道、地区、机型等，这些优质人群的特征最终又能够指导游戏厂商在不同场景下投放素材的选择，从而形成素材优化、精准投放的业务闭环。

­

由数据验证和调整的投放计划，能够更客观、直接地反馈各时期、各渠道、各计划的投放效果，帮助游戏广告主更快速地响应流量市场的变化，精准获取优质的用户。面对即将到来的流量高峰，及早地掌握流量背后的数据密码，方是破局之道。