Aiadmobi：聚焦 LTV，基于海量数据进行综合决策

游戏时代是以用户为中心，无论游戏好与坏，必须被下载、安装、打开、反复打开••••••，游戏才会产生商业价值，而对一款游戏各个节点的记录，业界通用的衡量标准LTV(用户终生价值)，可以清晰的计算出您的ROI。计算 LTV 的方法有许多种，但无论您选择哪种方法，首先都要分别衡量以下几个指标：


用户LTV发展图谱，要想让LTV值最大化，右面的收入数值就要最大化，左面的成本数值就要最小化。

AI——渠道CPI中每一个I的流量质量评估

在投放中，广告主按照一个点击或者一个安装付费，移动DSP平台为了获得更多的点击，就必须精准地找到目标受众，并通过不同的广告形式，刺激其去安装，而这背后就需要对目标人群进行深度精准挖掘，发现流量数据隐藏着的价值，流量渠道质量的优劣在这发现过程中至关重要。每个渠道都有自己的CPI，也正因为如此每个渠道的用户质量都不同，也就有不一样的LTV。


在渠道选择方面，为了能够增加目标人群整体的LTV，就要选择质量优良的平台，做细节化的调研可能是更有效率的，在单个活动、地区以及平台方面进行研究，比如重度游戏选择重度用户渠道，并选择特色区域先进行小波试验，及时的停掉LTV比CPI更低的渠道。优质流量渠道发生的用户安装行为可以在媒体营销的第一个环节对整体的LTV 给予保证，这也是目前广告行业出现细分化发展（比如专注游戏分发、电商分发）的主要原因。

A2——游戏内持续营销活动的价值衡量

提升留存、活跃将会提升LTV，而要减少流失率，您必须通过有效而低成本的持续营销活动，提升留存率、付费率，而这样的营销活动何时做，怎么做就需要大数据的辅助。

游戏类应用一般以完成教程、注册和完成特定关卡、购买皮肤、能量、武器为用户行为进程。把握好用户的每一个行为进程，发送对于用户更相关的消息或者活动，可最大化用户的参与度。例如，用户在某一个关卡停留很长时间，打开率不断下降，出现沉寂现象，针对这样的情况就可以提供特价武器的促销或者优惠来吸引该用户重新回到您的游戏，而这样做的成功率在80%。


根据用户的操作进程，用户的参与度、活跃率都可以得到清晰的感知，而通过有效的持续营销活动，延长并且最大化用户的生命价值是LTV计算中重要的变量因子。

BI——掌握游戏内不同用户的表现

不同的用户在其的生命进程中，在不同阶段会有不同特征的表现。比如有的用户一进入游戏就可以能进行付费，而有的用户玩到一定熟悉度后才表现出爆发力；有些用户，没有付费习惯，却可能影响到周边朋友玩同款游戏并且有付费转化；也有些用户，玩A游戏不付费，但通过玩这个游戏，知道B游戏，并且付费了。

不同游戏处在不同时间、空间里，且不同的人群有不同的消费习惯等，而如何将这些维度联系起来，并综合进行考虑？是提高LTV的关键。

复杂的用户行为和特征，在大数据追踪中会以数据点的形式做规律性的打点记录，并以数据分析的方式进行挖掘，将用户的行为模式（从A游戏到B游戏的迁移、在游戏中付费点的特点??????）进行分层管理，建立精密特征关联挖掘系统，适时的推导出有针对性的刺激策略，从而提高用户游戏内活动的价值。

B2——游戏之间的用户行为观察

不同类别的游戏有不同的需求，很多时候，它们可以互相支持。一个广告主通常会运营多款游戏，当通过大数据追踪发现一款游戏已经处于生命的后期时（通过再营销，游戏内更新已经无法回购），它的流量通过有效的刺激可以导给其他类别游戏进行早期推广。

大数据之下的用户的游戏属性具有多样与重合的特性，找到这些全部属性，并激活，将更多用户游戏时间导入到LTV之中，从而继续增大用户的LTV价值。而这样的做法，提高了广告主总盘的价值，实现整个产品线的LTV持续并最大化。

B3——游戏外用户的行为追踪

在当代游戏不是信息孤岛，多触点的线上世界中，用户会在不同设备上的不同活动间来回切换。游戏营销时需要掌握用户行为的所有游戏外活动的进程。这一信息能够显著改变用户的 LTV。

比如，一个用户在现实生活中的需求可能是连续的，用户要从酒店退房打车去候机，车上、候机这两个时间段他有可能会打开游戏，消耗时间，那么如何在这两个时间段让用户打开自己的游戏、并持续玩起来？ 大数据通过分析用户使用多APP的生活习惯，记录有价值的数据，找出可激活时段，进行有效推动拉活，提升游戏的打开率。

总结：

总LTV=游戏内的付费+游戏之间的付费+游戏外的付费-流量成本-持续营销成本。LTV 与游戏营销的各个阶段都具有相关性，流量质量、游戏内的持续营销、游戏内的用户行为、游戏之间的用户行为、游戏外的用户行为，每一个点都关乎全局。只有深度的用户参与才具有可持续的商业价值，尤其是进入存量市场阶段衡量好LTV才能计算出正确的ROI，完全掌握 LTV是广告平台、广告主的必做功课。