4月22日，热云数据邀请Top On产品VP唐子丹分享《休闲游戏出海广告变现进阶攻略》。此次内容分为四个板块，休闲游戏和广告变现的市场观察、提升广告变现的技巧及需要注意的几点以及搭建BI系统对休闲产品的益处。

　　图中有地区的颜色代表这个地区最受欢迎的游戏类型。蓝色为休闲、超休闲类游戏；绿色代表中度游戏。左边是2018年的数据，右边是2019年的。能够准确的看出，休闲类的游戏在18~19年增长是较为迅猛的。

　　这是今年1~3月份全球所有下载排行榜单，能够正常的看到Top 10游戏中有一半以上都是休闲类型的游戏，其中不少是近半年才上线的新游，说明今年休闲游戏还是持续火爆的，仍是出海游戏的热门方向之一。

　　从图表能够正常的看到休闲游戏广告变现收入趋势是逐年上涨，2019年为将近200亿美元的规模，预计到2023年能达到452亿美元，每年保持约26%的增长率。

　　首先，对于绝大多数开发者来说，收益是最主要考虑的因素。大家都知道ecpm是千次展示带来的收益。所以我们大家可以把收益拆解成展示*ecpm÷1000，展示又能继续拆解成请求*填充率*展示率。填充率和ecpm是由广告平台所控制的，并且是跟收益正相关。所以开发者在选择广告平台时着重关注一下这两个指标。

　　除了收益之外，还有别的的需要注意的几点。比如说广告平台的数量上建议选3~8家，过多和过少都不太好，过少风险会比较大，并且可运营的策略也会比较少；过多接入成本则相对来说还是比较高。

　　一般游戏最常见的三种广告样式：激励视频、插屏和Banner。大部分平台都是支持的。产品功能方面，比如说是设底价、API等，如果开发者有这样的诉求，需要看一下平台是否支持。

　　另外，就是要区分国家来考虑广告平台的表现。因为广告平台在不同国家的表现差异是非常大的，开发者要结合自己流量分布的情况选择正真适合的平台接入，剩下是要去看一下集成的便捷性、版本的稳定性等方面。

　　选好平台以后，一般会按照ecpm从高到低进行waterfall排序，也就是常说瀑布流。

　　图表右边有个事例，比如说有A、B两个平台，A的平均ecpm是20，B是15，那么A比B要好，所以A就排在前面。这种排序的方式是很常见的吧？但是会有不足。比如，B虽然平均ecpm比A要低一些，但是B头部的offer往往会比a尾部的offer表现要好，但是排序是在A头部offer之后的。

　　广告分层策略可以某些特定的程度改善这样的一种情况，所谓广告分层就是设底价，也就是说通过设置ecmp floor将平台的offer分成很多层，图表右边有个事例，上面是不分层的情况，那就平台B头部的offer会排在A尾部offer之后。下面有分层平台A设了两个底价，A1底价是25、A2底价是15，平台B也设了两个底价，B1是20、B2是10，那排序a1到b1到a2到b2，这样的话平台B表现好的那部分offer就能够排在平台A表现差的那部分offer之前。

　　（2）ecpm越高，那填充率肯定会越低的。填充率太低的话意义不大，并且会影响请求耗时。就开发者发一个请求到平台告诉你这个请求没有填充，大概要耗到1~2秒。如果有很多层都没有填充，加起来耗时就会很久，这样就会影响广告的一个展示情况。

　　（4）展示顺位其实就是对ecpm有影响的。理论上曝光越靠前的展示其广告效果会越好，比如用户第1次看广告和第10次看广告的效果是有差异的。对于不支持设置底价的平台，能够最终靠控制展示频次来实现分层。

　　因为，有的平台没有设底价功能，可能那个表现比较好，但是他不设底价，只要你请求他了，他可能100%填充。那这种情况下我们怎么去做呢？可以加一个频次，比如说前三次的展示曝光我给到他，但到了第4次的时候，我就不去请求他了，我请求下一层的广告，这样也能够达到分层的一个效果。

　　下面讲一下流量分组。这是做精细化运营时经常用到的方式。所谓流量分组就是按照一定的规则划分很多组，可以是国家、性别、年龄等标签。不同分组下，用户行为和广告平台的表现是有差异的。所以针对这种差异也去实施差异化的waterfall排序，这样做才能够达到提升广告效果的目的。

　　第1点，国家是最特殊的一个维度，基本上所有的广告平台都能提供分国家的数据，比如说某个平台可以看在美国的数据，也可以看在中国的数据，但是其他维度就不支持了。

　　假设平台没办法分性别看数据，针对这样的一种情况，能够正常的使用单独的广告位ID来去做区分，比如说针对男性用户都能够使用一个广告位ID，女性用户使用另一个广告位ID，这样做才能够区分ID去看数据，但建的ID越多，经营成本就会越高。如果只用一个ID的话，那就能够准确的通过展示来去拆分。这样的话啊，经营成本会低一些，但收益并没那么精准，所以要去综合考虑。

　　第2点是一些平台，既是买量渠道又是变现渠道，平台在买量源于自己渠道上的用户，它的变现效果相对较好。例如一个游戏开发者，在平台A买量买到1000个用户，这1000个用户使用平台A的变现效果也会相对较好。原因是在于平台A有这1000个用户相对完整的用户画像，能够投放匹配度更高、更精准的广告。

　　AB test就是将流量分成两组或多组，每组流量必须是同质的。分好组之后基于不同组实施不相同的变现方案，最后比较哪个方案更好，并将好的方案在所有的流量上推全，右边是一个示例，将用户分成了AB两组，两组用户采用不一样的变现策略，而发现那个B组用户的LTV更高，最后就将B组的策略推全。

　　首先是要求不同实验组之间，应该规避数据干扰。一般来说按设备去分流，就不会产生干扰。因为设备在物理上是独立的，我们遇到过一些客户，他是按天或者是按启动频次去迁流。这种拉长时间来看，会发现同一个用户有一定的概率会分到不同的组里面，这样也不会产生干扰。

　　另外一点是AB test一定要看应用维度的数据，而不是只看广告位维度。举个例子，假如我们在插屏广告位做AB test ，A组是一分钟弹一次，B组是10分钟弹一次，只看广告位数据的话，大概率是A组的收益更高。但是从应用的维度去看数据的话，有很大的可能是A股的收益更差。因为弹窗平次的太频繁，会影响用户的使用时长和留存。因此导致整体广告位应用的收益下降。

　　目前已经有更多的开发者开始搭建BI系统，虽然这件事会有一定的难度和工作量，但是搭建好之后，会大幅度的提高工作效率。

　　BI系统全称是business Intelligence system，也叫做商业智能平台或者叫数据中台。这里是一张简单的结构图，BI可以大致分成两个模块，可视化前台和业务后台。

　　其一，买量和变现的数据是割裂的，需要需要登录不同的平台操作以及整合报表，非常麻烦。

　　其二，可能会担心数据安全，通过人工的方式将数据导给不同的合作伙伴。比如说有的发行公司跟很多cp合作，这些cp的变现平台使用的是同一个账号，但是发行又没办法把账号直接给到cp，因为这样就不安全。

　　（1）定制报表，搭建BI系统最主要的目的之一，就是定制报表。三方平台的数据是不够全面的，比如说变现平台，只有变现的数据，买量平台只有买量的数据。BI系统能把买量、变现的原始数据都拉回来，做加工处理。例如能够最终靠计算得到ROI的报表，不需要人工整理。

　　（2）数据安全，因为所有的原数据都是直接拉到开发者内部的服务器去存储，安全性就会有了保障。开发者也可以给不同的人员分配不同的账号权限，这样也能去规避数据泄露的风险。

　　（3）数据预警，开发的人能设定规则，让机器来监控数据，触发规则时能够立即处理，比如说设一条规则，当展示下降30%的时候，就发邮件或者打电话给到那个指定人那里，从而及时处理。

　　（4）功能定制。前面三块都是跟数据相关的，但其实很多三方平台除了提供数据API之外，他们还有操作API，比如说有的变现平台，它支持通过API来创建广告位，那么利用这类API就能轻松实现批量操作。一键在多家平台去创建广告位，就不需要登录不同的平台一一去创建了，这样就能提升效率。

　　这4点是BI系统的主要用途，对于运营来说，BI系统有利于提高开发者的工作效率。