跟上时代前进的脚步，提升广告表现
一直以来，游戏公司都是依靠归因分析来打造玩家体验历程以及明确推动取得成效的具体因素。
这是数字广告成效衡量的首选方法，原因很简单，它行之有效。但生态系统已经发生改变，若要找到成功之道，就必须适应新的常态。
这是数字广告成效衡量的首选方法，原因很简单，它行之有效。但生态系统已经发生改变，若要找到成功之道，就必须适应新的常态。
那么，为什么归因分析已无法满足需求了呢？
政策赋予了用户更多选择，让人们能够限制与企业分享个人数据的方式。
用户选择禁止在应用中接收广告。
平台现在会移除身份信息数据，并对与企业共享的数据进行整合。
盈利至上，每一分预算的花费都讲求有效。
全面成效衡量正当时
在这个全新的数字化格局中，仅依靠归因分析是不够的。由于信号的损失，单一的成效衡量方法已然无法展现营销活动的全貌。对于整个行业来说，这就需要我们采取新的成效衡量公式，充分利用成效衡量的 3 个维度——归因分析、实验与建模。
3 大系统相辅相成，并驾齐驱，合力挖掘真实成效。
详细了解
增效衡量与开展实验的重要性
利用测试组和对照组衡量增量价值
立足于增效的成效衡量方法会考量单个营销活动（如广告）的因果影响，以便广告主能够了解到该广告带来的真实广告花费回报 (ROAS)。这些重要信息可以通过实验获得，并用于指导预算和营销决策以实现高效花费。
因此，实验已成为衡量业务成效至关重要的一环。通过将用户划分为测试组（由看到广告的用户组成）和对照组（由并未看到广告的用户组成），并对比这两组用户带来的成效之间的差异，从而精确地计算出广告表现的提升，帮助您确保每一分媒体预算都不会浪费在可自然获取的玩家身上。
因此，实验已成为衡量业务成效至关重要的一环。通过将用户划分为测试组（由看到广告的用户组成）和对照组（由并未看到广告的用户组成），并对比这两组用户带来的成效之间的差异，从而精确地计算出广告表现的提升，帮助您确保每一分媒体预算都不会浪费在可自然获取的玩家身上。
增效衡量与最后点击归因
与最后点击归因相比，增效衡量可以让您更清楚地了解广告对用户的行为产生了怎样的影响。
此例考虑再营销广告（策略 A）和用户获取广告（策略 B）的最后点击归因成效。再营销广告被判定为优胜策略，因为归因于它的购买量更多。
然而，在开展增效衡量实验时，同样的广告却展露出了截然不同的结论。因为如果我们将广告带来的购买量与无论如何都会发生的购买量拆分开，用户获取则成为了优胜策略。掌握这些信息后，营销人员便可以相应地调整预算分配或营销策略，以便节省他们本无需投入到再营销广告上的花费。
此例考虑再营销广告（策略 A）和用户获取广告（策略 B）的最后点击归因成效。再营销广告被判定为优胜策略，因为归因于它的购买量更多。
然而，在开展增效衡量实验时，同样的广告却展露出了截然不同的结论。因为如果我们将广告带来的购买量与无论如何都会发生的购买量拆分开，用户获取则成为了优胜策略。掌握这些信息后，营销人员便可以相应地调整预算分配或营销策略，以便节省他们本无需投入到再营销广告上的花费。
衡量增效的不同方案
实验是衡量增量业务价值的黄金标准。但我们也明白，这种方法并非百试百灵。您还可以考虑各种其他选择，这些选择也能让您得出尽可能接近实验结果的结论。比如基于规则归因、A/B 测试或简单计数等非增量模型仍是可以使用的一些好方法。
了解信号损失和用户数据受限对您当前营销活动产生的影响，这样有助于您和您的团队做好准备，灵活调整自己的成效衡量策略。通过评估与重新构建（如有必要），您可以做出更加明智且更具影响力的决策。
营销组合模型
一种兼顾隐私保护、适应能力强的技术手段
营销组合模型 (MMM) 是一种数据驱动型统计分析方法，能够实现对营销与非营销活动带来的销售增量影响和投资回报 (ROI) 的量化。营销组合模型不会跨不同工具将同一转化事件归因于多个渠道，换言之，它只会得出一个事实来源。
鉴于 MMM 能够带来众多优势，此模型现已再度风靡手游业：
鉴于 MMM 能够带来众多优势，此模型现已再度风靡手游业：
- 无需个人或记录层级的信息，所有分析都是汇总的
- 衡量营销活动在所有渠道上的增量影响
- 适用于所有企业，并且可以针对个别情况和指标特别定制
- 扩展性高、可用性强，并将进一步提升开放性、透明度和大众化程度
- 实用性强，可用于应对今后的各种情形
- 经过创新，速度更快、敏感度更高
- 可进行校准以提升准确性，并与其他成效衡量方法结合使用
当前的 MMM 整合传统 MMM、归因分析与先进机器学习的优势，与传统 MMM 相比，其精细度和敏感度都更高。此模型可以长期使用，并可通过标准实验校准，因此非常适合数字化优先的广告主。此外，它还可通过自动系统最大限度减少分析师偏见。
拥抱全面的成效衡量
归因分析、实验与建模系统如何相辅相成
归因分析
- 仍是值得广告主利用的工具
- 支持近乎实时地查看表现
- 可以快速提供指导（其他工具无法比拟）
- 非增效衡量
广告实验室
- 对比分析测试组与对照组的成效，可谓是衡量因果影响的黄金标准
- 可通过转化提升、隐私化提升测试和划区域提升实验等工具使用
- 增效衡量应仍为决策流程的关键
建模
- 全新的游戏广告解决方案
- 具有解决新兴问题的巨大潜力
- 非用户层级/始终汇总
- 通过建模基线衡量增效
每种成效衡量方法都有各自独特的优势
归因分析、实验和建模这三大支柱都各有用武之地。了解每种成效衡量方法的使用条件及如何使之相辅相成才是关键所在。简言之：
归因分析可以帮助确定测试优先级并明确队列 实验可用于验证和校准其他技术手段 建模可利用过往的实验结果来预测未来的增效 点播视频
一些行业领导者正在革新自己的成效衡量策略，快来听听他们的分享
接下来播放
游戏业案例分析
广告主如何拥抱新的成效衡量方式
受用户数据隐私趋势推动，成效衡量对于所有广告主来说都愈发重要。
Wildlife Studios 一直在想方设法改进营销投资回报的追踪方式。我们认为营销组合模型有望成为帮助我们改进方法并提升盈利能力的一大利器。
Carolina Guimaraes
Wildlife Studios 效果类营销总监
Wildlife Studios 效果类营销总监
我们将这些内容制作成了可打印的版本，以帮助您找到更明智的方式来提升媒体投资的成效。
下载指南
在微信上关注我们
获取最新出海营销资讯，并了解相关活动预告信息。
