优化 Monetization 战略的 4 份分析报告

在 IronSource 的 "设置、分析和优化您的广告 Monetization "网络研讨会上，我们的增长战略团队负责人 Elyse Krumholz 将指导您如何以最佳方式分析和优化您的 Monetization 战略。让我们看看她都谈了些什么。

首先，她指出广告 Monetize 由两部分组成：你的广告实施策略和广告网络策略。广告实施策略主要是决定如何将广告纳入我们的游戏，而广告网络策略则决定与哪些广告网络合作以及如何更好地利用它们。优化战略的最佳方法是什么？A/B 测试。

在网络研讨会上，Elyse 希望了解新的有奖视频投放是否能在不影响留存率的情况下产生增量 ARPDAU，因此她进行了 A/B 测试，并设置了两组：一组使用新的有奖视频投放，另一组不使用。

进行 A/B 测试后，您需要以下五份报告来分析性能并选出测试优胜者。

执行情况报告

首先，Elyse 引导我们查看性能报告，其中显示了收入、eCPM、fill rate 和印象等关键绩效指标。我们可以按指标进行筛选，或者在本例中按 A 组或 B 组进行筛选，以查看 A/B 测试的结果。

Elyse 通过有奖视频进行筛选（这是我们关注的广告单元），然后将 A 与 A 进行细分。B.看，B 组（我们使用新奖励视频投放的测试组）的收入和展示量都更高。太棒了！但据伊丽丝说，这并不是故事的全部。就 ARPDAU 而言，这意味着什么？

用户活动报告

接下来是：用户活动报告。在这里，我们可以了解 ARPDAU、DAU、DEU、参与率、每 DEU 印象数（使用率）、每 DAU 印象数和每 DAU 会话数。

通过这份报告，Elyse 比较了 A 与 ARPDAU 的差异。发现 B 组的 ARPDAU 高出 25%。但为什么呢？也许我们游戏中的广告比以前吸引了更多用户，也许用户现在正在观看有奖励的视频。让我们来看看 A 和 B 的参与度和使用率（印象数/DEU）有什么不同。B.

结果发现，参与率没有变化，换句话说，没有新用户参与有奖视频广告。不过，B 组的使用率为 5，而 A 组（对照组）为 4。基本上，参与游戏的用户现在每天会观看 5 个奖励视频，而不是 4 个。最后，我们看到导致 ARPDAU 增加的原因--每次会话观看的奖励视频更多。但我们仍在努力找出既能提高 ARPDAU 又不影响留存率的方法。那么，让我们进一步调查：这种新的有奖视频投放对我们的留存率和 LTV 有何影响？

组群报告

要了解对留存率和 LTV 的影响，我们需要转向队列报告。这样，您就可以将同一天开始游戏的用户分组（群组），并在不同时间段内衡量这些群组的特定 KPI。将我们的结果按 "A "与 "B "进行细分B，我们可以理解，如果用户现在因为新的投放方式而观看了更多的有奖视频广告，他们是否还在坚持玩我们的游戏。

转到群组报告，我们可以过滤测试的时间段，按 A/B 组进行细分，并查看结果--这是 LevelPlay 独有的功能。我们发现，与对照组的保留率相比，测试组中更高比例的用户也有更高的 D7 保留率。由于更高的印象和更高的使用率，我们获得了更高的 ARPDAU，而这些用户往往会玩更多天我们的游戏。

实时透视报告

最后，我们还可以利用实时透视报告更深入地研究数据--它可以让我们实时分析我们刚刚讨论过的几乎所有关键绩效指标。因此，从开始 A/B 测试的那一刻起，我们就可以检查用户行为和广告网络性能的变化。最重要的是，我们可以对这些结果迅速做出反应。

除了 A/B 测试，我们还可以根据实时数据优化游戏，在更新 Mediation 堆栈后跟踪实时性能，第一时间了解网络掉线情况，并监控新版应用程序的稳定性。我们还有一个比较模式，可以在一个屏幕上并排比较 KPI，也可以一次性轻松比较所有 KPI。我们也可以很容易地理解不同时期之间的变化。

最终，我们可以看到性能报告、用户活动报告、队列报告和实时透视报告是如何共同加强我们的货币化优化战略的。综合利用所有这些报告，我们可以更深入地研究数据，不仅了解 "如何"，而且了解 "为什么"--从而改进我们的 Monetization 战略。要了解更多信息，请观看下面的网络研讨会全文。