什么是广告系列优化?应用增长团队指南

Oct 20, 2026|5 最低
User acquisition
Game优化

为方便起见,此网页已进行机器翻译。我们无法保证翻译内容的准确性或可靠性。如果您对翻译内容的准确性有疑问,请参阅此网页的官方英文版本。

什么是广告系列优化?

营销活动优化是指根据营销活动产生的结果,不断改进其性能的过程。无论采用何种channel或方法,目标始终相同:通过学习哪些方法有效并加大力度,随着时间的推移更有效地利用预算。在移动用户获取方面,这意味着使用安装、应用内和收入数据来训练机器学习 (ML) 模型,从而了解有价值的用户是什么样的。

本指南重点介绍移动应用的付费用户获取 (UA) ,该过程较少依赖人工调整,更多依赖机器学习模型来预测哪些用户值得竞价。

营销活动优化与一次性设置

优化是一个持续的循环,而不是一个启动任务:衡量用户的反应,了解哪些因素可以预测价值,调整目标和出价,然后重复。一个营销活动如果在第一周后还没有优化,并不意味着failed了;它只是还没有进入优化循环。随着获得更多更好的数据,循环性能会不断提高。

隐私变化如何影响优化信号?

不同平台和地区的隐私变化使得我们更难确切地知道哪些人转化了以及转化原因。诸如苹果的 App Tracking 透明度 (ATT) 之类的框架让用户可以选择应用程序是否可以轨他们。据 AppsFlyer 称, ATT 的全球用户选择加入率已攀升至约 50% *,比 ATT 推出时高出约 10%。

这是一个意义重大且不断增长的已获同意、可寻址的信号池,但也意味着相当数量的iOS用户仍然选择退出,使得优化引擎只能处理确定性数据和聚合或建模数据的混合数据。

对于 UA 团队来说,充分利用剩余信号,为模型提供它实际可以使用的数据,变得越来越重要。

同意的形式不止一种。ATT 的选择加入机制控制着对iOS设备标识符的访问。在安卓上,用户可以重置或选择退出广告 ID,欧盟等地区的同意规则适用于任何平台。此外,开发者可以选择共享经同意的第一方数据,本指南将在下文对此进行介绍。提高这两种方式的接受度都能增加可用信号,但它们是不同的机制。

对于选择退出的用户,广告网络会失去广告与指定的安装之间的联系,因此归因会变得复杂。本指南后面的设置清单将介绍如何在这种情况下保持事件、归因和第一方上下文可用。

哪些指标比较重要?

在深入探讨优化的工作原理之前,首先需要明确它要优化的是什么。不同的目标调用不同的衡量标准。

广告系列优化中的关键点指标

哪些营销活动指标比较重要?

Metric
广告支出回报率 (ROAS)
它测量的是什么
每美元广告支出产生的Revenue
何时进行优化

以盈利和盈利能力为重点的营销活动

它测量的是什么

安装费用

何时进行优化

早期漏斗增长或以销量为导向的营销活动

点击速率(CTR)
它测量的是什么

广告引发点击的频率

何时进行优化

创意测试和漏斗顶端互动

它测量的是什么

安装后返回的用户比例(例如,第 1 天、第 7 天或第 30 天)

何时进行优化

长期价值和对客户流失敏感的营销活动

它测量的是什么

用户在其生命周期内创造的总计价值

何时进行优化

针对持久、高价值用户的优化营销活动

它测量的是什么

获取完成选定安装后事件(例如达到某个关卡)的用户所需的成本

何时进行优化

需要用户参与的营销活动

在广告系列还在学习阶段时,通常会监控转化率和CTR等早期信号来指导预算,然后在广告系列成熟后,将重点转移到ROAS和留存上。

广告系列优化如何运作:信号输入,性能输出

优化引擎是一种预测机器,它的上限由你输入的信号设置。随着时间的推移,更好、更完整的数据可以增强优化输入。在广告领域,数据信号是指模型可以从中学习到的任何事件或行为信息(例如安装、购买、会话或点击)。它能告诉引擎哪些用户更有价值。两个广告系列可以在相同的优化引擎上运行,但可能会得到截然不同的结果,部分原因是其中一个向其输入了比另一个更丰富、更相关的信号。

大多数关于广告系列优化的解释都直接跳到策略层面:提高出价、测试创意、调整预算。这些控制因素固然重要,但它们的作用是在信号的下游。如果模型不知道哪些用户实际购买或留存,那么出价变化就缺乏依据。信号是输入;性能是输出。

这些信号类别是互补的,而不是竞争的。归因和转化数据、应用内行为信号、购买和变现事件,甚至游戏玩法数据,都分别捕捉到了同一用户旅程的不同片段。

驱动优化的信号

没有两个信号能教会模型完全相同的东西。以下是各主要类别与其改进内容的对应关系:

每个数据信号如何丰富模型

确保数据完整性

信号

安装事件

它教会模型什么
哪些渠道、创意和受众群体推动了流量增长

结果可以改善

消费者物价指数(CPI),漏斗顶端效率
安装后事件和应用内事件
它教会模型什么
用户安装后的操作(引导流程、关键操作)

结果可以改善

早期参与,漏斗图漏斗流失
购买和收入事件
它教会模型什么

哪些用户能带来收入,例如通过应用内购买或广告收入。

结果可以改善

ROAS,基于价值的竞价
参与度和留存信号
它教会模型什么
用户是否会继续使用并返回

结果可以改善

Retention,长期LTV
保护隐私的归因信号(例如iOS上的 SKAdNetwork 或 SKAN)
它教会模型什么

当无法获得确定性数据时,提供汇总的、保护隐私的信号。

结果可以改善

当确定性信号受限时,优化问题将难以解决。

已获同意的第一方数据
它教会模型什么
来自应用程序本身的已授权行为和玩家数据

结果可以改善

更丰富的模型学习优化信号

Unity 矢量中激活数据信号的检查清单

下表显示了可以帮助Unity 矢量 ( Unity Ads的 AI 基础)运行的主要数据源。每个信号都有助于优化系统填补指定的空白。将它们结合起来,可以为Unity 矢量创建更丰富的数据基础,供其学习。

Unity 矢量数据清单

推荐用于增强Unity Vector 优化能力的数据源

MMP集成

配置

自然流量标识

推荐设置

已开启
如何连接
在 MMP 的Unity合作伙伴配置设置中启用自然安装跟踪

配置

未归因事件

推荐设置

发送未归因安装及安装后事件(含自然流量)
如何连接
在您的 MMP 的Unity合作伙伴设置中,启用发送未归属和自然事件。

配置

回传窗口期

推荐设置

设置为生命周期

如何连接
在 MMP 的Unity合作伙伴设置中,将事件回传窗口设置为“生存期”。

配置

Event分享

推荐设置

发送安装量、会话数、购买量和广告收入
如何连接

在您的 MMP 的Unity合作伙伴设置中,启用安装、会话、购买和广告收入事件的启用。

Unity Dashboard

配置

Google Analytics

推荐设置

Google Analytics 关联
如何连接

在 [Unity Dashboard] 中配置(https://login.unity.com/en/sign-in)

配置

Android 许可密钥

推荐设置

提供许可密钥(Android 特定要求)

如何连接

配置

开发者数据框架

推荐设置

Unity Ads权限和同意层
如何连接

在 [Unity Dashboard] 中配置(https://login.unity.com/en/sign-in)

Unity SDK 和编辑器

配置

Unity Ads SDK

推荐设置

已部署并更新为最新版本

如何连接

通过 CocoaPods 或手动方式安装 [iOS] SDK(https://docs.unity.com/en-us/grow/ads/ios-sdk/install-sdk)

使用以下说明操作(适用于 安卓)。

配置

Unity IAP SDK

推荐设置

已更新至最新版本
如何连接

配置

诊断

推荐设置

数据收集/来源
如何连接
已在 Unity 编辑器中完成配置

在与Unity共享数据之前,make确保您的隐私声明和任何必要的用户同意书涵盖该共享行为。

你连接的数据源越多,你提供给Unity 矢量等系统的信息就越多,这些系统可以利用这些信息来帮助make优化决策,从而随着时间的推移获得更好的结果。例如,当您添加MMP数据(例如安装和购买事件)时,引擎可以更好地了解您的获取、转化和玩家价值信号。同时,仅凭这些数据无法向引擎提供太多关于玩家如何与游戏互动的行为背景信息。提供像Google Analytics这样的额外数据源,可以为优化提供更多背景信息。

移动应用用户获取的营销活动优化

移动应用的用户获取优化与网页或付费搜索广告在一些结构上有所不同。该链条从安装到安装后事件,一直到应用内购和留存,而该链条的大部分是由移动测量合作伙伴 (MMP) 回传而不是单个平台的原生像素来介导的。应用程序还会产生大量的行为信号、会话、关卡完成情况、应用内操作,而网站通常不会以同样的密度产生这些信号、会话、关卡完成情况和应用内操作。如果能捕捉到这种密度并将其输入到优化引擎中,那就是一种优势;如果不能捕捉到这种密度,那就是一种错失的机会。

在移动端用户获取中,信号与结果之间的关系可以特别直接和可衡量,因为游戏本身会产生大量的信号。Unity 矢量正是为此而生的,因为它能够将安装量、应用内事件和收入信号转化为用户获取活动决策。

常见的广告系列优化错误

有些例子比较常见,有些则是信号处理不当的指定的:

  • 针对错误的事件进行优化。当你的业务依赖于收入时,以安装量为目标进行优化会训练模型找到任何用户,而不一定是那些最有价值的用户。
  • 截断回发窗口。较短的窗口期在报告方面可能看起来很高效,但实际上却让模型无法获得留存和LTV优化所依赖的后期漏斗数据。
  • 学习阶段的重置。在模型尚未有时间学习的情况下就判断一个活动是否成功,然后重新启动它,这只会重置时间,而不会解决根本问题。
  • 追求虚荣指标。优化CTR或安装量,因为这些指标容易看到,而不是企业实际需要的结果。
  • 将其视为一次性设置。如上所述,优化最好以持续的方式进行。

建立正确的数据基础

要做好广告系列优化,首先要连接并激活你的优化所依赖的信号。了解如何成功设置Unity 矢量 。

探索开发者数据框架

[常见问题解答]

* 数据来源:Appsflyer,《AppsFlyer数据显示,AT&T四年后,市场已适应以隐私为先的生态系统》, https://www.appsflyer.com/company/newsroom/pr/post-att-growth/,2025