「数数课堂」是数数科技2020年推出的知识服务子品牌，业内首个围绕「游戏数据分析」打造的学习型社群，致力于让更多的游戏人掌握数据分析技能，并运用这些知识解决实际场景中遇到的难题。我们既有游戏数据分析大咖带来的视频直播，也有游戏干货知识的图文分享，开设以来已经获得了 2000多位学员的一致好评。先从一张图说起?

 

本届欧洲杯，由C罗带队的葡萄牙队以0-1输给比利时队，无缘八强。但——数据显示，C罗个人的人气以绝对优势力压众星，在Instagram上的粉丝数已突破3亿。庞大的粉丝流量，也被众多广告主“盯”上。这不，C罗已经登上了足球游戏大作EA《FIFA18》的宣传封面。

 

• 广告如何投放效果最佳？

• 当用户被广告吸引下载游戏之后，如何进行数据分析？

• 游戏营销数据与用户行为分析数据打通的策略又有哪些？

 

针对以上热门话题，6月30日，数数科技产品经理孙泽洲（Devon）为大家带来了「数数课堂」第22期直播课：《如何实现营销数据与用户行为数据分析的闭环》。

 

以下为本次直播课的主要内容 （文字有删减和调整）：

今天的分享主要有六大板块：

第一：营销数据的分类

第二：不同平台的重点数据能力

第三：将营销数据与用户行为数据打通的重要性

第四：营销数据与用户行为数据分析形成闭环的挑战

第五：实现营销数据与用户行为数据分析的闭环的策略

第六：运用TA系统将营销数据与用户行为数据分析打通的案例实战

 

01 什么是有效数据

我们先明确一下，什么是营销数据？

 

如果我们按照营销理论的媒体分类：付费媒体，自有媒体和赚得媒体，并把它延伸到游戏行业，就会得到这样的结果： 

付费媒体：包括激励视频广告、试玩广告、商店搜索广告、预安装、KOL等；

自有媒体：包括官方网站、自有论坛、微信公众号推文、社交媒体主页和群组、企业视频号等；

赚得媒体：包括用户推荐、应用商店App评分和评论、相关行业论坛等。

那么，从流量渠道到用户行为生命周期过程中，有哪些常见的数据点和分析指标呢？

营销数据和用户行为数据的分界点在于「应用激活」。

 

激活之前，有从非自然流量的广告展示、广告点击和自然流量的下载安装，常见的指标有CPM千次展示成本、CPC单次点击成本、CPR单次用户注册成本、CPL单次用户登录成本等。在这一过程中，常见的数据点有归因、安装、转化等。激活之后，我们则会关注用户的留存、应用内的付费、广告变现，计算ROI、ROAS、LTV等关键指标。

 

接下来跟大家分享的是游戏人都很关注的——游戏行业的收益构成。目前游戏行业的收益大致有三类：

游戏下载付费：通常适用于中重度游戏或有独特价值主张和玩家忠诚度高的游戏；

游戏内付费：例如道具、皮肤、金币、钻石购买、权限解锁等；

广告变现：例如激励视频、横幅广告、插页式广告和试玩广告等。

 

另外，在广告投放和变现行业，有一些经常被提及、但又特别容易混淆的指标。比如：CPM与eCPM。这两个指标怎么区分呢？

CPM（Cost Per Mile或Cost per 1000 impressions）表示“千次展示成本”，计算公式为“（广告推广成本 / 曝光总次数）* 1000”，主要使用者是广告主；而eCPM（Effective Cost Per Mile或Effective Cost per 1000 impressions）表示“千次展示收益”，计算公式为“（广告变现总额 / 曝光总次数) * 1000”，主要使用者是媒体 (流量主)。简单总结一下就是，CPM用来分析“付了多少钱”，eCPM用来分析“赚了多少钱”。

 

还有ROI与ROAS，这两个指标在广告投放领域也不得不提。

ROI （Return on Investment）是我们常用的分析投资回报率的指标，计算公式为“ (收益 – 总成本 / 总成本) * 100%”。需要注意的是ROI 使用利润做分子，分母总成本包括软件、人员、设计以及所有其他相关成本，用来衡量整个营销部门的绩效和表现；而很多公司也会用ROAS（Return on Ad Spend）来分析广告投放回报率，其计算公式为“ (收益 / 成本 ) * 100%”。ROAS 使用收益做分子，分母的成本仅考虑直接广告支出，不考虑其他相关费用，用来衡量不同媒体渠道、广告计划的投放效果。

 

02 不同平台的重点数据能力

了解了营销数据的类型和常见的重点指标之后，我们再来看看这些营销数据可以在哪些平台找到。主要有三大类：

媒体渠道：包括Google、Facebook、巨量引擎、腾讯广告，以及游戏行业常用的Unity Ads；广告主可以通过这些平台投放广告获取应用下载；

广告变现平台：包括Google AdMob、MoPub、TopOn、AppLovin等；游戏开发者可以通过这些平台在自己的应用内展示广告，获得收益；

第三方归因平台：包括AppsFlyer、Adjust、热云数据等，广告主可以运用这些平台来衡量不同流量渠道的投放效果和质量。

 

 

那么，不同平台的重点数据能力有哪些？

在媒体渠道投放广告时，我们需要关注广告投放的成本；当我们通过广告变现平台进行广告变现时，需要更关注变现的金额；而在使用第三方归因平台时，用户来源渠道的判定则是我们最关心的数据。

 

03 数据打通为何如此重要

很多从业者，已经意识到了将营销数据与用户行为数据打通的重要性，这里重点讲一讲为什么重要。

全面的数据带来的是更多、更深、更好、更快的分析。基本的数据分析流程，是一个“数据-分析-洞察-行动”的闭环。

 

首先是获得数据。如果我们只有营销数据，而没有用户行为数据，就缺失了用户进入应用后的数据点，从而不能深入地了解用户；如果我们同时获取到营销数据和用户行为数据，则可以通过理解用户行为中的Where、How、Why来提高用户的整体留存或者优化渠道。

在分析层，当我们有了用户行为数据后，就可以开始做更深的分析，如基于大R用户行为的共同点，来提高用户的生命周期价值（LTV）。

接下来，在更多的数据、更深的分析之上，我们就能有更好的洞察，从而我们的决策和行动也变得更快。比如，我们可以在用户付费前，找到和用户正相关性比较高的事件，从而更快地判断用户和渠道质量。

 

04 形成闭环的三大挑战

目前，要形成营销数据与用户行为分析的闭环，仍面临一些挑战。

挑战一：公司内部资源和经验不足。比如，缺乏专业的数据分析团队、缺乏数据分析知识和工具等。

挑战二：数据隐私和安全合规政策。近年以GDPR为代表，关于数据隐私和安全合规政策成为业内关注焦点。另外在iOS14.5版本更新后，因为苹果的ATT政策，IDFA的获取变得困难。

挑战三：获客成本变高。中国移动互联网用户渗透率逐年提高，这给游戏行业获取新用户带来了比较大的挑战。

 

05 实现闭环的三大策略

面对挑战，我们有哪些策略？这也是今天分享的重中之重。我们从“道”、“术”、“器”三个层面进行了总结：

 

// 1  道：全面的数据策略

将广告投放数据、用户行为数据、变现数据打通分析，避免数据孤岛造成的决策误差。流量数量并不代表流量质量，了解用户，对其进行深入分析至关重要。

 

如果要全面了解用户，就要从广告曝光、点击、商店的跳转、应用的下载、安装、激活，到游戏后的注册、登录、新手引导、金币钻石的获取、道具购买、游戏内的广告点击行为、游戏内活动和副本的解锁与参与情况等进行全方位分析。

我们可以将激活前的营销数据单独进行分析，比如不同广告计划或者素材的展示、点击数等；也可以将激活后的用户行为数据单独进行分析，比如用户的留存、不同行为事件的漏斗转化等。最后，也是最重要的，我们可以把激活前和激活后等数据打通分析，并且结合用户分群、标签等一系列分析工具，发掘数据分析在游戏增长里的最大价值。

 

// 2  术：精细化的分析方法

 精细化的分析方法是通过更细维度的数据下钻，更丰富的分析方法挖掘数据价值。

 

常见分析方法有以下几种：

描述式分析：对目前营销和用户行为数据的概况做一个描述，如非自然和自然流量的占比，开启某游戏副本的玩家数等；

探索式分析：当有了更多的数据，则可以利用一些已有的分析工具进行探索，根据一个特定的思路进行信息的下钻和挖掘；

诊断式分析：当运营中出现一些问题，比如游戏内某一次活动的参与率下降，我们可以查看参与活动玩家的等级分布、不同活动类型的平均玩家参与数等，进一步诊断造成该问题的原因；

处方式分析：当我们具备了业务分析经验，积累了成功案例的数据点，形成了自己的“最优参数模板”，就可以套用这个模板，使用在之后的运营分析中去。

 

// 3  器：高效的数据管道

确保数据的流传，在产品技术层面得到最大化的支持。

 

通常从第三方归因、媒体渠道和变现平台来的数据都是异构的，因此，需要将这些数据做适当的处理和转换，从而可以和符合用户行为分析的「事件表」+「用户表」模型做匹配。

 

 

理想状态下，我们希望实现不同平台间用户级别数据的打通，在用户级别数据不存在的情况下，我们可以也可以通过聚合数据的某些字段将数据进行关联。用户级别数据通过用户识别ID进行关联，聚合数据通过广告计划、广告组、广告素材名称进行关联。6 最佳案例实战

最后跟大家分享一些使用数数TA系统，实现营销数据与用户行为分析闭环的实践。

我们先来看一个如何将第三方归因平台Adjust的数据通过实时回传接口导入TA系统的案例。

 

为了让Adjust和TA系统的数据在用户级别打通，要确保这两个平台都能“认出”这个用户，那么“认出”用户的原理就是通过分别让两个平台能获取到一个唯一的用户识别ID。

比如，我们有一个用户abc123，首先在TA SDK已经上报了用户abc123的前提下，我们可以通过Adjust的接口将该ID以自定义的形式上报给Adjust。随后通过实时回传接口，我们可以接收到带有abc123用户标识的归因数据，从而可以进一步在TA系统里做深度分析。

 

下一个案例是，我们从埋点的角度来看如何精细化分析用户广告点击行为。

通常我们理解的广告点击是一个动作，但其实在实际发生的过程中，是需要一系列的动作或事件来完成。从广告请求事件开始，我们可以对其广告内容、类型以及触发场景以事件属性的形式进行标注。同理，对后续的广告获取、广告展示，或者激励视频观看，直到广告点击等事件，我们都可以以事件属性的方式进行详细的描述。这样在后续分析时，我们就可以通过漏斗分析的方式，来发现整个广告点击过程中转化出现问题的节点，并进行优化。

 

总结 

最后回顾一下今天的分享，我们想让大家收获的三个策略可以总结为“道”、“术”、“器”三个层面，即全面的数据策略、精细化的分析方法、高效的数据管道；希望这三大策略，可以为各位之后打通营销和用户行为数据分析带来启发和思考。