游戏出海须知三两事：Admob游戏广告变现策略解读

（ 以下内容为8.19 WebEye 云课堂【聚合生态，云游出海】主题精讲课中第二部分的整理内容，以便错过直播或需要复习的朋友们学习。）

近年来越来越多出海游戏公司更加重视 IAA 应用内广告变现，来进一步提升产品营收。

根据谷歌官方统计，2020年开始采取混合变现方案的游戏占比对比2016年增长近2倍。不论是对于 IAP IAA 混合变现还是纯应用内广告变现的模式，Admob 因为其提供的丰富的广告资源，稳定平台支持，被广泛接入采用。

自2020-2021 Admob 不断在广告变现领域发力，推出Admob bidding、插页式激励视频、开屏广告、各种细分功能的报告等等。很高兴今天可以围绕几个话题与大家分享 Admob 广告变现策略。

Bidding 竞价策略

Bidding 是近两年广告变现领域最热门的趋势，也是开发者最愿意尝试的方案。简单来说，单纯竞价 或混合竞价模式，都是以实时竞价的方式使多个广告源一起竞争展示的机会，保证价高者得。Admob 推出 bidding 方案至今支持的广告合作伙伴已有20多家，广告源多达200多个，目前Admob bidding 已经是广泛推广的较成熟的变现方案。

当竞价网络和瀑布流混合时，如果竞价网络中获胜的出价比瀑布流头层要高，那么 Admob 不会向其他广告源发出请求，直接由胜出的竞价网络获得展示；而如果像上图中当竞价网络中 exchangeB 出价没有瀑布流头层 network1 高时，瀑布流仍然可以正常运作。当头层没有广告返回时，B 才能获得广告展示。

由此可见使用混合竞价有利于营造竞争环境。长远来看，经过机器学习，竞争环境有机会促使竞价网络出价更高。在 bidding 出价不理想时也能保证瀑布流的正常运作。

Bidding 方案可以减少频繁调整瀑布流的运营成本，促使资源利用最大化。当市场预算波动时，bidding 实时出价能够更灵敏的体现出趋势变化。

Admob bidding 的设置步骤

开启Bidding 的步骤非常简单，可以选择新建或者编辑现有中介组，在中介组中可直接添加 bidding 广告源，完成广告单元的映射。

如果是首次使用 Admob 中介，还需要进行 SDK 接入、集成测试步骤；使用竞价功能，Admob 广告联盟是必须使用的广告来源，大家可能会发现它出现在公开出价广告来源中，不会出现在瀑布流来源中了。虽然如此， Admob 推荐将一个广告来源同时用作竞价和瀑布流来源。

如果该广告源作为竞价 network 出价，则不会再次被放入瀑布流中。如果未出价，则中介在瀑布流中仍会向这个 network 发出广告请求。这可以保证最大程度的资源利用。

当然这样的建议并不是绝对的，也有的 ad network 会强调不要同时使用自己的瀑布流和 bidding，过多的内部资源争抢会造成展示率过低，延时性加长，我们可以根据具体情况具体分析。

关于上述流程的常见问题解答可以在 Admob 帮助中心中获取，同时对于广告展示出现异常的 trouble shooting 也可以在其中获得帮助。

如何分析开启 bidding 后的数据情况

竞价网络的各项指标与标准广告联盟报告的数据指标有不小差异，匹配率指标不再具有体现填充能力的指导意义，推荐大家以漏斗模型理解整个流程。

在收到广告请求之后，竞价网络会选择是否出价并统计胜出的竞价数。胜出之后，如有瀑布流中的广告来源可以提供更高的 ECPM ，则会首先调用这些广告来源；如果瀑布流没有要投放的广告，那么胜出的就是 bidding。这就是匹配的胜出竞价数。最后展示成功的广告，在这个过程中，竞价返回、胜出、匹配胜出的占比率是分析比较竞价网络表现的重要指标。

当然，展示率、延时 Latency 也需要纳入综合考量范围，因为这两者会涉及到广告体验。此外，我们也可以配合使用用户活动报告以观察每日活跃用户的展示次数，以及每日活跃用户带来的总收入 ARPU 、DAU 来判断变现效率。

瀑布流和 bidding 的变现组合，可能要经过多次的AB测试才能逐渐完善。在这过程中，不应以某一家竞价网络的 ECPM 高低为判断依据，而应该以整体的收入提升为依据。很多时候，bidding 对于总体展示数的正向提升更甚于 ECPM 提升。

在以混合式变现策略为主的环境下，bidding 带了很大便利，节约了运营成本，同时也不能忘记瀑布流保持一定的优化频率以优化竞争环境。

Admob 新型广告形式

除了竞价模式的变现策略，Admob 也推出一些新的广告形式，插页式激励广告是其中一种有趣的创新，无需用户手动播放激励视频广告，也会自动开始播放的形式。特点是：无需用户主动选择观看，并且可跳过。

对于市场上纸牌游戏、战争、射击游戏等。核心玩法并不需要用户在短时间内频繁过关才能感受到游戏的难度差异，用户从入局开始便把注意力集中在主游戏页面并随着游戏进程花费数分钟至几十分钟。因此只有在一个长时间的关卡结束之后，用户才会有机会看到传统激励视频入口。

针对这一种情况，我们建议此类型游戏的开发者可以尝试设置插页式激励视频广告来了解用户的接受程度，并且查看此广告形式是否对广告收入有正向作用。

对于解谜等超休闲游戏，这类游戏的广告收入主要来自于插页式广告和激励视频。从广告单元的分类数据，开发者可以知道哪些位置的激励视频广告单展示率较低，也可以结合频繁出现的插屏式激励广告进行替换测试 。

如何发挥插页式激励广告的特点

如何发挥插页式激励广告的特点，更加流畅的融合在产品当中，同时尽可能降低对于留存的影响？

首先，建议在合适的时机提供符合情境满足用户需求的奖励，比如在游戏过程当中、两个关卡之间提供强化道具等奖励。

开发者可以配合使用 A/BTest ，在一定比例的用户中测试展示插页式激励视频，与直接展示插页广告或不展示广告相比 ，是否广告收入有明显增长，以及用户留存是否有波动 。

第二，建议替换互动率较低的激励视频展示位置。插页式激励广告并不需要用户主动选择。如果能够采用多样化的策略，向频繁选择看激励视频的用户展示传统广告，向不大可能选择看激励视频的用户展示插页式激励广告。这也可以帮助增长展示次数。

开发者可以借助 Firebase 设定不同的触发事件来区分受众群体，基于定义的受众群体，配合 Firebase AB Test 测试创建变体，测试对比使用插页式激励广告，与激励视频或者是插页广告的 Admob 收入效果优劣。具体方法首先需接入适用于 Google Ananlytics 的 Firebase SDK，添加配置文件，并在 Admob上将应用关联到 Firebase 创建项目，就可以开始使用了。技术细节可以参考 Firebase 文档 。

关于如何区分不倾向于主动看激励视频的用户，这里提供了两个方案。

方案一，打开观看激励视频事件的回调，未触发此回调的用户仍会留在“未选择观看激励广告”的组中， 方案二，创建自定义事件，可以通过用户点击激励广告提示等行为来细分用户，这种方法可根据用户的多个行为进行更多自定义设置。

通过这两种方案筛选出不选择观看激励广告的用户，可以进一步分成 A/B 组测试对比：使用插页式激励视频对比无广告展示；或是对比插页式激励广告和插页式广告，哪一种Admob广告收入更高。

当然，使用插页式激励视频时，也不能忘记观察用户留存率指标，观察是否没有对用户体验造成负面影响。

最后，在尝试新的广告形式初期， 需要注意展示率、点击率等用户和广告互动的数据有无异常，观察广告的效果。

在收入增长的同时，风险规避也同样重要。这里我们列举介绍了较高频的几个违规因素 。更多政策指南可以参考 Admob 官方政策指南。

直击直播现场：