IAA实战技巧｜ROI优化-内循环和ROI维稳

现在入局IAA，我们在优化ROI时很有可能会面临两个问题：

1、买量和变现总是按下葫芦起了瓢：高价值用户的成本也高；低成本的用户变现差；

2、低留存和时长的产品能勉强回本，高留存和时长的产品却也赚不到钱。

简单说，这是因为IAA与其他依赖互联网广告买量做增长的行业的最大不同——它的全链路数据对于广告买量平台来说几乎是完全透明的这一特性决定的。

为什么说IAA行业对于广告买量平台来说是几乎完全透明的呢？

1、买量数据是显然的透明

2、变现数据是多家混合的，但是基于白盒聚合的逻辑（无论是waterfall还是bidding）和关键行为买量，头部的几家都能根据自己拿到的变现数据做不同程度的反推，拿到几乎完全准确和实时的预估。

这也就意味着，买量平台可以做到比流量开发者更实时准确地感知买量和变现（包括准确的IPU和ECPM）的变化，并基于此变化帮助开发者进行ROI维稳的策略调整。今天我们重点讨论，买量变现平台能够做和已经做的策略机理。

完美的可控泡沫-IAA内循环

在某些渠道，IAA的ARPU可以做到十几块，这显然不太能够被常理理解。因为我们知道抖音的ARPU才1块左右。IAA的高ARPU主要来自极高的变现ECPM，可以达到500以上，而抖音的大盘ECPM是不到100的。这里我们关注一下数值关系。

通用模型

买量侧：

其中，上划线代表，在不同平台（抖音、微信等），场景（激励视频、原生视频、插屏、信息流、开屏、banner等）下的加权平均数。

CPA：激活成本

ECPM1：大盘买量的ECPM，除了平台和场景外，还取决于人群的全行业竞争状况，如电商、网服、游戏、金融等

CTR*CVR：除了了平台和场景外，还取决于素材、玩法吸量能力等

变现侧：

LTV：全生命周期价值

ECPM2：APP变现的平均ECPM，除了场景外，还取决于人群的商业价值

ADN：全生命周期用户观看的广告数量

COST：用户提现成本

在变现侧：一般激励视频的收入可以占到80%左右，而且相对于其他样式，激励视频对用户体验、时长和留存有着显著的负相关，因此adload相对稳定，一般不能大幅度调整，但插屏、信息流等场景对用户体验影响较弱，可能有较大波动。

在买量侧：纯红包类（重网赚轻玩法）游戏80%的买量消耗在激励视频场景，重玩法轻网赚的游戏80%的买量消耗在原生视频。

这里我们取

ECPM1≈ECPM2，COST≈15%LTV，可得ROI

实际上，IAA的买量变现是存在着队列复用的，即买量胜出时的队列剔除掉流量开发者的胜出广告后直接复用到变现的队列上。因此，ECPM1和ECPM2有着天然的正相关性。

那么ECPM1和2的绝对值能否稳定调节成为创造稳定可控IAA泡沫的最终一环。

IAA当前的市场环境有以下特征：产品高度同质化、素材高度同质化和人群高度同质化。这就导致了流量开发者在买量时CTR和CVR都几乎相同，ECPM1和ECPM2几乎只和折算到标准激活的出价相关。而关键行为买量赋予了买量平台非常灵活的标准激活自动出价的空间。

以上，买量平台基于队列复用和标准激活的自动调价，可以实现以下目的：

1、帮助开发者实现ROI稳定，不会出现回收的剧烈波动，且基本高价买来的必是高价值用户，诱导开发者激进抬价买量。

2、实现买量平台自身的更高利润，通过压线提价等方式实现最大程度的价值获取。

3、通过鼓励开发者激励抬价实现泡沫因子ECPM1和2的同步拉升，即制造可控的泡沫，让相同的流量能够获得更大的流水，实现字节、腾讯和快手的广告营收增长。

一旦有了内循环这一视角，我们也能够理解IAA用户生命周期内变现ECPM快速下降，不同买量渠道用户变现构成不同，用户数据好的产品买量成本高等等现象，而这些现象其实是很难在传统的互联网广告理论中得到合理的简明解释的。

IAA将会越来越成为流量倒买倒卖的生意，需要三方的SaaS的参与提供策略数据能力的赋能以保护开发者的正当利益最大化。而开发者和发行方只需要专注于游戏玩法本身和素材创新。