新游戲初期如何起量（實操案例教大家突破新游起量難題）
比如游戲行業化投放端，著重關注游戲廣告主的痛點，推出了“游戲應用特征標注”、“游戲優選人群”、“游戲投放指南針”、“跨賬戶效果評估能力”、“分定向出價”等等功能，助力我們廣告主實現投放目標。今天就能和大家簡單分享一下我的使用心得。
作為一名在騰訊渠道投放多年的游戲優化師，自2021年以來，我有明顯地感覺到騰訊廣告正在在發力行業化戰略，推出了多種行業化的投放產品和能力，大大提高了我們的投放效果，也是在順應當今買量紅海下的精細化投放趨勢。
比如游戲行業化投放端，著重關注游戲廣告主的痛點，推出了“游戲應用特征標注”、“游戲優選人群”、“游戲投放指南針”、“跨賬戶效果評估能力”、“分定向出價”等等功能，助力我們廣告主實現投放目標。今天就能和大家簡單分享一下我的使用心得。
（投放端左上角有個“行業專業版”的標簽，看上去是不是高大上多了）
“啊，新產品起量也太難了吧，誰來幫幫我呀？”對于這一幕，在我們的工作中總是不斷上演著，令人腦闊疼。
這里的新產品不是指一款全新的游戲首發的意思，而是指第一次在騰訊廣告渠道上架投放的意思。此前這款游戲也可能在別的渠道或者應用市場上架了幾個月幾年這樣。
因為新游首發，一般預算比較大，是可以跟媒體談流量扶持方案的，加上如果有預約和提前進行品宣等熱度加持，初期起量基本不是問題。而新產品第一次在騰訊渠道上投放，由于初期系統沒有數據模型，在尋找目標人群的學習過程會比較久，起量都會比較困難。
面對這種情形，今天就跟大家聊一下我的“新游起量三步法”，用實操案例教大家怎么突破新游起量的難題：做好游戲應用特征標注——善用媒體新工具——由淺及深過渡出價方式
01
應用特征標注，系統充分建模
先跟大家聊一下，系統是如何精準尋找用戶的？其核心技術就是算法推薦，那算法推薦的重要前提就是海量的數據基礎，而這些數據既包括了用戶數據，也包括了廣告主提供給媒體的產品數據。
這也是為啥游戲廣告主需要回傳后端數據（付費人數、付費金額）給媒體的原因。這樣，系統就能擁有更多的數據進行學習，將用戶和我們的產品匹配，從而大大提高了后端投放效果。當然，有些大廠出于敏感數據的原因還是可能選擇不回傳的。
但對于大多數廣告主產品來說，向系統明確我們的表達，努力給予充分、準確的數據幫助模型學習，這樣才是共贏。而如何能夠幫助系統建模學習呢？騰訊廣告基于游戲全生命周期的轉化鏈路，推出的游戲行業專業版投放端中的“游戲應用特征標注”就是我起量的第一步。
入口就在投放管理平臺中“資產”——“應用管理平臺”里。
以安卓應用為例，點擊“安卓應用管理”，在主線包操作中點擊“更多”——“添加特征標注”。（同樣地，iOS應用則在“iOS特征標注”中添加）。
我們可以在這里給游戲添加特征信息，如“游戲類型”、“核心玩法”、“內容題材”等等更多信息。
注意，填寫的內容盡量全面詳細、真實。
使用該功能這有什么好處呢？
做好游戲應用標注，更有助于系統提前理解游戲信息，加速學習理解游戲特征這一環節，從而提升廣告投放過程中的推薦精準度，促進模型優化起量。該功能特別適合新游戲使用，或者有比較多馬甲包的廣告主。
02
善用媒體新工具，多管齊下
起量第二步——善用媒體新工具。新工具則代表著新紅利，那肯定不能錯過的，比如騰訊廣告針對游戲行業新推出的拿量工具 “游戲優選人群”
入口就在我們平常正常建計劃的里面，點擊“編輯”某計劃即可進入。
勾選“擴展游戲人群”后，系統將自動根據推廣游戲所在的品類的人群進行智能探索，也可以不勾選該選項，自己手動勾選其他品類的人群進行探索。
該功能通過“游戲類型”和“內容題材”兩種維度劃分人群，廣告主可以選擇自己想要探索的人群，系統將幫助游戲尋找專屬優質流量，找到更多潛在用戶。
使用技巧則是前期先使用與自身游戲品類相關的人群進行探索，然后再逐步測試其他品類的人群。
從產品邏輯上，該功能有點類似“自動擴量”這一功能，兩者其實同樣是智能探索更多定向外的人群，只不過方向不同。但有區別的是，“游戲優選人群”可以在計劃新建時就開啟，而“自動擴量”更加適合當計劃有一定的數據積累后開啟。
比如我習慣是“當計劃積累了5個付費量以上，ROI成本均達標”時使用自動擴量。因為此時引進的用戶質量都很不錯，系統已經基本建立好該人群的模型。當開啟擴量的時候，會基于已有的人群數據繼續探索。這樣的數據模型就比較穩，擴量部分的效果比較好些。
在完成了上述兩步起量工作后，我們也進行了一些ABtest，通過對2-3個新應用包進行了為期一周的測試后發現，使用了該功能的應用包比未使用的，計劃學習期失敗的概率小了很多，起量率增加了40%，消耗量級增長30%以上。使得我們的產品能夠盡快積累到付費數據，進入ROI出價的門檻，讓產品進入穩步增長的投放階段。
同時，我們也在其他不同的產品類型中做對比測試，明顯感覺到游戲優選人群功能在重度游戲中有較為明顯的正向作用。
備注：這里設定的起量標準為達到10個激活成本以上。起量率=起量計劃數/總計劃數
同時在進行了應用特征標注后也可以搭配“一鍵起量”進行使用，設置小預算，比如一個付費成本的或者10個激活成本的預算即可，給予計劃一部分預算去積極探索流量。因為應用包已經有系統前置學習的游戲特征，期間的激活成本也能得到控制，不至于成本過高或空耗過多。
03
由淺及深的出價方式過渡
新游起量第三步——玩轉出價方式。
系統在建模學習的過程中會主要參考兩個數據指標，一是賬戶歷史數據，二是app維度的數據。
但新游戲投放剛好兩者都沒有，那系統則會根據該游戲所在品類的大盤用戶數據中建模。而預估將在游戲中進行激活、注冊的用戶難度，實際上會比尋找可能在游戲中付費的用戶容易很多。
以二次元類卡牌游戲為例，5%的付費率換算，激活的用戶量級基本上是付費用戶的20倍。理解這個邏輯，就能明白我們先選擇淺層的出價方式的原因了，如單激活出價、激活+首次付費出價。否則很容易導致廣告起量困難，或炸成本的情況。等到積累一定數據量后，再使用首次付費、每次付費這類偏深度轉化目標的出價方式。
而且我還發現一個神奇的現象！這種方式跑出來還存在慣性現象，即同一賬戶在切換首次付費出價后，該賬戶的激活成本不會像常規使用首次付費出價這么高，反而貼近單激活出價時的成本，然后再慢慢上漲。以某款二次元卡牌產品為例，數據如下：
賬戶A和賬戶B分別為兩個不同馬甲包。而賬戶B一直使用首次付費出價，成本在70左右，日耗一直沒超過15000一天。而賬戶A前3天一直在使用單激活出價，每天導入500個量級，成本30元左右，第四天后全部切換使用首次付費出價，成本仍然維持在45-50之間，比賬戶A的成本低30%，消耗提升70%。
由此，可以看出，由淺及深的出價方式過渡可以有效地幫助賬戶起量，消耗速度加快，且成本也能得到一定降低。但需要注意的是，不建議在一個賬戶中同時開啟兩種出價工具，分批開啟這樣模型的穩定性更好，也便于我們進行對比分析。
04
總結
以上就是關于我一些新產品起量的小技巧啦，大家在使用的時候也需要按照自己投放的實際情況進行調整，畢竟不同產品類型的投放策略不一定完全適用，切忌完全照搬，要探索出一套適合自己產品的起量模式。其中很重要的一點，我覺得還是要多關注行業新工具，比如文章中提到的騰訊廣告針對“游戲行業專業版”的一系列功能，都可以多多嘗試！
最后希望今天的文章能給大家一點小小的啟發，一起交流中進步。
文章作者：藍夕。公眾號：三里屯信息流。
圖片來源：部分圖片來源網絡，版權歸原作者所有，不為商業用途，如有侵犯，敬請作者與我們聯系。文章為作者獨立觀點，不代表135編輯器立場。
