游戏买量“内卷”时代，如何利用数据分析强势突围？

来源：好游戏攻略时间：2024-11-27 11:41

万物皆「卷」。「内卷」的大风如今也刮到了游戏圈，特别是买量领域，反应比较剧烈。业内人纷纷感叹：游戏买量，越来越难。

面对游戏买量「内卷」，游戏人该怎么办？直接躺平 = 直接出局，如何操作才能强势突围？本期数数课堂邀请到了知名游戏厂商手盟网络的 VP 陈智聪，跟大家深度分享：如何以数据分析为利器，应对当下的游戏买量难题。

手盟网络的 VP 陈智聪

以下内容根据陈智聪分享整理（文字有调整和删减）：

01 游戏买量「内卷」现状

「内卷」，这个词去年就已经出现。在游戏买量领域，以素材举例，一家厂商做出来一个素材之后，很多家都会陆续跟进，这其实就是一种「内卷」。

那么，游戏买量究竟「内卷」到了什么程度？首先是大家非常关心的一个数据——买量成本。

过去的几年里，我们有一个粗略的感受：买量成本基本翻了 10 倍。当然也要看具体的品类，有些竞争激烈的品类可能还不止这样的倍数。

第二个数据，素材生命周期。买量，我们依靠的就是素材。前几年，我们可以针对一个素材进行精细化的维护，跑几个月都没问题。但现在，打个比方，就像隐形眼镜，以前讲的是“月抛”，现在可能直接变成了“周抛”、“日抛”。今天的一条素材，到明天可能就不行了，整个素材生命周期下降得非常快。

还有一个数据，计划冷启动通过率。也就是说，它能够顺利在媒体上跑出来，产生效果。几年前我们只要好好规划，好好设计素材，这个通过率会达到 30% ～40% ，但现在 10% 可能还是一个比较乐观的数据。

这些数据见证了我们这几年做买量的变化：从相对来说还可以做，到比较难做，再到现在非常难做。

下一个问题，为什么游戏买量会「卷」起来？其实原因有很多：

人口红利逐渐消失；

主流媒体（比如抖音、微信）的流量本身遭遇瓶颈；

南北大厂纷纷布局买量，竞争加剧；

除了游戏，电商、教育、金融等领域在买量上来势汹汹；

同时，还有行业流量的限制、媒体控制的加强、买量成本的提升……这些因素都让买量这件事变得越来越难，可操作的空间越来越小。

02 利用数据分析突围的「三步走」

在这样的情形下，我们必须探索突破的思路。数据分析，就是非常有效的突围利器。我们基于过去的经验，归纳总结出了：游戏买量「内卷」阶段，利用数据分析突围的「三步走」策略。

第一步完善基础数据

这是整个数据分析工作里最重要的一点，因为它直接决定了我们能做什么数据分析，以及能做到什么程度。手盟在数据分析上取得的一些成果，很大程度上归功于这一步。

基础数据，我们主要分为三种：计划的数据、游戏的数据、素材的数据。

先说计划的数据。它主要是指我们在买量的操作过程中，跟媒体进行一些交互操作所产生的一系列数据，在游戏公司也叫“前端计划数据”。像点击率、点击数量、曝光的次数，以及成本等等，这些我们平常都会去看。

现在媒体通过 API 接口，可以给我们提供很多的数据，但数据怎么用，还是要看具体的场景。我的一个建议是：先自己看一下大概有什么样的数据，然后看哪些可能对我们有用，存下来，在将来做数据分析的时候进一步开展。

除了媒体传给我们的企业数据之外，前端计划数据还包括我们在配置上的一些数据，比如我们建一条计划，它可能会包括我们用了哪些素材、选择了怎样的定向、设置了什么样的预算等。我们分析这个计划的结果的时候，也要去看我们当时做了什么。当两条计划出来的数据比较类似或者不一样，我们在一开始的输入层面有没有差异，都要记录下来。

还有一点要注意，计划的定向和配置并不是静态的。因为在这个过程中，我们会做调整，比如调整出价、调整预算等，那么什么时候调的、调整的幅度，类似于操作日志这样的信息，我们也要记录下来。因为我们去分析的时候，很有可能发现一条计划怎么突然变了，这个时候要回顾我们在什么时间进行了什么样的操作。

而后端游戏数据，指的是用户在激活我们的 App 后的行为和付费数据，这块数据大家比较熟悉。

还有素材数据。它是前端计划数据和后端游戏数据以素材维度去聚合的一个数据呈现。在所有买量的影响因素中，素材占到 70% 左右的一个权重。而且有时候我们在日常操作里面，一个素材不一定只有一条计划，可能会有很多的计划。

在这样一个素材里面，它的一些计划是否会有一些共性或者规律？需要我们从素材的维度进行一个聚合，便于我们去分析到底这个素材它的效果是怎么样的。

基础数据，在我们开展后面的数据分析之前，应该尽可能把这一块做好。

第二步建立基于数据的投放工作管理体系

首先第一点，制定买量投放的规划。

可能有朋友会问，为什么要去定规划？如果我现在数据已经很完善了，数据监控已经很到位了，为什么还要去花这么大的功夫，在投之前去做这样一个规划呢？

我们先看一下规划包括哪些方面，人群、媒体、广告位、投放工具、终端、素材方向、出价/时间等。对一家做买量的公司来说，应该不会说一个人能够把整个项目或者整个方案搞定，肯定是一个团队去合作完成的。

如果我们把流量池想象成一块大的空地，以往买量是这样一个情况：空地足够大的时候，地随便圈，圈地的资源条件可能只会包括我们的成本、有多少预算、有多少时间精力去推计划。但目前来说，本身流量已经有限制，竞争压力也越来越大。我们曾经统计过，如果不加特别多的控制，让投放人员自己去发挥的时候，有 70%～80% 的计划是聚焦在少量的素材和定向里面的。

这带来的结果是什么？也就是还没有跟外面「卷」起来，里面已经「卷」得很厉害了。这要怎么解决呢？最主要的还是要去做规划。一开始就要想清楚，当我们有这么多的元素、定向可以选择，到底要在哪些元素和定向上去分配我们投放的计划、素材、预算，形成一个比较均衡的投放结果。

这里还有一点，我们的数据分析，结果的数据实际是来自我们的输入。举个例子，比如我们想要去分析某个广告位的效果，但如果它的数据样本很少，并不足以支撑我们对这个广告位的效应进行分析，我们就很难得出结论，到底哪一个广告位的效果最好。

所以我们想要去做验证的时候，一定要做好投放规划。它既决定了我们投放的一个效果，也决定了未来我们可以拿到哪些数据。

第二个是，制定投放标准。

以成本、留存和 ROI 这几个指标为核心，也可以加上其他的一些辅助指标去定一个标准，大概要投出来什么效果，我们才可以对它进行比如说加预算、控量、关计划等操作。

在前期，我们可以参考研发或者运营给我们的一些数据，后期可以通过自己的数据模型去计算，得出到底什么样的投放，才能达到我们期待的数据表现？

关于投放标准，比较重要的一点是：应该在维度、颗粒度、样本数量之间取得平衡，并且持续更新。

因为我们会有不同的人群、不同的媒体、不同的投放的工具，按照不同的标准投放，跑出来的数据会有很大的差异。如果我们只有一个投放标准，你会发现它很难适合所有的计划，

举个例子，买激活的成本，跟买付费的成本是不一样的。如果只给一个平均数或者中位数，你是很难参考的。买激活你就去定一个投放标准，付费定一个投放的标准，甚至可能不同的终端也有不同的投放标准。去拆，拆得多细取决于样本的数量，需要自己把控。另外，数据表现是在不断变化的，所以也要注意投放标准的维护、更新。

还有一个，要去关注管理角度的数据。

如果有投放团队的负责人，或者说运营团队里涉及到一些管理层面的工作，管理角度的数据应该多关注一下。因为它很可能帮助我们发现新的东西，所谓就是“既要看见树木，也要看见这个森林”。

比如新建计划数量和活跃计划数量、计划空耗消耗的情况、素材和定向覆盖率，这种数据优化师不一定会关注到，但其实它又确确实实会影响我们团队的一个效果。比如我刚才提到的案例，如果有 70%～80% 的计划聚焦在某一些素材的时候，就意味着在某一些素材的定向上覆盖是不够的。这种情况，就需要我们在整个管理大盘的角度去看这些数据，才能找到可以去挖掘的空间。

第三步寻找突破空间，告别低效「内卷」

主要是两方面：第一个是素材标签。素材是一个很具象的画面，我们去分析的时候，很容易出现一个情况：我们谈的是单条的素材。这条素材我觉得它的效果好，那一条素材的效果也不错，我们要去做这样一个分析的时候就会很痛苦。要么把所有的素材全部找来，这在操作层面是很难的；要么只能用部分素材去做判断，这很有可能不客观。

所以，我们如果要在素材层面进一步去挖掘和分析，尤其是希望找到一些成功规律或者失败规律的时候，哪类素材不行，哪类素材的确在某些维度（比如转化率）上会表现比较好，我们需要建立一些标签。

怎么打标签？各家有各家的方法，关键在于设计合理的素材标签框架。我们怎么打标签，决定了我们打出来的标签的质量。至少有一半的时间，要去想一下这个框架。