当前位置:网站首页>ROI LTV CPA ECPM体系讲解
ROI LTV CPA ECPM体系讲解
2022-08-04 10:18:00 【Mr1ght】
针对某一批用户,ROI(投资回报率)=LTV/买量投入,买量投入=激活用户数 * CPA,CPA衡量单用户的成本。
LTV是用户的生命周期价值,LT指的是用户的生命周期,100个用户的生命周期=(1001+502+20*3)/100,其中50指的是第二天留下50人,20指的是第三天留下20人。LTV指的是用户在他的生命周期内能为公司创造的收益,在激励游戏类产品指的就是看广告。因为LT一直在拉长,LTV也在累计增加,当达到某个时刻后,LTV>买量投入,这个时刻被称作PB,也叫回本周期。
LTV=100arpu+50arpu+20*arpu,arpu指的是单用户每日价值,arpu=单日收益/当日rDAU(不包含自然用户)。而100,50,20反映这100位用户的3日留存情况,所以这里的LTV指的是三日LTV。因为收益的来源就是看广告,那么arpu可以衡量单个用户每天看的广告数和广告单价。
arpu的实际计算公式为,单日收益/当日rDAU,当日收益=各大广告平台的广告带来的实际收益,做一个求和,当日rDAU通过数据埋点和登录状态测算。而单日收益=当日impression_pvecpm/1000,每日的收益等于成功播放的广告数每个广告的价格。impression_pv指的是当日所有被完整展示的广告数,eCPM指的是每千次广告展示的价格,所以表示单次展示的价格时要除以1000。
eCPM(Effective CPM),千次展示期望收入,CPM是投放前估算值,eCPM是投放后实际统计值。按照转化过程的自然划分,eCPM可以分解成点击率和点击价值的乘积。eCPM=(当日广告收益/总广告展示次数)*1000。CPM和eCPM反映广告主的期待,本产品的广告位为广告主创造的价值,也就是广告的基本收益。
impression_pv=inventory_pv*show rate,show rate是指在产品实际运行中,广告inventory会有损耗,比如技术问题没有加载调用,网络问题没有加载调用。所以impression反映了最终真实成功播放的广告数量,是广告计价的真实依据。
总而言之,ROI = LTV(n)/买量投入,LTV(n)=∑(第一日收益+第二日收益+……+第n日收益)。LTV(n)=∑(总人数一日arpu+二日留存人数二日arpu+……+n日留存人数n日arpu),单日收益=当日impression_pvecpm/1000。
因为单日收益=当日总impression_pvecpm/1000,单日收益=当日留存人数当日arpu,所以可以通过提高留存和当日arpu来提高单日收益。又因为Arpu=当日单人impression*Ecpm/1000,所以可以通过提高单人impression和eCPM来提高arpu。
总的来说,目标缩短回本周期,快速回本,快速获利,而且是最大额度和长期的获利。可影响的参数有留存,单人impression和eCPM这三个。留存通过签到,激励刺激,单人impression通过实物激励和游戏道具刺激,eCPM通过寻找合适广告整合平台以及竞价方式提高,这样就可以实现总的ROI提升。
文章地址:ROI LTV CPA ECPM体系讲解
边栏推荐
猜你喜欢
随机推荐
Win10电脑经常发出叮咚声音怎么关闭
低代码是开发的未来吗?浅谈低代码开发平台的发展现状及未来趋势
[论文翻译] Unpaired Image-to-Image Translation using Adversarial Consistency Loss
浅聊偏函数
Techwiz OLED:OLED器件的发光效率
ps如何换背景颜色,自学ps软件photoshop2022,3种不同的方式笔记记录
Introduction to Mysql storage engine
学习在php中将特大数字转成带有千/万/亿为单位的字符串
MindSpore:model.train中的dataset_sink_mode该如何理解?
《迁移学习导论》第2版,升级内容抢先看!
JDBC知识点
safe-point(safepoint 安全点) 和 safe-region(安全区域)「建议收藏」
Apache APISIX 2.15 版本发布,为插件增加更多灵活性
【C补充】指向指针或函数的指针
什么是元宇宙?
【c】操作符详解(二)
MySQL核心SQL:结构化查询语句SQL、库操作、表操作、CRUD
RAID介绍及RAID5配置实例
无代码平台单项选择入门教程
[代码阅读] CycleGAN: Unpaired Image-To-Image Translation Using Cycle-Consistent Adversarial Networks