监控广告变现效果，开发者该如何搭建数据分析体系，如何制定优化策略？

商业化变现，是伴随移动互联网发展而产生的，广告变现是APP实现营收的主要途径之一。对免费的APP开发者来说，在提供免费服务的同时，对接广告投放平台取得收益，是开发者普遍的商业化模式，但如何选择广告变现平台、如何收集广告投放数据、如何调整变现策略则成为了困扰APP开发者的最大问题。

今天，我们就从如何建立数据分析体系为出发点，全面梳理开发者广告变现过程中的影响因素，按点解决变现难题。

做变现，要建好数据分析体系

数据在APP变现的业务中既是进行决策的重要依据，也是营销业务的重要突破口。开发者在变现过程中必须要搭建完善的数据收集、分析体系，用数据作为工作支撑。

数据收集与埋点

要建好数据分析体系，首先要做的是收集数据，这就涉及到如何获取数据的问题，一般对于广告变现来说，需要做两个方面的数据统计，一方面是App用户数据的统计，另一方面是广告数据的统计。

App用户数据，主要是指App自身用户数据，用户登录次数、登录频次、页面到访次数、页面独立用户数、页面频次、活跃用户数等等，涉及到自身运营的数据。

广告数据，主要指基于广告发布的过程数据，如广告的请求量、曝光量、点击量、点击率等数据。

App用户数据，开发者一般自己都会开发数据统计功能做App运营的基础使用，自己不做详细统计的App开发者也会利用第三方监测工具进行统计，例如，友盟等监测工具。第三方监测工具的基本原理也是通过SDK埋点实现，与广告SDK的数据统计基本类似。

广告数据，如果是开发者自己发布的广告，一般都有数据留存，如果是通过第三方SDK发布的广告，开发者不做开发是没有一手的广告数据的，只能通过第三方广告平台查看数据，要想做商业化的数据统计，需要把App用户数据与广告数据结合起来才能做到完整的商业化数据分析。一般通过第三方广告平台接广告的开发者，广告数据与App用户数据不在一个系统中，需要人工统计，而且由于三方的身份，数据置信问题，这些都给App商业化数据分析带来麻烦。

所以，最佳的状态是开发者可以自己埋点进行统计，一般的广告埋点逻辑是设置在广告关键节点，这些关键节点来自于商业化分析中的关键指标，这些关键指标用来衡量该App广告变现的情况和分析问题，从而掌握运营和优化方向。

在广告变现场景中，比较关键的核心指标是请求量、返回量、填充率、曝光量、曝光率、点击量、点击率、eCPM、收入。

请求量：即App客户端向广告平台发起广告展示请求的次数，请求量高低代表App可用于广告变现的流量库存，请求量越高，变现能力越强。

返回量：发起广告请求后，被响应并返回广告的数量，返回量代表广告平台的填充能力，以及广告资源的丰富程度。

填充率：广告请求有多少比例的请求被响应并返回广告，填充率也是衡量流量变现效率的体现，填充率的高低与收入直接相关。

曝光量：指在被请求广告位中，最终广告被真正有效展示出来的数量，曝光量的高低直接表明广告平台填充能力，和自身广告收入直接挂钩，没有曝光就没有收入。

曝光率：是曝光的广告数在请求的广告数中所占的比例，也作曝光量/返回量，曝光率通常也用来衡量广告填充效率。

点击量：即广告被用户点击的次数，点击量一般用来衡量广告有效性，点击量高说明用户对该广告更感兴趣。

点击率：是在曝光的广告中产生点击的所占比例，通常点击率的高低代表广告受用户关注程度，也是衡量广告有效性的重要指标，同时，也是广告平台方用来判断App用户流量是否优质媒体的标准，优化点击率会对单价、收入提升起重要作用。

eCPM：是反映媒体变现能力和收入水平的核心指标，需要开发者重点关注。

收入：是媒体变现的实际收益，通常变现收益按CPM结算。

埋点一般在广告开始加载（客户端向广告平台发起请求）、广告加载成功（成功收到回调）、广告触发（用户进入广告场景）、广告点击（用户点击广告）几个关键位置。视频广告相比于其他广告形式，要增加播放完成数据，需要在广告开始加载、广告加载成功、广告弹窗触发、用户点击观看、广告展示成功、用户看完广告处进行数据埋点，激励视频需要另外在广告奖励点击位置进行数据埋点。

数据分析与诊断

取到数据后就进入数据分析阶段，数据分析主要是通过对关键指标的判断来评价变现业务的基本状况，发现问题，对问题进行诊断，找出原因，从而解决问题。

数据分析的主要方向是通过对数据的监控来掌握变现业务动态，广告数据主要反映变现流量波动情况、流量差异情况、价格及收益情况。

流量波动情况：主要反映流量变现稳定性，要想长期获得变现收益，稳定持续的广告曝光是基础前提，所以，对流量波动做实时监控，实时预警，保证流量不出现大的差异是流量变现的主要工作；

流量差异情况：流量差异主要是体现在APP第一方数据与第二方/第三方广告平台的差异，同一App/同一广告位产生的数据不一致有差别，往往会影响最终的收益结算，所以，流量差异的问题也是流量变现重要的分析方向；

价格及收益变化：在广告平台，变现的价格、收益不是一成不变的，它经常会随着需求方/广告主的出价而实时变化，而价格和收益又是开发者变现最终极的目标，因此，价格及收益变化是开发者必须要关注的方面；

具体应如何分析呢，主要还是从整个广告曝光链路上去分析，主要分析产生波动、差异的原因。

1、广告请求-曝光阶段

主要关注客户端是否正常发出广告请求，是否有正常给到返回和曝光，如果曝光量与该广告位的用户量差异较大，则说明在请求-曝光环节可能存在问题，如有启动无请求、有请求无返回、有返回无曝光、请求与启动次数差异过大、请求与曝光填充差异超出正常范围等情况，都需要重点关注分析，无请求可能是SDK安装问题，无返回可能是系统问题，也可能是无合适广告填充，主要查看是否对广告有较多限制条件，无曝光可能是广告展示预留时间太短，广告没有成功曝光……具体问题具体分析。

2、广告点击-转化阶段

广告点击到转化的过程，通常用来判断广告投放的有效性，是否匹配到了目标人群，因此，在分析完请求-曝光的广告展示流程后，需要关注的就是广告转化问题，广告转化越好的媒体，媒体eCPM单价就会高，转化越低eCPM单价也越低，因此，提高点击转化是提升广告单价的一个重要课题，在点击过程中经常会遇到的问题一般是广告展示时长问题，时间过短用户来不及点击操作，或者是素材问题，广告设计未有明确引导，或广告本身不吸引用户关注点击，或点击跳转发生问题，造成用户无法点击……，也需要具体问题具体分析。

完整的商业化变现链路的数据分析，除了对广告展示链路进行分析，还应包括对用户贡献值的分析，在用户生命周期中，用户价值的分析主要是ARPU和LTV两个层面的分析。

ARPU：代表一段时间内（如每日、每周、每月等），平均每个活跃用户带来的/贡献的广告收益。相比于 eCPM，广告 ARPU 可以更直观的体现产品的变现能力——当活跃用户总量一定的情况下，广告 ARPU 越高，代表广告收益就越高。ARPU值的高低与用户活跃度、用户留存率都有关系。

LTV：即用户生命周期价值，LTV代表了用户完整生命周期内给企业创造的价值总额。LTV越高，App流量变现的价值越高，常用于衡量App广告变现收益能力。LTV与用户留存率密切相关。

做变现，要制定具体优化策略

作为开发者，建立好数据分析体系不是最终目的，而是要通过数据分析发现问题，从而制定优化提升策略，解决增收难题。

移动应用变现过程中，在APP开发者不断提高日活背景下，要拿到更高的收益，就需要充分了解广告收益高低的决定因素是什么，对广告收益起决定作用的因素，一是单价，二是填充，在同等价格下提升填充可以增加收入，在填充达到最大值时，提升单价成为增加收入的唯一选择，因此，提升收益的核心关键是提升单价和广告填充率。对于开发者来说，广告变现优化提升策略主要会从这两方面出发来制定。常见的开发者变现策略是接更高价格的广告，然后接更多的渠道拓展广告源提升填充，优化策略主要的做法有两个层面，一种是商务层面的，另一种技术层面的。商务层面，主要是通过与广告平台方约定好单价和填充率下限，来保证广告收益。技术层面，开发者可以通过自行优化广告全链路来实现提升收益的目的，在广告需求方越来越严谨的采量政策和更灵活多变的投放策略环境下，仅通过商务层面的沟通显然已经不能满足开发者的收入增长需求，这里我们所说的优化策略主要从技术层面来讲。

对于开发者来说，效果显著的优化提升策略可以从以下几个方面来做：

1、 流量拆分：由于流量价值有高低的差别，广告价格不同，所以，按一定的流量规则拆分售卖，优质优价，可以获得较好的广告收益，例如，按地域、时间、频次等规则拆分。更多流量拆分内容，点击查看《APP变现干货|正确使用流量分组，挖掘更大变现收益》。

2、 混合竞价：对开发者来说，多渠道的广告接入可以提升广告填充率，同时，也可获得更多高单价广告，渠道混合竞价策略就是通过瀑布流+Bidding结合的方式，让流量在各渠道中获得最高单价展示，从而让广告流量价值得到最大程度的发挥。更多混合竞价策略内容，请查看《混合竞价模式下，App开发者如何制定价格策略》。

3、 更多广告场景：除了在流量方面做优化，还可以通过增加广告场景、丰富广告形式来提升流量库存，从而增加收益，例如，增加激励性质的广告，增加用户使用频次，提升广告库存。

在广告变现全链路中，做好每一节点增收策略，抓住增收机会，可以让开发者轻松实现商业化目标，实现1+1＞2的效果。