Tabarak Paracha
我们的CEO Christopher Farm在“GameMakers”播客中讨论了HyperBeard是如何在Tenjin的帮助取得成功。本次博客将聚焦于产品矩阵LTV在降低用户获取成本中的重要性。
MMP是做什么的，自IDFA弃用以来，MMP的角色发生了怎样的变化？
Tenjin CEO Christopher Farm：从过去的角度来看，MMP的主要职责在于帮助开发者了解在哪些流量渠道投放广告能最大限度地提升ROI。即使在IDFA被弃用以及全球信息环境日益复杂的背景下，这一点仍然成立。因此，我们Tenjin独特的一点是我们一直致力于在一个平台上整合所有相关数据。我们提供的数据仓库服务让企业无需自行构建数据仓库，这也是我们区别于众多其他MMP的重要特点之一。即使在IDFA被弃用的情况下，我们相信大家仍然可以获取各种不同类型的数据。同时，他们也更需要找到合适的合作伙伴来进行深度分析和解读这些数据。
什么是产品矩阵LTV？
Christopher Farm：产品矩阵LTV并非是我们最开始想做的东西。然而，当我们深入了解了客户的需求，以及在HyperBeard的例子中，他们的CEO Alex希望通过数据实现何种目标之后，我们自然而然地开始关注这个问题。
我们从数据中观察到，客户往往会自然而然地选择玩您的游戏产品矩阵中的同类游戏。因此，这个想法应运而生，并促使我们尝试进行多种不同的分析，以优化客户的体验。
我认为，在这个行业的早期阶段，人们可以对此进行深入思考。有很多潜在的机遇和可能性，我个人认为，如果您能够围绕您的产品矩阵打造一个强大的品牌，您将有机会实现这一点，并且由此产生许多创新性的产品构思。虽然目前尚未有人尝试过此举，但是例如，设立一种通用货币，或者提供高度相似的体验，或在你的App中共享各类虚拟商品等都是可行的方案。只要有了明确的优化和评估标准，所有这些都变得更有可能。
这里会有机会成本，因为你本可以展示其他发行商的广告，但这个机会成本很低，你可以通过这种方式搭建你的产品矩阵LTV。实际上，这也是超休闲游戏发行商的数学模型存在的方式之一。他们获取用户的成本远高于任何单一应用的收益。但这么做总体来说是盈利的。
在评估Tenjin公司之际，您是否将产品矩阵LTV视为主要衡量因素之一还是只把它当作可有可无的功能呢？
Alex Kozachenko：我们在（开始与Tenjin合作）之前便考虑过产品矩阵LTV，这我们当时觉得还没到这步。Tenjin公司在我们的合同中提供了定制化开发服务，这将使我们能够更为高效地构建商业智能系统。因此，我们知道我们可以通过Tenjin实现产品矩阵LTV。
Tenjin还让我们可以进一步扩大我们的用户获取（UA）池。当你的LTV较低的时候，我们希望能降低更多常规支出。绝大部分MMP都是按付费激活的个数来收费的。因此，一些较大的MMP的价格并不特别便宜。如果您想要开拓Tier1以外的国家，那么只能祝您好运。当然，这也取决于您的买量规模。如果您的买量规模足够大，那么您或许可以从MMP那得到一个较低的单价。但比如说，印度用户的LTV仅为1.5美分，我们不可能为每个归因付2美分。与Tenjin合作才让我们得以顺利开拓更多的市场。如今，我们的全球营销活动已经取得了显著的成果，这是和那些付费结构不合理的MMP合作无法实现的。
您能否深入介绍一下Sonamine与Hyperbeard合作的案例研究，并谈谈你们提供的一些服务？
我们进行了大量的初步探索，发掘出了许多潜在机遇，帮助Alex的团队制定了战略性的买量策略。Alex的团队选择我们的原因之一是传统的MMP通常只告诉你一个营销活动中单个游戏的买量成本及推广收益，并没有一种简便的方法看这个营销活动下的产品矩阵LTV。但我们协助Alex的团队寻找到了一种全新的方法，让他们能够知道每个营销活动的收益。
您帮助Hyperbeard进行了哪些数据分析？
Alex Kozachenko: Tenjin和Growth FullStack是我们在整合和分析数据过程中所采用的关键工具。然而，我们还需对数据进行清理使其可用，这意味着我们需要搭建合理的展示面板和报告。Tenjin帮助我们实现了定制化分析，让我们能够知道有百分之多少的用户在我们的某两款游戏之间进行切换，多少用户在我们的三款游戏之间流动，又有多少用户同时玩我们的四款游戏。这样我们就能知道哪款游戏引流的人数最多，以及他们玩了这款游戏后，最有可能去玩的下一个游戏是什么，从而分析出最有可能的用户访问路径。基于这些信息，我们可以根据用户可能访问的应用以及最容易变现的应用，规划我们的交叉推广活动并按比例展示广告。在寒冬求生的核心就是如何让用户访问那些能为我们带来最高LTV的应用。如果不能引导用户前往那些应用，您就只是为了展示广告而展示广告，并不能带来更多的收益。这就是Tenjin帮助我们解决的一个实际案例。由于我们公司内部没有搭建数据分析系统，Tenjin和GrowthFullStack对我们来说非常有帮助。 Nick Lim：数据分析是一段旅程，当您有一款游戏并开始获客广告活动时，我们可以在数据方面为您提供支持。只要有数据，我们就能生成SKAN预测模型。即使IDFA被逐步弃用，我们仍然可以通过转化值预测特定SKAN营销活动的LTV，并确保准确度在5%以内。但我们有时候发现SKAN转化值的设置可能会限制预测范围，所以我们建议开发者采用更广、更全面的SKAN转化值设置，以捕捉更多的信息，而不仅仅局限于收入。因为目前大部分开发者都仅在SKAN转化值中设置收入因素。我们并不建议这么做，因为这样做会失去很多宝贵的数据。我们可以帮助您更好地设置SKAN转化值，以便在买量层面获得更精准的预测结果。Sonamine还能帮助应用变现和用户留存。用户开始玩游戏只是挑战的开始。如何才能留住他们，并让他们感觉从游戏中获取了价值，进而愿意为之付费呢？针对这一问题，我们可以根据您有的数据，利用人工智能技术进行预测，推动那些即将转化的客户、识别出可能会流失的用户并帮你提供一些奖赏机制留住他们。
观看完整视频，了解如何计算产品矩阵LTV、即将到来的趋势和变化等。
