广告投放工作术语与业务说明文档
一、 核心角色与平台
广告主：本次业务中为游戏公司，是发起广告投放、承担投放费用的主体。
核心投放平台
AppLovin：领先的移动广告技术公司，提供应用变现和营销分析平台，支持广告活动（Campaign）的创建、投放与优化。
Google：搜索引擎广告投放平台，有独立的广告账户用于费用消耗与数据统计。
Unity：游戏领域常用的广告投放平台，支持安装量获取、用户首日价值（D0）追踪等投放目标。
二、 核心业务术语定义
（一） 广告活动相关
Campaign（简称Camp）：为达成特定目标（如提升应用安装量、提高用户留存）而进行的一系列有组织的营销活动。包含目标设定、预算分配、受众定位和素材投放等核心环节，可按不同素材组合、目标受众划分为多个独立投放单元。
Pack：将多种不同类型的广告素材打包组合成一个广告组进行投放的形式，例如本次MTG产品投放采用 R0+R1 video + R1 AB playable 的素材组合包。
消耗（Spend）：广告因展示、点击或转化等行为产生的实际费用支出，是评估广告投放进度的最直接指标。
消耗为0：表明广告尚未成功投放并产生费用。
跑满预算：某个广告活动在指定周期内，已将设定的预算全部消耗完毕。
预算（Budget）：广告主为某个广告活动设定的计划支出上限。AppLovin平台有Capping机制，算法可能在短时间内快速花完一日预算，导致实际消耗可能超过设定预算。
出价（Bid）：广告主愿意为一次点击（CPC）或一次安装（CPI）等支付的最高价格，是影响广告在竞价中能否获胜的关键因素。
竞价（Auction）：广告展示机会出现时，多个广告主的广告通过平台算法进行竞争的过程。竞价成功的关键影响因素：出价高低、广告素材相关性、点击率（CTR）、目标受众精准度，缺一不可。
ARO（自动循环购货计划）：客户承诺定期自动购买广告服务的合作模式，通常能享受优惠政策。超级老户已完成新产品的ARO，意味着开启了稳定的广告投放合作。
（二） 广告素材相关
素材（Creative）：广告活动中向用户展示的具体内容，如图片、视频、可试玩广告等，素材类型直接影响用户互动与转化率。
素材分类（按投放目标划分）
R0素材：旨在快速获取大量用户的起量素材，投放初期优先使用以抢占流量。
R1素材：旨在获得稳定转化的优化素材，用于投放中期提升转化效率、优化投资回报率。
素材形式
Video：视频形式的广告素材，分为R0 video和R1 video两类。
Playable：可试玩广告，用户可在下载前进行简短游戏体验，常用于游戏推广，本次投放包含 R1 AB playable 类型。
R0安全图：属于R0起量素材范畴，指内容保守、稳妥，无明显诱导性或夸张创意的图片广告，适用于投放初期的风险测试。
素材功能
- 自动Jump功能：用户点击广告后，无需二次确认，系统自动将其重定向到目标页面（如应用下载页），极大简化操作步骤，提升转化概率。
（三） 投放目标与地域相关
T1国家：广告行业术语，指价值最高、竞争最激烈的核心目标市场，如美国、英国、日本等发达国家，本次MTG产品campaign均定向此类国家。
投放阶段划分
Install阶段：以获取应用安装量为核心目标的投放阶段，关注安装成本与安装量数据。
D0阶段：从获取安装量转向关注用户首日价值的投放阶段，核心指标为D0留存率，是衡量用户质量的关键。
版本测试
- B版本：测试版本，可指新的广告素材、落地页或出价策略，用于A/B测试以对比优化投放效果，本次B版本将于次日中午左右生效并启动投放。
（四） 核心数据指标
| 指标缩写 | 指标全称 | 计算公式 | 指标含义 |
| CPC | Cost Per Click | 广告总消耗 ÷ 总点击量 | 单次点击广告的成本，出价策略的核心参考指标 |
| CPI | Cost Per Install | 广告总消耗 ÷ 总安装量 | 单次应用安装的成本，衡量获客效率的关键 |
| CTR | Click-Through Rate | 点击量 ÷ 展现量 × 100% | 点击通过率，反映广告创意对用户的吸引力 |
| CVR | Conversion Rate | 转化次数 ÷ 点击次数 × 100% | 转化率，衡量点击后用户完成目标行为的概率 |
| CTA | Call To Action | - | 行动号召，广告中引导用户完成点击、下载等行为的指令（如“立即下载”） |
| CPA | Cost Per Action | 广告总消耗 ÷ 总转化次数 | 单次转化行为的成本，转化行为可自定义（安装、注册等） |
| ROAS | Return-On-Ad-Spend | 广告带来的总收入 ÷ 广告总支出 × 100% | 广告支出回报率，衡量广告直接收入效率 |
| ROI | Return On Investment | （净利润 ÷ 总成本） × 100% | 投资回报率，衡量广告整体盈利能力，本次MTG目标为37% |
| Imp | Impression | - | 广告展现量，即广告被用户看到的次数 |
| eCPC | effective Cost Per Click | （总消耗 - 无效消耗）÷ 有效点击量 | 有效单次点击成本，剔除无效数据后的精准指标 |
| eCPM | effective Cost Per Mille | （广告总收入 ÷ 展现量）× 1000 | 每千次展现的有效收入，衡量流量价值的指标 |
| IR | Install Rate | 安装量 ÷ 点击量 × 100% | 安装率，反映点击用户转化为安装用户的比例 |
| LTV | Lifetime Value | - | 用户生命周期总价值，衡量用户长期贡献的核心指标 |
| 日环比 | - | （当日数据 - 前日数据）÷ 前日数据 × 100% | 相邻两日数据的变化幅度，反映投放趋势 |
| CTCVR | Click To Conversion Rate | CTR × CVR | 从广告展现到用户转化的全过程概率，评估广告漏斗健康度 |
| Probabilistic Spend | 概率性消耗 | - | 基于算法模型预估的、具有一定概率区间的消耗数据 |
| Probabilistic Installs | 概率性安装量 | - | 基于算法模型预估的、具有一定概率区间的安装量数据 |
核心数据指标深度解读（含数值影响、背后原因及优化思考）
1. CPC（Cost Per Click - 单次点击成本）
核心定义
广告总消耗 ÷ 总点击量，即用户点击一次广告的平均成本，是出价策略的核心参考。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 出价过高（盲目竞价T1国家核心流量）； 2. 市场竞争激烈（同类游戏扎堆投放，推高点击成本）； 3. 广告素材/受众相关性低（平台判定广告质量差，需更高出价才能获得点击）； 4. 广告位优质（比如App开屏、信息流首屏，点击成本天然更高） | 某游戏在美区投放，出价高于行业均值20%，且素材与目标受众（18-25岁玩家）兴趣不匹配，导致CPC比同类产品高30% |
| 偏低 | 1. 出价合理（贴合行业均值，不盲目抬价）； 2. 素材吸引力强+受众精准（平台判定广告质量高，给予低价点击权益）； 3. 市场竞争平缓（非投放旺季，或同类产品少）； 4. 广告位性价比高（比如信息流中后段，点击成本较低） | 用“游戏试玩+福利礼包”素材定向“硬核手游玩家”，CPC比行业均值低15%，且点击量稳定 |
对业务的真正影响
偏高：直接拉高获客成本（CPI/CPA），压缩ROI盈利空间，若CPC持续高于“CVR×客单价”，广告会陷入亏损；
偏低：降低单次点击成本，但若过低伴随“点击量少、曝光不足”，可能是出价触底导致广告无法获得足够流量，反而影响数据积累。
关键补充思考
不追求“绝对低CPC”，而是“相对高性价比CPC”：比如CPC略高但点击后CVR极高，最终CPA反而更低；
优化方向：结合CTR和素材相关性调整出价，而非单纯降价/涨价——若素材CTR高但CPC高，可适当降低出价测试；若CTR低且CPC高，优先优化素材而非出价。
2. CPI（Cost Per Install - 单次安装成本）
核心定义
广告总消耗 ÷ 总安装量，即获取一个用户安装的平均成本，是游戏广告获客效率的核心指标。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. CPC高（点击成本基数大）； 2. 安装率（IR）低（用户点击后放弃安装，比如安装包过大、设备不兼容、担心安全）； 3. 素材与产品不符（用户点击后发现游戏内容和广告不一致，拒绝安装）； 4. 落地页/下载流程复杂（需跳转多页面、注册后才能安装） | 广告素材展示“3D高清画质”，但实际游戏是2D画风，且安装包达2GB，导致点击后仅10%用户完成安装，CPI比同类产品高50% |
| 偏低 | 1. CPC低（点击成本可控）； 2. IR高（安装流程简单，比如一键安装、安装包小、素材与产品高度匹配）； 3. 目标用户需求强烈（比如“经典IP续作”，粉丝点击后安装意愿高） | 某经典手游续作，用“原班人马打造”素材定向老玩家，安装包仅500MB，IR达40%，CPI比行业均值低25% |
对业务的真正影响
偏高：直接决定获客门槛，若游戏LTV（用户生命周期价值）低于CPI×3（行业健康阈值），长期必然亏损；
偏低：获客效率高，但若伴随“安装后快速卸载”（D0留存低），可能是“低质量安装”（比如误点、作弊安装），反而浪费成本。
关键补充思考
CPI必须结合“安装质量”看：低CPI+高留存才是有效获客，低CPI+低留存是“无效获客”；
优化方向：优先简化安装流程（压缩安装包、一键下载），其次确保素材真实性，避免“诱骗点击”。
3. CTR（Click-Through Rate - 点击通过率）
核心定义
点击量 ÷ 展现量 × 100%，反映广告素材对用户的吸引力，是平台判定广告质量的核心指标之一。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 素材创意吸睛（比如强视觉冲击、戏剧性冲突、定制化内容）； 2. 文案直击需求（比如“免费领满级账号”“0氪也能霸服”）； 3. 受众精准（广告推给对游戏类型有明确需求的用户）； 4. 广告形式优质（比如动态视频、可试玩广告，比静态图点击率高） | 某SLG游戏用“玩家对战极限反杀”视频素材，文案“3分钟翻盘，这波操作服了”，定向“SLG核心玩家”，CTR达8%（行业均值3%） |
| 偏低 | 1. 素材平庸（静态图、无亮点、同质化严重）； 2. 受众不匹配（推给非游戏用户或不喜欢该类型的用户）； 3. 广告位不佳（比如信息流末尾，用户划走前未看到）； 4. 文案模糊（无核心卖点，比如仅写“一款好玩的游戏”） | 某休闲游戏用“游戏logo+‘快来玩’”静态图，定向“全年龄段用户”，CTR仅0.8%，低于行业均值 |
对业务的真正影响
偏高：提升广告平台权重，平台会优先分配更多曝光，且可能降低后续竞价成本（CPC）；但需警惕“虚假高CTR”（比如用暴露画面、虚假承诺诱骗点击），后续CVR会极低，反而拉低广告质量分；
偏低：平台判定广告吸引力不足，减少曝光分配，甚至暂停广告投放，导致后续无法积累数据优化。
关键补充思考
CTR的“健康阈值”：不同行业/平台有差异（游戏行业信息流CTR通常2%-5%），高于阈值需验证CVR，低于阈值优先优化素材；
优化方向：素材要“短平快”（前3秒抓眼球），结合目标用户痛点（比如“上班摸鱼神器”“解压小游戏”），避免信息过载。
4. CVR（Conversion Rate - 转化率）
核心定义
转化次数 ÷ 点击次数 × 100%，衡量点击广告后用户完成“预设目标”（安装、注册、付费）的概率，是广告漏斗的核心转化环节。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 广告与落地页/产品高度匹配（素材承诺的内容在落地页/产品中兑现）； 2. 转化路径简单（比如点击后直接跳转下载页，无需注册、无需跳转多页面）； 3. 落地页体验好（加载快、视觉清晰、核心卖点突出）； 4. 有激励措施（比如“安装即领10元红包”“注册送稀有道具”） | 广告素材展示“安装领稀有皮肤”，点击后直接跳转下载页，落地页明确写“下载后自动到账”，CVR达25% |
| 偏低 | 1. 广告与落地页/产品不符（素材吹得天花乱坠，实际产品无该功能）； 2. 转化路径复杂（点击后需填手机号、验证码、注册账号才能下载）； 3. 落地页体验差（加载慢、排版混乱、无核心信息）； 4. 无信任背书（比如新游戏无评分、无用户评价，用户担心质量） | 广告素材展示“免费领现金”，点击后需完成3个任务+绑定银行卡才能提现，CVR仅3% |
对业务的真正影响
偏高：直接降低CPA/ROI，提升广告盈利能力，平台会判定广告“能满足用户需求”，给予更多流量倾斜；
偏低：浪费点击成本（CPC已支出，但未转化），导致广告效率低下，若CVR持续低于行业均值，可能被平台限流。
关键补充思考
转化目标需明确：不同目标（安装、注册、付费）的CVR不能直接对比（比如安装CVR通常高于付费CVR）；
优化方向：先拆解转化路径（比如点击→落地页→下载→安装），找到流失节点（比如落地页加载慢导致50%用户离开），针对性优化。
5. CTA（Call To Action - 行动号召）
核心定义
广告中引导用户完成目标行为（点击、下载、注册）的明确指令，无固定计算公式，但直接影响CTR和CVR。
数值高低（效果好坏）原因
| 效果状态 | 核心原因 | 具体场景 |
| 效果好 | 1. 指令清晰（比如“立即下载”“试玩5分钟”，而非“了解更多”）； 2. 有紧迫感/稀缺性（比如“限时24小时”“前1000名领福利”）； 3. 贴合用户需求（比如游戏广告用“试玩领道具”，而非“立即购买”）； 4. 视觉突出（CTA按钮大、颜色鲜明，比如红色“下载”按钮） | 某手游广告CTA：“限时1小时！点击试玩领满级账号→”，按钮占屏幕1/5，颜色与背景反差大，点击转化提升40% |
| 效果差 | 1. 指令模糊（比如“点击了解”“看看再说”，用户无明确行动方向）； 2. 无吸引力（无福利、无紧迫感，用户觉得“不做也没关系”）； 3. 视觉不突出（CTA按钮小、颜色与背景融合，用户看不到）； 4. 过多CTA（一个广告有“下载”“关注”“分享”多个指令，用户犹豫） | 广告底部小字写“如需下载请点击此处”，无福利、无突出设计，用户划走前未注意，CTA效果几乎为0 |
对业务的真正影响
效果好：直接提升CTR（用户知道“该做什么”）和CVR（降低决策成本），是广告“临门一脚”的关键；
效果差：用户看完广告后无明确行动方向，即使素材吸引、受众精准，也可能放弃转化。
关键补充思考
CTA要“量力而行”：承诺的福利（比如“领红包”）必须兑现，否则会降低用户信任，后续转化更难；
优化方向：一个广告只留1个核心CTA，结合用户痛点+福利设计（比如“解压小游戏，点击即玩→”）。
6. CPA（Cost Per Action - 单次转化成本）
核心定义
广告总消耗 ÷ 总转化次数，即获取一个“转化行为”（安装、注册、付费等）的平均成本，是衡量广告效率的核心指标。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. CPC高（点击成本高）； 2. CVR低（点击后转化少）； 3. 转化目标难度高（比如“付费转化”比“安装转化”难度高，CPA天然更高）； 4. 市场竞争激烈（同类产品争夺高价值转化用户） | 某游戏以“付费”为转化目标，CPC=5元，CVR=1%，则CPA=500元，远高于以“安装”为目标的CPA（20元） |
| 偏低 | 1. CPC低（点击成本可控）； 2. CVR高（点击后转化多）； 3. 转化目标难度低（比如“安装”比“付费”难度低）； 4. 素材与受众匹配度高（精准触达高意向用户） | 以“安装”为目标，CPC=2元，CVR=10%，则CPA=20元，处于行业合理区间 |
对业务的真正影响
偏高：若转化行为的“单客价值”（比如付费用户平均贡献100元）低于CPA，广告直接亏损；
偏低：广告效率高，但需注意“转化质量”（比如注册CPA低，但注册后无后续付费，长期无价值）。
关键补充思考
转化行为定义需统一：对比CPA时，必须确保双方转化目标一致（比如A公司以“安装”为目标，B公司以“付费”为目标，CPA无法对比）；
优化方向：优先优化CVR（性价比更高），再调整CPC，比如CVR从5%提升到10%，CPA直接减半。
7. ROAS（Return-On-Ad-Spend - 广告支出回报率）
核心定义
广告带来的总收入 ÷ 广告总支出 × 100%，衡量广告“直接收入效率”，不考虑产品研发、运营等其他成本。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 单客收入高（用户付费意愿强、客单价高，比如氪金手游用户平均付费200元）； 2. 转化效率高（CVR/IR高，降低广告成本）； 3. 广告成本低（CPC/CPI/CPA可控）； 4. 素材精准（吸引高付费意向用户） | 某氪金手游，广告总支出10万元，带来500个付费用户，总收入50万元，ROAS=500% |
| 偏低 | 1. 单客收入低（用户付费意愿弱、客单价低，比如免费无内购游戏）； 2. 转化效率低（CVR/IR低，广告成本浪费）； 3. 广告成本高（CPC/CPI/CPA远超行业均值）； 4. 受众不精准（吸引大量“免费用户”，无付费意愿） | 某免费无内购游戏，广告总支出5万元，仅带来1000个安装用户，无付费收入，ROAS=0% |
对业务的真正影响
偏高：广告直接盈利能力强，可扩大投放规模、增加预算；
偏低：广告直接亏损，需紧急优化（比如调整素材、受众、出价），否则无法持续投放。
关键补充思考
ROAS是“短期指标”：只反映广告带来的直接收入，忽略用户长期付费（比如用户第7天、第30天付费），需结合LTV综合判断；
健康阈值：不同行业差异大，游戏行业通常ROAS≥300%（即收入是广告支出的3倍）为健康状态。
8. ROI（Return On Investment - 投资回报率）
核心定义
（净利润 ÷ 总成本）× 100%，衡量广告活动“整体盈利能力”，总成本包含广告支出、产品研发、运营、服务器等所有成本，净利润=总收入-总成本。本次MTG产品目标ROI=37%。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 净利润高（总收入高，且总成本控制好）； 2. 广告效率高（ROAS高，广告支出占比低）； 3. 产品边际成本低（比如手游研发完成后，多一个用户的运营/服务器成本可忽略）； 4. 用户LTV高（长期付费贡献多） | 某手游总成本（研发+广告+运营）100万元，总收入137万元，净利润37万元，ROI=37%（达成目标） |
| 偏低 | 1. 净利润低（总收入低，或总成本高）； 2. 广告效率低（ROAS低，广告支出浪费）； 3. 产品边际成本高（比如每增加一个用户需额外支付服务器费用）； 4. 用户LTV低（短期付费后不再贡献收入） | 某手游总成本100万元，总收入110万元，净利润10万元，ROI=10%（未达成目标） |
对业务的真正影响
偏高：广告活动整体盈利，可持续投放甚至扩大规模；
偏低：整体亏损，需从“广告端+产品端”双优化（比如提升广告ROAS，或优化产品付费设计），否则需暂停投放。
关键补充思考
ROI是“最终指标”：比ROAS更全面，决定广告活动的可持续性——即使ROAS高，若产品研发成本过高，ROI仍可能亏损；
本次目标37%的拆解：需确保“广告支出占总成本比例×ROAS”≥37%，比如广告支出占总成本50%，则ROAS需≥174%（50%×174%=87%，扣除其他成本后净利润37%）。
9. Imp（Impression - 广告展现量）
核心定义
广告被用户看到的总次数，是广告漏斗的“入口”，无固定计算公式。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 出价高（在竞价中获胜，获得更多曝光机会）； 2. 广告质量分高（CTR/CVR高，平台判定广告优质）； 3. 受众范围广（定向人群基数大，比如T1国家全年龄段用户）； 4. 预算充足（未达预算上限，平台持续分配流量） | 某游戏出价高于行业均值10%，CTR=5%（高于行业），定向T1国家18-45岁用户，预算充足，单日Imp达100万次 |
| 偏低 | 1. 出价低（竞价中失败，无法获得曝光）； 2. 广告质量分低（CTR/CVR低，平台减少曝光）； 3. 受众范围过窄（比如定向“T1国家25岁以下女性硬核手游玩家”，人群基数小）； 4. 预算不足（快速花完预算，平台停止分配流量） | 某游戏出价低于行业均值20%，CTR=1%，定向“T1国家30岁以上男性小众游戏玩家”，预算500元，单日Imp仅1万次 |
对业务的真正影响
偏高：若伴随高CTR/CVR，说明广告能触达大量精准用户，是良性信号；若伴随低CTR（比如Imp=100万，CTR=0.5%），说明受众不精准，浪费曝光资源，还可能拉低广告质量分；
偏低：无法积累足够数据（比如点击量<100），无法优化素材/出价/受众，陷入“低数据→难优化→更低曝光”的恶性循环。
关键补充思考
展现量的“质量优先于数量”：精准受众的10万次Imp，比泛人群的100万次Imp更有价值；
优化方向：初期可适当扩大受众范围、提高出价获取基础Imp（比如单日Imp≥10万），积累数据后再缩小受众、优化出价。
10. eCPC（effective Cost Per Click - 有效单次点击成本）
核心定义
（总消耗 - 无效消耗）÷ 有效点击量，即剔除“无效点击”（误点、作弊点击、重复点击）后的真实单次点击成本。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 无效点击占比高（比如竞争对手恶意点击、广告位易误点、作弊点击多）； 2. 有效点击少（用户点击后未产生实际兴趣，比如误点后立即关闭） | 某游戏投放后，遭竞争对手恶意点击（占总点击量30%），总消耗1万元，有效点击仅1000次，eCPC=10元（远高于CPC=7元） |
| 偏低 | 1. 无效点击占比低（平台反作弊机制强、广告位不易误点）； 2. 有效点击多（用户点击后有明确兴趣，比如停留观看素材、跳转落地页） | 某游戏在正规信息流平台投放，无效点击占比仅5%，总消耗1万元，有效点击2000次，eCPC=4.75元（低于CPC=5元） |
对业务的真正影响
偏高：反映真实点击成本高于表面CPC，广告实际效率比数据显示的更差，若eCPC持续偏高，需排查点击质量问题；
偏低：真实点击成本可控，广告效率更优，是良性信号。
关键补充思考
eCPC比CPC更精准：避免被“虚假点击数据”误导，比如CPC=5元但eCPC=10元，说明表面成本低但实际有效成本高；
优化方向：若eCPC偏高，可更换广告位（比如从易误点的屏幕边缘换到信息流中间）、投诉作弊点击、优化素材（减少误点吸引）。
11. eCPM（effective Cost Per Mille - 每千次有效展现收入）
核心定义
（广告总收入 ÷ 展现量）× 1000，即每1000次广告展现带来的有效收入，衡量“流量价值”的核心指标。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 单客收入高（用户付费意愿强、客单价高）； 2. 转化效率高（CTR/CVR/IR高，每千次展现带来更多转化）； 3. 受众质量高（高价值用户，比如高付费能力、高留存） | 某氪金手游，每千次展现带来5次点击、2次安装、0.5次付费，单次付费平均200元，eCPM=（0.5×200）=100元 |
| 偏低 | 1. 单客收入低（用户付费意愿弱）； 2. 转化效率低（每千次展现带来的点击/转化少）； 3. 受众质量低（低付费能力、低留存用户） | 某免费无内购手游，每千次展现带来3次点击、1次安装，无付费收入，eCPM=0元 |
对业务的真正影响
偏高：平台判定该广告“流量价值高”，会优先分配更多优质曝光，形成“高eCPM→更多曝光→更高收入”的正向循环；
偏低：流量价值低，平台会减少曝光分配，甚至将广告推给低质量流量（比如非目标受众）。
关键补充思考
eCPM是平台分配流量的核心依据：同一广告位，eCPM高的广告会挤掉eCPM低的广告；
优化方向：提升“展现→点击→转化→付费”全链路效率，而非单纯追求某一个环节，比如同时优化CTR（提升点击）和CVR（提升转化）。
12. IR（Install Rate - 安装率）
核心定义
安装量 ÷ 点击量 × 100%，反映用户点击广告后“完成安装”的意愿，是连接“点击”和“安装”的关键指标。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 素材与产品高度匹配（用户点击后符合预期，愿意安装）； 2. 安装门槛低（安装包小、一键安装、支持多设备兼容）； 3. 信任背书强（游戏有高评分、大量正面评价、知名IP）； 4. 激励措施（安装即领福利） | 某知名IP手游，安装包仅300MB，支持iOS/Android全设备，素材展示“IP经典角色”，IR达45% |
| 偏低 | 1. 素材与产品不符（用户点击后发现货不对板）； 2. 安装门槛高（安装包大、需root设备、仅支持特定系统）； 3. 信任背书弱（新游戏无评价、无IP加持，用户担心安全/质量）； 4. 下载流程复杂（需跳转第三方平台、注册后才能下载） | 某新游戏安装包1.5GB，仅支持Android 10以上系统，点击后需跳转第三方网站下载，IR仅8% |
对业务的真正影响
偏高：直接降低CPI（IR高→相同点击量下安装量多→CPI低），提升获客效率；
偏低：浪费点击成本（CPC已支出，但未安装），导致CPI偏高，若IR持续低于10%（游戏行业均值），需紧急优化安装链路或素材真实性。
关键补充思考
IR和D0留存强相关：IR高且D0留存高，说明是“精准用户”；IR高但D0留存低，可能是“福利诱导安装”（用户领完福利即卸载）；
优化方向：优先压缩安装包体积、简化下载流程，其次用真实素材+信任背书（比如展示用户评价、IP授权信息）。
13. LTV（Lifetime Value - 用户生命周期总价值）
核心定义
用户从安装到卸载期间，为产品带来的总收入，衡量用户“长期贡献价值”，无固定计算公式（通常用LTV=单客平均付费×平均生命周期）。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. 留存率高（用户使用时间长，比如D7留存30%、D30留存15%）； 2. 付费频率高（用户定期付费，比如月卡、季卡订阅）； 3. 客单价高（单次付费金额高，比如氪金道具单价100元以上）； 4. 付费转化高（免费用户转付费比例高，比如20%用户有付费行为） | 某MMORPG手游，D30留存20%，30%用户开通月卡（30元/月），平均生命周期6个月，LTV=30×6=180元 |
| 偏低 | 1. 留存率低（用户安装后快速卸载，D7留存5%以下）； 2. 付费频率低（用户仅首次付费后不再消费）； 3. 客单价低（付费道具单价1-5元，且无复购）； 4. 付费转化低（仅5%以下用户有付费行为） | 某休闲手游，D7留存3%，仅3%用户付费（平均5元），平均生命周期1个月，LTV=5元 |
对业务的真正影响
偏高：允许更高的CPI/CPA（比如LTV=180元，CPI=60元，LTV/CPI=3，健康阈值），广告投放空间大，即使短期ROAS低，长期仍可盈利；
偏低：CPI/CPA需严格控制（比如LTV=5元，CPI必须低于1.7元才能盈利），投放难度极大，若无法提升LTV，需暂停投放或优化产品付费设计。
关键补充思考
LTV是广告投放的“底气”：很多游戏初期CPI高，但LTV高，长期仍能盈利；反之，短期CPI低但LTV低，必然亏损；
优化方向：从产品端入手（提升留存、设计合理的付费体系，比如月卡、成长型道具），而非仅依赖广告端优化。
14. 日环比
核心定义
（当日数据 - 前日数据）÷ 前日数据 × 100%，反映相邻两日数据的变化幅度，用于快速判断投放趋势。
数值波动原因（上涨/下跌）
| 波动状态 | 核心原因 | 具体场景 |
| 上涨（+） | 1. 预算增加（比如前日预算1万元，当日预算3万元）； 2. 出价上调（提升竞价竞争力，获得更多流量）； 3. 素材优化（新素材CTR/CVR更高，带动数据上涨）； 4. 市场环境利好（比如节假日用户流量多） | 某游戏前日消耗1.43K，当日预算增加到3K，出价上调15%，日环比上涨109%（（3K-1.43K）/1.43K≈109%） |
| 下跌（-） | 1. 预算缩减（前日预算2万元，当日预算1万元）； 2. 出价下调（竞价竞争力下降，流量减少）； 3. 素材疲劳（同一素材投放过久，用户审美疲劳，CTR下降）； 4. 市场竞争加剧（同类产品扎堆投放，抢走流量）； 5. 平台政策调整（比如限流、广告审核收紧） | 某Google账户前日消耗1.73K，当日消耗1.43K，日环比下跌17.3%（（1.43K-1.73K）/1.73K≈-17.3%），原因是素材投放超过7天，CTR下降 |
对业务的真正影响
大幅上涨（+50%以上）：若伴随CTR/CVR稳定，是良性信号（可扩大投放）；若伴随CTR/CVR下降，可能是“流量稀释”（比如扩大受众导致精准度下降）；
大幅下跌（-30%以上）：需紧急排查原因（素材、出价、预算、平台政策），避免数据持续恶化。
关键补充思考
日环比需结合“多日趋势”：单日波动（比如±20%）可能是偶然因素（比如前日是周末，当日是工作日），无需过度紧张；连续3日下跌需重点关注；
优化方向：波动后先定位“单一指标波动”还是“全链路波动”——比如仅消耗下跌，CTR/CVR正常，可能是预算/出价问题；若CTR/CVR同时下跌，可能是素材问题。
15. CTCVR（Click To Conversion Rate - 展现到转化全链路概率）
核心定义
CTR × CVR，即用户从“看到广告”到“完成转化”的全过程概率，反映广告漏斗的整体健康度。
数值高低原因
| 数值状态 | 核心原因 | 具体场景 |
| 偏高 | 1. CTR高（广告吸引用户点击）； 2. CVR高（点击后用户完成转化）； 3. 全链路匹配（素材→点击→落地页→转化，每环节都贴合用户需求） | 某游戏CTR=5%，CVR=20%，CTCVR=1%，即每100次展现就有1次转化 |
| 偏低 | 1. CTR低（广告无法吸引点击）； 2. CVR低（点击后无法转化）； 3. 全链路断裂（比如素材吸睛但落地页差，或落地页好但素材差） | 某游戏CTR=2%，CVR=5%，CTCVR=0.1%，即每1000次展现才有1次转化 |
对业务的真正影响
偏高：广告漏斗整体健康，获客效率高，平台会给予更多流量倾斜；
偏低：全链路存在明显短板，即使某一环节优化好（比如CTR高），另一环节（比如CVR低）仍会拉低整体效率，导致广告成本浪费。
关键补充思考
CTCVR是“优化优先级”的核心依据：比如CTCVR低，先看CTR是否低于行业均值——若CTR低，优先优化素材；若CTR高，再优化CVR（落地页/转化路径）；
行业参考：游戏行业信息流CTCVR通常0.5%-2%，低于0.3%需全链路优化。
16. Probabilistic Spend（概率性消耗）
核心定义
基于平台算法模型预估的、具有一定概率区间的消耗数据，非实际真实消耗（比如投放初期数据不足时，平台预估的可能消耗范围）。
数值波动原因
| 波动状态 | 核心原因 | 具体场景 |
| 预估偏高 | 1. 数据样本量不足（投放初期，点击/转化数据少，算法高估流量潜力）； 2. 市场竞争预估乐观（算法认为竞价环境宽松，可快速消耗预算）； 3. 素材质量分预估高（算法基于素材初期反馈，高估其后续表现） | 某新campaign投放前1小时，数据仅10次点击，平台预估当日消耗5000元（概率性消耗），但实际仅消耗1000元 |
| 预估偏低 | 1. 数据样本量不足（算法低估流量潜力）； 2. 市场竞争预估悲观（算法认为竞价环境激烈，消耗会放缓）； 3. 素材质量分预估低（算法基于初期反馈，低估其后续表现） | 某campaign投放前1小时，数据仅5次点击，平台预估当日消耗1000元，但实际因素材CTR飙升，消耗3000元 |
对业务的真正影响
预估与实际偏差大：可能导致预算规划失误（比如预估消耗高而预留大量预算，实际消耗低造成浪费；或预估消耗低而预算不足，错失流量）；
仅作为参考：不能基于概率性消耗做决策（比如调整出价、预算），需等待实际消耗数据稳定后再行动。
关键补充思考
适用场景：仅投放初期（前1-3天）数据不足时参考，数据稳定后（比如单日点击量≥1000），以实际消耗为准；
优化方向：投放初期预留弹性预算（比如预估消耗1万元，实际预算1.5万元），避免因预估偏差导致流量流失。
17. Probabilistic Installs（概率性安装量）
核心定义
基于平台算法模型预估的、具有一定概率区间的安装量数据，非实际真实安装量（比如结合初期CTR/IR，预估后续可能产生的安装量）。
数值波动原因
| 波动状态 | 核心原因 | 具体场景 |
| 预估偏高 | 1. 初期IR高（算法基于前几次点击的安装情况，高估后续IR）； 2. 数据样本量不足（算法高估流量质量）； 3. 受众匹配度预估高（算法认为后续流量与初期精准流量一致） | 某campaign前10次点击有5次安装（IR=50%），平台预估当日安装量100次，但后续流量精准度下降，IR=20%，实际安装量40次 |
| 预估偏低 | 1. 初期IR低（算法基于前几次点击的安装情况，低估后续IR）； 2. 数据样本量不足（算法低估流量质量）； 3. 受众匹配度预估低（算法认为后续流量会偏离精准人群） | 某campaign前10次点击有1次安装（IR=10%），平台预估当日安装量10次，但后续素材优化后IR=30%，实际安装量30次 |
对业务的真正影响
预估与实际偏差大：可能导致获客目标误判（比如预估安装量100次，实际仅40次，未达成获客目标）；
仅作为参考：不能基于概率性安装量调整素材/出价，需等待实际安装量+留存数据稳定后再优化。
关键补充思考
与实际安装量的差异：概率性安装量未考虑“安装质量”（比如后续卸载），实际安装量需结合D0/D7留存才能反映真实获客效果；
优化方向：投放初期重点关注“实际IR”而非预估安装量，若实际IR低于预估，优先优化素材/安装链路，而非盲目提升出价。
总结：指标联动优化逻辑
所有核心指标并非孤立，而是形成“展现（Imp）→点击（CTR）→安装（IR/CPI）→转化（CVR/CPA）→收入（ROAS/LTV）→盈利（ROI）”的完整链路：
若ROI不达标，先看ROAS（广告直接效率），再看LTV（长期价值）；
若ROAS不达标，先看CPA（转化成本），再拆解CPC（点击成本）和CVR（转化效率）；
若CPA不达标，优先优化CVR（性价比更高），再调整CPC；
若CVR不达标，先优化素材与落地页匹配度、转化路径；
若CTR不达标，优先优化素材创意、CTA、受众精准度；
若Imp不足，先调整出价、扩大受众，再优化广告质量分。
核心原则：不追求单一指标最优，而是追求全链路平衡——比如高CTR+高CVR+合理CPC，才是广告盈利的关键。