不想“出师”先倒在Google AC？一篇助力投放小白新品起量
12791游戏和App广告主们在每个阶段的首要任务都是不同的，在游戏或App发布前需要投放预注册广告，在刚上线阶段需要获得更多的新客和安装量，等到逐渐成熟后，还需要考虑用户留存及用户质量的问题，最终，还需要找到高价值客户产生购买和架构等行为，实现再营销和变现，如何根据不同的阶段去进行广告投放就成为了一个难题。
Google App Campaigns（AC）广告系列是根据不同的推广目标区分的，主要有AC1.0、AC2.0、AC2.5和AC3.0等广告系列，广告主们可根据不同的推广目标自行选择合适的广告系列。
本期，四海就带领各位广告主们打开Google AC广告系列的大门！
AC（全名App Campaigns）是谷歌专门为移动应用打造的广告产品，其主要运作流程分为三部分：
Step1：收集数据
数据上可以简单的分为两类，第一类是应用类数据，即产品内产生的标签，用户设备、喜好以及行为等等内容。第二类是来自谷歌20年来收集所收集的数据。
Step2：机器学习
第一步所收集到的数据耦合在一起，交给机器去做运算与匹配。
Step3：渠道曝光
在机器通过智能算法将数据处理之后，便会直接分配给相适应的频道进行曝光，展现给算法所匹配上的不同人群。
AC广告能够做到的事情也可以分为三类：
Action（事件行动）是希望广告能引导用户完成的事件行为，譬如一款休闲游戏，希望广告可以引导用户下载即可，或是稍微重度一些的游戏，希望用户可以达到某个等级，以此来触发某一个数值的坑位需求。
Bidding, Budget（出价/预算）以及Creative（广告素材）顾名思义。
AC一共有三个核心版本，也就是通常俗称的1.0、2.0以及2.5。三个版本散布在从下载到质量的光谱之上。
开头四海讲到，根据每一个产品的生命周期不同，每个阶段的首要任务也就不同，因此不同阶段匹配的广告系列也就不同，而AC的广告系列大致可以分为1.0、2.0、2.5和3.0四种类型。
1.0系列：以安装量为目标，重点为拉新，AC for Installs，根据tCPI出价，在满足特定CPI的前提下使下载量最大化，例如：新产品发行；
2.0系列：以产生应用内操作的安装为目标，AC for Installs，Advanced，同样是根据tCPI出价，在满足特定CPI的前提下使APP内事件最大化，例如：工具类APP，目标位用户获取及留存；
2.5系列：以应用内操作为目标，AC for Actions，根据tCPA出价，完成目标CPA并使APP内事件最大化，例如：短视频，优化用户质量；
3.0系列：以有价值的应用操作为目标（没接Firebase的不能用），会针对目标价值进行出价，更倾向于寻找高额付费用户，来达到ROI的指标，因此，3.0更适合拥有高额付费体系的游戏系统；
1.0和2.0专攻下载，而2.5更加注重质量，3.0更加注重付费，对于广告主而言，1.0和2.0其实很好理解，就是安装下载使用；2.5和3.0通常会有很多广告主难以准确使用到底用哪个？
从原理上来说，2.5是定义了付费事件之后，谷歌会帮助广告主在竞价区间内寻找有付费意愿的用户，用户群里被区分成了付费用户和非付费用户，2.5帮助广告主寻找的是更多付费用户的那一波，付费的金额不是主要的考量目标，付费的事件次数才是2.5在不断优化的。
3.0作为价值优化，会基于已有用户的付费情况和预估未来用户的付费水平建立学习模型，寻找高价值用户来匹配我们给到的期望回收目标，适合去捞大R。在这个过程中也不是目标设定的越高越好，而是目标设定的越合理越好。
以往AC 2.5只会关注付费的事件，并不会界定用户花了多少钱，即便是仅仅充值价格最便宜的新手礼包，也算是完成了事件，但是这些低充值满足不了ROI的目标。3.0的出现便是解决这个问题，将去根据特定的价值目标来做大最大化的获取。
但是在实用性上，3.0更适合拥有高额付费体系的游戏系统，如果走的是“以小积多”的模式，那么可能更适合使用AC 2.0与2.5。如果游戏中有着很多大R（高付费玩家），那么就会更适合AC3.0。
对比两者学习成功的条件来说，都有需要事件次数不低于10次/天的需求，所以出价or ROAS期望值设置的越符合当前条件下数据收集的要求，越有利于学习效率。对于不同类型的产品，有的产品对付费次数的要求比较高，有的对付费金额的要求比较高，适用的优化方式也就会有点轻微的差距，而且产品的目标设置也会在影响最终的效果。
为了保证广告主们可以拥有一个稳定的AC广告，四海给出以下几点建议：
1）减少频繁的改动：频繁改动将会使历史数据无效，拉长学习期
在看到学习期“乱七八糟”的数据之后，相信不少人都会下意识的去进行“优化”，但是任何大幅度的改动，都会对学习框架进行破坏，延长学习期的“结束时间”。虽然这一点很违反人性，但是这是谷歌定下的规则，只能忍一时痛苦了。
2）提高数据量：数据量不足将影响模型学习，尤其使用AC2.5时，一定要保证数据量充足，在这方面，如果仅仅是使用便宜的AC 1.0问题不大，但是在面对AC 2.5这样的行为目标付费时，如果指定事件过深，就可能出现预算满足不了建立稳定模型所需量级的情况。
3）足够的出价：顺利起量，避免量级剧烈波动，最好在建立模型的第一天就给足预算
4）足够的预算：给予模型足够的买量信心，持续的预算受限将会导致用户的质量参差不齐
最后，Google AC广告不做人群的定向，只做行为的定向，因此在谷歌AC的逻辑上，只会关心关心用户能不能完成给出的事件。例如，当你选择事件为付费时，这个用户究竟是小孩还是大人，是男是女都不重要，唯一区分接受与否的是能不能完成制定的事件。
