三家游戏发行商分享营销组合模型如何全面衡量营销成效
2135
● ● ●
从创作者、短视频和长视频，到随着各国家/地区逐渐开放而重新兴起的线下活动，玩家正以全新的方式与游戏内容互动，同时期望企业能尊重他们的隐私。成效衡量策略需要以增量为基础，从而了解游戏营销成效的全貌。
营销组合模型 (MMM) 解决方案可为各媒体渠道的营销效率和最佳预算提供全面指导。近期，我们与多家游戏发行商展开合作，通过我们的合作伙伴 Analytic Edge 和 MetricWorks 来使用 MMM。今天，我们请到了上海咕么信息科技有限公司、上海复娱文化传播股份有限公司以及芜湖叠纸网络科技有限公司这三家游戏发行商来谈谈他们使用 MMM 的经验。
周雪娟 咕么公司英文版手机团战类角色扮演游戏《Soul Land Reloaded》在欧洲和北美地区的营销负责人。
张发发 复娱公司的媒体策划人，负责港澳台顶级角色扮演游戏《烟雨江湖》的营销工作。她对于在美国、新加坡、马来西亚等世界各地开发游戏用户也拥有丰富经验。
夏君梅 叠纸网络科技有限公司日韩地区的用户获取专家，负责管理《闪耀暖暖》在日韩市场的发行和买量事宜。
——
在与 Facebook Gaming 合作前，
几位对 MMM 了解多少？
在项目开始时有哪些期望？
雪娟：之前我并不太了解 MMM。Facebook Gaming 邀请我们参与这个项目后，我们希望 MMM 能够帮助我们进行媒体策划。
发发：我们在去年 10 月接触到 MMM，从 10 月 20 日开始使用，期待着它能帮助我们更好地理解和预测 iOS 支出的投资回报 (ROI) 结果，同时我们也能充分利用 MMM 在渠道内分配各类资源。
君梅：与 Facebook Gaming 合作之前，我们几乎不了解 MMM。我们期望市面上涌现新的方法来更好地衡量 iOS 广告成效。
——
成效衡量和归因分析方面
的哪些挑战和机会
促使几位尝试 MMM？
雪娟：iOS 14.5 相关政策的推出使得我们很难将下载量和安装量归因到广告。我们还投放了跨多个渠道的广告，包括社交广告、展示广告、视频广告和应用商店广告等，对于多渠道促销，可能很难去衡量渠道成效。
发发：很明显，iOS 14.5 的相关政策让我们无法迅速判断出广告花费回报，因此我们期望借助 MMM 来了解资源分配的效果。
君梅：关键的问题当然是，iOS 14 发布后，我们很难对流量进行归因，也很难就如何优化媒体购买花费作出决策。如果有设计合理的数据模型能帮助我们更好地应对这些变化，我们很乐于尝试。然而，构建自己的业务智能系统是一项非常艰巨而复杂的工程，因此我们决定以 SaaS 解决方案的模式采用 MMM。
——
使用 MMM 的过程如何？
是否容易嵌入到常规的报告流程？
雪娟：Facebook Gaming 的规模化和营销科学团队帮助我们了解到此项目，因此最初我们向他们提供了建模所需的数据。然后他们指导我们如何收集数据，并且指导我们遵循此项目背后的原则以获取最佳效果。例如，关注增量收入而不是广告的互动指标，创建跨渠道的系统性媒体概览等。整个过程非常简明易懂。
发发：我们与 Facebook Gaming 和第三方合作伙伴就信息集成和归因分析开展合作。然而，由于建模过程需要时间，可能要到游戏生命周期的其他阶段才得出结果，因此我们不太可能将数据用于同一款游戏。不过这些数据可用作未来发布新游戏的实用参照点。
君梅：过程相当顺利，尽管我们公司内部的业务压力导致调整的速度有些放缓，但数据模型学习的整体结果还是非常符合我们的预期。我们希望更加深入地使用 MMM 数据。虽然我们还未完全准备好将它嵌入到常规报告中，但我们目前把它作为一种补充的数据报告。
——
MMM 提供的数据
是否有助于填补之前报告中的空缺？
雪娟：MMM 的数据让我们能够全面了解各个渠道的表现和未来的数据趋势，这是我们以前所无法看到的。这对改进预算分配和广告版位策略都有很大帮助。
发发：我们在推广《烟雨江湖》时倾向于采用全渠道营销策略，其中包括各类活动和电视渠道。MMM 使我们能够建立信息参照，从而更好地了解所有渠道的表现。
君梅：这个模型还是很有帮助的，因为它为我们的媒体优化提供了参照。
——
随着时间的推移而调整改进的 MMM
有哪些令几位感到惊讶的分析？
雪娟：我们对不同渠道的投资回报 (ROI) 预测和未来 ROI 潜力预估感到非常惊讶，因为这些预测后来经证实与实际数据非常接近。在 Facebook 等渠道内，我们还获得了相关成效分析，从而对不同广告目标的预算进行优化，例如优化预算在移动应用安装广告和应用事件优化广告之间的分配。
发发：输入 iOS 相关的支出并分配资源后，就可以利用此技术来了解渠道的 ROI，并获得调整建议，进而在手动优化和自动优化之间找到合适的平衡点。
君梅：我非常好奇 MMM 模型如何在缺少设备数据的情况下预测 ROI 分配，而且预测结果即使不是 100% 吻合，也近乎相同。
——
几位对首次使用 MMM 的
游戏发行商有何建议？
雪娟：确保提供的数据尽可能完整，因为这使得从平台的前端数据到游戏内的活动周期的建模数据都更接近真实数据。
发发：值得一试，但过程可能会比较耗时，需要把握好时机！
君梅：我认为可以多用几轮数据、多验证几次，但我也想看看在没有积累数据的情况下，此模型是否也能够进行一定程度的预测。
——
几位所在的组织将采用怎样的策略来
进一步推广此模型？
雪娟：我们会经常使用这个模型，特别是针对使用 iOS 系统的重点国家/地区，而且，在进行 iOS 广告预算分配等工作时，我们也会参考模型数据。
发发：继续在买量和媒体购买方面进行投入。
君梅：我们会继续学习建模逻辑，并适时在公司内部推广此模型。
● ● ●
从创作者、短视频和长视频，到随着各国家/地区逐渐开放而重新兴起的线下活动，玩家正以全新的方式与游戏内容互动，同时期望企业能尊重他们的隐私。成效衡量策略需要以增量为基础，从而了解游戏营销成效的全貌。
营销组合模型 (MMM) 解决方案可为各媒体渠道的营销效率和最佳预算提供全面指导。近期，我们与多家游戏发行商展开合作，通过我们的合作伙伴 Analytic Edge 和 MetricWorks 来使用 MMM。今天，我们请到了上海咕么信息科技有限公司、上海复娱文化传播股份有限公司以及芜湖叠纸网络科技有限公司这三家游戏发行商来谈谈他们使用 MMM 的经验。
周雪娟 咕么公司英文版手机团战类角色扮演游戏《Soul Land Reloaded》在欧洲和北美地区的营销负责人。
张发发 复娱公司的媒体策划人，负责港澳台顶级角色扮演游戏《烟雨江湖》的营销工作。她对于在美国、新加坡、马来西亚等世界各地开发游戏用户也拥有丰富经验。
夏君梅 叠纸网络科技有限公司日韩地区的用户获取专家，负责管理《闪耀暖暖》在日韩市场的发行和买量事宜。
——
在与 Facebook Gaming 合作前，
几位对 MMM 了解多少？
在项目开始时有哪些期望？
雪娟：之前我并不太了解 MMM。Facebook Gaming 邀请我们参与这个项目后，我们希望 MMM 能够帮助我们进行媒体策划。
发发：我们在去年 10 月接触到 MMM，从 10 月 20 日开始使用，期待着它能帮助我们更好地理解和预测 iOS 支出的投资回报 (ROI) 结果，同时我们也能充分利用 MMM 在渠道内分配各类资源。
君梅：与 Facebook Gaming 合作之前，我们几乎不了解 MMM。我们期望市面上涌现新的方法来更好地衡量 iOS 广告成效。
——
成效衡量和归因分析方面
的哪些挑战和机会
促使几位尝试 MMM？
雪娟：iOS 14.5 相关政策的推出使得我们很难将下载量和安装量归因到广告。我们还投放了跨多个渠道的广告，包括社交广告、展示广告、视频广告和应用商店广告等，对于多渠道促销，可能很难去衡量渠道成效。
发发：很明显，iOS 14.5 的相关政策让我们无法迅速判断出广告花费回报，因此我们期望借助 MMM 来了解资源分配的效果。
君梅：关键的问题当然是，iOS 14 发布后，我们很难对流量进行归因，也很难就如何优化媒体购买花费作出决策。如果有设计合理的数据模型能帮助我们更好地应对这些变化，我们很乐于尝试。然而，构建自己的业务智能系统是一项非常艰巨而复杂的工程，因此我们决定以 SaaS 解决方案的模式采用 MMM。
——
使用 MMM 的过程如何？
是否容易嵌入到常规的报告流程？
雪娟：Facebook Gaming 的规模化和营销科学团队帮助我们了解到此项目，因此最初我们向他们提供了建模所需的数据。然后他们指导我们如何收集数据，并且指导我们遵循此项目背后的原则以获取最佳效果。例如，关注增量收入而不是广告的互动指标，创建跨渠道的系统性媒体概览等。整个过程非常简明易懂。
发发：我们与 Facebook Gaming 和第三方合作伙伴就信息集成和归因分析开展合作。然而，由于建模过程需要时间，可能要到游戏生命周期的其他阶段才得出结果，因此我们不太可能将数据用于同一款游戏。不过这些数据可用作未来发布新游戏的实用参照点。
君梅：过程相当顺利，尽管我们公司内部的业务压力导致调整的速度有些放缓，但数据模型学习的整体结果还是非常符合我们的预期。我们希望更加深入地使用 MMM 数据。虽然我们还未完全准备好将它嵌入到常规报告中，但我们目前把它作为一种补充的数据报告。
——
MMM 提供的数据
是否有助于填补之前报告中的空缺？
雪娟：MMM 的数据让我们能够全面了解各个渠道的表现和未来的数据趋势，这是我们以前所无法看到的。这对改进预算分配和广告版位策略都有很大帮助。
发发：我们在推广《烟雨江湖》时倾向于采用全渠道营销策略，其中包括各类活动和电视渠道。MMM 使我们能够建立信息参照，从而更好地了解所有渠道的表现。
君梅：这个模型还是很有帮助的，因为它为我们的媒体优化提供了参照。
——
随着时间的推移而调整改进的 MMM
有哪些令几位感到惊讶的分析？
雪娟：我们对不同渠道的投资回报 (ROI) 预测和未来 ROI 潜力预估感到非常惊讶，因为这些预测后来经证实与实际数据非常接近。在 Facebook 等渠道内，我们还获得了相关成效分析，从而对不同广告目标的预算进行优化，例如优化预算在移动应用安装广告和应用事件优化广告之间的分配。
发发：输入 iOS 相关的支出并分配资源后，就可以利用此技术来了解渠道的 ROI，并获得调整建议，进而在手动优化和自动优化之间找到合适的平衡点。
君梅：我非常好奇 MMM 模型如何在缺少设备数据的情况下预测 ROI 分配，而且预测结果即使不是 100% 吻合，也近乎相同。
——
几位对首次使用 MMM 的
游戏发行商有何建议？
雪娟：确保提供的数据尽可能完整，因为这使得从平台的前端数据到游戏内的活动周期的建模数据都更接近真实数据。
发发：值得一试，但过程可能会比较耗时，需要把握好时机！
君梅：我认为可以多用几轮数据、多验证几次，但我也想看看在没有积累数据的情况下，此模型是否也能够进行一定程度的预测。
——
几位所在的组织将采用怎样的策略来
进一步推广此模型？
雪娟：我们会经常使用这个模型，特别是针对使用 iOS 系统的重点国家/地区，而且，在进行 iOS 广告预算分配等工作时，我们也会参考模型数据。
发发：继续在买量和媒体购买方面进行投入。
君梅：我们会继续学习建模逻辑，并适时在公司内部推广此模型。
热门活动 
其他
12-16 周二
热门报告 
