0%

游戏ROI估算模型V2.0

距离发布第一版的 ROI 估算模型已经过去将近 3 年了,这期间有同学还在陆陆续续使用这个工具,当然也有一些同事、朋友提出了一些建议。适逢国庆长假,由于疫情反反复复本人也没有机会到处跑,就花时间优化了一下模型。作为一个颜狗,顺便抛弃了继续在 wordpress 中迭代的想法,换用 quasar 进行了重构,不但颜值大涨(自认为),而且完全采用了前端方案,不再依赖于我自己的小破站后端了。

先附链接:https://tools.logiconsole.com

V2.0 最大的改变是将 CPI、广告安装量、ARPU 值和自然量比例进行了函数化,而非一个常量。

目前可以使用的符号有:

1
+, -, *, /, 括号, e, ^

其中,CPI、每日广告安装和自然量比例给了一个默认函数,既是对使用方法做一个示例,也是我认为比较靠谱的函数形状。

CPI 中的 x 表示广告安装总数,我们认为随着广告安装总量的增加,CPI 必然会缓慢增长,整体曲线应该形如指数函数或对数函数。

每日广告安装中的 x 表示天数,根据对各个产品的分析,曲线形状通常都是如上图中的偏态分布样式。其中默认函数中的 30 表示曲线在第 30 天达到最大值。

自然安装比例中的 x 表示单日广告安装数,暂定每日 1000 广告安装能带来 10%左右的自然量,每日 100,000 广告能带来约 100%、即等量的自然量。

变现和广告的 ARPU 值未指定默认函数,可以根据需要自行修改。

留存数据依然和初版一样,不再赘述。

另一个改变是将拟合工具从 python+matplotlib 改成了 tensorflow.js,这样就不需要后端进行计算了。因此在计算按钮上方也放开了拟合的次数限制,默认 1000 次拟合。当然如果希望有更精确的拟合结果,也可以增加次数,就算拟合 100 万次消耗的也是你自己设备的算力,和我有什么关系呢[手动滑稽]?按 F12 或者浏览器菜单打开开发人员工具可以看到拟合过程。

最后,增加了一个 ROI 相关的可视曲线,展示了安装量、总花费、总消耗、ROI:

最最后,由于最近想玩一套登陆系统,采用了Logto进行了登陆验证,目前只支持 Facebook 登陆(毕竟使用这个工具的同学基本都有 FB 账号)。

最最最后,网站左侧还有个投放报表的功能,是本人自用的。经过多日和 Facebook 审核人员的掰头,终于获取了 ads_read 的高级权限,如果你同意给网站授权读取广告的权限,那就可以使用这个工具生成格式比较合适的投放报表(自认为),大概长这样:

此工具不会将任何数据上报到任何地方,安全可靠,但不开源,爱用不用,并且不保证没有 bug[手动狗头]。