7月12日，长久以来，对于以广告变现(IAA)为主的中轻度游戏如何计算准确ROI一直是困扰市场推广人员的难题 -- 与以内购(IAP)为主要营收方式的游戏不同，由于广告变现为主的游戏缺乏用户级广告收益数据，优化买量campaign便只能依赖CPI和留存，再辅以优化师的个人经验做出判断。然而，如果CPI与留存数据相悖，便很难判断campaign是否有效。由此可见，对于此类游戏，ROI就像拼图中缺失的最关键一块，严重影响了买量决策和产品收益扩大。

　　针对此类痛点，游戏广告优化平台UPLTV凭借多年广告变现经验和大数据分析技术，于近期发布用户级广告收益拆分功能 -- UART(User-level Ad Revenue Tracking)。经过近一年大规模测试，已证明可有效拆分用户级广告收益，计算出每个campaign的ROI。进而，市场推广人员可以选取自己现有的广告“大R”用户作为种子，或利用Facebook的Ad Impression和Ad Click App Events打点为种子，生成 Lookalike Audience(类似受众定位)投放广告，不断优化campaign，从而不断高效获取类似的高广告价值玩家，实现最大化变现，形成正向循环。　　

　　UPLTV发布用户级广告收益拆分功能UART

　　目前业内已有其他广告聚合平台陆续发布用户级或展示级广告收益拆分功能，然而普遍对自身拆分的逻辑和方法说明不是很清楚。经过UPLTV的调查和验证，其他广告聚合平台的用户级或展示级广告收益拆分主要有两种方式，都存在明显误区和缺陷：

　　第一种是“一刀切”式平均拆分法，通常按照日期和国家维度展示数平均拆分，即：某用户贡献的广告展示数 *(当日该国家贡献广告总收益/所有用户贡献的展示数)。这种方法问题明显，首先假设了每次广告展示的价值相同;其次无视以CPC或CPI模式计费的广告变现平台;再次假设了贡献更多广告次数的用户贡献更高收益。这些都是不完全符合事实的误区。

　　第二种是完全基于已有数据的部分平均拆分法，通过细分广告位来做分层和限价，在此基础上进行平均拆分。此法对比“一刀切”式的拆分更准确，但归根结底还是平均算法，依然存在误区。另外，细分广告位是有限制的，理论上限价层数越细分，拆分就越准确;但实际操作中，过多的分层会造成广告收益降低。

　　与以上两种用户级广告收益拆分不同， UPLTV完全摒弃了“平均拆分”的逻辑，而是基于用户广告画像的收益拆分。通过对不同广告形态应用针对性的逻辑算法，准确区分不同渠道的计费模式。用户级广告收益拆分建立在每一个有效的广告行为的识别和拆分上。之所以能够实现更有效的用户级广告收益拆分，是因为UPLTV作为完全中立的第三方广告聚合平台(third-party mediation)，能够获取有效的广告互动行为数据，并通过积累亿级广告历史构建用户广告行为画像，再以大数据分析和人工智能算法预估用户级广告收益。在对用户级广告收益进行有效拆分后，根据输出的数据报表可分析用户的广告价值。UPLTV通过大量产品测试后得出两个结论：

　　“二八定律”在游戏广告变现同样适用，即极少部分用户贡献了绝大部分广告收入;

　　观看广告次数最多的用户并非广告价值最高的用户。　　

　　UPLTV发布用户级广告收益拆分功能UART

　　UART功能的发布，将革新以广告变现 (IAA)为主游戏的买量模式，通过提供用户级广告收益数据，助力推广人员测算出精确的ROI，以此优化广告投放campaign，获取更多高质量用户，实现游戏收益跃升。