出海增长

本文为学习出海增长浅谈的学习笔记，以记录，消化其内容为主。

一个人的日常的大部分决策实际上不是你的决策，而是你大脑里面潜伏的潜意识模型的决策，也是就所谓的“下意识”决策。我们应当通过不断练习，掌握潜意识模型的特征并逐步修正，提升自己的思考能力。

做增长的目标是什么？

获取核心受众，更加清晰的描述为：

  1. 在增长这个语言体系下，我怎么去正确的描述我的核心受众；

  2. 他们会在哪里出现；

  3. 我们怎么尽可能的覆盖他们。

用户在哪里

海外是一个游戏非常发达的市场，在发达国家，游戏在用户整体每日时长的占比，可能要比想象的高很多，对于用户时长这个，业内不会有很精准的数据。据推算，Meta，Google这些大媒体，在用户每日使用时长的占比，可能也就在一半左右，剩下的一半时间，用户都分配在游戏，电商，工具，视频等中长尾的媒体里。

有一个简单的推论，用Meta，TT，Youtube这些产品的用户，也在用很多其他产品（比如游戏）。可以把这个推论认为是一个基本的公理，我们后面所有的推导，都要假定这个公理成立。

mmp归因

一些需要了解的基本概念：

  1. 展示归因

  2. 点击归因

  3. last click

  4. 归因窗口

  5. mmp

  6. Skan归因和mmp归因

所谓的skan归因，简单来说就是苹果公司提供的一套归因解决方案，这个方案只针对iOS。mmp归因，就是当前几个主流的第三方归因公司提供的归因解决方案，包括所有主流平台，比较全面。两者是完全独立的体系，但是因为提供解决方案不同，所以结果不同。现在开发者主流的思路都是两个方案都会用，主要用mmp的方案来完成买量行为，用Skan的方案来做数据参考。

mmp归因公司做整体的归因逻辑大体如下，包含了大媒体和所有非大媒体渠道：


第一步：app需要集成归因公司的sdk，归因公司会把自己sdk收到的所有新增激活信息，发给大媒体，供大媒体认领。注意，是收到的所有激活信息。

第二步：大媒体会把收到的激活信息（这里可能从第三方也可能通过自己的sdk获取，取决于客户是否集成了大媒体的sdk），和通过自己广告系统收到的这个用户的展示和点击信息进行匹配。

一般来说大媒体会有三种可以用来匹配激活的事件：展示，有效触点（一般是视频播放到xx秒）和点击。每个事件，不同大媒体的归因窗口都不一样，关于是否可以关闭展示归因，有效触点归因，以及是否可以调节归因窗口，每个大媒体的逻辑也都不一样，这个大家具体可以去查看大媒体的文档。这个就是所谓的自归因的过程，在这个过程里，所有的结果都是大媒体自己说了算，不会受到任何其他渠道的干扰。可以认为，这个是大媒体作为媒体方，在广告这个领域最大的优势，也是他们最大的利润来源之一。我猜测很多客户可能会发现，大媒体的用户质量，经常差不多，而且都和自然量比较相似，也是因为这个逻辑导致的。

第三步：大媒体会把他们认领的结果发给归因公司，注意，未必是全部的结果。不同大媒体，会发不同的安装结果给归因公司，而这个逻辑大媒体也会升级。展示归因，应该是归因公司结果和大媒体的归因结果最大的差异来源之一。

第四步：归因公司会把大媒体收到的展示和点击时间入库，跟其他所有渠道的展示和点击信息放在一起。

第五步：归因公司会按照归因公司的规则，把自己收到的激活和连同大媒体一起所有的展示和点击用last click的原则重新匹配一遍。匹配规则基本是点击归因7天，展示归因半天到一天，不强制展示归因，基于广告主选择，点击优先级大于展示。

第六步：归因公司得出自己的归因结果，呈现在报表上。

last click规则

整个归因的基石，其实是在last click这个规则上面。在当前的广告领域，last click规则应该是最合理的规则，因为它更接近于用户的广告行为。用户看到广告点击广告下载广告到激活应用，如果是一个连贯行为，那么归因就是来自last click。而且从数据上看，大部分用户的行为都是连贯的，故在这里都认为last click能代表用户的最后的激活。

重复归因

假定认可last click的逻辑，三方归因给其他渠道的安装，在这个逻辑下，就是其他渠道带来的，大媒体大概率是因为展示了这个广告就归因给了自己，所以是大媒体多认领了其他渠道贡献的安装，不是其他渠道偷了大媒体的安装。也就是说，你在大媒体看到的安装成本，远低于大媒体自己带来安装的实际成本。 这个结论，非常的重要。

归因的gap

a)展示归因的gap：大媒体是默认展示归因的，展示归因的比重占比，在大媒体里的安装占比往往不低。归因公司并不认可自归因的展示归因逻辑，自然就不一定会把这部分激活归因给大媒体。会把展示时间戳和点击时间戳和其他渠道的展示点击时间戳放在一起重新归因，也就是任何一个其他渠道有过点击或者last impression的用户，都不会在三方归因这里归因成大媒体的安装，这个应该是最大的gap来源。

b)点击归因的gap：归因公司会把大媒体的点击和其他渠道点击放在一起，和激活数据进行last click匹配，也就是说，大媒体认为自己点击带来的数据，归因公司那边存在一个其他渠道的last click，归因公司就会归因给其他的渠道。这个gap存在，但是不大，大概一个network的10%左右的安装可能会被大媒体认领。

Skan归因

Skan是Skadnetowrk的简称，是苹果出的一套官方的归因体系。这个体系只能用于iOS。整个流程跟mmp归因有比较大的差异。


开发者需要支持苹果的skan框架和集成广告平台的sdk。

第一步：广告平台展示广告，在展示广告的时候，会由广告平台的sdk去调用苹果的skan的框架，发送展示或者点击。苹果的展示和点击，都是设备来发送的，不存在服务端的可能性。

第二步：苹果收到展示和点击以后，会将自己收到的安装和收到的所有的广告平台的展示和点击进行匹配，也是遵循last click原则，得到这个安装应该匹配的展示或者点击。

第三步：苹果出于用户隐私的考虑，会隐藏掉这个归因结果的任何跟设备有关系的信息，最多只保留展示点击的渠道，app来源信息。在24-48小时后（mmp归因基本是秒级），postback给广告平台。

第四步：广告平台会将自己收到的Skan结果，发给开发者或者mmp归因公司。注意，这个结果包括了归因的激活，也包括了没归因的激活，都会告诉广告平台知道，懂行的同学应该能知道这里就有很多值得分析的数据。在skan这个框架下，归因公司和广告平台的关系出现了颠倒，在mmp归因体系下，广告平台是接收归因公司的结果，而在skan的体系下，归因公司是接收广告平台的结果。（实际情况下，归因公司也可以直接获取到结果，但是不如广告平台全面，这里就不详细描述了）

第五步：mmp归因公司会基于收到的广告平台提供的结果，组织成报表，给客户呈现skan的结果。

Skan的推出是有其时代背景的，由于苹果极度强调隐私，增加了app获取设备id的难度，导致在iOS14以后，大部分的设备都没办法获取到设备id，如果没有设备id，会导致在原有的广告体系下，当时大部分的人都认为没有办法归因，没有办法归因，苹果广告就死了。苹果为了解决这个问题，推出了Skan，但是又想继续保护用户隐私，就演变成了现在这个方案。可以认为这是一个在保护用户隐私的大前提下，推出的解决广告温饱的方案。

skan归因的缺点

  1. postback时间至少在一天以后，太久，违背现在的实时数据体系，和基于实时信号的算法理念。举个简单例子，如果是CPI和CPE计费的广告平台在给这个客户投了一波流量以后，在一天以后才能知道结果，可能都已经亏到姥姥家了才知道不能投。反之，如果是CPM计费的广告平台，客户第二天才能知道自己花出去钱的ROI，这也是没法接受的。

  2. postback里不携带任何设备信息，也就是说广告平台的算法完全没法收到正向的反馈信息并且迭代，会导致广告效率极大下降。由于缺乏定向能力，一方面用户会看到更多的重复广告损害用户体验，另一方面广告主的roi也会极大下降，会买到更多的低质量用户。这显然也是不符合市场需求的。

后skan时代在ios的结算

  1. Skan结算：按照Skan的结果结算，由于skan的postback里连ip都没带，所以媒体甚至都不知道这个用户来自哪个国家，而不同国家的价格差异很大，所以Skan结算的结果，往往不是那么准确的。大媒体全部都是skan结算，applovin之前也是，不过听说刚改回了mmp结算，消息还有待验证。

  2. MMP结算：按照mmp的结果来结算。由于iOS设备id的大幅消失，mmp对于没有设备id的设备，归因方式，就变成了指纹匹配或者模糊匹配，一般是ip或者ipua匹配。也就是说，这个用户如果点击广告在ip A，下载广告在ip B，这个安装在mmp归因的体系下，是没有办法归因给广告平台的，这部分安装就变成了自然量，或者被Skan结算的平台认领。

mmp归因和skan归因的比较

  1. 流量来源不同。需要流量支持Skan框架，才能采用skan的方案，也就是如果这个app不支持Skan框架，skan点击就没法发送，但是mmp依然可以发送。

  2. Skan是强制展示归因的，MMP对展示归因是可选择的，如果强制展示归因，这部分的量级，大概会在30%附近，正负范围不限，因客户而异。

  3. Skan对广告主有补充作用，体现在，没有设备id的设备，MMP可能归因为自然量的部分，Skan也能准确的用last click归因，这个就是苹果这个方案的最大优势。

  4. 参与两个归因体系的广告平台有差异，有的广告平台支持了skan，有的没有。参与方不同，归因结果自然会有差异。

  5. 反作弊体系。MMP归因提供了一整套完整而强大的反作弊体系，包括给了客户很多数据来check，MMP对数据的解读对不对暂且不谈，至少给了客户很多其他的视角，而这些数据Skan都没有。

  6. 大媒体iOS的自归因体系，在Skan下面就不存在了，这也是为什么在苹果隐私政策出来以后，Meta的广告收入会有这么大的影响。大媒体现在都是用Skan归因的结果，而Skan的结果是由苹果决定的，也就是说，在大媒体之间，现在iOS不存在重复归因。但是Skan归因的体系和MMP归因的体系之间有可能出现重复，因为是两套不同的体系，不过更多的可能，是在模糊匹配的结果下MMP认为是自然量的归因，在Skan体系被其他渠道认领，因为Skan是用苹果自己的id，所以无论用户怎么变ip都会被苹果匹配到。

  7. MMP模糊归因的体系，因为缺乏精准的设备id，所以可能会导致一些误归因，但是这个误归因，相比被归因不到被划为自然量的归因，就少非常多了。

Quote

在一个混沌的复杂系统里面，任何一个系统的元素，都会朝着自己当前认知能力下的利益最大化的方向走，而所有元素运动的综合结果，会自然朝着系统利益最大化的方向。

skan的补充知识点

关于Skan，其实还有两个知识点：

一个是conversion value，这个是苹果提供的一套机制，让开发者能够将一些用户的后续行为串联到激活上，然后CV的机制本身并不是很灵活，所以就导致很难正确的统计用户的后续详细行为，使用范围很有限，所以这里就不细讲了，不了解也没啥问题。

一个是Skan3.0和4.0。核心差异就是4.0会postback多次，3.0只有一次，4.0携带的信息也可以比3.0更多。因为CV很难用好，所以这个特性对大部分客户来说也不是很重要，所以也忽略。

归因策略

目标：

归因的目标：归因应该尽可能的归给能给你贡献最大价值（或者roi）的渠道！

广告主可能的损失主要来自以下几个方面：

  1. 假安装。也就是从来就没这个用户，但是在数据库里多了一个激活设备。这部分的损失显而易见，就是本来不用花钱的现在花钱了。

  2. 自然量归因。这个用户实际上是个自然安装用户，不是渠道带来的，但是却被归因给了渠道。这部分的损失同上，也是本来不用花钱的现在花钱了。

  3. Last click劫持。这个用户实际上是渠道A带来的，但是渠道B在A之后发了一个点击，不管是用户有意还是渠道发假点击，都会导致根据last click规则匹配给了渠道B。这部分明面上的损失，应该是渠道B的单价减去渠道A的单价，这个单价可能是正的也可能是负的。那如果是负的，是不是广告主还赚钱了呢，其实未必，因为渠道A如果能起量，给你带来的实际价值，可能远远大于渠道B。所以整体来看，广告主也可能损失的更大。

  4. 重复归因。主要来自自归因渠道，目前的自归因渠道，只有大媒体。由于现在大媒体是按照skan结算，所以主要应该在大媒体的安卓。广告主损失的钱，也很显而易见，就是非实际待带量渠道的单价总和。

广告主的收益：
收益就是这个渠道给这个广告主带来了一个真实的用户，这个用户在这个广告主的产品里产生的行为给广告主带来的广告和付费收入的总和。

如果高价值的渠道的归因被低价值的渠道抢走或者没有归因成功，这些归因会影响高价值渠道的算法，导致算法不能帮你跑到更多的用户和设备，这部分的损失是你看不到的，因为这些归因没有产生，不存在于你的数据库里！反过来，假设一个用户如果是自然量，但是这个量被要一个高价值的渠道归因了，这个渠道的算法起的量级给你带来的价值，也可能会比这个误归因的损失要高的多。

对于高价值的渠道，首先需要保证的是归因对接的顺畅，避免少归因的情况，这些渠道的算法充分学习以后，能给你带来第一波的核心受众，而你自己的ROI完全可以通过调价来实现，并不一定需要去纠结归因上的这点损失。

什么是高价值渠道（这里讨论的是roi最大化的情况）：

  1. 能真正通过用户的广告行为，能给你带来真实的安装。（注意，假量也是可以带来roi的，不要以为假量都是roi为0的量）

  2. 在公开市场买量的情况下，需要具备基本的识别用户的模型能力。没有办法识别用户，虽然能给你带来用户，但是也不可能是“高价值”。

  3. 有自己的独家流量。

怎样寻找高价值渠道：

  1. copy原则，别人买啥渠道我也买啥。
    可以使用insightrackr,sensor tower这些市场发现工具，看一下全球下载量最大的游戏或者app，或者找一下自己的相似产品，看一下他们的推广渠道，你会发现全球榜单，基本95%以上的产品都是在5-6个以上的渠道推广，不仅仅局限于大媒体了。但是如果你看中国出海的榜单，很多公司还是只跟大媒体合作。这个原因是为什么，大家可以思考一下。

  2. 榜单。
    直接看appsyler，adjust，tenjin这些归因公司的榜单排名，top10的公司基本都可以合作，这些公司都是收入规模能排在中国互联网广告收入前10的公司，对他们来说，业务的风险比什么都重要，所以是不太可能去作弊的，性价比太低了。

  3. 服务器成本。
    但凡是流量比较大，且具备基础用户能力的公司，基本都会很依赖模型和大数据能力，所以只需要看他们财报的服务器成本占收入的比例，就能比较直接的评估出来这家公司的基本能力，一般来说，一个具备初步AI能力的公司的服务器占收入的占比，至少在3个点以上，能力越重占比越高。

  4. 官方数据。
    可以通过google官方的数据，看到这家公司的一些sdk能力，这个能力本身也是公司实力的很重要的一个方面。

渠道起量的逻辑

目标：

起量的目标：在最短的时间，在你目标受众，让平台算法获取到尽可能多的样本。