背景

休闲游戏是最受欢迎的手机游分类之一。该分类专为快节奏场景设计，非常适合想要在通勤或排队等碎片化的场景下短暂分散注意力的用户。这一赛道常见有纸牌、棋盘、拼图、三消、射击和运动等等。休闲类手游构成要素多见：简洁的界面 + 鲜艳色彩 + 声效动画。由于简单但令人兴奋的游戏玩法和风格迥异的美术，这一分类常年爆款层出不穷，且在各个区域的应用商店均能看到不少霸榜选手。

挑战

该赛道最大的游戏开发者之一与 Aarki 取得联系，为其广受好评的大热休闲游戏 app 开展用户获取广告。他们希望扩大用户群，并寻求需求方平台（DSP）合作伙伴来帮助交付具有高投资回报率（ROI）的高价值用户。Aarki 具备胜任这些要求的全部资质。该广告定位使用 Android 移动设备的美国用户。

解决方案

广告活动以对客户网站和应用程序商店页面的广泛研究为起点。来帮助我们了解有关应用特殊事件、新功能和更新等等。除了广告主提供的第一方数据外，我们还调查了应用程序的用户行为和历史的广告系列效果数据。

这些调研为我们提供了良好的基础，在此基础之上制作动人的创意素材并搭建定制化机器学习模型，以达成广告活动的关键绩效指标 （KPI）。

素材是关键

使用合适的广告样式可为您的特定广告系列的效果提升带来好处。该广告专注于激励和非激励（插页式）视频广告。激励视频是通过提供额外的游戏寿命、金币等激励手段让用户主动选择观看、且不可跳过的视频广告。因此，这类广告样式具有非常高的完成率。这一不可跳过的属性也令应用营销人员受益良多。与激励视频不同，非激励视频（也被称为插页广告）是全屏的，通常出现在应用内的内容过渡点。这意味着它们将对用户体验造成的影响最小化。

基于两种广告样式间的表现差异，我们决定为他们创建单独的广告组，以便更好地进行优化，并以更细的颗粒度定向用户。我们的分析表明，插页视频广告对目标应用的效果更好，并与扩大应用用户群的整体目标一致。鉴于这一广告样式有更丰富的库存，它们的花费较激励视频广告高 50%，这也使 D7 ROI 较激励视频广告高 21%。

为此，我们提高了对插页视频广告的出价，并根据目标受众的兴趣来设计能更有效激发他们尝试游戏欲望的广告创意。此外值得注意的是，我们在激励视频广告方面的其它尝试也被证明是卓有成效的。

以下是我们的休闲应用广告活动受众成功实践的创意策略。

• 展示教程：演示应用程序的详细操作方法，展示应用程序的独特之处。
• 挑战受众：邀请他们尝试通过某一最难的关卡，并鼓励他们完成游戏。
• 突出元创意：向用户展示特定情境，给出攻克这些困难的选项。

机器学习

Aarki 使用专有数据构建预测机器学习模型，在最优获客价格的基础上预测应用内事件的概率。我们的数据科学家开发了先进的机器学习模型来触达和获取潜在用户，并为每个广告活动提供强劲的投资回报率。我们还通过利用人工智能（AI）向每个用户展示最佳的个性化创意变体，确保安装和参与度的最大化。

我们的数据科学家不断测试并优化广告的机器学习模型。在广告期间，随着越来越多的数据点被收集，使模型能够自主学习并提高其准确性。从下图中可以看出，随着时间的推移，事件发生率变得更为接近（预测的）事件概率。

结果

从下面的结果可以看出，本次广告取得了巨大的成功。我们在与客户协作方面的丰富经验以及对客户业务和目标的深刻理解共同对本次广告的整体效果产生了重大影响。

Aarki 的创意优化和机器学习技术，加上我们对应用程序的理解和对广告样式的丰富经验，不仅有助于增加目标事件，而且还增加了量级，达到并超过了客户的主要目标。以下是通过使用非激励视频广告的活动取得的成果。