前面挖坑了，大概提了一下用戶付費預測的事情，主要用于解決重度后置付費產(chǎn)品提前回傳數(shù)據(jù)給廣告平臺，幫助廣告平臺學習，從而提高付費用戶買量的精準性。

Facebook的VO或者AEO都只能最多接收到7天的回傳數(shù)據(jù)，Google的3.0投放用的是7天的數(shù)據(jù)綜合學習，其實對于廣告系統(tǒng)來說越早回傳真實的付費數(shù)據(jù)對廣告投放學習越有幫助。但是游戲后置付費比較深的產(chǎn)品，很明顯無法在7天內(nèi)就把付費數(shù)據(jù)都回傳，只拿7天的付費數(shù)據(jù)作為廣告投放依據(jù)又不夠科學，所以這里我們需要做最重要的一件事情，用戶付費預測。

插一個題外話，我見到很多付費特別靠前的割韭菜類型產(chǎn)品在FB上跑的非常好，比如1-1直播這種，還有玩”不小心“就訂閱一年的產(chǎn)品。還有上來就要求充錢才能看的互動閱讀，付費小說這些其實都是靠著回傳早，好學習這個特征在facebook，Google上買的特別爽。反而是那些正經(jīng)做產(chǎn)品的，比如深度社交，重度手游其實買量的時候相對比較困難，或者說”貴“。

回到正題：我們要想辦法把我們用戶的后續(xù)付費行為預測出來，并且給不斷的優(yōu)化自己的模型，通過后續(xù)數(shù)據(jù)修正從而達到每個用戶在1-7天內(nèi)能精準的預測出來后續(xù)的付費行為，分成不同等級，或者干脆回傳預測的付費數(shù)據(jù)給到廣告平臺，進行投放優(yōu)化。

具體的操作，其實偏向于技術，這些我也不懂要如何建模來實現(xiàn)，可能需要有專業(yè)的人工智能+機器學習的人進行操作。大致的思路可能需要包含把用戶前期的一些留存，行為，頻率，機型，設備信息，wifi，玩家之間互動等等，甚至盡可能能多拿到的一些行為數(shù)據(jù)，整合建模，對整體的用戶后續(xù)充值做一個預測，并且不斷通過歷史數(shù)據(jù)進行學習，同時也不斷把新增用戶的數(shù)據(jù)加進去學習，且根據(jù)后續(xù)的真實付費數(shù)據(jù)做模型的修正學習。

這個環(huán)節(jié)對技術的要求會非常高，不是我這個水平的人能解釋的清楚，如果真想做，可能要去找以為專業(yè)做機器學習的人來做這個事情。

對于廣告優(yōu)化師來說，我們需要的是”結(jié)果輸出“，我們到底要拿什么樣的預測數(shù)據(jù)來做廣告優(yōu)化呢？站在投放角度我會從下面幾個方向推進。

數(shù)據(jù)輸出環(huán)節(jié)+如何投放環(huán)節(jié)

隱藏此部分內(nèi)容在知識星球，請長按掃碼查看

目前各個頭部廠商按說都已經(jīng)在按照方向投放，并且沒準預測數(shù)據(jù)已經(jīng)做到很精準，但是這應該也是要不斷改進完善，畢竟游戲的版本更新之后可能也會影響到預測的數(shù)值之類，不大可能做到很完善。但是總體來說按照這個思路，總比我們只拿著前面幾天的數(shù)據(jù)去投放，在精準度和系統(tǒng)優(yōu)化上就是巨大的差距。

出海流量玄學研究中心，不定期分享信息流廣告優(yōu)化師投放技巧，主要內(nèi)容為海外facebook，google，TikTok ads廣告投放技巧分享，歡迎大家關注，分享內(nèi)容，也歡迎大家分享更多關于游戲出海，跨境電商廣告投放技巧。

如果有投放專業(yè)領域需要咨詢，請加知識星球提問，個人微信不答疑