之所以要写这块内容，是因为如果一个媒体的代理、不去关心媒体的流量和质量，这对自己和客户来说都是不负责任的，合众是恰好除了关心之外，还适当地研究了一下，因为毕竟合众还是一个优秀的网赚类APP推广服务商、既是**的甲方又是**的乙方。
前面写到ASO服务商在选择媒体源头时所考虑的第一个维度就是投放的质量，说白了就是媒体的用户来源以及数量，这里面我们不去讨论反作弊技术这样的深奥问题，仅就购买真实用户的常见手法和数据模型展开探讨。
（接下来的内容比较枯燥，没有兴趣的同行可以直接跳第四部分~）
（一）积分墙盈亏测算模型假设及定义
（二）常见导量模型及ROI分析
1、信息流分散流量导量模型（以快手、头条信息流投放为例）
由于信息流带来的有效用户具有人群分散、任务包重叠率低的特点，此处我们不采用简易ROI进行分析，而是采用较为复杂的单用户毛利测算模型，假设平均任务奖励为0.8元、提现门槛为10元，则可推算出有效用户提现门槛任务数n0=13，并设定有效任务用户成本C1的经验值为30元、核定渠道价格指标为1.5元、深度用户提现率a2%≈80%，下面我们对单用户毛利y、单用户任务数x进行分段函数模型搭建：
我们用经验值a2%≈80%代入后可得：
*结论1：提现门槛为10元、深度用户提现率≤80%时，单用户平均任务数≥35才能带来正向的单用户信息流导量收益。
*结论2：提现门槛的出现，使得单用户任务毛利曲线在左侧亏损区域出现了小幅上拉，与下文中的推论1共同论证提现门槛的意义。
或者我们也可以尝试引入平均用户提现率a1%（前述已有推导a1%=d%×a2%），用简易ROI模型也可搭建整体信息流投资回报率模型：
我们用经验值a1%=d%×a2%≈80%×80%=64%代入后可得：
*结论3：任务用户成本30元、平均用户提现率a1%≤64%时、平均任务数n≥31则信息流导量的ROI＞100%。
*结论4：a1%相对稳定时，必然通过降低C1、提高n来提升ROI，否则1.5的硬成本很难有价格优势。
*推论1：单用户任务毛利测算盈亏平衡点＞整体用户ROI平衡点，间接证明了通过设置合理的“提现门槛”确实可以在一定程度上弥补浅层用户给积分墙带来的二次伤害（即成本C1固定的同时、还须给浅层用户兑付任务奖励）。
*推论2：“提现门槛”并非越高越好，一般情况下提现门槛超过10反而会降低对用户的激励和刺激；此外，当一个用户进行2次提现时，意味着该用户的实际提现门槛和任务数均翻倍、用户的次留指标较好、积分墙的任务包更新状况也较好。
2、社群流量导量模型（以大师傅为例）
以上同理，假设用户主动裂变的成本C1＝20元，可推测同样基于真实用户的社群导量毛利模型应为：
*推论3：实际社群导量的深度用户提现率很可能会高于80%、平均用户提现率也可能会高于64%，从而同时拉高两个平衡点（即：有效用户平均任务数）。
*推论4：社群用户普遍存在“一户多卖”的情况，因此必然拉高任务包的重叠度、降低做任务的排重通过率，这与盈亏平衡点的拉高是自相矛盾的。
*推论5：任务包量不大的小积分墙，更适合做“短平快”的社群流量导量模式，原因是信息流导量对任务包的体量和更新速度要求更高；而任务包量较大的头部积分墙，除了可以通过信息流获取优质的分散用户外，还可以设计如何提高用户自然裂变。
（三）案例验证
1、积分墙Y
积分墙Y在尝试头条系采量过程中，坚持将新增用户成本C0控制在10-12元，测试期单日投放预算控制在1000~2000元，经过20天的数据观测，有效用户任务数n在10~25个之间波动，实际ROI均值如下（投放数据为根据原表ROI和收益反推得出，为方便显示，均已模糊概数处理）：
如ROI取值60%、n取值17，则根据以上ROI模型的假设、则真实的C1很可能在28~30元之间，总体符合信息流投放成本。
*注：积分墙Y的提现门槛为8元。
2、积分墙Z
积分墙Z在上半年投放快手信息流过程中，由于任务量少、任务包更新较慢，实测数据n=5~10，C2=25~30，次留60%，周留存和月留存较差可忽略，平均用户提现率a1%≈60%，但由于n的数量太小不得不放弃投放，但对方给出的结论是用户做30个任务就能抗住30元成本，模型验证如下：
*注：积分墙Z的提现门槛为10元。
举报/反馈
