微信是重要的內(nèi)渠分發(fā)渠道，那如何通過(guò)成熟的游戲節(jié)點(diǎn)提升分發(fā)效率？數(shù)據(jù)組為此沉淀了一套分析SOP。本文作者分享了內(nèi)渠提效增長(zhǎng)SOP建設(shè)遇到的問(wèn)題和拆解方法。

微信是內(nèi)渠分發(fā)的重要渠道，增長(zhǎng)中心與微信深度合作，通過(guò)成熟游戲節(jié)點(diǎn)活動(dòng)等多種方式提升IEG游戲在微信的分發(fā)效率，增長(zhǎng)數(shù)據(jù)組圍繞內(nèi)渠提效增長(zhǎng)沉淀了一套分析SOP，方便快速定位投放中出現(xiàn)的問(wèn)題，接下來(lái)為大家分享下，我們的內(nèi)渠提效增長(zhǎng)SOP建設(shè)遇到的問(wèn)題和我們的拆解方法。

一、業(yè)務(wù)背景

首先，為了方便理解，簡(jiǎn)單介紹下微信分發(fā)場(chǎng)景。

其產(chǎn)品形態(tài)如下圖所示，主要分發(fā)資源位有公眾號(hào)、小程序、視頻號(hào)游戲中心等，其中“微信游戲”公眾號(hào)和發(fā)現(xiàn)頁(yè)游戲紅點(diǎn)+中心內(nèi)廣告是通過(guò)虛擬金分配機(jī)制進(jìn)行分發(fā)的內(nèi)渠廣告位資源。

數(shù)據(jù)分析鏈路為出包→推送→游戲紅點(diǎn)/公眾號(hào)消息曝光→點(diǎn)擊→下載→注冊(cè)。

二、整體分析框架和關(guān)注指標(biāo)

微信投放流程是算法出完A游戲用戶包后，微信側(cè)基于用戶活躍等數(shù)據(jù)對(duì)用戶進(jìn)行過(guò)濾，然后和其他游戲人群包進(jìn)行競(jìng)價(jià)，競(jìng)價(jià)成功后，會(huì)在微信公眾號(hào)和紅點(diǎn)位置定向推送游戲消息，吸引用戶點(diǎn)擊和下載。

整個(gè)投放的北極星指標(biāo)為曝光下載注冊(cè)率（EVR），圍繞北極星指標(biāo)，我們可以把投放漏斗分為模型效果和渠道表現(xiàn)兩個(gè)部分，模型效果主要是指的用戶圈定過(guò)程，渠道表現(xiàn)主要是用戶圈定完成后在渠道側(cè)的效果數(shù)據(jù)。通過(guò)過(guò)程拆解，投放漏斗的每一個(gè)步驟都有明確的檢驗(yàn)?zāi)繕?biāo)和關(guān)注的指標(biāo)，從而可以對(duì)北極星指標(biāo)的異動(dòng)準(zhǔn)確歸因。

1. 首先我們會(huì)通過(guò)一系列的策略，篩選出排序候選集，候選集是一個(gè)較大的用戶包，后續(xù)精排算法會(huì)在這個(gè)用戶區(qū)間內(nèi)進(jìn)行排序，找到更有可能注冊(cè)的用戶，所以目標(biāo)用戶的候選集覆蓋度是第一個(gè)核心指標(biāo)，通過(guò)評(píng)估候選集注冊(cè)用戶占同期微信關(guān)系鏈注冊(cè)的比例，我們可以知道候選集是否充足，比如，某檔期注冊(cè)用戶100人，候選集中的注冊(cè)用戶只有50人，那無(wú)論后續(xù)怎么排序，最終出包的注冊(cè)都不會(huì)超過(guò)50人。
2. 在模型圈定用戶階段，我們主要關(guān)注的是模型效果，即模型是否能篩選出高潛注冊(cè)用戶，由于出包有量級(jí)限制，需要盡量提高最終用戶圈定的準(zhǔn)確率，即模型頭部500萬(wàn)的召回率。
3. 在把用戶包配置到微信后，經(jīng)過(guò)微信的過(guò)濾和競(jìng)價(jià)，會(huì)改變?cè)寄Ｐ头謱拥姆植记闆r。由于這一步目前偏黑盒，我們只能通過(guò)對(duì)比出包注冊(cè)率和曝光注冊(cè)率評(píng)估微信過(guò)濾對(duì)注冊(cè)的影響。
4. 微信給目標(biāo)用戶推送廣告后，廣告位文案和素材的質(zhì)量會(huì)直接影響曝光點(diǎn)擊率。
5. 如果用戶對(duì)該游戲感興趣，繼續(xù)點(diǎn)擊下載，這一步會(huì)因?yàn)椴糠謴S商的攔截導(dǎo)致渠道包被更換，我們可以通過(guò)渠道占比和關(guān)系鏈占比評(píng)估這一步的損失。
6. 最終到注冊(cè)環(huán)節(jié)，可以比對(duì)用戶下載情況，分析除了正常漏斗下來(lái)的用戶外，有注冊(cè)無(wú)下載，以及有點(diǎn)擊下載但沒(méi)有最終染色的用戶情況，輔助我們了解用戶轉(zhuǎn)化鏈路的多樣性。

通過(guò)用戶分層，我們可以檢查模型對(duì)頭部用戶圈定是否準(zhǔn)確，怎么進(jìn)一步評(píng)估具體是哪個(gè)分層用戶變動(dòng)導(dǎo)致的最終點(diǎn)擊率下降呢？我們定義分層貢獻(xiàn)度指標(biāo)，來(lái)描述和輔助定位分層變化對(duì)整體指標(biāo)的影響。

• 不同分層用戶注冊(cè)轉(zhuǎn)化潛力不同，對(duì)比兩次投放，但由于微信黑盒過(guò)濾，實(shí)際曝光的用戶分層量級(jí)分布由原始用戶圈定時(shí)的均勻分布變成不均勻分布，且兩次投放中不同分層的實(shí)際曝光量變化情況不同，不同的分層的實(shí)際曝光量和點(diǎn)擊率都有差異。分層曝光量變化受過(guò)濾影響，點(diǎn)擊率受到素材影響，兩個(gè)之間互相獨(dú)立。
• 分層點(diǎn)擊率貢獻(xiàn)度指標(biāo)可以描述素材的影響，假設(shè)曝光量不變，評(píng)估不同分層點(diǎn)擊率變化對(duì)整體的影響。對(duì)每個(gè)分層計(jì)算當(dāng)次點(diǎn)擊率和上次點(diǎn)擊率的差值，假設(shè)曝光量不變，用該層當(dāng)次曝光占當(dāng)次總曝光比例做權(quán)重計(jì)算點(diǎn)擊率貢獻(xiàn)度。
• 分層曝光量貢獻(xiàn)度指標(biāo)主要用于描述因?yàn)楹诤羞^(guò)濾導(dǎo)致曝光分布變化，進(jìn)而對(duì)整體點(diǎn)擊率的影響。對(duì)每個(gè)分層計(jì)算當(dāng)次曝光和上次曝光量的差值占當(dāng)次總曝光量的比例，作為分層流量變化比例，假設(shè)點(diǎn)擊率不變，用該層當(dāng)次點(diǎn)擊率和當(dāng)次總點(diǎn)擊率差值做權(quán)重計(jì)算曝光量貢獻(xiàn)度。
• 結(jié)合兩次投放，可以計(jì)算出點(diǎn)擊率變化和流量變化帶來(lái)的分層總貢獻(xiàn)，當(dāng)次點(diǎn)擊率相比上次投放點(diǎn)擊率有所下降，其中分層1和分層17的分層貢獻(xiàn)比例大，是導(dǎo)致點(diǎn)擊率下降的主要因素；觀察流量變化可以發(fā)現(xiàn)，頭部分層1（模型認(rèn)為轉(zhuǎn)化概率高的高點(diǎn)擊率用戶）實(shí)際曝光量下降明顯，尾部分層17（模型認(rèn)為轉(zhuǎn)化概率低的低點(diǎn)擊率用戶）實(shí)際曝光量上升，在總體曝光量變化不大的情況下，由于分層曝光量變化，導(dǎo)致總體點(diǎn)擊率下降。

三、分析case

接下來(lái)，我們用上面的SOP流程分析一個(gè)實(shí)際投放的案例，這個(gè)case的背景是某游戲的虛擬金投放中指標(biāo)的波動(dòng)，觀察到3月投放的曝光注冊(cè)率大幅下降的趨勢(shì)，而4月的EVR有顯著的提升，需要分析EVR波動(dòng)原因。

該游戲3-4月的EVR變化趨勢(shì)和曝光量級(jí)（數(shù)據(jù)安全考慮隱去坐標(biāo)軸數(shù)值）：

根據(jù)上述的漏斗逐層往下分析，對(duì)北極星指標(biāo)的波動(dòng)歸因。

首先在出包之前，我們會(huì)先看一下候選集對(duì)注冊(cè)人群的覆蓋能力有沒(méi)有顯著變化。這里我們主要關(guān)注的指標(biāo)是候選集對(duì)注冊(cè)用戶的召回率，這個(gè)指標(biāo)代表了我們的模型能從中選出的注冊(cè)人數(shù)的上限，正常情況下，如果沒(méi)有對(duì)候選集做出大的調(diào)整，候選集覆蓋的注冊(cè)人數(shù)比例應(yīng)該是相對(duì)穩(wěn)定的。

如果候選集召回率顯著下降，那么在整個(gè)出包流程開始之前，我們就可以預(yù)期到這次投放效果會(huì)有一定幅度的下降，因?yàn)槲覀兡苡|及的注冊(cè)人數(shù)上限變低了。

這時(shí)候我們就需要去看什么原因?qū)е铝撕蜻x集的變化，例如是因?yàn)榍懊娴挠脩艋钴S度過(guò)濾策略過(guò)濾掉了太多用戶，還是說(shuō)場(chǎng)景點(diǎn)擊過(guò)濾策略篩掉了過(guò)多用戶，又或是什么其他原因，并做出相應(yīng)調(diào)整。

上圖為該游戲候選集召回率的變化趨勢(shì)，可以看出，候選集的召回率和EVR有基本相同的變化趨勢(shì)，大致拐點(diǎn)基本相同，在3.7到4.4之間候選集覆蓋的注冊(cè)人數(shù)比例大幅度提升，以曝光點(diǎn)擊活躍候選集來(lái)看，從3.7的24.7%上升到了4.4的45.8%，有將近兩倍的提升，同期的EVR也從0.005%上升至0.191%，反觀4.25期候選集召回率有很大的下降，EVR也相應(yīng)遠(yuǎn)低于4月其他檔期。

這說(shuō)明，模型出包的候選集中覆蓋的人數(shù)在3月初有大幅的下跌，導(dǎo)致模型能選出的注冊(cè)人數(shù)的上限減少，從而影響到曝光注冊(cè)率，而之后候選集覆蓋的微信關(guān)系鏈注冊(cè)人數(shù)逐漸回升，到4月初差不多回升至2月底的水平，模型能選的轉(zhuǎn)化人數(shù)上限提升了，那么在模型能力穩(wěn)定的情況下，就能選出更多的高潛轉(zhuǎn)化用戶，提升總體EVR。

在確定候選集對(duì)EVR的影響之后，下一步我們需要評(píng)估模型的能力是否穩(wěn)定。在這里選取的指標(biāo)是候選集準(zhǔn)確率和頭部用戶的注冊(cè)率，分別代表了候選集覆蓋的注冊(cè)人數(shù)和出包的頭部500w用戶覆蓋的注冊(cè)人數(shù)多少，在候選集總?cè)藬?shù)不發(fā)生太大變化的情況下，通過(guò)對(duì)比這兩個(gè)指標(biāo)的變化趨勢(shì)，我們可以確定模型的表現(xiàn)是否符合預(yù)期。

假如模型能力比較穩(wěn)定，那么候選集中的注冊(cè)人數(shù)和模型從中選出的注冊(cè)人數(shù)應(yīng)該等比上升或下降，也就是候選集的注冊(cè)率和模型頭部用戶的注冊(cè)率會(huì)有相同的上升/下降趨勢(shì)，假如候選集的注冊(cè)率在上升，而模型選頭部用戶的注冊(cè)率反而大幅下降，那說(shuō)明模型表現(xiàn)的異常差，需要去看這期的模型出了什么問(wèn)題。

下面我們對(duì)比了該游戲候選集準(zhǔn)確率和出包頭部500w注冊(cè)率，可以看到，大多數(shù)檔期兩者有基本相同的升降趨勢(shì)，出包頭部500w用戶注冊(cè)率低的時(shí)候，同期的候選集準(zhǔn)確率也基本同樣比例降低，說(shuō)明3月份頭部500w中注冊(cè)人數(shù)變少是由于候選集中的總注冊(cè)人數(shù)變少了。

除此之外，可以觀察到，從3.11到4.7的幾次投放，頭部500w用戶的注冊(cè)率有一個(gè)大幅的提升，遠(yuǎn)比候選集這段時(shí)間的提升要大，說(shuō)明候選集中注冊(cè)人數(shù)增加不多的情況下，模型篩選出了比前幾期兩倍以上的注冊(cè)用戶，可見(jiàn)這幾期的模型能力提升也是EVR提升的主要原因之一。

除了對(duì)比候選集準(zhǔn)確率和頭部用戶的注冊(cè)率，我們還通過(guò)頭部用戶的召回率來(lái)評(píng)估模型的表現(xiàn)，這一指標(biāo)代表了模型選出的頭部用戶能覆蓋總注冊(cè)人數(shù)的多少比例。如果模型預(yù)測(cè)能力強(qiáng)，那么選出的優(yōu)質(zhì)用戶應(yīng)該能代表高潛注冊(cè)用戶，出包頭部用戶應(yīng)該能覆蓋大多數(shù)的注冊(cè)用戶，如果排在尾部的用戶反而比頭部用戶包含了更多的注冊(cè)用戶，那說(shuō)明模型預(yù)測(cè)出的概率可能有偏差。

下面是該游戲在這兩個(gè)月的頭部500w用戶召回率，可以看到，從3.7到4.4號(hào)的投放，頭部用戶召回率從13.3%到88.6%，提升了75.3%，幅度也遠(yuǎn)超候選集的變化幅度，同樣驗(yàn)證了模型能力的提升，說(shuō)明3月底開始模型選出的優(yōu)質(zhì)用戶覆蓋了更高比例的注冊(cè)用戶。

從第一部分候選集和模型效果可以得出，3-4月候選集和模型的變化是導(dǎo)致該游戲虛擬金投放EVR有較大波動(dòng)的兩個(gè)主要原因，接下來(lái)我們會(huì)關(guān)注實(shí)際投放過(guò)程中，漏斗后續(xù)鏈路的渠道表現(xiàn)是否有其他導(dǎo)致EVR變化趨勢(shì)的因素。

在出包之后，到推送廣告素材給用戶的過(guò)程中，由于用戶競(jìng)價(jià)或業(yè)務(wù)方過(guò)濾等原因，會(huì)有一定比例的損失，無(wú)法全部曝光。如果某次投放大部分用戶，尤其是頭部的優(yōu)質(zhì)用戶沒(méi)有充分曝光而尾部轉(zhuǎn)化較差的用戶曝光比例較高，那么投放的效果是可以預(yù)料的會(huì)變差的。

然而這個(gè)結(jié)果也不是絕對(duì)的，如果投放的頭部用戶只有少部分曝光，但這部分曝光已經(jīng)覆蓋了大部分的用戶，那么轉(zhuǎn)化效果也可能較好。因此，在看用戶的點(diǎn)擊下載注冊(cè)行為之前，我們需要監(jiān)控出包的用戶實(shí)際推給用戶的比例。

下圖我們是對(duì)比兩期（3.31和4.4）出包量級(jí)相同，候選集準(zhǔn)召也相對(duì)接近的投放，對(duì)比出包曝光率?？梢钥吹竭@兩次投放的頭部出包曝光率都不高，在10%-30%之間，3.31期的出包曝光率反而更高一些，因此頭部?jī)?yōu)質(zhì)用戶曝光不足導(dǎo)致的不是導(dǎo)致3.31投放EVR對(duì)比4.4較低的主要原因。

為了更好的解釋頭部用戶曝光差異導(dǎo)致的EVR差異，下面放了另一游戲兩期投放的出包曝光率對(duì)比。該游戲3.3日投放的EVR遠(yuǎn)高于4.8的EVR，從下圖出包曝光率可以明顯看出，該游戲3.3投放的頭部用戶曝光比例遠(yuǎn)高于4.8日，且曝光用戶集中在頭部，相反4.8投放的曝光用戶集中在尾部，顯著高于3.3投放的尾部曝光，在該游戲這兩次的投放中，出包曝光率差異是導(dǎo)致轉(zhuǎn)化效果好壞的主要因素之一。

在將文案素材推送給用戶之后，我們就要關(guān)注用戶的渠道表現(xiàn)了。推送之后的下一環(huán)節(jié)是點(diǎn)擊，我們需要監(jiān)控投放的整體點(diǎn)擊率是否有大的變化，如果有，是什么導(dǎo)致點(diǎn)擊率波動(dòng)的，是由于文案和素材質(zhì)量不佳導(dǎo)致用戶沒(méi)有點(diǎn)擊意愿，還是投放的用戶質(zhì)量不高，對(duì)該游戲的廣告不感興趣，又或是尾部用戶曝光量級(jí)太大，導(dǎo)致會(huì)點(diǎn)擊的人數(shù)差不多的情況下，總曝光量級(jí)增大，降低了整體點(diǎn)擊率？對(duì)于后兩點(diǎn)，我們?cè)O(shè)計(jì)了分層點(diǎn)擊率貢獻(xiàn)度的指標(biāo)，用來(lái)評(píng)估每100w用戶的點(diǎn)擊率和曝光量級(jí)對(duì)整體點(diǎn)擊率的影響程度。

上圖是該游戲投放的點(diǎn)擊率，觀察到3月份投放在點(diǎn)擊鏈路上的流失遠(yuǎn)多于4月份，4月份投放的點(diǎn)擊率要顯著高于3月份，4.4的點(diǎn)擊率將近3.31的3倍。

以3.31日作為實(shí)驗(yàn)組，4.4日作為對(duì)照組，計(jì)算點(diǎn)擊率貢獻(xiàn)度，下圖可以看出點(diǎn)擊率的差異主要有兩部分原因?qū)е拢?/p>

一是兩次投放頭部100w用戶的點(diǎn)擊率差異較大（左邊紅框可以看出，頭部100w的點(diǎn)擊率差異對(duì)3.31點(diǎn)擊率低于4.4這一結(jié)果有20%的貢獻(xiàn)度），這是由于兩次投放頭部用戶質(zhì)量有差異，4.4投放的頭部500w用戶中注冊(cè)用戶是3.31的2倍有余；

二是3.31期尾部曝光用戶遠(yuǎn)高于4.4期，這個(gè)從上面出包曝光率圖中可以看出，大量曝光的尾部用戶拉低了整體點(diǎn)擊率（右邊紅框可以看出，尾部曝光量級(jí)的貢獻(xiàn)度較高，說(shuō)明3.31投放尾部低于平均點(diǎn)擊率的用戶過(guò)多，拉低了整體點(diǎn)擊率）。

在用戶有點(diǎn)擊行為后，就到了鏈路上的下載以及注冊(cè)環(huán)節(jié)。這里有兩方面，一個(gè)是用戶下載之后是否有注冊(cè)行為，另一個(gè)是注冊(cè)的用戶是否是在我們渠道/場(chǎng)景下載的。

從第一個(gè)角度，用戶下載之后為什么不注冊(cè)，是比較難分析的，因?yàn)槲覀冋J(rèn)為下載的用戶大多數(shù)都是有該游戲的偏好的，但是下載之后又不注冊(cè)游戲，也許是注冊(cè)流程繁瑣，或者內(nèi)存不夠等原因，但是這些我們都比較難進(jìn)行干預(yù)，所以我們?cè)谶@個(gè)環(huán)節(jié)主要關(guān)注在分析注冊(cè)的用戶有沒(méi)有在我們渠道場(chǎng)景有下載行為。

這部分用戶是出包投放的用戶中會(huì)轉(zhuǎn)化的，但是在下載鏈路沒(méi)有歸屬到我們渠道，若出現(xiàn)較高比例注冊(cè)用戶都沒(méi)有我們渠道的下載，又是什么原因?qū)е碌摹?/p>

在這里，我們關(guān)注的指標(biāo)是注冊(cè)但沒(méi)有下載的用戶比例。從下圖可以看到，轉(zhuǎn)化較好的4.4，4.7，4.14期，注冊(cè)用戶中僅有10%左右的用戶沒(méi)有我們渠道的下載行為（無(wú)法對(duì)EVR提升有貢獻(xiàn)），而3月份以及4.25轉(zhuǎn)化較差的幾次投放，注冊(cè)用戶中沒(méi)有下載的比例在15%-20%左右，說(shuō)明更多高潛注冊(cè)用戶在下載鏈路流失也是3月份投放轉(zhuǎn)化較差的原因之一。

假如出現(xiàn)了上面的情況，較高比例的注冊(cè)用戶沒(méi)有歸屬到我們渠道下載，我們就需要分析產(chǎn)生這種情況的原因。

這時(shí)候有可能有兩種情況，一是這部分用戶去了非微信渠道或是外發(fā)渠道下載（不在微信，qq，應(yīng)用寶等渠道），另一種是在微信渠道下載，但是沒(méi)有在我們的場(chǎng)景下載（公眾號(hào)、紅點(diǎn)），我們?cè)赟OP的流程中也會(huì)分別對(duì)這兩種情況進(jìn)行監(jiān)控。

對(duì)于第一種情況，我們監(jiān)控的指標(biāo)是，對(duì)無(wú)下載的注冊(cè)用戶中微信渠道的占比，看這部分有注冊(cè)無(wú)下載的用戶有多少是在微信渠道下載的，有多少去了內(nèi)渠其他渠道下載，又或是被外發(fā)渠道搶占了。

對(duì)于第二種情況，我們會(huì)關(guān)注微信渠道注冊(cè)的用戶中無(wú)下載的比例，這個(gè)指標(biāo)可以看出微信渠道注冊(cè)的用戶，有多少是在我們場(chǎng)景下載，多少去了微信渠道的其他場(chǎng)景下載。

我們選上圖注冊(cè)無(wú)下載用戶比例最高的3.11和4.25期為例，可以很清晰的看出上述兩種情況的區(qū)別：

• 下圖是無(wú)下載注冊(cè)用戶中，微信渠道注冊(cè)的比例，可以看到3.11無(wú)下載注冊(cè)中微信渠道占比是兩個(gè)月來(lái)最低的，僅有43%左右，說(shuō)明3.11期注冊(cè)無(wú)下載用戶比例高是由于更多用戶在下載鏈路被外發(fā)渠道搶占，而同樣注冊(cè)無(wú)下載用戶比例高的4.25期，80%下載沒(méi)有歸屬到我們渠道的注冊(cè)用戶都還是在微信渠道下載注冊(cè)的，說(shuō)明不是因?yàn)楸煌獍l(fā)搶占導(dǎo)致冊(cè)無(wú)下載用戶比例高。

• 下圖是微信渠道注冊(cè)用戶中，沒(méi)有下載的比例，可以看到4.25期是兩個(gè)月以來(lái)，微信渠道注冊(cè)無(wú)下載用戶占比最高的一期，說(shuō)明雖然下載沒(méi)有被外發(fā)渠道搶占，但是4.25期更高比例的注冊(cè)用戶沒(méi)有公眾號(hào)和紅點(diǎn)的場(chǎng)景偏好，在微信渠道的其他場(chǎng)景下載。

通過(guò)SOP框架對(duì)該游戲3-4月投放EVR異動(dòng)進(jìn)行歸因，能得出幾點(diǎn)主要的結(jié)論：

3月底調(diào)整了出包的候選集，模型也有較大改變，導(dǎo)致：

1. 4月候選集召回率提升，覆蓋的注冊(cè)人數(shù)顯著多于3月；
2. 頭部用戶準(zhǔn)召率大幅提升，模型能力提升，選出的頭部用戶帶來(lái)更多注冊(cè)；
3. 3月投放點(diǎn)擊率遠(yuǎn)遠(yuǎn)低于4月，一是兩次投放頭部用戶質(zhì)量有差異，導(dǎo)致頭部的點(diǎn)擊率差異較大，二是3.31期尾部曝光用戶遠(yuǎn)高于4.4期，大量曝光的尾部用戶拉低了整體點(diǎn)擊率；
4. 3月份以及4.25的投放，更高比例的高潛注冊(cè)用戶在下載鏈路流失，3.11期是由于更多用戶在下載鏈路被外發(fā)渠道搶占，而4.25期是因?yàn)楦弑壤淖?cè)用戶沒(méi)有公眾號(hào)和紅點(diǎn)的場(chǎng)景偏好。

四、寫在最后

V1.0版增長(zhǎng)SOP重點(diǎn)關(guān)注出包后投放，目的是復(fù)盤單次投放效果，并對(duì)異常問(wèn)題進(jìn)行快速定位，是發(fā)現(xiàn)出問(wèn)題的某次具體投放后，進(jìn)行的下鉆分析。如何從大盤數(shù)據(jù)波動(dòng)中，找到出問(wèn)題的游戲以及對(duì)應(yīng)找到該次投放，是我們接下來(lái)需要重點(diǎn)解決的問(wèn)題。

接下來(lái)我們還會(huì)更加關(guān)注游戲投放鏈路，在算法出包后投放前，插入一個(gè)檢察出包健康度的機(jī)制，發(fā)現(xiàn)一些常見(jiàn)問(wèn)題。方便根據(jù)檢查結(jié)果，適時(shí)做一些尾部用戶的替換，提高出包的轉(zhuǎn)化效率，即投前分析SOP，和投后分析一起，不斷提升投放效率。