Bài toán eCPM: Liệu có nên áp dụng cùng một chiến lược hiển thị quảng cáo cho tất cả người chơi?

Bài toán eCPM: Liệu có nên áp dụng cùng một chiến lược hiển thị quảng cáo cho tất cả người chơi?

BÀI VIẾT CÓ NỘI DUNG DÀI, HÃY DÀNH THỜI GIAN CHÚ TÂM ĐỌC NHÉ!

Key Questions:

• Giá trị của mỗi impression có thể thay đổi không?
• Có nên áp dụng cùng một chiến lược hiển thị quảng cáo cho tất cả người chơi?
• Phân nhóm người chơi như thế nào để tối ưu quảng cáo?
• Có phải cứ tối ưu eCPM là sẽ giúp tối ưu doanh thu?
• Phương pháp xác định chiến lược hiển thị quảng cáo hiệu quả?

Trong mobile game monetization, việc tối ưu quảng cáo thường bắt đầu bằng các câu hỏi quen thuộc như: ads nên xuất hiện ở level bao nhiêu, xuất hiện ở những vị trí nào, khoảng cách giữa hai ads nên là bao lâu hay giới hạn tần suất ads thế nào. Một cách tiếp cận phổ biến là thiết lập một bộ quy tắc chung cho toàn bộ người chơi. Cách làm này đơn giản, dễ triển khai và thuận tiện trong vận hành. Tuy nhiên, nó đặt ra một câu hỏi: Liệu những người chơi có giá trị quảng cáo và hành vi khác nhau có thực sự nên được áp dụng cùng một chiến lược hiển thị quảng cáo?

Những phân tích gần đây của Felix Braberg, Ads Monetization Expert, về eCPM decay (hiện tượng suy giảm eCPM), khả năng phục hồi của giá quảng cáo và chiến lược cooldown cho thấy đây là một bài toán phức tạp hơn nhiều so với việc tìm ra một con số tối ưu cho toàn bộ game.

eCPM không cố định: Giá trị của mỗi impression có thể thay đổi

Một trong những giả định dễ gặp khi tối ưu ads monetization là mỗi lượt hiển thị quảng cáo sẽ tạo ra giá trị tương đối ổn định. Trên thực tế, eCPM có thể thay đổi đáng kể theo số lần quảng cáo đã được hiển thị cho người chơi.

Felix Braberg phân tích dữ liệu từ một game mobile sử dụng Applovin MAX khoảng 100.000 users mà ông quản lý và nhận thấy eCPM có xu hướng giảm khi số impression liên tiếp tăng lên. Cụ thể, nhóm có eCPM ở impression đầu tiên trong khoảng 3 - 6 USD ghi nhận mức giảm trung bình 3,9% cho mỗi impression kế tiếp. Với nhóm có eCPM ban đầu trong khoảng 100 - 200 USD, mức giảm trung bình lên tới 5,1%. Đến impression thứ 12, eCPM thấp hơn lần lượt 39% và 52,7% so với impression đầu tiên. Nói cách khác, impression đầu tiên càng có giá trị cao thì giá trị càng giảm nhanh khi game tiếp tục hiển thị quảng cáo. 

Tác giả cho rằng nguyên nhân là các mạng quảng cáo đánh giá người dùng đã xem nhiều quảng cáo là nhóm ít chú ý hơn, từ đó đưa ra mức giá thầu thấp hơn. Ông cũng lưu ý rằng dashboard mediation thường chỉ hiển thị eCPM trung bình, nên giá trị thực của từng impression bị che khuất. Điều này không có nghĩa hiển thị nhiều quảng cáo luôn là quyết định sai. Tổng doanh thu vẫn có thể tăng nếu số impression tăng đủ nhiều. Vấn đề nằm ở chỗ mỗi impression bổ sung mang lại bao nhiêu doanh thu và nó ảnh hưởng như thế nào đến trải nghiệm, retention và giá trị dài hạn của người chơi. 

Source: Felix Braberg

Nếu eCPM giảm khi quảng cáo được hiển thị liên tiếp, vậy kéo dài khoảng nghỉ giữa các quảng cáo có giúp khôi phục giá trị hay không? Felix nhận thấy eCPM có thể phục hồi sau những khoảng thời gian không hiển thị quảng cáo, nhưng không hoàn toàn trở lại mức của impression đầu tiên. Phần lớn quá trình phục hồi diễn ra trong 24 giờ đầu, trong đó eCPM tăng nhanh trong khoảng 6 - 24 giờ. Mốc 6 giờ chỉ thu được khoảng một phần ba mức phục hồi. Khác biệt lớn nhất nằm ở nền tảng với việc iOS gần như chững lại ở khoảng 1,27 - 1,38 lần sau một đến hai ngày, trong khi Android tiếp tục tăng lên khoảng 1,48 - 1,67 lần sau 48 giờ. 

Source: Felix Braberg

Bước tiếp theo là tìm hiểu liệu mức độ suy giảm này có giống nhau giữa các nhóm user hay không. Felix kỳ vọng những người dùng giá trị cao sẽ có đường phục hồi khác biệt, nhưng dữ liệu cho thấy nhóm 4 - 5 USD và nhóm 100 - 250 USD có đường phục hồi gần như giống nhau. Trên iOS, nhóm có giá trị ban đầu thấp thậm chí có thể phục hồi nhiều hơn nếu xét theo tỷ lệ. Từ đó, tác giả cho rằng eCPM ban đầu không phải tín hiệu đủ tốt để sử dụng riêng lẻ khi quyết định frequency capping - giới hạn số lần người chơi nhìn thấy quảng cáo trong một khoảng thời gian nhất định. Hai nhóm có tốc độ suy giảm khác nhau (3,9% so với 5,1%) nhưng mức phục hồi tương đối giống nhau. 

Nói cách khác, eCPM ban đầu có thể giúp dự đoán giá trị impression giảm nhanh đến đâu, nhưng không giúp xác định nên cho người chơi nghỉ bao lâu. Vì vậy, kéo dài cooldown chỉ cho nhóm có eCPM cao chưa chắc mang lại kết quả tốt hơn. eCPM cao không đồng nghĩa với việc user đó chắc chắn cần ít quảng cáo hơn. Nó chỉ phản ánh giá trị trung bình trên mỗi nghìn impression, chứ không trực tiếp cho biết tổng doanh thu user sẽ tạo ra, khả năng quay lại game hay mức độ nhạy cảm với quảng cáo. Một user có eCPM cao nhưng xem ít quảng cáo có thể tạo ra tổng doanh thu thấp hơn một user có eCPM thấp hơn nhưng duy trì hoạt động lâu và xem nhiều quảng cáo hơn.

Cùng một thời gian cooldown có phù hợp với tất cả người chơi?

Felix tiếp tục mở rộng phân tích sang nguồn UA và đặt vấn đề về việc áp dụng cùng một thời điểm bắt đầu hiển thị interstitial, cùng một khoảng cooldown cho tất cả người dùng. Ông cho rằng nguồn UA và lịch sử quảng cáo của người chơi có thể ảnh hưởng đến cách nên thiết lập chính sách hiển thị. 

Theo dữ liệu công bố, nếu người chơi rời game rồi quay lại sau khoảng 40 phút, giá trị của impression đầu tiên vẫn thấp hơn mức thông thường khoảng 16 - 18%. Sau 6 - 12 giờ, nhóm organic phục hồi lên khoảng 1,22 lần mức tham chiếu, trong khi nhóm paid chỉ đạt khoảng 1,11 lần. Felix đưa ra giả thuyết rằng paid users có thể đã tiếp xúc với nhiều quảng cáo trên các ứng dụng khác thuộc cùng hệ sinh thái quảng cáo, khiến giá trị phục hồi thấp hơn. Tuy nhiên, ở mốc 12 - 24 giờ, xu hướng này lại đảo chiều: nhóm paid đạt 1,19 lần, cao hơn nhóm organic (1,11 lần). Vì vậy, khác biệt giữa hai nhóm có thể nằm ở tốc độ phục hồi nhiều hơn là ở mức phục hồi. 

Một điểm đáng chú ý là tác giả không đơn thuần khuyến nghị kéo dài cooldown cho tất cả mọi người. Ông cho rằng thời gian phục hồi chủ yếu diễn ra trong nhiều giờ, nên tăng cooldown từ 60 lên 120 giây không nhất thiết giúp impression tiếp theo có giá trị cao hơn đáng kể. Nếu khoảng nghỉ ngắn chưa đủ tạo ra sự phục hồi, studio có thể chỉ đang bỏ đi những lượt quảng cáo có thể kiếm tiền. Thay vào đó, đề xuất khác nên được cân nhắc đó là tăng dần cooldown sau impression thứ ba hoặc thứ tư, đồng thời xem xét nguồn UA và thời gian tính từ impression gần nhất, kể cả khi user đã kết thúc session trước đó. Cách tiếp cận này tập trung vào số impression đã xảy ra và đặc điểm của người dùng, thay vì chỉ áp dụng một con số cố định cho toàn bộ game. Đây là một hướng tiếp cận đáng thử nghiệm vì nó chuyển trọng tâm từ một quy tắc chung sang chính sách có khả năng thích ứng với lịch sử của người chơi.

Source: Felix Braberg

eCPM không chỉ khác nhau giữa người chơi, mà còn thay đổi theo thời gian và định dạng quảng cáo

Những phân tích trên cho thấy eCPM là không cố định, nhưng để hiểu rõ hơn cơ hội tối ưu quảng cáo, cần xem xét sự thay đổi của chỉ số này theo nhiều chiều khác nhau. Nếu chỉ theo dõi eCPM trung bình của toàn game, chúng ta có thể bỏ qua những khác biệt giữa các nhóm người chơi, giữa các giai đoạn trong vòng đời và giữa các định dạng quảng cáo.

Trước hết, cần phân tích eCPM theo cohort day, tức số ngày kể từ khi người chơi cài đặt và bắt đầu chơi game. Nếu các cohort có mức độ tương tác, số lượt quảng cáo và doanh thu tích lũy khác nhau, việc áp dụng cùng một chính sách quảng cáo cho người chơi mới và người chơi đã hoạt động lâu ngày cần được kiểm chứng.

Một vấn đề khác là sự khác biệt giữa các định dạng quảng cáo. Rewarded video thường có eCPM ban đầu cao hơn interstitial, nhưng điều đó không có nghĩa định dạng này luôn mang lại doanh thu cao hơn ở mọi lượt hiển thị. Trong một phân tích khác, Felix cho biết eCPM của rewarded video suy giảm nhanh hơn interstitial theo số lượt hiển thị liên tiếp, hai đường eCPM có thể giao nhau vào khoảng impression rewarded thứ 6 hoặc thứ 7. Như vậy nếu chỉ so sánh eCPM trung bình của hai định dạng, nhà phát triển có thể bỏ qua sự thay đổi tương đối về giá trị của từng lượt quảng cáo. 

Source: Felix Braberg

Phân nhóm người chơi như nào để tối ưu quảng cáo?

Nếu tất cả người chơi đều được áp dụng cùng một chính sách quảng cáo, chúng ta đang ngầm giả định rằng họ có giá trị quảng cáo, hành vi và phản ứng với quảng cáo tương tự nhau. Nhưng trên thực tế, điều này không phải lúc nào cũng đúng. Một nhóm người chơi có thể tạo ra doanh thu quảng cáo cao nhưng cũng có thể nhạy cảm hơn với tần suất quảng cáo. Nhóm khác có thể xem rewarded video thường xuyên nhưng ít phản ứng tích cực với interstitial. Nếu những nhóm này phản ứng khác nhau trước cùng một chính sách hiển thị, việc áp dụng một quy tắc chung có thể khiến chúng ta hiển thị quá nhiều quảng cáo cho một số người chơi, nhưng lại bỏ lỡ cơ hội kiếm thêm doanh thu từ những người chơi khác. 

Vì vậy, mục tiêu của phân nhóm (user segmentation) không phải là chia càng nhiều nhóm càng tốt, mà là xác định nhóm nào thực sự phản ứng khác nhau với quảng cáo, và liệu việc áp dụng chính sách riêng có giúp cải thiện doanh thu mà không làm tổn hại đến retention hoặc LTV hay không.

1. Theo geography và platform

Phn nhóm theo quốc gia/khu vực và hệ điều hành (iOS/Android). Người chơi ở các thị trường khác nhau có thể tạo ra mức eCPM và doanh thu quảng cáo khác nhau do nhu cầu quảng cáo, mức độ cạnh tranh và đặc điểm thị trường. Đồng thời, hiệu quả quảng cáo cũng có thể khác nhau giữa iOS và Android.

2. Theo nguồn UA và giá trị người chơi

Người chơi đến từ Organic, Paid UA hoặc các chiến dịch khác nhau có thể có hành vi, mức độ tương tác và giá trị vòng đời (LTV) khác nhau, hay người chơi đến từ chiến dịch tối ưu ad ROAS có thể có đặc điểm khác với người chơi đến từ chiến dịch tối ưu IAP ROAS. Vì vậy, có thể so sánh hiệu quả monetization giữa các nhóm theo nguồn UA hoặc campaign để xác định liệu cùng một chính sách quảng cáo có mang lại kết quả tương đương hay không.

Bên cạnh nguồn UA, có thể phân nhóm theo hành vi mua hàng và tiềm năng IAP, chẳng hạn người đã mua hàng, người có dấu hiệu sẵn sàng mua và người chưa tạo ra doanh thu IAP. Với nhóm có giá trị IAP cao hoặc tiềm năng chuyển đổi tốt, game có thể thử nghiệm giảm các quảng cáo gây gián đoạn ở những thời điểm quan trọng. Ngược lại, với nhóm tạo phần lớn giá trị thông qua quảng cáo, có thể thử nghiệm các cách khai thác doanh thu quảng cáo phù hợp hơn.

3. Theo hành vi xem quảng cáo

Phân biệt người chơi chủ động tương tác với rewarded video (engaged players) và nhóm ít hoặc không tạo ra doanh thu từ IAP hay quảng cáo có sự chủ động của người dùng (zero-value players). Nhóm thường xuyên xem rewarded video đã tạo ra doanh thu từ định dạng này, nên cần kiểm tra liệu bổ sung interstitial có thực sự làm tăng tổng doanh thu hay chỉ khiến trải nghiệm bị gián đoạn và ảnh hưởng đến retention. Screw Master 3D là một ví dụ, với hơn 80% người dùng tương tác với rewarded video, game giảm interstitial cho nhóm này, đồng thời linh hoạt chuyển đổi giữa interstitial và rewarded tùy theo định dạng được dự báo mang lại doanh thu cao hơn. Ngược lại, với nhóm ít tương tác với rewarded video và không mua IAP, các định dạng như interstitial hoặc banner có thể là nguồn doanh thu quan trọng hơn. Đặc biệt, cần phân biệt người chơi chưa tạo ra doanh thu với người chơi có tiềm năng tạo doanh thu trong tương lai

4. Theo vòng đời, tiến trình và mức độ tương tác trong game

Người chơi mới, người đã vượt qua một số mốc level và người chơi lâu năm có thể có mức độ gắn bó cũng như khả năng chấp nhận quảng cáo khác nhau. Vì vậy, nên phân tích eCPM, số lượt quảng cáo và doanh thu tích lũy theo cohort day và theo tiến trình trong game. Ví dụ, game có thể thử nghiệm hạn chế quảng cáo gây gián đoạn trong giai đoạn đầu để người chơi làm quen với gameplay, sau đó đánh giá các chính sách quảng cáo khác khi họ đã đạt một số mốc tiến trình. Các nhóm cũng có thể được cập nhật khi hành vi thay đổi, thay vì giữ người chơi trong một phân loại cố định suốt vòng đời. Tuy nhiên, không nên mặc định một mốc level cụ thể là thời điểm tốt nhất để hiển thị quảng cáo. Việc điều chỉnh cần được đánh giá thông qua doanh thu, tỷ lệ tiếp tục chơi, retention và các chỉ số tiến trình trong game.

5. Theo lịch sử hiển thị quảng cáo và thời gian nghỉ giữa các lượt xem

Một hướng tiếp cận khác là phân tích người chơi theo số lượt quảng cáo đã xem liên tiếp, thời gian kể từ lần hiển thị gần nhất và tần suất quảng cáo trong một khoảng thời gian nhất định. Phân tích của Felix cho thấy eCPM có thể giảm khi số lượt hiển thị liên tiếp tăng lên và phục hồi sau một khoảng nghỉ. Từ đó, game có thể thử nghiệm các chính sách pacing hoặc cooldown khác nhau theo nhóm người chơi và lịch sử hiển thị. Chẳng hạn, thay vì chỉ áp dụng một khoảng nghỉ cố định cho mọi người, có thể kiểm tra xem việc kéo dài cooldown sau một số lượt hiển thị liên tiếp có cải thiện doanh thu tổng thể và retention hay không.

⇒ Các tiêu chí trên không loại trừ lẫn nhau. Một người chơi có thể đồng thời thuộc nhóm Android, đến từ Paid UA, chưa mua IAP và thường xuyên xem rewarded video. Vì vậy, không nhất thiết phải tạo một chính sách riêng cho mọi tổ hợp tiêu chí. Nên bắt đầu từ những nhóm có đủ dữ liệu và có khả năng tạo ra khác biệt đáng kể về kết quả monetization.\

Tối ưu eCPM chưa chắc đã tối ưu doanh thu

Một sai lầm dễ gặp khi tối ưu monetization là cố gắng tăng eCPM mà không theo dõi đồng thời tổng doanh thu. Doanh thu quảng cáo phụ thuộc cả eCPM lẫn số lượt hiển thị. Nếu eCPM tăng nhưng số lượt hiển thị giảm mạnh hơn mức đó, tổng doanh thu vẫn có thể đi xuống. Ngược lại, eCPM giảm nhưng số lượt hiển thị tăng đủ lớn vẫn có thể giúp doanh thu tăng.

Nhưng bài toán còn rộng hơn doanh thu quảng cáo tại thời điểm hiện tại, nếu tăng tần suất quảng cáo giúp tạo thêm doanh thu trong ngày nhưng khiến người chơi rời game sớm hơn, LTV của nhóm người dùng đó có thể giảm. Ngược lại, nếu giảm quảng cáo không làm mất nhiều doanh thu nhưng giúp người chơi tiếp tục chơi lâu hơn, tổng giá trị có thể tốt hơn khi tính cả quảng cáo và IAP.

Nghiên cứu của Deloitte phối hợp với Google AdMob, dựa trên khảo sát toàn cầu với 7.000 người chơi và nghiên cứu nhật ký với 50 người tham gia tại năm quốc gia, cho thấy chất lượng trải nghiệm quảng cáo có liên hệ với khả năng tiếp tục chơi và mức độ gắn bó với game. Trong nghiên cứu, 72% người chơi được tiếp xúc với quảng cáo chất lượng cao cho biết họ tiếp tục chơi game, 20% cho biết họ chơi game thường xuyên hơn khi quảng cáo duy trì chất lượng tốt. Ngược lại, những hình thức quảng cáo gây gián đoạn như nút đóng gây hiểu nhầm hoặc tự động chuyển hướng có thể làm tăng cảm xúc tiêu cực và góp phần khiến người chơi rời game.

Có thể thấy trải nghiệm quảng cáo là một phần không thể tách rời khỏi bài toán monetization. Việc chỉ tối ưu giá trị của từng impression mà không xét đến phản ứng của người chơi có thể dẫn đến quyết định tốt về ngắn hạn nhưng kém hiệu quả về dài hạn. Vì vậy, điều cần tìm là điểm cân bằng giữa giá trị của từng impression, tổng số lượt quảng cáo, trải nghiệm người chơi và khả năng giữ chân họ trong dài hạn.

Làm thế nào để xác định chiến lược mới thực sự hiệu quả? Từ quy tắc cố định đến chiến lược dựa trên dữ liệu

Một điều cần khẳng định là không có một mức tần suất phù hợp với tất cả ứng dụng và mọi nhóm người dùng, vì vậy, việc tối ưu quảng cáo nên được triển khai bằng thử nghiệm và ra quyết định dựa trên dữ liệu trả về, thử nghiệm A/B nhiều mức frequency capping, sau đó so sánh doanh thu và retention trước khi mở rộng cấu hình mới.

Một ví dụ được Firebase giới thiệu là Qtonz điều chỉnh vị trí hiển thị để quảng cáo chỉ xuất hiện sau khi người chơi hoàn thành một hành động quan trọng, qua đó giảm mức độ gián đoạn. Với nhóm có phiên chơi dài hơn, studio tăng số quảng cáo từ 2 lên 3 - 4 lượt mỗi ngày. 

Để kiểm chứng các giả thuyết tương tự, studio cần bắt đầu bằng việc ghi nhận doanh thu ở cấp từng lượt hiển thị và nối dữ liệu đó với hành vi người chơi. Trên nền dữ liệu đó, studio có thể thử nghiệm các mức cooldown và frequency cap khác nhau trên những nhóm người dùng phù hợp, giữ nhóm đối chứng và theo dõi đồng thời eCPM, IMPDAU, doanh thu quảng cáo trên mỗi DAU, tổng ARPDAU, retention và LTV. Nếu muốn đánh giá tác động của nguồn UA, có thể phân tích riêng các cohort organic và paid; nếu muốn đánh giá khác biệt nền tảng, có thể so sánh iOS và Android. Các biến khác như quốc gia, định dạng quảng cáo và thay đổi mediation cần được kiểm soát hoặc theo dõi để tránh quy kết sai nguyên nhân.

Cuối cùng, bài toán không còn là tìm một con số cooldown tối ưu. Câu hỏi đúng hơn là: Những nhóm user nào thực sự phản ứng khác nhau với chính sách quảng cáo, và việc điều chỉnh chiến lược cho từng nhóm có tạo ra kết quả tốt hơn không? Khi các nhóm người chơi khác nhau về hành vi và giá trị, một chiến lược đồng nhất có thể là điểm xuất phát hợp lý nhưng không phải lựa chọn tối ưu. Cá nhân hóa chỉ tạo ra lợi thế khi được chứng minh bằng dữ liệu và thử nghiệm thực tế. Lợi thế trong ad monetization vì thế không chỉ nằm ở việc hiển thị được nhiều quảng cáo hơn, mà ở khả năng biết khi nào nên hiển thị, cho ai và trong điều kiện nào, đồng thời đảm bảo doanh thu hiện tại không đánh đổi quá nhiều giá trị mà người chơi có thể mang lại trong tương lai.

Reference

https://www.linkedin.com/pulse/same-cooldown-everyone-facepalm-felix-braberg-1kptf/

https://support.google.com/admob/answer/11322405?hl=en-GB

https://support.google.com/admob/answer/9736628?hl=en

https://firebase.google.com/docs/tutorials/optimize-ad-frequency/solution-overview

https://unity.com/blog/5-ways-to-boost-ad-monetization-with-user-segmentation

https://www.deloitte.com/us/en/Industries/tmt/articles/improve-mobile-game-advertising.html

https://support.google.com/admob/answer/15337570?hl=en

https://felixbraberg.substack.com/p/how-many-ads-are-enough

https://www.linkedin.com/pulse/bridging-silos-modern-playbook-unified-mobile-game-monetization-bf7dc

https://www.gamigion.com/your-7th-rewarded-ad-is-worth-less-than-an-interstitial/

https://www.gamigion.com/ad-overload-killing-your-ecpm/\