▲UA Academy
← Monetization Nâng cao
Cấp 4 · 2 bài · ~29 phút

Monet × UA × Privacy & Scaling

Nối monetization với mua user: đưa tín hiệu doanh thu về network để tối ưu tROAS, thiết kế SKAN conversion value cho doanh thu, đo ROAS trong thế giới ít định danh và kiểm soát rủi ro khi tăng ngân sách.

0/2 bài đã đạt quiz
Nâng cao · ~14 phút

4.1 Đưa revenue signal về network: tROAS, ad revenue SDK → MMP, value rules

Network quảng cáo học từ những gì bạn báo cho nó. Nếu chỉ gửi sự kiện cài đặt, nó tìm người hay cài; nếu gửi giá trị doanh thu, nó tìm người sinh ra doanh thu. Bài này nói về cách đưa đúng tín hiệu giá trị, từ IAP, quảng cáo và pLTV, về network để tối ưu theo ROAS.

Từ tối ưu install đến tối ưu giá trị

Có ba mức tối ưu: Install (CPI) → Sự kiện hành động (ví dụ qua tutorial, level 5) → Giá trị (value / tROAS). Mức cuối cho phép bạn đặt mục tiêu dạng “mỗi 1$ chi phải thu về 1,2$”, và để thuật toán của Meta, Google, AppLovin, Unity và các network khác tự phân bổ thầu theo giá trị dự kiến của từng user.

tROAS = Giá trị sự kiện ghi nhận ÷ Chi phí
Ví dụ tROAS 120% nghĩa là hệ thống cố gắng mua traffic sao cho tổng giá trị sự kiện bằng 1,2 lần chi phí trong cửa sổ tối ưu.

Điều kiện thường gặp: đủ lượng sự kiện có giá trị trong một khoảng gần đây (mỗi nền tảng có khuyến nghị riêng), giá trị gửi về trong cửa sổ tối ưu ngắn (thường vài ngày đầu), và chất lượng dữ liệu ổn định. Trước khi chuyển chiến dịch sang value, hãy kiểm tra yêu cầu hiện hành trong tài liệu của từng nền tảng.

Gộp IAP và doanh thu quảng cáo thành một giá trị

Với game hybrid, nếu chỉ báo giá trị IAP thì network sẽ ưu tiên payer và bỏ qua những user mang lại nhiều tiền qua quảng cáo. Doanh thu quảng cáo của từng user thì không đến từ giao dịch rõ ràng, mà từ impression-level revenue (ILRD) do mediation cung cấp cho mỗi lượt hiển thị.

  1. Mediation (MAX, LevelPlay, AdMob...) phát ra giá trị doanh thu mỗi lần hiển thị cho SDK của app.
  2. App chuyển giá trị này cho ad revenue API/SDK của MMP (AppsFlyer, Adjust, Singular, Kochava...), gắn cùng định danh người dùng với IAP.
  3. MMP chuyển tiếp (postback) sự kiện doanh thu quảng cáo hoặc giá trị tổng hợp về network theo cấu hình.
  4. Network dùng giá trị đó để học và tối ưu thầu.
⛔ Đếm trùng doanh thu

Nếu vừa gửi ILRD qua MMP vừa tự gửi sự kiện giá trị song song, network sẽ thấy doanh thu gấp đôi và ROAS ảo. Chốt một đường duy nhất, đánh dấu rõ doanh thu gộp hay ròng, cùng đơn vị tiền tệ.

Value rules: biến dữ liệu thô thành tín hiệu học tốt

Gửi thẳng doanh thu thô thường không phải lựa chọn tốt nhất. Value rules là các quy tắc bạn đặt để biến doanh thu quan sát (và pLTV) thành giá trị gửi đi, với mục tiêu là tín hiệu ổn định, ít nhiễu và đủ sớm.

  • Cap (giới hạn trên): cắt giá trị ở khoảng P99 để vài whale không kéo lệch cả mô hình của network.
  • Gửi pLTV thay cho doanh thu quan sát: ở D0–D1, pLTV dự đoán từ hành vi sớm giúp network nhận tín hiệu trước khi doanh thu thật xuất hiện.
  • Cửa sổ thời gian: chỉ gửi giá trị phát sinh trong N ngày đầu; ngoài cửa sổ network không dùng được.
  • Chuẩn hoá theo thị trường: cùng hành vi nhưng quốc gia có ARPU thấp nên giá trị phản ánh đúng mức, hoặc dùng bảng điều chỉnh theo GEO.
  • Tối thiểu giá trị: user chưa có tín hiệu nên gửi giá trị tối thiểu nhỏ (hoặc không gửi) thay vì gửi 0 ồ ạt, để tránh làm nhiễu việc học.
Ví dụ thực chiến
Cap giúp giảm méo tín hiệu thế nào

Cohort 1.000 user; tổng doanh thu 999 user thường là 1.998$ (trung bình ≈ 2,0$). Một whale mua 400$ ở D1.

  1. 1Không cap: tổng 2.398$, trung bình 2,40$, tăng 20% so với 2,0$ chỉ vì một người
  2. 2Cap tại 60$ (khoảng P99 của app): tổng 2.058$, trung bình ≈ 2,06$, chỉ tăng 3%
  3. 3Network vẫn biết user đó có giá trị cao (60$ vẫn cao gấp ~30 lần trung bình) nhưng không bị lệch bởi một điểm dị biệt
  4. 4Mức cap nên xem lại hằng quý khi phân phối doanh thu đổi
Hiệu chỉnh pLTV theo nhóm 20% user (quintile)
Số liệu minh hoạ, đơn vị $. Mô hình hơi lạc quan ở nhóm cao nhất; cần hệ số hiệu chỉnh trước khi gửi làm value.
⚠️ Đánh đổi giữa độ trễ và độ chính xác

Gửi tín hiệu sớm (D0–D1) giúp network học nhanh nhưng pLTV có sai số lớn; gửi muộn (D7) chính xác hơn nhưng network học chậm và ngân sách đã tiêu xong. Thường chọn điểm giữa: tín hiệu D1–D3, hiệu chỉnh bằng dữ liệu D7 sau đó.

⚠️ iOS và quyền riêng tư

Với user iOS không đồng ý ATT, giá trị phải đi qua SKAdNetwork hoặc AdAttributionKit và bị giới hạn (xem bài 4.2). Tín hiệu value ở iOS khác Android về độ chi tiết và độ trễ; đừng kỳ vọng hai nền tảng hoạt động giống nhau.

💡 Mẹo vận hành

Chuyển từng chiến dịch sang tối ưu value theo kiểu thử nghiệm: giữ một chiến dịch install/event làm đối chứng, so ROAS D7 và D30 của hai nhánh trước khi chuyển rộng. Đặt tROAS thấp hơn mục tiêu thật vài chục phần trăm lúc đầu rồi siết dần.

Ghi nhớ

Network tối ưu theo thứ bạn đo. Đưa về giá trị đã gộp IAP + IAA, đã cap và đã hiệu chỉnh, gửi đủ sớm nhưng không đếm trùng, rồi thử nghiệm có đối chứng trước khi chuyển rộng sang tROAS.

🛠 Việc cần làm
📝 Quiz cuối bài · 6 câu · đạt 4/6
  1. Câu 1. Chiến dịch đặt tROAS 120% và đã chi 5.000$. Giá trị sự kiện ghi nhận kỳ vọng là bao nhiêu?
  2. Câu 2. Cohort 1.000 user có tổng doanh thu 1.500$ ngoài whale. Thêm một whale 300$ thì trung bình tăng bao nhiêu so với 1,5$?
  3. Câu 3. ILRD là gì?
  4. Câu 4. Vì sao game hybrid nên gộp doanh thu quảng cáo vào giá trị gửi cho network?
  5. Câu 5. Nhóm 20% user cao nhất có pLTV dự đoán 6,5$, thực tế 5,8$. Hệ số hiệu chỉnh cho nhóm này xấp xỉ?
  6. Câu 6. Điều nào mô tả đúng đánh đổi khi gửi tín hiệu pLTV sớm (D0–D1) so với muộn (D7)?
Đã trả lời 0/6
1/3