持续完善中…
在IAA的整个链路中，你的身份既是广告主也是变现方同时也是开发者（客户端部分先不赘述），下面先按广告主和变现方两种身份，站在一个技术开发的角度详细讲述各种概念和自己的理解。

身份1：广告主～投放端（花钱）

即花钱买流量花钱投广告，此时身份：广告主（Advertiser）

投放时需要确定的东西：

1，投什么渠道？
渠道选择的核心是匹配而不是单纯的看哪个平台大，具体得看你的产品品类，根据品类选择适合的渠道。
2，投什么国家？
不要凭直觉来选国家，一个实用的框架是按回本能力将所有的国家分为T1/T2/T3，核心指标是CPI（单次安装花费即获客成本）与eCPM/ARPU(用户价值)的比值。
T1（美，英，加，澳，德，日等）：CPI成本高但同时用户的LTV也高，适合中重度产品，高付费意愿品类，打法是用tROAS/tCPA抢高价值用户。
T2（南欧，东欧，韩国，海湾国家，巴西，墨西哥等）：性价比区间，CPI和LTV都居中，适合作为第二波市场扩展。
T3（印度，东南亚，非洲等）：便宜且海量，CPI极低但eCPM/ARPU也低，适合IAA变现产品靠激励视频冲量，用低价CPI粗放跑量，靠量级覆盖低单价。
建议：对于IAA产品，建议先从T2或者T3里选择一个CPI低英语覆盖程度尚可的市场（如菲律宾，巴西）先跑通模型，再往T1试，一上来就直接跑T1除非你的eCPM能撑住$3-5以上的CPI，否则回本很难。

Facebook（Meta）投放配置流程【重要】

Facebook后台是三层结构：广告系列定目标 + 广告组定受众/预算/版位 + 广告定素材。
第一步：打通广告收益回传链路（最关键，没做就别开始投）
IAA小游戏不能只回传安装，你需要通过Adjust、AppsFlyer等MMP把用户观看激励视频、插屏产生的广告收益作为事件回传给Meta（客户端需要先调用Adjust sdk完成Adjust收益上报，然后在Adjust后台启用Meta数据分享，勾选“广告收入”并同时勾选“启用AdImpression映射”，Adjust官方文档明确说明：勾选后，Adjust会将你的广告收入流映射到Meta的标准AdImpression事件，而不是默认的fb_mobile_purchase，这样才能最大化IAA推广的价值，如果不开启AdImpression映射，广告收入会被硬编码显示为fb_mobile_purchase，且无法更改，所以务必确认AdImpression映射已开启），Meta的VO IAA依赖这些带金额的事件来学习“哪类用户更爱看广告、产生更高收益”，而不是盲目买最便宜的安装。
第二步：创建广告系列
在Facebook新建广告系列，选择营销目标。可选的营销目标有六大类：品牌认知，流量，互动，潜在客户，应用安装量，销售（转化）。一个系列只能选一个目标，刚开始投放目标建议先选“应用安装量”，如果MMP已回传价值事件，后续可以切换到VO IAA（价值优化）。
第三步：设置广告组（受众与出价）
受众：初期不要定太窄。按目标国家、年龄、设备（Android/IOS）圈定。IAA小游戏用户池子大，通投让算法先跑起来更高效。
出价：新账户用“最低成本”，让系统自动调价。不要手动设CPI上限，否则系统可能为了卡低价而买来不看广告的用户。
预算：给足。如果预算太紧，系统学不到足够的数据，模型跑不准。
第四步：创建广告素材并发布
准备3-5版视频素材，前3秒必须展示游戏核心玩法或“看广告的奖励”的钩子。IAA游戏素材消耗快，后续需要继续上新。提交审核上线后通过Pixel回传的转化数据（加购，购买等）来判断效果，持续优化受众和素材。

Google Ads投放配置流程【重要】

Google的流程更线性，官方概括为5步：填业务信息–>选目标–>创建广告–>选受众和预算–>确认付款并发布。
第一步：让Google Ads能“看见”并理解你App里产生的广告收益，从而用tROAS出价去找那些真正能帮你赚钱的用户。
1，用Firebase导入ad_impression事件：这一步是在建立数据源头，将应用中用户每一次看广告产生的收益通过Firebase把这个事件（通常叫ad_impression）收集起来（即客户端要做的Firebase收益回传），没有这一步，Google完全不知道你的用户看广告能给你带来多少钱，后续的智能出价也就无从谈起。
2，在Google Analyties中将上面上报的这个名为ad_impression的事件标记为转化：这一步是在告诉系统“什么算有价值的结果”，在Google Analyties里事件本身只是流水账，你手动将ad_impression事件标记为“关键事件（以前叫转化）”，等于是在给Google发信号：“这个动作很重要，请把它当做优化目标来对待”，只有被标记的事件才有资格被导入到Google Ads里作为转化追踪的标的。
3，关联Google Analyties与Google Ads并把事件导进去：这一步是在打通数据管道。把Google Analyties媒体资源和Google Ads账户关联起来，然后在Google Ads的“转化”设置里，把刚才标记好的ad_impression事件正式导入。导完之后，Google Ads的报表里就能看到“广告展示”这个转化动作了。你的广告系列在优化时，系统才会把“带来广告展示”作为一个可追求的目标，而不是盲目的只买最便宜的安装。
上面3步就是再给Google的算法喂正确的目标数据。等这些数据积累到一定量（官方通常建议30天内有30次以上转化），你再去开tROAS出价，系统才知道该往哪个方向去找人。
第二步：创建UAC（通用应用广告系列）
在Google Ads中新建应用广告系列。初期如果ad_impression事件数据量还不够，可以先选“应用安装”或者“应用内操作”，优化目标选一个早期行为（如教程完成），先积累用户和转化数据。
第三步：切换到IAA tROAS出价（数据够了之后）
当积累了一定量的ad_impression转化数据（建议至少几十条，让模型有基础认知），新建一个UAC系列，在出价策略中，选择“以提升广告收入为目标的目标广告支出回报率（tROAS）”。此时系统会专门去找那些更可能观看广告、产生ad_impression事件的用户，而不是只找安装便宜的人。
第四步：设置预算和出价
根据Google官方建议，对于tCPA类出价，预算至少是出价的10倍；对于tCPI，预算至少是出价的50倍。tROAS起步不要设太高，参考你实际的LTV/CPI比值来决定。如果跑了一两周后系统提示“受出价限制”，说明出价太保守，可以适当降低tROAS目标或者提高预算。
第五步：国家拆分与素材
日本、韩国、中国台湾等市场的CPI和eCPM差异很大，分开建系列，不要合并跑，否则预算会被低价值市场吃掉。素材方面，UAC需要多样化的素材让系统去组合测试，至少准备5张图+2段视频。

一个关键提醒：低于0.001美元被Meta过滤

Facebook侧有一个实操中容易遇到的坑：通过MMP回传到Meta的广告收益，如果单次价值低于某个阈值（如0.001美元），Meta的广告管理器面版可能会过滤掉这部分小额数据，导致你看到的ROAS比MMP后台低很多。这不代表Meta的算法没在学习，但它会让你在面板上看数据时产生困惑。建议以MMP或你自己的BI数据（例如AdFlow中台的数据）为准来做调优决策，不要完全依赖Meta面板的ROAS数字。

tROAS（目标广告支出回报率）前面的字母t是什么意思？

ROAS前面加一个小写t，意思是目标，他代表Target ROAS，即目标广告支出回报率。和普通的ROAS的区别是普通的是事后算出来的实际结果，而tROAS是事前设定的一个目标，ROAS是IAA投放后期最关键的一个指标。你设定一个期望的回报率（比如80%），系统会据此去寻找那些能带来更高广告收入的用户，而不是只找安装便宜的人。
总结：带t的都是你希望系统去达成的“目标控制线”，比如tCPI，tCPA，tROAS等等。

ROAS，ROI，LTV、ARPU 各自的含义以及计算公式

ROAS 广告产出比
含义：广告投放带来的总收入 / 广告成本，看投放回本能力
公式：ROAS = 广告带来收益 ÷ 广告花费
例：花费1000，收益2500 → ROAS=2.5

ROI 投资回报率
含义：除去成本之后的净回报
公式：ROI = (广告带来收益 - 广告花费) ÷ 广告花费
例：花费1000，收益2500 → ROI=(2500-1000)/1000=1.5

LTV 用户生命周期价值
含义：一个用户从激活到流失，一辈子能贡献的总收入
公式：LTV = 周期内用户总收益 ÷ 新增用户数
备注：常分D0 LTV / D7 LTV / D30 LTV

ARPU 每用户平均收入
含义：统计周期内，所有活跃用户平均贡献收入
公式：ARPU = 周期总收入 ÷ 周期活跃用户数

Day0（D0）：用户被买量激活 / 首次打开游戏的当天（新增基准日）。也就是这批用户的「出生日」，所有 D1/D7/D30 都以 D0 为起点算。

广告主身份下需要关注的数据指标：

1,成本类：须知计费模式分为CPM（千次展示成本），CPC（单次点击成本），CPV（单次观看成本），CPI（单次安装成本），CPA（单次行动成本，行动包括：注册，填表，首购，订阅，CPA=总成本➗总的转化数），CPE（按单次互动付费，如转发，关注，点赞等互动行为，是CPA在社交场景下的一种细分）等。
CPM/CPC/CPI/CPA对比：
CPM（跑曝光）：广告每展示1000次你付一次钱，不管用户点不点装不装，对广告主来说风险最高，因为展示不等于任何结果，但单价最便宜，适合大厂跑品牌曝光及知名度。
CPC（跑点击）：用户点击了广告你才付钱，比CPM进一步，至少保证了用户对你的广告产生了兴趣，适合测试素材点击率，但会面临点击欺诈的风险。
CPI（跑安装）：用户点击广告并且安装了你的应用才付钱，这是移动端应用特有的计费方式，比CPM进了一步，保证了“用户至少把APP装上了”，但安装不等于留存，更不等于付费。
CPA（跑行为）：用户完成你指定的任意动作你才付钱，CPI其实可以看作是CPA中的一个特例（也就是行动被定义为安装时，CPA就变成了CPI），但一般CPA通常指的是安装之后的更深层的用户行为，比如注册，首购，订阅等，对广告主来说，风险较低但是单价通常也最高。

备注：对于新产品花钱买量的阶段，如果你的目标是先冲安装量，那就先跑CPI，如果已经有数据，想优化到注册或者首购这种更深层的动作用CPA。

2，效果类：CTR（点击率），CVR（转化率），点击率反映素材吸不吸引人，通常2%左右算不错，低于1%就要改素材。转化率反映用户点进来后愿不愿意完成你期望的动作，一般2%-3%是较好的水平。
3，回报类：ROAS（广告支出回报率），LTV（用户生命周期价值），这两个是最终判断“投的值不值”的判断指标，例如IAA的投放底线就是LTV>买量成本。

身份2：变现方（赚钱）

集成AdMob和Max聚合等广告SDK后，当用户在你的应用中观看广告，广告主为这次展示付费（平台也在中间赚取差价或者买方服务费），此时身份：发布者/变现方（Publisher）

eCPM加深理解【重要】

变现方身份下需要关注的广告价值的核心指标：
eCPM（=总收入➗广告展示次数X1000，即千次广告展示的收益）：需要注意的是这个指标按总收益折算后的结果，不代表广告主只会按CPM展示付费，前面我们知道广告主买量的方式有很多包括CPM，CPC，CPI，CPA，CPE等等，站在广告主的视角不同的计费模式对应不同成本的花费，但是站在变现方的视角不同计费模式下广告单次展示的价格之间没有可比性，例如对于CPM来说广告的单次展示价格是固定的，但是对于CPC广告来说单次收益完全取决于用户点不点，点一次可能几毛钱但是不点就是零，所以直接拿一个CPC的单次价格和一个CPM的单次价格去比完全没有意义，而eCPM要做的就是基于最终的收益将不同的计费模式统一折算成“每千次展示能赚多少”，这样一来不同计费模式下的广告在收益层面就可以公平的横向对比，至于为什么是千次，因为如果是单次收益假如竞价eCPM为8，单次展示理论收益就是0.008，这个量级的数字在日常的分析和沟通中很难用波动看起来也微不足道，放大到千次量级之后数字才变得更可读可比较可设定目标。

延伸：eCPM也是聚合平台做决策的“通用语言”，在AdMob或者Max里，多个广告源同时竞争同一个展示机会时，系统需要一个统一的标尺来判断谁输谁赢，这个标尺就是eCPM，包括你给瀑布流模式下不同的广告源设置预估值时设置的也是eCPM（同时须知瀑布流模式下手动给不同广告源设置的eCPM值只会影响广告源在瀑布流中的排序，即先敲哪一家的门，这个预估的eCPM值不代表最终真实的CPM出价，这里就暴露出瀑布流模式的一个弊端：给瀑布流设置的eCPM是认为预估的，预估高了会让不值钱的广告源插队挤掉真正值钱的，预估低了会让原本值钱的排到队尾轮不到它，后面关于瀑布流会详细再举例这里不再赘述）。

客户端开发者还需要分析数据关注应用中广告的加载情况：请求数，失败数，成功率，展示率等数据，在逻辑层面不断优化也做到价值和体验最大化。

eCPM的波动性【大盘波动?】

eCPM波动是常态，因为他本质上是广告主实时竞争的结果，而不是一个固定的单价，一般有如下原因：
1，季节性供需变化（开会时常讲的大盘波动）
广告主的预算不是全年匀速花的。节假日，黑色星期五，年末购物季等时期，各广告主为了抢流浪会抬高竞价此时eCPM会普遍上涨，淡季时预算收缩，eCPM自然回落。根据行业数据显示：Q4通常是eCPM的高点，而年中（Q2/Q3）容易出现低谷。
2，流量质量与用户行为变化
同一个app，不同时间进来的用户价值可能不同，比如新用户通常比老用户eCPM更高（因为广告主更愿意为新用户的转化潜力出价）。如果某个阶段你的新用户占比下降，或者老用户的地理分布发生了变化（例如从高价值的美国流量变成了低价值的非洲流量）那么整体的eCPM就会被拉低。
3，手动调整后台策略
如果你改了底价、屏蔽了某些广告类别，或者调整了瀑布流的顺序，都会直接影响竞价环境。Google明确提醒：屏蔽的类别越广，对竞价的影响越大，调低底价可能会引入大量低价出价，拉低平均eCPM。

竞价（Bidding）和瀑布流（Waterfall）

1,瀑布流模式：依次敲门，先到先得。，变现方根据历史数据或者经验，在聚合后台针对每个广告源设置一个预估的eCPM，系统按照设置的这个eCPM值从高到低来对各个广告源进行分层排序，当请求来的时候，先问排在第一层的广告源，他有广告就直接展示，流程结束，如果它没填充，继续问第二层，以此类推直到有人填充。这里有个需要注意的问题是：手动设置的eCPM只是决定排队顺序，不代表最终真实出价，比如广告源A的CPM真实能出到8，而广告源B的CPM真实只能出到2，但是因为你错误的预估将广告源B的eCPM手动设成了比A高，那就只会得到价值为2的广告而导致排在后面的价值为8的广告得不到展示。

优点：
1，控制感强：你可以手动决定哪个源排前面，适合有特殊合作关系或者直接客户或者品牌广告。
2，兼容性好：不支持竞价的广告源只能通过瀑布流接入，瀑布流是他们的“兜底”方式。
缺点：
1，选不出真实最高价：你设置的eCPM是猜的，低价值的源可能因为被你设高了而插队，高价值的源可能因为被你设置低了而排到后面轮不上。
2，延迟高：逐层串行请求，层数越多，用户等待广告加载的时间越长，可能因为影响用户体验导致用户流失。
3，维护成本高：eCPM本身就是具有波动性的，你需要定期根据真实的市场以及大盘波动来校准每一层的eCPM，遇到季节性波动时工作量更大。
2，竞价模式：同时出价，价高者得。当用户触发广告请求时，聚合平台同时向所有参与本次竞价的广告源发出请求，各个广告源在几毫秒内同时返回一个愿意为本次广告展示支付的价格，系统比较所有的出价，出价最高者赢得展示机会。
优点：
1，收益潜力更高：每次展示都是真实竞争的结果，不会因为你预设价格不准而错失高价，行业数据显示从传统的瀑布流转向竞价后开发者整体应用收入有显著提升。
2，填充率稳定：因为所有源同时参与，只要有人出价就有广告，填充率通常接近满填充。
3，延迟低：一次请求所有参与方同时出价，比瀑布流模式下逐层串行请求快得多。
4，维护成本低：不需要人手动维护每一层的价格和顺序，系统自动比价。
缺点：
你会失去对“哪个源优先”的直接控制权，完全由出价决定，同时也并非所有的广告源都支持竞价模式。

对比理解：
1，实时竞价模式中的出价是各个广告源在每次展示机会中真实愿意支付的出价，例如出价是8那单次展示收益大概就是0.008，而瀑布流中每一层设置的eCPM只是你手动填写的预估排序值，只用来决定排队顺序，不代表广告填充时的真实报价。

实时竞价和瀑布流该怎么选择？【须知】

结论：优先跑实时竞价，瀑布流只留给不支持竞价的少数广告源做补充，并且瀑布流尽量使用系统优化而非手动调价，纯手动瀑布流维护成本高，容易猜错价格，已不再是主流选择。当下包括AdMob和Max在内的头部聚合平台都是竞价优先，主推 Bidding 竞价，瀑布流虽然还没有被彻底砍掉，但是已经被标记为 Legacy / 传统模式，属于保留兼容、不推荐新建。
Max官方也推荐优先全 Bidding，且新渠道很多只开放 Bidding 接入，不再提供传统瀑布适配器。还有很多老的三方广告源自己也关闭了瀑布流支持，例如Unity Ads，2026-01-31 之后不能新建 / 修改它的瀑布流点位，只能走 Bidding。
瀑布流当下使用的场景通常只有一种：某个广告源不支持竞价，但是你又不想放弃它，这时就只能动瀑布流把他接进来，但是注意不要一层一层手动设eCPM然后不管，AdMob提供了“广告来源优化”功能，可以基于历史数据自动重排瀑布流顺序，Max聚合也提供了Auto-CPM自动调价功能，毕竟你纯手动设置的eCPM价格很难持续准确。所以推荐一定要开启这些优化功能，让系统替你调，比你凭感觉猜价格靠谱的多。
实操建议：将中介组中支持竞价的源全部放竞价，剩下的不支持竞价的源再设置瀑布流并开启系统优化功能。跑一两周后对比填充率和eCPM，如果瀑布流那部分填充很低，收益贡献也小，直接砍掉，只留竞价。

现实中怎么用：竞价+瀑布流混合模式才是主流

纯手动瀑布流模式正在被淘汰，但纯竞价也还不现实，因为总有一些第三方广告源不支持竞价。目前绝大多数的做法都是混合模式，就拿AdMob聚合来说：在聚合后台创建的中介组（Max聚合没有中介组的概念是针对单个广告单元id单独配置的，AdMob是中介组下的所有单元id共享同一份配置）里同时添加多个广告源，支持竞价的设置为竞价模式，不支持竞价的再设置为瀑布流模式来作兼容，当请求来的时候，所有的竞价源先出价，然后系统拿着这个最高出价再继续与瀑布流中第一层的eCPM进行比较，如果竞价的最高出价高于瀑布流第一层的eCPM，那就直接使用流程终止，否则按照瀑布流的模式依次敲门。

底价/无底价是什么？

结论：上面说的实时竞价和瀑布流都是交易模式，而底价/无底价是附加在这两种模式上的“最低价过滤网”。竞价+底价依然是竞价，只是低价出局了；瀑布流设底价就是决定每一层排队门槛的高低。

底价（Floor Price）：你设定的最低可接受的eCPM价格。无论是竞价还是瀑布流，低于这个价格的出价会直接被过滤掉，不参与展示竞争，它的作用是保收益，防止流量被贱卖，但代价是填充率可能下降—如果没人出到这个价，这次展示机会就被浪费掉了。
无底价：就是不设置最低门槛。任何出价都有机会赢得展示。优势是填充率最大化，劣势是竞争不激烈时可能以极低价格成交，拉低整体的eCPM。

AdMob聚合填充策略配置【在中介组上配置】

在AdMob聚合中，广告单元ID本身只定义了格式和展示位置，真正决定“怎么竞价，怎么排队”的是中介组，中介组会按广告格式、平台、应用、广告单元、国家/地区等条件来细分流量，在AdMob中你可以创建多个中介组，分别给每个中介组配置不同的出价源和瀑布流源，然后将不同的广告单元ID通过“广告单元映射”接入不同的中介组中，就能实现让他们在加载广告时走不同的填充策略，相反如果将广告单元全部接入同一个中介组，在加载时他们就会走相同的填充策略。

AdMob中介组设计的初衷：
你不需要给每个广告单元ID都单独配置一遍用哪些广告源，一次性把填充策略（竞价源，瀑布流源，底价）都在组里设置好，然后将多个广告单元ID加到组里共享这套策略。另外同一个广告单元ID也可以同时存在于不同的中介组中，需要注意的是：每个广告单元映射最多只能添加到10个中介组里，这是广告单元一侧的限制而不是中介组本身的限制，规划策略分组时需留意一下这个限制。

广告单元ID为什么可以属于多个组且无限制？
AdMob的中介组本身就是按定位条件（如国家/地区、平台、广告格式）来划分流量的。当一个广告请求进来时，系统会拿他的属性去匹配所有中介组的条件。如果它同时匹配了多个组（比如一个组定位是日本，一个组定位是Android平台），AdMob会根据优先级（数字越小优先级越高）来决定用哪个组来填充这次请求，所以同一个广告单元ID被同时放入不同的中介组中是很常见的做法。比如组A定位日本，用一套针对日本市场的广告源配置。组B定位美国，用另一套针对美国市场的广告源配置，你把同一个广告单元ID同时添加到这两个组中它就能根据用户所在的地区，自动选择走不同的策略。（类似于现在AdFlow中台同时添加多个条件，每个条件各自对应一套广告配置，应用启动时AdFlow会自动判断当前符合哪个条件然后下发对应的那套配置，创建条件时同时也支持设置匹配优先级）

广告单元映射最多只能添加到10个组中？
注意这个限制针对的是广告单元映射的入组而不是上面说的AdMob广告单元本身能进几个组（广告单元本身入组没有限制）
这里的广告单元映射指的是：你的AdMob广告单元与某个第三方广告网络（如Meta）中对应广告单元之间的那条“连接线”。映射限制的意思是：同一条连接线最多只能在10个中介组里被引用，这主要是为了防止你在过多组里重复使用同一个第三方映射导致管理和数据混乱。

聚合平台的广告单元本身和广告单元映射怎么理解？
简单来说广告单元ID是你自己在AdMob里的“门牌号”（在AdMob体系内使用），而第三方映射就是你给快递员（第三方网络）留的指定放件位置，快递员（第三方网络）不认识你家的门牌号，只认你填的“放到门口鞋柜”或“塞进3号柜”。映射就是在告诉AdMob：当这个门牌号（广告单元ID）要展示广告时，应该去哪个位置取。
广告单元ID是你在AdMob后台创建广告位时生成的唯一ID，它代表你APP里某个具体的广告展示位置（比如游戏结束页的插屏）。这个ID完全由你掌控，是AdMob识别“这次请求来自哪里”的依据。
映射的本质是填写第三方广告网络要求的标识符，每个第三方网络都有自己的一套广告单元ID或者Placement ID，AdMob需要你把这些外部ID填进来，才能在请求广告时，准确告诉第三方：请为这个位置（第三方那边的ID）返回一条广告。

在中介组内添加来源：
1，竞价来源：在“出价广告来源”表格中点击添加，你可以选择性地设置一个eCPM底价，这个底价会适用于所有的竞价方，并覆盖广告单元本身的底价设置。
2，瀑布流来源：在“瀑布流广告来源”表格中点击添加，并输入手动eCPM用于排序。如果该来源支持优化（需要手动开启AdMob的广告来源优化功能），系统会在收集足够数据后自动接管排序，降低纯人工手动维护以及出错风险。

MAX聚合填充策略配置【在广告单元的瀑布流中配置】

注意：当前MAX 里的 “Waterfall” 瀑布流和早年纯串行瀑布已经不一样，是指竞价池 + 兜底串行传统网络混合的新型瀑布模式。
在Max聚合中，没有中介组的概念，填充策略直接是配置在广告单元层级，每个广告单元都有自己的瀑布流配置（注意这里的瀑布流不是指传统的纯串行瀑布流而是新的混合模式）。如果你确实想给多个广告ID跑不同的策略，需要为每个广告单元ID单独维护各自的瀑布流设置。但Max官方强烈建议每个应用每种广告格式尽量只用一个广告单元ID，以避免缓存和带宽问题。

在MAX广告单元的瀑布流中添加2类主要来源：
1，Bidding Networks（竞价网络）：这些SDK网络会同时参与实时竞价》
2，Other Networks（其他网络）：这里的其他网络就代指传统的纯串行瀑布流网络（在MAX中瀑布流概念已经被赋予了新的含义，它指的是新型混合模式），按你设定的CPM价格顺序依次请求，同时前面也提到过和AdMob聚合针对传统瀑布流提供的“广告来源优化”功能一样MAX聚合也支持开启Auto-CPM自动调价功能以此来降低人工手动维护每一层eCPM价格的成本，大幅减少人工手动调价的负担。
3，MAX同样也支持在广告单元层级设置底价（Bid Floor，可按国家/地区设置），但AppLovin官方明确建议保持关闭，因为设置底价会限制收到的广告数量，可能对收入和填充率产生负面的影响。

MAX的推荐做法是少建ID，用ad Placement标签在SDK层区分位置来测数据表现，怎么理解？
MAX官方明确强烈建议每个app的每种广告格式只用一个广告单元ID，原因很实际：保证缓存效率。如果你为同一个格式（比如激励视频广告）创建了多个广告单元ID，SDK会为每个ID分别维护一套广告缓存。用户走到A场景时缓存了ID1的广告，走到B场景时SDK发现ID2没缓存又得去请求一次，这会造成不必要的带宽消耗，也可能出现用户要看广告了但对应ID的缓存还没准备好的尴尬情况，基于以上原因：MAX建议的做法是同一个广告类型只创建一个广告单元ID，一个ID管所有的位置，同一份缓存全局共享，用户无论在哪个页面触发广告，都能尽可能立马拿到已经缓存好的广告。
既然所有位置共享同一个单元ID，那怎么知道“游戏结束页的激励视频”和“商店页的激励视频”哪个表现好？
针对这种场景，SDK内部也专门提供了支持：在客户端加载广告时可以为每次请求绑定一个placment名称，这个名称在不同的触发位置设置不同的值，在MAX的高级报表里有一个“Ad Placement”维度的筛选条件，就是用来按你代码里传的这个名称来拆分数据的。你不需要在后台创建两个广告单元，报表里就能看到两个位置的展示量、收入、eCPM分别是多少。

什么是学习期？

学习期是广告平台（如Google、Meta）的机器学习系统在刚开始投放、或你做了重大修改后，需要收集数据、摸索如何优化的一段初始阶段。
什么时候会进入学习期？
1，新建广告系列或者广告组时。
2，对现有广告做了重大修改，比如大幅调整预算或出价、更换优化目标、修改受众或者素材。
学习期里系统在干嘛？
系统会不断尝试不同的展示时间、位置和人群组合，试图找出谁最可能完成你设定的目标（比如安装、看广告、付费）。在这个摸索过程中，效果通常不稳定，成本也可能偏高，因为系统还在“交学费”试错。
怎么才算毕业？
平台通常要求在一定时间内积累足够多的转化。常见门槛是7天内获得约50次转化（优化事件）。如果达不到，状态可能变成“学习受限”，投放效率会受影响。
IAA投放的提醒
在你刚建的Google UAC或者Meta广告组跑起来的前几天，不要因为数据难看就频繁的去改预算或者出价。每一次重大修改前都可能让系统“重新开始学习”，之前积累的数据就白费了。给它几天时间跑完学习期，再看数据做判断。

两大渠道具体怎么投？【第一版整理】

以Google UAC（通用应用广告系列）和Meta为例，这两个也是出海应用最通用的起步渠道。
Google UAC怎么投？
Google UAC：特点是黑盒，你不需要手动定向，系统根据你的目标和素材自定找人。能控制的核心变量只有3个：
1，CPA目标设定：新应用先选"安装量"优化，用tCPI出价，积累初始用户和转化数据，等有数据后再切到“应用内操作”优化，目标事件选一个每天至少有10个不同用户完成的行为（比如注册，首购），否则系统学不出来。
2，预算给够：官方建议每日预算至少是目标CPI的50倍，否则系统收集数据不够，跑不出量。
3，素材喂饱：UAC需要多样化的素材来测试组合，至少需要准备5张横图+5张竖图+2段视频，让系统有足够的素材去匹配不同的版位和人群。
Meta怎么投？
Meta的核心是受众+素材，起步时结构越简单越好。
1，CPA目标设定：新应用选“应用安装量”，出价用“最低出价”，让系统自动调价，不手动设置CPI。
2，受众：初期不要定太窄，基础定向按目标国家、年龄、设备（Android/IOS
）圈定即可，如果已有活跃用户，用“类似受众”（LAA）放大，精确度比纯兴趣定向高。
3，素材：一个广告组至少准备3-5板素材，视频为主（推荐占比70%），前三3秒必须展示核心价值，素材是Meta投放的消耗品，跑一段时间效果下滑时，先换素材，再调出价。
4，不要频繁改：预算或出价一天内变动超过50%系统会重新进入学习期，导致流量波动变大，建议至少等7-14天观察数据后再做判断。

投放前须知：

基础：变现模式决定投放底线，投放之前先确定是IAA还是IAP模式。

1，追踪先行：没做好转化追踪就别开跑

投放前需要先做好转化追踪，Google和Meta的系统都靠转化数据来判断“该把广告投给谁”，转化追踪没做好就开跑等于让系统盲投，钱花在哪有没有效果你都不知道，Meta渠道需要集成SDK回传安装以及深层事件，Google渠道需要集成Firebase或MMP数据，及客户端需要做好对应的三方SDK集成和事件埋点。

2，账户结构：别把预算切太碎

起步阶段不要创建一堆广告组每个给一点预算。预算切的太碎每个组都攒不够转化数据，系统学不出来成本反而更高，FaceBook投放的建议是起步两到三个广告组就够了，宁可一组给足预算也不要三组均摊。

3，出价策略：初期别抠太紧，先让系统跑起来

为了快速度过学习期、拿到足够数据，初期出价可以比预期高一些（比如预期的1.2-1.5倍），先争取展示机会。开跑后前三天不要频繁改预算或者出价，每次调价必须间隔至少三天以上，否则系统反复重置学习期，永远学不出稳定模型。

4，素材是消耗品：准备好持续迭代

广告跑一段时间后效果下滑，很多时候不是出价的问题，是素材疲劳了。投放前要转备好可轮替的素材池，跑稳后定期上新素材来承接量级增长，而不是靠硬抬预算推老素材。初期素材数量也别一次传太多，会影响算法学习速度。