利用Tenjin pLTV优化广告活动 #
Tenjin的“N日总预测LTV（广告聚合+内购）”指标利用机器学习预测用户总收入，帮助您在早期评估广告投放效果，从而在无需等待完整分群数据的情况下，快速做出扩大、维持或暂停投放的决策。你无需额外操作即可完成设置，这些指标会直接出现在用户获取（UA）报告中。
- 该指标将IAP LTV与广告聚合LTV（ILRD，展示层级收入）合并为一个单一的预测指标，平均准确率约为90%。
- 支持的群组周期为1至30天（如第1天、第2天……第30天）。
- 预测基于第0天的用户行为指标、已成熟的同期群数据以及历史数据。
- 所有付费Tenjin方案用户均可使用该功能。
以下是设置方法。
在Tenjin面板上设置首日pLTV（广告聚合+内购）的方法如下： #
要查看您各个投放活动的首日pLTV（广告聚合+内购）：
- 要查看您各个投放活动的首日pLTV（广告聚合+内购）：
- 点击右上角的 ‘Edit Metrics’。
添加以下指标到你的面板：
- Spend 花费
- 1-Day All LTV (Ad Mediation + IAP)
- 1-Day pLTV (Ad Mediation + IAP)
此设置可为您提供每个广告计划首日群组的实际收入与预测收入。
如何理解pLTV数据 #
以下是添加上述指标后，您的面板表格的示例展示，示例中数据按单一日期和广告计划进行拆分：
- Spend: 这个广告计划的总消耗
- 1-Day All LTV (Ad Mediation + IAP):广告聚合收入与内购收入的实际第1天总收入。
- 1-Day pLTV (Ad Mediation + IAP): 买量用户一天后的预测总LTV。
如何通过pLTV分析投放效果并进行优化 #
在这个例子中你会发现:
- 第一个广告计划消耗为$1,810.20。实际的1-Day All LTV (Ad Mediation + IAP) 大约是$1,270, 预测的LTV大约是$1,307.
- 预测ROAS约为72%（预测LTV ÷ 消耗）。
- 这是一个非常强的早期信号，因为用户仅处于安装后24小时内。如果这些用户在后续分群（如第3天或第7天）实现留存并继续变现，这个广告计划有望随着时间推移达到或超过100%的ROAS，甚至实现盈亏平衡。
- 建议考虑维持当前投放预算，以测试规模扩展的效果。
- 第三个广告计划消耗为$436.08。实际首日总LTV（广告聚合+内购）约为 $356.49，预测LTV约为$366.28。
- 预测ROAS约为84%，表现比第一个广告计划好。
- 这同样是一个积极的早期信号。该分群在第1天已接近盈亏平衡，并有望在后续分群中实现盈利。
- 建议对该广告计划谨慎增加预算，并在用户逐渐成熟的后续分群中测试规模扩展，以实现盈利。
主要结论 #
- 将预测LTV指标作为早期信号，用于判断哪些投放活动值得扩量。
- 根据您的ROAS目标，如果首日预测ROAS已超过目标值，通常表明该活动具备良好的扩量潜力。用户尚未完全成熟，未来ROAS可能进一步提升。
- 如果预测ROAS低于目标，建议减少投放预算或尝试新的目标和创意。
- 将预算集中投入表现预测好的活动，以最大化盈利能力。
常见问题 #
“1-Day All LTV (Ad Mediation + IAP)” 和 “1-Day pLTV (Ad Mediation + IAP)”有什么区别? #
1-Day All LTV (Ad Mediation + IAP)指的是买量用户在第一天从广告聚合和内购产生的实际收益。The 1-Day pLTV (Ad Mediation + IAP) 则是基于第0天指标和历史群组数据，通过机器学习模型预测这个群组的总收入。
所有广告活动和渠道都可以预测LTV吗? #
可以。只要您使用的是Tenjin的付费方案，并且广告聚合与内购数据均已正确接入，预测LTV适用于所有广告活动和广告渠道。
预测LTV的准确度如何? #
预测LTV指标的平均准确度约为90%。这个指标是为了给广告主提供有参考价值的早期信号以辅助优化，但建议结合其他关键指标共同参考，以做出更全面的投放决策。
为什么预测LTV并不总是与实际收入完全一致？ #
我们的预测模型使用多达78个输入信号。由于模型需要从众多变量及其相互作用中学习，因此不可能完全与实际数据一一对应。任何输入的微小延迟或差异都可能影响预测准确性，而实际LTV也会随着延迟事件和数据修正而随时间变化。模型会定期重新训练和校准，因此随着时间推移，预测与实际之间的差异应会逐渐缩小。
Tenjin pLTV计算原理? #
我们的pLTV模型通过评估用户在多个变现渠道中的早期行为，来预测其长期的收入潜力。具体做法是分析包括以下内容在内的关键信号：
- 广告曝光
- 会话深度
- 初次购买信号
- 互动模式
- 早期留存指标
我们的神经网络同时处理这些数据点，挖掘出与未来收入潜力相关的复杂关联。该模型经过数百万涵盖 IAA（应用内广告）和 IAP（应用内购买）的用户路径训练，能够持续学习并识别出哪些早期行为能够驱动高生命周期价值（LTV）。这一过程实现了从第0天开始的精准预测，让你在数小时内（而非数月）就能获得有意义的数据洞察。
阅读相关pLTV内容了解更多。
