近万字干货分享：买量、变现、研发，详细拆解怎么做好“混合变现”

以下为文字实录（部分修订）：

大家好，我是热力引擎的业务负责人鞠芳，我今天分享的主题是混合变现趋势下自研自发的注意事项，这是我们今年在与许多开发者沟通和探讨的过程中，发现的一些趋势和一些总结下来的经验，希望今天能与在座的各位再次分享和讨论。

无论是在国内还是海外，用户对产品本身的要求越来越高。从2022年开始，游戏这个大品类，无论是重度还是轻度的休闲游戏，都进入了一个新的探索期。

现在去看全球的iOS或安卓榜单，你会发现这些游戏的玩法和内核与一两年前并没有太大的区别，主要是因为这个方向就超休闲游戏部分而言，全球高峰应该是在2018到2019年这个时间点，那时用户对游戏的质量和要求没有现在这么高。

现在出现了变化，主要是因为三点：

其一，中国开发者出海的越来越多，从2021年下半年开始受国内政策的影响开发者走向海外，所以在2022年开始，用户的口味变得越来越刁钻，这是因为出海的开发者和产品越来越多，竞争越来越激烈，旧玩法也进入疲劳期。

其二，流量获取成本变得越来越高。大家在购买流量方面都有所体会，发现流量越来越贵。这种情况会导致ROI打正变得困难，你买到你想买的用户的精准度要求越来越高。如果像以前那样大规模地通盘投放广告，你会发现后续回收成本会变得很困难。

其三，在前两点的刺激下，我们看到今年的趋势是游戏玩法的整合。重度游戏可能会集成轻度游戏，而轻度游戏则会向中等重度的方向发展，因为用户对游戏质量的要求越来越高，特别轻度的小游戏可能已经不能满足他们的需求。

因此，在这种情况下变现方式也会随之发生变化，今年开始混合变现成为了一种趋势。

在混合变现的探索过程中，原来专注于IAP的可能会对IAA的玩法感到陌生，而原来做IAA的可能对如何兼容IAP也感到陌生。那么，面对这些难题我们如何拆解呢？先要明确的是，自研自发可能会变得越来越重要，因为只做其一会在未来的竞争中缺少一些环节。

在自研自发过程中，我们有三个典型的环节：买量、变现、产品的生产和优化。

其中，买量对应的是投放团队或者发行公司（自搭建/代运营）；变现方面，IAA与整个营销领域和营销生态有关联，因此它也有自己的内部变现策略。如果原来做的是IAP，那么对于计费点运营活动的安排可能会有一些特定的机制；生产优化对应的则是产品团队。

这三个团队关注的东西会有所区别。

首先是投放团队，他们最关注的是用最少的钱购买最合适的用户。他们需要找到在满足预算约束的条件下，如何购买到最符合产品定位的用户。投放团队的目标是在花钱的前提下，尽量节省成本，买到最合适的用户。但如果钱花不出去，这证明投放还处于初期探索阶段。

变现团队则需要寻求不同的变现策略和留存之间的最佳平衡。特别是在轻量级的游戏领域，因为游戏的回收周期较短，你需要尽快形成回收，并达到期望的回收比例。因此，需要找到最佳平衡以延长用户的游戏时间，并在有限的留存时间内实施更有效的变现策略。

产品优化环节，对于以前做IAA的开发者来说，可能在回收验证阶段已经进行了测量，到了真正上线发行和运行过程中，所需要做的事情可能不会像在IAP中那样投入大量精力。因为一旦游戏真正上线，开发新游戏相比调整旧游戏的性价比可能更高。回收周期较长、用户留存时间较长的游戏，可能会更加重视这个环节。他们主要关注的关键指标包括活跃在线时长、付费行为、注册登录比例以及完成新手关卡和用户分层的一些策略。

我们逐个环节来看。

首先看买量环节，这是现在大家在增长环节中最重视的部分，也是整个营销生态中提供最多工具和平台的环节。在这里边会有几种建议：

1、为了适应混合变现的方向，我们买量时需要针对不同的目标建立投放计划和策略。

对于一款产品，可能需要采取两种不同的投放方式，即针对IAP用户和习惯观看广告的用户，分别制定不同的投放策略和购买方式。

我们来看一下这三个数据流。

首先是第一个数据流，假设我在12月5日从头条等广告代理计划和素材中购买了一个安装，均摊下来的成本是0.8。这个用户在首日观看了十次广告，其中广告来源包括A变现平台三次、B变现平台五次和C变现平台两次。首日的收入是0.3，计算首日回收的L就是0.3除以0.8。然后这个用户连续过了十关，连续登陆了15天，总计的收入是1.5。

从这一整组数据上来看，这个用户的成本是0.8，流失之前的总计收入是1.5。这个用户的RI回收率接近200%，大约是170%左右。这种用户对于我们这款游戏做IAA变现而言，是一个相对高价值的用户。

再来看中间这个环节，同样是12月5日买来的安装，这次用户的来源是头条的另一个代理投放的另一个账户的另一条素材。这个用户的成本是0.9，和上一个用户的成本差不多。但是，这个用户来了之后并没有观看广告，也没有产生收入。他过了一关之后可能觉得这个游戏和他想玩的或者看到的素材关联性不大，于是就把游戏关掉了，第二天也没有再登录。这个用户的总计收入为零。

这种用户无论他是哪种变现方式，一定是我们买量过程中的一些耗损掉的用户，实际上他不是我们这款游戏的目标用户。

第三个还是12月5日买来的安装，假设来源是头条的其他账户和素材，买量成本是1.2元，首日看广告的次数是零，但是用户有付费。首先付费了5.6元，然后总共付费了5.6元，首日回收率是0.9，过了十关，在第11关的时候重复了20次过不去。然后连续登录了八天，总计收入是5.6元。

从这个数据中可以看出，这个用户虽然看广告次数为零但是有付费，并且按照比例来看，它的回收率比IAA用户的回收率要大得多。这只是举个例子，实际上，IAP用户的满量单价也会比IAA用户要高一些。

从这个数据中还可以发现，存在一批用户在第11关重复了20次都没能过去，这可能是因为第11关的难度过高了。如果我们调整第11关的难度或者关卡顺序，在变现方面可能会收到更高的价值。

在这三个数据中，我们可以看到IAA用户和IAP用户的差异。对于中间用户，我们需要想尽一切办法去屏蔽掉，因为它们并不是我们想要的目标用户。因此如果我们的产品是做混合变现，从一开始投放的时候，我们需要在投放策略和建单上做出区分。

2、第二条建议是需要合理地回调数据，训练媒体的买量模型。

我们投放的媒体，无论是大型媒体，如国内的一些平台如巨量、快手等，还是海外的Meta、谷歌、TikTok等，甚至是一些三方的视频媒体渠道，如APP Meeting、Unity和Resource等，它们都有自己的算法和模型训练。

一般媒体主流的可以提供给我们效果广告来买量用的模型包括三类。最早的时候，按照激活下载来作为目标优化，即用户下载并打开应用程序。近两年平台提供其他指标，比如关键行为，这比激活更深入。例如IP注册或登录，IAA用户连续看过十次以上的广告，我认为他完成了这个关键行为，我回调给媒体。

虽然最近几年主流媒体提供了ROAS买量方式。

是不是只有这一种投放方式就足够呢？实际上，按ROAS买量依赖于媒体，同时也有前置条件，需要将收入数据（不管是IAA还是IAP的收入）回传到媒体上，媒体才能计算出回收和ROI值，然后才能按照这个模型进行优化。

所以首先看数据是否愿意共享。如果愿意共享可以按照ROAS进行购买，但是不是ROAS是唯一的选择？主要看投放目的、买的量级是什么。

按ROAS购买如果媒体控得准确可以按照预定的比例进行买量，这样我们的投放就变得非常简单了，不需要定向或者人群包，只需关注素材即可。但是有一个比较大的问题，你的买量的量级可能会受到一些限制。比如你要求首日回收80%，媒体为了达到这些目标，会给你找更为精准的人群，而更为精准就意味着量级可能会减少。

因此，买量的目标其实永远是追求量级和质量的最佳平衡点。

如果说我一天就买十个用户，但是质量非常高，那这个收益可能也不见得是最大化的，因为量级太少了。当然，如果说我完全不管质量，就只要量级在冲量的某个阶段，那当然也可能可以。这样的话，你投放冲量冲榜了之后，你的自然量可能会变高。

但是如果要在常规投放里达到价值最大化的效果，它应该是追求量级和质量的最佳平衡点。也就是说我的量级差不多大，然后这一批量级的对应的质量又达到了我可以回收的那个要求。在这个情况下，我的量级越大，其实对于我的买量越好。

所以说，只投放或只以付费作为优化的目标并不是全部可探索的投放路径。

除了这两种媒体提供的方式以外，我们可以深入探索关键行为。什么是关键行为？即每款产品探索买量时，我回传给媒体的关键行为，能够让买量的量级以及质量到达我想要的那个最佳评估点，这个是可以继续往下深挖的。

例如在IAP在激活和付费之间，有大量其他行为可以作为关键行为进行探索，包括注册、登录、完成新手村创建角色等等。我们可以找到那个量级和质量最佳的关键行为，并不一定通过付费方式来寻找。因此，最为合适的部分是通过探索关键行为来寻找量级和质量最佳的平衡点，以此来实现最佳的投放效果，这是投放里面非常重要的。

3、试玩素材已成为常见手段

大家只要做过投放，应该都不会忽略对素材的研究和探索。

今天不讲常规的素材玩法。关于试玩素材，海外早在5-6年前或7-8年前就有使用这种方式。对于超休闲游戏或轻度休闲游戏，特别是以IAA变现为主的这类游戏是一个非常好的提量。试玩素材的逻辑是将游戏的核心关卡和玩法以类似于mini版游戏的方式抽取出来，设置3-5个互动点，使用户在观看素材时可以直接参与，从而增强用户的体验感。

左边图表找了一下数据，代表的是每100个安装中试玩素材的占比。从品类集中度来看，休闲、解字、三消、纸牌、博弈和其他包括工具类等都存在较大比例。同时，右侧图表展示了全球范围内支持Playable这种素材类型的媒体，包括主流的大媒体和三方的视频媒体渠道。

无论是国内还是海外，在混合变现的背景下，许多开发者会使用小游戏的玩法来制作Playboy的素材并进行投放，购买重度游戏的玩家，这也是目前国内探索用的比较多的一种方式。

在腾讯的小游戏、微信的小游戏和小程序中，许多重度游戏都集成了小游戏玩法，利用这种玩法和素材来吸引流量，并在游戏中形成转化和付费。因为小游戏的玩法比较多，一个重度游戏或平台可以集成很多不同的玩法，类似于一个小游戏中心，因此在推广素材和其他层面上可以常变常新。

大家可以尝试一下这种类型的素材，虽然制作可能比较复杂，但是现在市面上有很多工具可以帮助制作，使用模板进行套用，然后替换自己的元素，例如角色。三消类的如果有一些核心玩法，可以将其中的皮肤从水果换成食物，这是素材部分。

4、还有一个重要的部分是如何搭建数据链路，来衡量投放效果。

在不同的媒体、投放策略、优化师团队和代理商之间，投放的数据里哪些可以完成回收，哪些不行。因此，在买量时需要建立投放ROI 的数据链路。

以12月5日安装为例，需要了解其买量的来源是哪个媒体的，同时需要建单的总成本和收益数据，最终的情况是多少？很多数据在现有的生态中分散在各个平台，安装来了归因给了哪个平台？这是在归因平台的数据。要计算成本，需要从marketing API中获取cost数据并均摊到这段时间产生的激活上才能算出这个安装有多少的钱。

所以，对于成本的数据来源需要进行拉取操作。如果变现的数据是IAA，需要聚合平台和变现平台提供展示广告的次数和每次收益的数据。如果是应用内付费，需要依赖变现的上报。整个数据分散在各个平台中，但串联起来后，可以衡量每个购买的量，包括其来源、成本、收入以及在游戏中的行为等。这样对于游戏的提升和迭代就会非常清晰。

因此，我需要将这些数据拉取并串联起来，放在我们的数据中台中做串联，这样就可以衡量不同的投放团队和优化师的表现，以及后续用户的关键行为、LTV和ROI的指标。还可以看到不同的投放媒体、广告计划、单元、子渠道和素材带来的量的后续关键行为和数据表现，以及不同国家之间的差异点。因为出海投放，T1T2T3不同国家的语言和文化差异可能会影响素材的选择和使用，通过分国家和分素材可以看到买量的后续行为和LTV表现。

最终，我们形成了一个大ROI串联数据表，其中包含不同的投放平台、系统应用、产品国家、投放账号、计划单元素材，去看不同的展示、点击、安装、关键行为等推广指标。还可以查看付费次数、人数、金额，以及广告变现的展示次数、人数、收入等数据，分平台和广告样式进行分类。这些变现指标的计算可以帮助了解整个LTV的表现和ROI的表现投放效果，从而得出哪些投放计划需要做哪些投放策略的调整。

在投放一侧，提价、调整预算、更换素材甚至关停等处理，是整个过程中需要注意的一部分。

然后我们来说变现，其实除了新团队，IAA、IAP方面行业的经验基本是相对齐整的，但在混合变现的背景下，需要大家注意一些新的变化。

首先，第一部分在讲买量时，我们就说到了针对IAA和IAP的用户需要采取不同的策略，而在他们进入游戏后，也需要对面临的情况进行区分。逻辑是早先建立了不同的投放计划，在每个安装激活时归因于该用户来自哪个平台和订单，通过从平台获取归因结果，游戏SDK可以判断用户是IAA还是IAP买量用户，并采取不同的策略展示。

例如对于IAA用户，游戏的数值难度不能太高，因为要让他们持续玩耍、留存并观看广告，如果难度太高他们可能会流失。而对于IAP用户，游戏数值策略应该与IAA用户有所区别，因为如果难度不高他们就不愿意付费。因此，为了让他们付费游戏数值策略和IAA的应该有区别，同时付费点和活动入口等也应该有所不同。

在变现时，这两类用户即使进入同一款游戏，也应该通过活动、区这部分信息进行有效区分。

接下来重点讲述IAA的部分，因为它可能相对复杂，它与整个买量变现的广告、营销生态有关联。IAP主要依靠我们自己设计计费点和游戏内容，大家应该已经有一些既定的方法和探索，主要针对用户在游戏中的行为进行分析，并得出新的优化方案。

对于IAA而言，有很多外部工具可以借助或验证。

大家通常做IAA变现时会接入聚合平台，聚合平台提供AB测试功能。但是仅仅使用聚合平台的AB测试并不能全面覆盖，因为其主要是看你不同的底价设置和流量分配，然后对于不同变现平台之间的流量比例分配和底价策略的调整，聚合平台并不能完全体现出对整体收入的影响。

对于在我们的游戏里面，像关卡顺序的排序、哪一关应该排在前面或后面，对于留存和变现的影响、插屏和激励视频出现的时机、按钮的颜色、签到功能是否出现，以及用户每天最多能出多少次广告等策略的验证，利用聚合平台是不太容易完成的，需要我们自己有既定的工具和策略去做验证。因此，在应用里的变现策略需要我们持续挖掘。

间隔次数、样式位置、关卡顺序等与留存相关的元素，以及防打扰方式等，这些都需要在这里进行最佳验证。在游戏里，大家需要去做广告位的验证需要借助AB的能力，将游戏里的行为数据与要验证的AB策略关联起来，基于此去进行高价值用户圈选。

比如对于IAA用户，前三天的回访率达到了90%与前三天的回访率只有30%用户，那么我应该有不同的分层策略。基于用户在游戏中的数据串联，将这批用户筛选出来，进行分层打标签，然后基于不同的分层和标签进行验证。这样可能会为IAA的变现策略提供更多的方式和辅助。

再来说说产品迭代，当产品推出并投放后，我们买来了量并进行了变现，有了基础数据后，我们该如何优化产品以提供更好的玩法和体验给用户，让留存时间更长，留存时间越长商业化空间就越广阔，大家对此应该比较熟悉，因为做游戏多年对这部分一定有深入研究和关注。

我们一般会关注转化漏洞，分析用户在应用内的行为，包括拉新、活跃、留存、转化等环节，找到流失的核心部分，并尽可能减小流失。这部分可能需要使用很多分析模型，比如分析用户在应用内做了哪些事件，有没有注册、登录、完成付费次数等其他事件。

在分布分析上，可以比方说将用户分为大、中、小用户，也可以分为付费用户和IAA的高价值用户，而付费用户中又可以分为大中小。通过将不同的群体分类并研究其行为策略，可以观察到他们之间是否存在差异，同时，这些不同的分群在后续的投放中也有所不同。假设后面有一款与当前产品类似的产品，可以将以前数据较好的用户直接选为投放的种子用户。

留存分析是大家非常熟悉的部分，需要关注次日留存、月度留存等指标，这是日常监控中必不可少的部分。

用户分析分为两个层级，一个是账号层级，另一个是设备层级。这两个层级之间是多对多的关系彼此存在关联，可以分别获取不同的数据并形成对应关系。其中一部分数据对应于买量和变现的买量和IAA变现领域，因为它们都与设备有关；另一部分数据则可以对应到我们自己用户的account部分的分析里面。通过数据将这两个层级串联起来，这样才是一个比较合理的方式。

而漏斗则是一个大家更为熟悉的部分，用于观察用户在哪个环节里面出现了流失。

如果自己的数据、app里面的数据或买量和变现的数据闭环已经非常精细，整个买量运营团队、投放运营团队、变现运营团队和产研团队之间的配合和数据割裂问题都已经做好了集合，还想要借助其他外部数据来促进业务发展，那么还可以借助来自于第三方DMP，比如这批买来的用户历史上对哪些产品或app更感兴趣，从而了解整个用户画像和兴趣图谱，以及他们曾经的大盘LTV与自己的LTV进行对比。通过第三方视角的辅助，可以弥补自己数据中无法覆盖的部分，为业务探索提供更多可能性。

03 怎么让产研运协同，实现1+1+1>3？

我相信很多团队为了解决配合问题花了很大的精力。

首先，我们来看一下业务体系的分工和关注的点，在买量变现和产品优化中，买量环节的工作需要确定在哪些渠道买量，针对每个渠道准备不同的素材，同时制定合适的规则，还要看投放效果的验证、开户以及做投放策略的调优和整合。

所以它会关注到不同的渠道、优化师、定向策略等数据，以及在变现中选择变现方式、广告位和付费点位的设置，变现平台的对接与管理以及变现策略的调整。核心指标就是广告位设置、样式优化、留存等，会有专门关注的一部分。

产品优化更多的是通过分析用户在应用中的行为数据，推测应该优化的策略，然后使用AB测试来验证策略，并将验证好的合适策略进行推荐。它关注的是用户的新增、留存、流失、付费等经济活动的情况，这个分析和测试的过程非常灵活。

前面两个指标可能相对来说是比较恒定的，只是算出来比较分散，可能会有一些成本在里面，最后这个因为分析的每款游戏需要分析的内容都不一样，所以对于分析的灵活性和迅速调整的能力要求比较高，这是各个团队需要关注的部分。

所以，我们需要有一个串“需要串联数据”的链路。

串归因平台获取数据，用自己的SDK去收集推广平台的成本数据、聚合平台和变现平台的收入数据、在应用中定义事件行为，并构建自定义分析模块。将左侧串联好的设备级别数据，包括用户买量来源、成本和收入等数据串回到右侧设备，再将其与account的对应关系，把所有的数据串起来，形成整套数据，那它就形成了一个大的闭环。

对于买量投放，主要集中在账号和广告这两个部分。而变现则主要集中在账号和交易这两个部分。拆分、产研的迭代则主要集中在账号、拆分和产研这三个部分。如果这三个部分能够在同一个平台上进行数据串联，将会省去很多繁琐的操作，不同平台对数的情况。

在产品投放和推广运营这一侧，对于数据的处理可能会遇到一些争议，比如设备维度和产研维度可能无法完全对应。为了解决这些问题，最好使用一个SDK平台来串联所有数据。这样最终会形成一个完整的功能图谱，这个图谱中的数据都是相关联的。

公域数据是指设备级别的数据，包括买量投放、变现和IAA变现中需要与外部营销平台、投放媒体和变现平台进行串联的部分。私域数据是指我们自己用户在我们的app里产生的数据，通过SDK打点上报获取。这些数据通过刚才的数据进行整个闭环的串联和整理，形成一些功能，包括归因、ROI报表、用户行为分析和数据汇总等功能。

当我们把前面的数据串联起来后，就可以分不同产品，比如我们是一个发行团队，需要发布十款产品。我们可以通过数据分析，了解每个产品的每日买量成本、收入、新增用户和累计用户等指标，为决策者提供数据支持，基于这些功能，覆盖整个场景。

例如，推广效果追踪团队表现怎样，分析哪些策略有效，哪些流量可能存在作弊嫌疑，如何优化，表现策略如何操作，IAA和IAP比例配置，产品研发和优化方面如何设置，业务操盘怎样做判断。通过整个闭环的数据分析和管理，可以实现更完整的团队搭建、分工、覆盖。

如果自己搭建一套完整的中台系统，成本会比较大。

这里说下我们热力引擎，已经搭建起了这个整套环节。在这个平台里，所有的工程功能都会被集成进去，方便使用和管理。我们简单讲一下不同功能的核心功能点。

关键功能归因功能主要服务于买量，其核心目的是帮助大家把钱花出去并花得有价值，而不是一味的省钱，是承接的比较重要部分。除了常规的判断一个安装用户属于哪个媒体带来的以外，归因还有一个重要功能，即回调关键行为事件，去定义和探索这个关键性为。

在投放时我们可能不知道哪个买量模型更合适，或者对于新接触的媒体，我们也不知道如何选择合适的买量模型。此时归因最好能够提供灵活、明确的验证买量的关键行为设置的功能。

在这里面，我们提供了两个东西：规则事件和事件回调。

规则事件是为了减少买量成本而设计的，比如在IAA变现中，你希望媒体帮你买到的用户是累计看了十次广告以上，或者三天以内累计看了十次广告以上的用户。以前你需要将这个条件埋在程序中，当用户满足条件时，触发事件并报告给归因平台，然后回调给媒体。

而现在，我们提供了规则事件的功能，你只需要埋一个广告变现展示的基础事件，当用户看了一次广告时，就触发这个事件。然后，你可以在我们的平台上配置规则，比如三天以内累计看到十次广告。当用户的操作符合这个规则时，平台会自动触发生成满足你设置规则的事件，将其回调给媒体，灵活简化验证过程、降低成本。

比如，这次是盲拍，如果认为十次观看广告不够，需要十五次，那么原来需要发版，现在只需要在平台上修改规则即可。

第二是在回调时也可以进行更灵活的设置。比如，如果是付费IAP的用户，可以在回调时过滤和筛选上报的事件，选择符合条件的用户回调给媒体。这是归因功能中的两个重要组成部分。对于开发者和广告主而言，归因也可以在买量过程中提供密切配合。

ROI提供指标功能则提供了非常细腻的指标。因为现在IAA和IAP混变，ROI的恒定里面就继续要去看买量来了之后注册、登录付费这样的关键行为的一些数据表现，也需要去看到你的IAA在不同的变现平台和不同的广告样式上的数据表现。

我们将技术指标、转化指标、内购、广告变现指标以及自定义指标，从广告内购到广告变现进行细分，此表是小时级更新，让你能够观察到用户来到之后15小时、首日、次日、第三日、第七日以及之后长达60天或365天内它的整个回收情况和关键行为的数据表现情况。到了设备级别，会有底层串在设备维度的表，将其再匹配到用户分析账户上面。

此外，我们为自定义行为分析提供了许多分析模型，基于这些模型配置不同的看板，例如核心用户留存、内购玩法、互助渠道来源等等。

AB测试配置和最终产出测试报告。例如，如果要验证关于IAA不同的关卡顺序对最终变现的影响，可以在此选择一批用户分为实验组和对照组，以进行实验配置的比例。

最后，数据汇总功能会提供新增活跃、累计和付费投放成本、有效成本等数据。这里讲一下投放成本和有效成本的事情。投放成本实际上是指我们在买量的情况下，花费的实际金额，尤其是IAP类、重度游戏可能更明显。

现在媒体通常使用这种模型来跟我们计费，即根据展示的广告次数来向开发者收费。但在开发者买量时，有很多计划实际上并没有产生安装。因此，这里的差值代表了投放成本在媒体上的真实消耗。媒体给我们计费多少钱，我们应该付给媒体多少钱，那这个是投放成本。

有效成本是指有安装成本计算，以最细力度为基础，即账户、计划、单元、素材、渠道、国家等最细力度去均摊成本到安装用户上，然后再将这些安装用户聚合起来计算成本。

这意味着，只有那些真正安装了应用的用户才会被计入有效成本的计算中，而没有安装只有成本的那一部分则不会计入。有效成本和投放成本之间的差额代表了那些花费了资金但没有获得任何用户的成本。这里包含广告收入和内购收入两个部分，最终有总收入，每一款产品都可以根据这些指标来进行计算。

这是申请试用的二维码，如果感兴趣的话可以扫码来体验我们的产品。

如有购买意愿或是体验意向，我们会有一些优惠政策，今天分享的内容就到这里结束。