AC 3.0和2.5哪个回收比较好

 作为谷歌两个优化应用内购的有效方式，3.0是进行价值优化，2.5进行事件优化。经常会有讨论3.0和2.5哪个效果比较好呢，个人感觉影响效果差异的可能有以下几个影响因素： 

01

优化原理不同

毕竟从原理上来说，2.5是我们定义了付费事件之后，谷歌会帮助我们在竞价区间内寻找有付费意愿的用户，用户群里被区分成了付费用户和非付费用户，2.5帮助我们寻找的是更多付费用户的那一波，付费的金额不是主要的考量目标，付费的事件次数才是2.5在不断优化的。

3.0作为价值优化，会基于已有用户的付费情况和预估未来用户的付费水平建立学习模型，寻找高价值用户来匹配我们给到的期望回收目标，适合去捞大R。在这个过程中也不是目标设定的越高越好，而是目标设定的越合理越好。

对比两者学习成功的条件来说，都有需要事件次数不低于10次/天的需求，所以出价or ROAS期望值设置的越符合当前条件下数据收集的要求，越有利于学习效率。对于不同类型的产品，有的产品对付费次数的要求比较高，有的对付费金额的要求比较高，适用的优化方式也就会有点轻微的差距，而且产品的目标设置也会在影响最终的效果。

02

产品付费用户属性区别

不同性质的产品的生命周期，内购付费路径，用户习惯和付费用户的特点也并不相同，也会影响这两种方式优化效率上的差异。

以游戏来举例，重度游戏的话，主要以吸引有付费实力的深度用户，价值优化能更快的触达一些有实力的玩家；中轻度游戏的内购中，内购的金额一半不会太大，更多的是内购用户的频次，这种情况下，有可能付费事件进行优化的回收更加直接高效。个人也有过猜测是不是游戏越重，3.0的优化效率会越好，中轻度就是2.5的更好，但没有同时做过这两类产品的测试，只是猜测，无验证。

不过从原理和用户属性结合来看的话，多频次的中小R和大R，这两波付费用户的属性还是不同的，不同产品的付费用户分层结构也并不相同，刚刚说的重度游戏，猜测依据主要是游戏可能更多的是希望有大R来深度玩这款游戏，并形成一定的充值习惯，而中轻度游戏产品本身的生命周期相对较短，相对来说充值金额对比起重度的来说算是毛毛雨，更符合中小R的定义，所以会有以上猜测和想法，有啥相关想法的欢迎沟通和讨论。

03

老用户规模

这个角度个人其实是从产品老用户归因和谷歌学习效率这两方面来考虑的。

谷歌的数据优化多少会基于我们对接的SDK回传的产品数据来进行不断地反馈和模型训练，当前接口下累积的存量数据越多，谷歌的学习效率会更加高效，所以个人猜测老用户的存量多少会影响我们的学习效率，目前没有问过官方，只是个人对于不同优化方式在产品不同时期测试后的感受来聊的，如果2.5是用第三方，3.0是刚开始用firebase biding， 初期的对比下来，可能2.5的效果会更好，长期优化的话，随着3.0的数据累积，未见得是2.5一直好。

另外一方面，由于每个应用类产品的归因机制设置不同，有的产品2.5和3.0或多或少的都有可能覆盖到老用户，尤其是iOS目前的状态下，产品如果老用户的规模大，2.5和3.0覆盖的老用户占比不同，也可能导致效果上的差异，经验上来说，大多数产品的召回老用户的APRU是高于新用户的，回收价值和用户的归因差异导致效果的判断上也会有差别的。

04

投放区域差别

还有一个投放区域的差别，同一个产品不同的投放区域，用户群体的付费习惯和付费水平也不同，不同的优化方式也可能带来差异。

比如美国，付费习惯都被培养的很好，人均付费用户，但是在中国，大家都习惯了免费，有钱并且接受付费交换的情况下才愿意付费。不同的付费习惯下，群体的付费水平是有分层上的差异的，这一点也可以类比到不同年龄层的群体差异上来进行考虑。

具体哪个优化方式效果好对于不同产品不同情况目前没有比较普遍适用的结论，甚至上面提到的一些差异点也仅仅是思路上的考虑，作为不断优化和更新的产品，未来可能也会有不同的想法。

GG官方的建议是同一个产品尽量两个优化方式都测，根据测试结果进行有效的预算比例调整，个人觉得这个建议挺客观良心的。当然从单价上来说，了解到的一些产品大多数是2.5的安装单价是比3.0更有优势的，如果也比较重视安装单价的话，预算的分配上也需要考虑到。