Notes

系统发生错误
社交类赌场游戏的主要目标就是Reach、Interaction、ROI。 其实在每一个阶段对应到的应该都是不同的定位，通过覆盖整个用户漏斗可以找到合适的条件。 在过去六个月中，社交赌场游戏玩家人均玩14.5款游戏，其中有5.5款游戏是花钱的，可以看出普遍玩家都是非常有意愿尝试新产品，愿意花钱的。 通过激励视频广告，让未付费的用户体验限时或限次的充值权益，增加其付费意愿或习惯。
这里是仅针对未付费用户展现广告，激励设置需要与付费系统紧密衔接。 通过激励视频广告，让非付费用户或低意愿付费用户有机会获得免费奖励，从而提升粘度与留存。 需要注意，必须是仅针对低价值用户展现广告，激励可以随机设置，能调动用户的积极性就可以。 https://kaiyun88.club/ 。 通过美国Slots受众群体的人口统计资料，美国玩Slots的超过一大半都是女生，而且虽然玩这个游戏的玩家相对来说年龄都比较大，但其实有一大部分玩家都还没有结婚，不是父母。
美国市场与其他市场相比，纵向视频非常重要，特别是iOS端，因为美国是一个移动广告市场，所以通用策略是可行的，但需与各种推广测试并行。 那么不愿意花钱的原因，最直接的就是玩家没钱，这个占比大概有15%，开发者也很难把这部分人变成广告变现收益的用户。 另一方面，对于投放来讲相对会更有效率，对于游戏开发者来说，最好的用户都在casino产品里，现在版位开了以后，就会有一大波新增的版位，正常来讲就会Reach到更多人。 一方面产品收入要比预期的还要大，可能原本的市场里有些不会花钱的用户，造成无法回本，但是现在机会多了以后，有些市场用户就是会给钱，数值体系几率好的话就会带来很大的增量。

这里的广告是面向全量用户展示，但是要注意平衡用户观看广告次数的上限和下限。 在CPI方面，从去年年底到现在，基本上呈现出一去不回来的趋势，到8月份都没有回落，除了7月有一大波下降，那时候是整个市场有一个流量空缺，然后后来都是继续上升，根本不会回落，所以这个是目前应该做的。 不管怎么样，选对信誉网上娱乐城娱乐场还是非常重要的，在博之道推荐的好的娱乐场游戏不用费心都能赢钱。
关于视频广告素材，美国跟澳大利亚、英国、加拿大这几个市场差距不大，基本上都一样，这几个市场的玩法，还有大部分的素材、策略也都是相似的。 相对不一样的地方，就是像台湾、日本和韩国，市场都比较特定。 这两个市场大家都可以考虑一下，但是要注意，目前市场已经不是过去一年那种随便拿个产品，随便投就能赚钱的爆裂性市场了。 印度的盘子很大，过去玩家买量买起来也很凶狠，但是现在玩家都非常精明，已经不存在这种很粗的用人赚钱空间。
总的来说，做赌场类游戏大概就是4个步骤：目标国家、选择事件、出价与预算、广告素材。 在台湾和日本，用户玩游戏的真实视频会比较吸量，而且将真实的赌场机反映到视频里，这种概念更容易受用户喜欢。 对于台湾市场，本地的内容要更胜于异国风格，而日本，基于角色的视频表现要更出色。 从去年开始有些玩家有了新的尝试，去搭配一些更吸引某一个群体的美术风格，但目前来看，还是比较经典的设计更吸引人。 比如说有的50年代的产品，主要做量的，想要吸引女性玩家，就会加更多的量，尽可能多一些美妆时尚元素，而且这种元素在最近两年非常吃香。 最后一个事件是不需要经过额外程序，可以直接根据数据模型跑出接下来7天内会付费的玩家，以这个为一个基底，达成点发到广告后台，用这个特征去抓的话，接下来大概率可能会花钱比较多。
社交类赌场游戏最简单的定义就是没有提现，而且产品申请白名单的时候是分两组地区申请，需要Google认证，而且一个Google Ads账号只能申请一组地区认证。 扑克其实也是一个比较稀缺的品类，作为一个比较老的品类，大家都会有不同的尝试，比如有的人会做真人的，同样是打牌，有摄像头的话玩家会更有真人打牌的感觉，还有的是在特效动画上下功夫，让玩家在看牌的时候有真正在打牌的感觉。 在台湾，老虎机是和麻将并行，但台湾的Casino盘子是非常大的，而且做的人也比较少。 上图是各种SCG的互动事件，Bingo、扑克、老虎机和休闲赌场，这里的休闲赌场是指纯靠广告变现，非常轻度。 激励视频广告是最常用的一种形式，用户主动选择观看视频广告，来换取少量的、限时的权益，这样基本不会影响用户的游戏体验；插屏广告则是在游戏间隙出现的可关闭的全屏广告。 以广告收入达到IAP10%为目标，反推激励设置，并融入原生数值体系，内购不足时目标可以更激进些。
开发者更多的思考应该是选择的产品的核心世界是什么？ 接下来就是出价预算，所以通常我们会根据游戏的生命周期，去定不同的目标，它才能有相对比较精细化的运营。 下图是社交博彩游戏广告收入的成长排行榜，美国和印度是社交博彩游戏品项在获利能力上排名前二的市场，两个市场相对也是有些区别的。 周活用户一样是在下降的趋势上，去年年底或今年年初其实玩家都不太明白这个游戏到底要干嘛，对整个数值体系几率也没什么感觉，但是经过一年时间，大家可能都会抓到大概脉络，所以Avg Time Per User相对来说并没有差太多。

My Website: https://numberfields.asu.edu/NumberFields/show_user.php?userid=3333992