為什麼移動應用賺錢越來越困難？_風聞

毫無疑問，移動互聯網如今已經進入到了產業的成熟期，成熟期意味着大幅增長的時代已經過去，這背後是用户基數和用户時長逐漸見頂。

根據CNNIC數據，截至2020年12月，我國手機網民規模為9.86億人，佔整體網民規模比例達99.7%；

而根據極光大數據，2021年Q1中國人均單日APP 使用時長為5.3 小時，同比下降1.4 小時。

所以，對於行業內的移動開發者而言，單純追求用户極速增長的跑馬圈地時代已經過去，如何對用户進一步精細化運營，提升單個用户的變現價值，是當下能夠繼續保持增速的關鍵。

今天我們就來聊一聊移動應用變現的話題。

一、移動互聯網變現方式變遷背後的邏輯

我們先來看一看互聯網的變現方式有哪些？

總體而言，變現方式分成前向付費和後向付費兩類，前向付費即向C端用户收費，它主要包括內購、買斷、訂閲這幾種類型；後向付費即向B端商家進行收費，它主要包括廣告、電商等；

那麼問題來了——從整體來看，前向收費和後向收費哪一個在互聯網領域更加流行呢？

答案是後向收費，廣告就是一種典型的後向收費方式，而廣告毫無疑問是當今互聯網第一大商業模式。

根據2021年Q2的財報，谷歌廣告收入佔其總收入的81.5%、Facebook廣告收入更是佔其總收入的98.3%；

同時我們可以看到一個趨勢，越來越多的移動應用在變現方式上都在從前向收費向後向收費轉變，比如閲讀行業，如今以"番茄小説"為代表的免費閲讀模式已經超越傳統的付費閲讀成為行業主流。

那麼，為什麼免費的廣告變現模式在移動互聯網領域變得越來越流行呢？

這背後的原因主要基於兩點——

首先，收費是增長的天敵，免費在很大程度上減少了用户的獲取成本，一切付費在某種意義上都是指數級超量增長的天敵，WhatsApp在誕生之初向註冊用户收費1美元，但很快他們就發現這是一個愚蠢的行為，因為很顯然，付費限制了用户的增長；

其次，今天的移動互聯網的競爭已經變成數據的競爭，而向用户免費向企業收費的策略能在最大程度上吸引用户從而完成數據的積累，數據越豐富，算法就越智能，體驗就越好，最終形成一個正向循環。

正是基於以上兩個原因，基於免費內容的廣告變現成為業界越來越受歡迎的變現方式。

然而，對於特定內容和特定用户，內購付費依然有其存在的重要意義，依然是一種不可忽視的變現手段，具體應該如何理解呢？

我們分別從內容屬性和用户屬性兩個角度來分析——

先看內容屬性，本質上，互聯網上的內容總體可以分成兩類——高喚醒內容和低喚醒內容。

高喚醒內容對用户有着強烈的吸引力，能出發強烈情感共鳴，比如熱門劇集、熱門遊戲、熱門網絡小説、熱門課程等。

這類內容的特點就是它在用户心智中佔據了壟斷地位，幾乎很難找到代替的內容，因此用户願意為這些內容付費；

另一類內容為低喚醒內容，如大部分的短視頻、新聞資訊、社交資訊等。

用户對這些內容也很熱衷，但他們沒有心智上的壟斷性，即某條短視頻、某條新聞如果不給他看，用户也不會很難受，他自然會去刷其他的短視頻和其他新聞，因此用户對這類低喚醒內容的付費意願就很低；

再看用户屬性，今天的互聯網用户已經出現了非常明顯的分化，在移動互聯網誕生之前，PC時代的網民大部分沒有付費的意識，即習慣了互聯網的免費屬性並認為免費是天經地義的。

然而今天這一狀況有了很好的改善，移動網民的付費意願和之前相比正在加強，這背後主要基於三點——

第一、新一代網民中出現了一大批在需求層面有更高要求的羣體，他們的對效率要求更高、品位更好、更不願意將就。

第二，整體國民收入的提高也為付費習慣的培養提供了經濟基礎，沒錯，這一代網民毫無疑問在經濟上比第一代要更加充裕。

第三，移動支付工具的廣泛普及，讓在線付費過程變得便捷和無縫，付費不再是一個需要線下或者網銀的複雜操作行為；

當然，必須要指出的是，願意付費的用户在比例上無論在移動互聯網的哪一個細分賽道上都屬於相對少數，龐大的主流人羣依然習慣通過看廣告獲取免費的移動使用體驗。

所以，正是基於內容的分化和用户的分化，廣告和內購付費兩種變現方式基本構成了今天移動應用的主要變現方式。

二、移動應用開發者在變現上面臨的挑戰——“兩個單一”

OK，上面我們從內容層面和用户層面分析了廣告和內購付費兩種變現方式存在的內在理由。

接下來我們一起來看一看今天的移動應用開發者在具體變現問題上遇到的問題和挑戰，我總結了成"兩個單一"，即"變現方式單一"、“數據維度單一”。

首先，先來看"變現方式單一"。

通常一個應用的變現方式是由它的產品定位決定的，因此很多應用通常只有一種變現方式，或者一種單一的方式佔據了最主要的收入來源，比如只依賴廣告或主要依賴廣告，另一些則只依賴內購或主要依賴內購。

注意：這兩種變現方式要變現效率開發者需要做的動作是存在明顯差異的——

內購型應用會關注自己的產品內容、增值服務、其他權益等的豐富性，從而提升內購付費率和整體內購收入；

廣告型應用更多會關注廣告場景、廣告樣式的設計，在保證用户體驗的前提下，儘可能去提升廣告曝光和點擊，提升廣告整體收益。

而通常對於一個具體的應用開發者而言，它的核心能力通常只擅長其中一項，這樣導致的結果就是——很多開發者在主要變現模式上都已經做到了90分，甚至更高，但在次要變現模式上卻只做到了10 分、20分。

如果它繼續投入巨大精力去做已經達到90分的變現方式，必然導致邊際收益遞減，因為它的天花板有限，做到極致也只有最後10分的提升空間。

這是一個非常現實的問題，比如一個應用如果只廣告變現，很顯然，廣告的ARPU值一般只有內購用户的ARPU值的幾分之一。

這種一刀切的變現方式就忽視了那些願意付費用户的價值，同時在體驗上這些願意付費的高價值用户也不一定會滿意；

同樣，一個應用如果主要靠內購進行變現，儘管內購的ARPU值更高，但內購用户在整體用户中的比例是很低的，通常不超過10%，這意味着，剩下90%用户的廣告價值就沒有被充分挖掘。

比如，我所知道的一些主內購變現的開發者，他們對內購的方法論非常精通，對應用的付費卡點、充值門檻、購買刺激點都經歷了多輪的設計優化和實驗驗證。

但是在商業化廣告的探索上則處於比較初期的階段，畢竟廣告和內購的內在邏輯是存在明顯差異的。

這就導致他們對於自己不熟悉的廣告模式認識不夠，甚至可能最基礎的廣告樣式還沒有開發齊全，制約了應用的整體變現潛力。

其次，再來看"數據維度單一"。

互聯網產品的變現歸根到底是數據層面的變現，無論是廣告還是內購，背後都依賴基於數據構建的用户畫像能力，而這恰恰是大多數移動應用開發者所缺乏的，通常垂直的移動應用只專注於一個領域，因此它和用户的交互是相對單一的。

比如一款閲讀產品只能獲取用户的閲讀興趣和行為數據，一款美化類工具產品只能獲取用户美顏偏好的行為和數據，一款天氣類產品能獲取到的有價值的數據就更少了。

所以一款應用僅僅依靠自身的數據從而構建一個立體的用户畫像在今天幾乎是一個不可能完成的任務。

而更為關鍵的是，一個垂直應用對於新用户的畫像幾乎是一無所知，然而，對新用户的運營和策略是必須在用户進入應用的那一刻就要開始的，否則用户就流失了。

比如一個新用户進來，如何知道他是更願意付費還是更願意看有廣告的免費內容呢？

這是一個極其重要的判斷，它決定了後續的運營策略，也決定了用户是否會流失。

通常面對這種數據缺失的情況，應用開發者只能採取兩種辦法——

第一種辦法是設置一定時間作為觀察期，即給與用户付費和不付費兩個選擇，通過具體的行為數據進行判斷。

這種方法的弊端是非常明顯的，首先觀察期通常採取的是隨機策略，必然不是最優的變現方式，因此存在"觀察期損耗"，同時對於觀察期"誤判"的用户，流失的概率會非常大。

第二種辦法是根據已有的簡單屬性進行最粗顆粒度的分層，比如根據來源渠道、買量計劃、設備類型、地域來進行付費意願的預判。

但這個分層方案的缺點也是非常明顯，分層的粒度比較粗，比如我們很難説iOS的用户就一定比安卓用户付費意願更強、北京用户就一定比西安用户更願意花錢。

這種方法能在一定程度上進行前置分層，但最終效果通常很難達到開發者預期。

所以，“變現方式單一"和"數據維度單一"是擺在開發者變現路上的兩個最重要的難點。

三、移動應用變現的第二曲線——基於充分數據的混合變現模式。

那麼，應用開發者應該如何解決"變現方式單一”、“數據維度單一"這兩個變現路上的絆腳石呢？

答案是——基於充分數據的混合變現模式。

這種方式通俗地講就是基於充分的數據構建的用户畫像能力和付費意願預判能力，對不同用户採取個性化的分層運營，即讓願意付費的用户付費，不願意付費的用户則展示廣告，從而提升用户在整個生命週期的LTV。

而要真正做到這一點，它的一個重要前提是精細化的分層運營，即開發者必須能準確地判斷和預估這個用户的付費意願，而這種能力通常僅僅依靠開發者自身很難獲取，這時候第三方的價值就顯示出來了。

事實上，目前業界針對這個問題是有解決方案的，比如穿山甲最近提供了一個針對應用變現的"智能分層"的服務，這個服務的核心能力就是準確預估用户的付費意願。

注意，這個付費意願的預估是即時的、前置的，即在新用户激活的那一刻就能給出付費意願的結果，不需要觀察期，不需要長週期的行為數據的積累。

那麼穿山甲的"智能分層"是如何做到這一點的呢？

原因也很簡單，因為它是一個平台，它背後有巨量引擎的海量數據和業界領先的智能算法。

一個用户的進來，對於開發者而言是一張白紙，但這個用户在穿山甲的用户畫像則是非常完整而豐富的，同時"智能分層"服務會和開發者進行數據共建，則會進一步完善這種智能分層的準確性。

穿山甲的這種"智能分層"服務本質上是給移動開發者的"精細化運營"提供大腦，真正為每一個不同的需求的用户提供針對性的體驗，在提升用户體驗的同時實現"內購+廣告"收益的最大化。

以閲讀行業為例，如果能實現"智能分層”，就可以準確地根據用户的付費意願採取不同的產品和運營策略——

對付費意願強的用户，推薦更多付費優質書籍，降低廣告展示，保證用户體驗，提高付費概率;

對付費意願弱的用户推薦更多免費的書籍，適當提高廣告展示，提升廣告收入。

我們來看一個實際的案例——快看小説。

在變現層面，快看小説原來遇到的變現問題主要是兩個——

首先，無差別出廣告會影響整體內購收入，而對所有用户無差別推薦付費書籍，不付費就不願意閲讀，則導致大量不願意付費的新用户流失，整體留存較差。

其次，判斷用户付費意願的難度大，平均觀察週期1個月，觀察期內，閲讀場景中沒有廣告，新激活7天內無任何廣告。

為了解決這兩個問題，快看小説接入了穿山甲的智能分層服務，在每個用户激活時預估了他的付費概率，並將用户分為低付費率用户及高付費率用户兩個部分——

對高付費率的用户保持原有策略，優先推薦付費書籍，閲讀場景中不展示廣告場景，但書籍的閲讀需要付費解鎖；

對低付費率的用户則優先推薦免費書籍、內容無需付費，但閲讀時會穿插適當的廣告。

這一策略最終的數據結果被證明是非常優秀的——在接入智能分層並進行策略調優後，快看小説實現了整體收入和留存上的雙重增長：次日留存提升了25%，7日留存提升65%，並且新用户整體的7日LTV提升22%。

快看小説的這一案例是穿山甲"智能分層"服務為移動開發者實現"內購+廣告"收益的最大化的一個縮影。

在整體移動市場進入存量博弈的今天，移動開發者之間的競爭早已不再是單純的自身能力上的競爭，而是整合能力的競爭。

誰能整合市場上已有的優秀能力組合成自己的綜合競爭力，誰就有可能在激烈的移動競爭中率先突圍。

——End——