Kentaro Sugiura 的职业生涯始终深耕于移动游戏的用户获取领域，涉猎行业中最具挑战性的多个细分市场，从面向大众的休闲游戏，到高风险、强监管的社交博彩与 iGaming 领域。在这次对话中，他分享了自己应对 UA 中一些最棘手难题的思路：如何平衡付费增长与自然增长、如何权衡对 Meta 的倚重与多渠道分散布局，以及如何判断一个"流失"玩家是否真的一去不返。我们与他坐下来，聊了聊 Meta 在渠道组合中日益增长的权重、为何激励型获客在其他新兴渠道尚未跑通之际却成效显著，以及更聪明的召回策略正如何重塑移动游戏的留存。
AppSamurai：你在移动游戏的多个领域都有工作经验，既包括休闲游戏，也涉及社交博彩与 iGaming。从用户获取的角度来看，你观察到这些品类之间最大的差异是什么？主要差异体现在使用的渠道、优化的指标、玩家行为、创意策略，还是其他方面？
Kentaro Sugiura： 我认为移动游戏各品类之间最大的差异，未必在于获客渠道，而在于其底层商业模式，以及付费获客与自然获客如何协同运作。
有些品类拥有非常广泛的受众，这可能带来更低的 CPI 和更大规模的自然安装量。在这类情况下，付费用户的平均质量可能强于自然用户，因此回本模型主要可以基于付费获客的表现来评估。
另一些品类的 CPI 更高，受众更小、更垂直。仅靠付费获客可能看起来并不盈利，因为触达这类受众的效率存在上限。然而，付费投放也能带动额外的自然发现。当付费用户与自然用户被合并评估时，整体经济模型可能就变得可盈利了。在小众品类中，自然用户有时格外有价值，因为他们本身就对这类游戏抱有强烈兴趣。
这改变了我衡量表现的方式。我不只看归因 ROAS，还会考量付费支出、自然增量、总获客用户价值，以及每款产品对应的适当乘数——也就是"K-factor"——之间的关系。增量测试非常重要，因为同样的归因结果，会因投放所带动的自然需求多寡而产生截然不同的商业影响。
核心广告渠道在各品类之间总体相似。真正变化的是受众规模、可达成的量级、回本预期，以及我们在做投资决策时如何将付费与自然影响相结合。
AppSamurai：过去一年，Meta 的展示量份额大幅增长，而另外几家主流平台则有所收缩。这种集中化究竟让你的工作更轻松了（因为渠道测试的开销更少），还是作为 UA 负责人，让如此多预算依赖单一平台的竞价机制反而令你担忧？
Kentaro Sugiura：在管理大型产品组合时，渠道多元化至关重要。把预算集中在 Meta 上或许能让日常执行更简单，但也带来了显著风险。一旦因竞价压力、算法调整、创意疲劳或衡量问题导致表现下滑，你就需要有其他地方来分配预算。
正因如此，我鼓励团队定期测试不同类型的渠道，包括社交平台、SDK 网络、DSP、预装，以及激励型渠道。一年前跑不通的渠道，今天可能表现迥异，因为它的技术、优化模型、库存或定向能力已经得到提升。
测试确实会带来额外的运营工作，但我把它视为在为未来保留选择权。并非每次实验都要立刻投入大额预算。目标在于建立可靠的基准、了解每个渠道能贡献什么，并在替代方案变得迫在眉睫之前就把它们识别出来。
当 Meta 能带来强劲的边际回报时，它完全可以在组合中占据重要位置，但集中投放应当是一项有意为之的投资决策，而不是停止测试的结果。多元化的组合让团队在调配预算、保护整体表现，以及把握更广阔广告生态中的各种改进机会时拥有更大的灵活性。
AppSamurai：你此前谈到过，在重新触达策略中挑战既有假设的重要性，尤其是围绕不活跃时间窗和重定向规则。以你的经验，移动游戏团队对流失玩家仍然抱有的最常见假设有哪些？什么样的方法能带来更好的召回效果？
Kentaro Sugiura：一个常见的错误，是假设同一套不活跃时间窗适用于每一款游戏。合适的时间窗高度取决于品类、竞争环境，以及玩家能否轻易用另一款产品替代这段游戏体验。
举个例子，我曾负责一款玩法非常独特、几乎没有直接竞品的休闲游戏。在那种情况下，不活跃时间窗可以设得更长。玩家很难在别处找到同等的体验，因此没那么急于立刻重定向他们。核心问题在于他们是否会自然回归，以及何时回归。
我也做过一些处于小众但竞争激烈品类的游戏，那里有好几款产品提供类似的体验。在这种情况下，等待太久会带来更大风险——玩家可能与竞品养成新的习惯。因此重定向需要更早启动，采用更短的不活跃时间窗，并配合与相关内容、活动或玩家进度相关的信息传达。
关键在于，不要用一套通用规则来定义某个玩家为"流失"。我会按品类、玩家价值、以往参与度和竞争强度来测试不同的不活跃时间窗。然后，我会使用对照组来判断投放是否真正促成了玩家回归，而不是把那些本来就会自然回归的用户揽为自己的功劳。
成功的重新触达策略，反映的是游戏体验的可替代程度，以及玩家的注意力可能多快转向别处。
AppSamurai：试玩广告已成为移动游戏营销的标配，但有些游戏比其他游戏更难被转化为试玩形式。作为 UA 负责人，你如何与其他团队协作，设计出既能最大化投放效果、又能让玩家真实感受到游戏体验的试玩广告？
Kentaro Sugiura： 在开发试玩广告时，我认为主要面临两大挑战：技术限制，以及准确呈现玩家动机。
我此前做过一款基于知名 AAA 级 IP 的移动游戏。这款游戏体量庞大、视觉复杂，因此要在试玩广告严格的文件大小和技术限制内重现完整体验非常困难。我们与产品团队密切协作，找出最核心的素材和玩法机制，再与外部的试玩开发合作伙伴一起，打造出一个简化版体验，但它仍能让人明显感受到与原游戏的关联。
第二个挑战是理解玩家为何想玩。试玩广告未必需要重现每一个系统，也不必呈现产品的精确缩小版。如果核心动机是收集、进阶或策略决策，那么试玩广告就应通过一个在该格式内能有效运作的简单交互来传达这一动机。
以我的经验，动机上的一致性比字面上的还原更重要。玩家未必记得那条促使他们安装的广告的每一个细节，但如果产品未能满足广告所营造的预期，他们一定会察觉。试玩广告可以简化机制，但不应歪曲游戏之所以有趣的根本原因。
作为 UA 负责人，我的职责是把表现数据与产品、创意和技术专长连接起来。我们会测试对核心动机的不同简化表达，评估参与度和安装转化，然后通过留存、预测 LTV 和 ROAS 来验证所获取的用户。这让我们既能最大化表现，又能确保试玩广告吸引到的是真正契合这款游戏的玩家。
AppSamurai：你曾指出激励型网络和 CTV 是正在获得实质性动能的渠道，而网红营销正从一次性合作转向长期、以效果为导向的合作关系。在这三项押注中，哪一项真正如你所期般兑现了？又有哪一项在你试图规模化时，被证明更多是炒作而非实质？
Kentaro Sugiura： 这三个渠道都在快速发展，但它们的可扩展性高度取决于游戏品类、预测 LTV 和商业模式。三者之中，从直接效果的角度来看，激励型获客目前是最经得起验证的。
我认为激励型网络主要有两种模式。第一种是基于 App 的：网络为自己的奖励 App 获取用户，并在其中展示广告主的 offer。第二种是基于 SDK 的，即将激励型库存集成到第三方 App 中。以我的经验，基于 App 的模式可能更具可扩展性。不过，它的经济模型会受到更广阔广告市场的影响。激励型平台必须获取自己的用户，因此当市场 CPI 上涨时，这部分额外成本最终会转嫁给广告主。预测 LTV 足够高的游戏可以消化更高的 CPI，而 LTV 较低的品类则可能难以让该模式盈利。
CTV 同样具有可观的潜力。此前，其库存集中在专业的 CTV 合作伙伴手中，而如今许多 DSP 和成熟的 UA 网络都能提供 CTV 库存的接入。主要的局限在于衡量。传统的 MMP 归因无法捕捉完整的跨设备旅程。一个用户可能在电视上多次看到广告，之后又在看到一条 Meta 广告后才转化，导致大部分归因功劳被算在了最后一个触点上。
因此，CTV 需要增量测试、地理实验，以及对客户旅程更全面的分析。如果仅通过传统的归因 ROAS 来评估，它看起来可能远优于或远逊于其真实贡献。我会说 CTV 是有前景的，而非炒作，但它的衡量能力仍有待成熟。
网红营销也正变得更加以效果为导向。创作者项目可以通过推荐码提供收入分成，将电商领域已经普遍的模式引入游戏行业。TikTok 等平台也在让投放更加程序化：广告主可以定义目标、受众或创作者要求以及成本预期，而创作者则申请参与。这使得在无需逐一手动管理每段合作关系的情况下，以更大规模开展网红活动成为可能。
总体而言，激励型获客带来了最清晰的直接效果成果。CTV 和网红营销都潜力巨大，但两者都并非天然可扩展。它们的成败取决于产品经济模型、技术落地和衡量能力。随着归因、实验和投放管理技术日益成熟，我预期这两者都会得到改善。
