Gaming é uma das verticais mais competitivas, mais ricas em dados e mais mal compreendidas no Google Ads. As mecânicas que tornam uma conta B2B lead-gen rentável — captura de intenção limpa, refresh criativo modesto, atribuição last-click que mais ou menos funciona — quebram completamente para um jogo mobile free-to-play onde uma fração de um por cento de jogadores gera a maioria da receita e o utilizador mediano nunca gasta um cêntimo. Tratar UA de gaming como performance marketing genérico é a forma mais rápida de queimar um orçamento de lançamento.
Este é um playbook vertical para anunciantes de gaming e esports. Cobrimos App campaigns e a fase de aprendizagem de instalação, a progressão de lances cost-per-install para lances baseados em valor, modelação LTV de jogadores, a camada YouTube e creators onde as audiências de gaming vivem, timing de eventos esports, re-engagement de jogadores lapsed, e como competir por instalações num género saturado. É escrito para gestores UA de gaming e leads de growth que já compreendem a economia do seu jogo. Para os fundamentos de promoção de app cross-platform, o nosso guia de promoção de app Google Ads é uma companhia útil, tal como o guia de Apple Search Ads e ASO para o lado iOS.
O erro mais comum em UA de gaming é otimizar para o custo-por-instalação mais baixo. Um CPI de 1,50 euros parece ótimo num dashboard e pode ser um desastre se essas instalações forem jogadores de baixa intenção que nunca atingem o tutorial, quanto mais uma compra. Um CPI de 12 euros pode ser loucamente rentável se entregar jogadores com 40 euros de lifetime value. O número que importa é a relação entre o que paga para adquirir um cohort e o que esse cohort é previsto valer — CPI dividido por LTV previsto, observado como uma curva de payback. Cada decisão de lance e criativo neste guia flui de pôr LTV ao lado de CPI, nunca CPI sozinho.
Por que UA de gaming precisa do seu próprio playbook Google Ads
Três características estruturais do gaming fazem tácticas genéricas do Google Ads falhar e exigem uma abordagem vertical-específica.
A receita é extremamente assimétrica. No free-to-play, a distribuição de gasto de jogador segue uma lei de potência íngreme — um pequeno cohort de jogadores de alto gasto (frequentemente chamados whales) conduz a maioria da receita, enquanto a maior parte dos utilizadores monetiza pouco ou nada. De acordo com dados de monetização da indústria seguidos por empresas como Sensor Tower e AppsFlyer, uma percentagem de pagantes de baixo dígito único representa comummente a maior parte da receita de in-app purchase. Esta assimetria significa que a receita média por instalação, a métrica que a maioria dos marketeers de performance procura, é ativamente enganadora. Não está a comprar jogadores médios; está a comprar uma distribuição, e o valor vive na cauda.
O mercado é enorme e lotado. O dimensionamento de mercado da Newzoo coloca a receita global de jogos bem dentro das centenas de milhares de milhões de dólares, com o mobile o segmento maior. Grandes números atraem grandes gastadores: os géneros top-grossing contam com estúdios com orçamentos anuais UA de oito e nove dígitos que refinaram os seus modelos LTV e pipelines criativos durante anos. Um novo entrante não pode out-gastá-los, o que força uma estratégia construída sobre eficiência e criativo em vez de orçamento raw.
A audiência é nativa de vídeo e comunidade. Os gamers descobrem, avaliam e discutem jogos no YouTube, Twitch, Discord, e canais de creators. Isto torna o inventário de App campaign YouTube e integrações com creators de gaming invulgarmente poderosos, e torna a captura de intenção puramente baseada em texto invulgarmente fraca relativamente a outras verticais. A procura é criada visualmente, em comunidade, antes de ser capturada.
A implicação combinada: UA de gaming é uma disciplina de modelação de valor e criativo primeiro, e uma disciplina de lances-e-palavras-chave segundo. Os estúdios que vencem tratam o seu modelo LTV como IP core, correm um pipeline criativo que produz dúzias de assets frescos por mês, e exploram timing e comunidade de formas que uma conta genérica nunca o faria. O resto deste guia constrói esse playbook passo a passo.
App campaigns: volume de instalações e a fase de aprendizagem
App campaigns (anteriormente Universal App Campaigns) são o veículo principal da Google para conduzir instalações de jogos. São fortemente automatizadas: fornece assets, geografias de targeting, um lance, e um objetivo de otimização, e o machine learning da Google distribui os seus anúncios pelo Search, Play, YouTube, Discover, e a rede de display, otimizando para o seu objetivo.
O mix de assets é a alavanca. Porque as App campaigns são automatizadas, os seus assets criativos são o maior input controlável para o desempenho. Forneça o intervalo completo: vídeo portrait e landscape, vídeo de footage de gameplay, imagens estáticas, e HTML5 playables. Playables em particular pesam acima do seu peso para jogos porque deixam utilizadores experimentar o core loop antes de instalar, elevando a qualidade de instalação. O algoritmo mistura e combina assets entre placements, portanto amplitude e frescura de criativo determinam diretamente quão eficientemente a campanha se comporta.
Respeite a fase de aprendizagem. App campaigns precisam de volume de conversão e tempo ininterrupto para otimizar. O erro operacional mais comum singular é editar campanhas demasiado cedo — mudar lances, trocar assets, ou pausar durante o período de aprendizagem reseta a otimização e desperdiça gasto. Semeie orçamento suficiente para que a campanha recolha dados significativos de conversão rapidamente, depois deixe-a sozinha pela fase de aprendizagem antes de julgar desempenho ou fazer alterações.
Comece com objetivos de volume de instalação. Para um lançamento, comece com um objetivo focado em instalações (target CPI) para construir uma base de utilizadores e semear o algoritmo com dados de conversão. Isto gera a instalação e o volume de eventos precoces que precisa antes de poder credivelmente otimizar para valor. Vamos avançar para além das instalações na próxima secção, mas as instalações são o primeiro degrau necessário.
Estrutura de geografia e orçamento. Estruture campanhas por tier — mercados tier-1 de alta monetização separados de mercados emergentes — porque o CPI e o LTV diferem em uma ordem de magnitude entre eles e misturá-los enlameia a otimização. Um soft-launch num mercado menor e representativo é a forma clássica de validar criativo e suposições LTV de forma barata antes de escalar a geografias tier-1 caras.
App campaigns recompensam paciência e volume criativo. Tenha o mix de assets amplo e fresco, fundamente a fase de aprendizagem adequadamente, e resista ao impulso de micromanaging — depois sobreponha otimização de valor por cima uma vez que a fundação esteja a produzir dados.
De tCPI para tROAS: lances para in-app purchases
A progressão de lances de instalação para lances de valor é o arco definidor de um programa UA de gaming a amadurecer. Mova-se através dele em sequência, não num salto.
Por que a sequência importa. Cada fase requer sinal de conversão mais denso do que a última. tCPI otimiza em instalações, que são abundantes desde o dia um. tROAS otimiza em eventos de receita, que são esparsos cedo porque a maioria dos utilizadores não compra, e que chegam com um atraso. Saltar direto para tROAS numa campanha fresca priva o algoritmo dos sinais de compra que precisa, deixando-o preso na fase de aprendizagem e a gastar ineficientemente. A fase intermédia target-CPA-em-evento preenche a lacuna otimizando para um sinal de qualidade mais frequente (um marco de progressão ou primeira compra) antes de pedir ao sistema para otimizar para receita diretamente.
O limiar de volume para tROAS. Como regra prática, uma campanha deve gerar eventos de compra consistentemente — tipicamente dúzias por dia — antes que o tROAS otimize de forma fiável. Abaixo disso, os lances baseados em valor comportam-se erraticamente. Se uma campanha não conseguir atingir esse volume de compra, mantenha-a em target CPA para um evento in-app de alto valor em vez disso, o que dá ao algoritmo um sinal de qualidade mais denso com que trabalhar.
ROAS de janela diária versus ROAS de lifetime. O tROAS precoce necessariamente otimiza numa janela de receita curta (dia-0 a dia-7) porque esses são os dados disponíveis em tempo real. O risco é que o ROAS de janela curta sub-credite jogos cuja monetização se constrói ao longo de semanas. A correção é o LTV previsto, coberto a seguir: em vez de licitar para a pequena quantidade de receita observada em sete dias, licita para o forecast lifetime value que esses sinais precoces implicam. Esta é a atualização individual mais importante que um programa UA de gaming faz, e é o que separa estúdios que escalam rentavelmente daqueles que estagnam.
O fio condutor é densidade de sinal. Corresponda a sua estratégia de lance a quanto sinal de conversão a sua campanha realmente produz, avance pelas fases à medida que o volume cresce, e nunca peça a um bidder automatizado para otimizar para um objetivo do qual não tem dados suficientes para aprender.
Modelação LTV de jogadores e otimização de valor
A modelação LTV de jogador é a competência core de UA de gaming rentável, e é o que deixa cada outra tática neste guia funcionar.
Por que a receita média mente. Porque o gasto está assimétrico para whales, a receita média por instalação de um cohort diz-lhe quase nada sobre se uma fonte específica de aquisição é boa. Duas fontes podem ter receita média idêntica enquanto uma entrega alguns jogadores de alto valor entre muitos não-pagantes e a outra entrega jogadores uniformemente medíocres — e a primeira é muito mais valiosa porque jogadores de alto valor retêm e voltam a gastar. Tem de modelar a distribuição, não a média.
LTV preditivo a partir de sinais precoces. A técnica prática é usar comportamento de vida precoce — profundidade de sessão dia-0 e dia-1, velocidade de progressão, compras precoces, retenção a dia-1 e dia-3 — para prever o valor de um cohort a dia-30, dia-90, e dia-180. Os estúdios constroem estes modelos sobre os seus próprios dados históricos de cohort: pegam em cohorts maduros cujo verdadeiro valor de janela longa é conhecido, aprendem que sinais precoces o previram, e aplicam esse mapeamento a cohorts frescos cujo valor de janela longa ainda não é observável. A saída é um LTV previsto por utilizador ou por cohort, disponível dentro de dias de aquisição.
Alimentar LTV previsto de volta aos lances. Um modelo LTV preditivo só é útil para UA se fechar o ciclo nos lances. Dois mecanismos fazem isto: value rules, que ajustam o valor de conversão que a Google vê com base em segmentos que sabe que correlacionam com valor (geografia, plataforma, audiência), e valores de conversão server-side, onde envia à Google um valor LTV previsto por cada utilizador em vez de apenas a receita observada da janela curta. Com LTV previsto a fluir para o tROAS, a Google otimiza para forecast lifetime value — pagará mais para adquirir um jogador cujos sinais precoces predizem alto valor e menos por um cujos sinais predizem churn.
Cada estúdio que escala rentavelmente eventualmente pára de licitar para instalações ou para receita de sete dias e começa a licitar para lifetime value previsto. Os que estagnam continuam a otimizar para instalações baratas, vencem a corrida CPI, e perdem a corrida LTV — adquirem volumes enormes de jogadores que nunca monetizam enquanto um competidor disciplinado paga discretamente o triplo do CPI pelos jogadores que realmente importam. A modelação LTV não é uma cortesia de reporting; é o sinal de lance.
A fundação de medição. Nada disto funciona sem tracking limpo. Um mobile measurement partner (AppsFlyer, Adjust, Singular) integrado com Google Ads, uma taxonomia completa de eventos in-app com valores de receita anexados, e configuração correta de SKAdNetwork e medição Android são os pré-requisitos. O modelo LTV é apenas tão bom quanto os dados de evento e receita que o alimentam. A mesma fundação de dados que alimenta a modelação LTV — custo de aquisição unido e receita downstream por cohort — é exatamente o que um warehouse como o do nosso tutorial de pipeline de dados BigQuery é construído para manter à escala.
Trate o seu modelo LTV como IP proprietária. É o asset que lhe permite out-licitar competidores nos jogadores que importam enquanto out-poupa neles nos jogadores que não importam.
Estratégia YouTube e creators de gaming
As audiências de gaming vivem em vídeo, o que torna o YouTube e os creators desproporcionalmente poderosos para UA de jogos comparado com outras verticais.
YouTube dentro de App campaigns. As App campaigns já distribuem criativo de vídeo pelo YouTube, portanto assets fortes de vídeo melhoram diretamente a eficiência de App campaign. Vídeo de footage de gameplay, criativo estilo trailer, e clips curtos focados em hook performam porque mostram o core loop que a audiência se importa. Investir em criativo de vídeo não é uma decisão de canal separada — é o input de maior alavancagem para as suas campanhas de instalação existentes.
Geração de procura versus captura. Para além das App campaigns, uma presença dedicada de YouTube e Demand Gen cria a procura que torna a captura mais barata depois. Quando jogadores viram gameplay, reconheceram a marca, e formaram intenção, as suas App campaigns convertem-nos mais eficientemente — o CPI efetivo cai porque a audiência está aquecida. Esta é a versão gaming da dinâmica criação-de-procura-alimenta-captura-de-procura, e argumenta para investimento sustentado em vídeo de topo de funil em vez de gasto puro de performance. O nosso guia de campanhas Demand Gen cobre as mecânicas de formato.
Creators de gaming. Integrações de creators — playthroughs patrocinados, integrações de canal, conteúdo branded — tocam diretamente nas comunidades onde a descoberta de jogos acontece. As suas instalações são reais, mas o seu maior valor é a audiência aquecida que deixam para trás. O desafio de medição é que atribuição last-click sistematicamente sub-credita creators: um viewer vê um playthrough, pensa nele durante dias, e instala mais tarde através de um touchpoint diferente. Meça creators com deep links e promo codes para atribuição direta, e corra testes de incrementalidade — ligando e desligando atividade de creator em condições correspondidas — para captar o seu verdadeiro lift. A metodologia no nosso guia de testes de incrementalidade aplica-se diretamente.
Workflow prático de creator. Faça briefing aos creators com os hooks e momentos que convertem (o core loop, uma feature destacada, um evento), forneça links rastreáveis, e concentre pushes de creator em torno de janelas de timing — lançamentos, content drops, eventos esports — onde o seu alcance compõe com tudo o resto que está a correr. Trate creators como um motor de geração de procura medido por incrementalidade, não um canal de performance medido por last click.
Os estúdios que acertam em UA de gaming compreendem que vídeo e comunidade não são canais adjacentes — são onde a audiência forma intenção, e tornam cada campanha de instalação mais barata.
Timing de eventos esports e impulsos sazonais
Esports e jogos live-service correm num calendário de picos de procura afiados, e cronometrar orçamento a esses picos é uma competência distinta.
A procura é event-driven e de janela curta. Grandes torneios, lançamentos de season, expansões, e patch drops criam cada uma surge concentrada em interesse de pesquisa, viewership YouTube, e intenção de jogador. A janela é estreita — o interesse pica nos dias em torno do evento e decai rapidamente. Um orçamento sempre-plano ou subgasta durante estes picos (perdendo a aquisição mais barata e de maior intenção do trimestre) ou sobregasta nos vales entre eles.
Trate o calendário esports como o retalho trata Black Friday. A disciplina é a mesma do e-commerce sazonal: mapeie o calendário antecipadamente, pré-construa criativo com tema de evento, eleve orçamentos e alvos de valor antes do pico, e pace gasto para carregar à frente a janela. Os estúdios que captam estas janelas planeiam-nas semanas à frente; os que as perdem ainda estão a construir criativo quando o evento já está a picar. O nosso guia de pacing de orçamento cobre as mecânicas de pacing que tornam carregar à frente possível sem exaurir orçamentos cedo.
A recaptura pós-evento. Os eventos não apenas adquirem novos jogadores — reativam lapsed que voltam a sintonizar pelo torneio ou pela nova season. Um burst de re-engagement pré-planeado nas uma a duas semanas depois de um evento capta esta população returning eficientemente, porque estes são jogadores que já conhecem o jogo e estão a re-entrar com intenção fresca. Emparelhar aquisição durante o pico com re-engagement depois extrai o valor completo da janela.
Sazonalidade além de esports. Padrões sazonais gerais — períodos de férias, regresso às aulas, eventos regionais — também deslocam procura e competição de gaming. O mesmo ritmo pré-build-ramp-pico-recaptura aplica-se. O ponto mais amplo é que a procura de gaming é irregular, não suave, e um programa UA paced ao calendário consistentemente supera um que gasta uniformemente através dele.
Construa os próximos 90 dias de eventos relevantes no seu plano, pré-carregue criativo e orçamento para cada um, e trate cada evento principal como oportunidade tanto de aquisição como de re-engagement.
Campanhas de retenção e re-engagement
A aquisição recebe a atenção, mas para jogos com churn significativo — que são quase todos — re-engagement de jogadores existentes é frequentemente a fonte mais eficiente de receita.
O que campanhas de re-engagement fazem. App campaigns para engagement visam utilizadores que já instalaram o seu jogo, trazendo jogadores lapsed de volta e aprofundando o engagement dos ativos. O mecanismo que as faz funcionar é deep linking: em vez de largar um jogador returning num ecrã de launch genérico, o anúncio liga diretamente a um destino in-game relevante — um evento live, uma sale, uma nova season, um torneio — para que o jogador aterre onde está o valor. Isto melhora dramaticamente as probabilidades de um jogador re-engaged realmente re-engage em vez de bouncear.
Por que a economia é favorável. Jogadores lapsed já compreendem o seu jogo, têm conta e progresso, e convertem para compra a uma taxa superior à de instalações frias uma vez reativados. Isso torna o custo por euro de receita de re-engagement frequentemente melhor do que de aquisição fresca. Para um jogo maduro, re-engagement deve ser um item de linha permanente, não uma reflexão tardia.
Segmente por fase de ciclo de vida. Diferentes populações lapsed precisam de tratamento diferente:
- Jogadores ativos recentemente churned — traga-os de volta para o que quer que estavam por último engajados, mais uma razão para retornar (novo conteúdo, uma oferta).
- Jogadores dormentes há muito — reintroduza alterações principais desde que saíram; o jogo pode ter evoluído substancialmente.
- Não pagantes ativos — deep-link em momentos de monetização e ofertas cronometradas com eventos.
- Pagantes ativos — aprofunde engagement e exponha conteúdo premium; proteja este cohort de alto valor.
Adaptar o destino do deep-link e oferta a cada segmento materialmente supera uma campanha de re-engagement one-size-fits-all.
Escalar em torno de eventos e conteúdo. O re-engagement compõe com o timing de evento da secção anterior: um content drop, lançamento de season, ou evento esports é exatamente quando os jogadores lapsed estão mais recetivos a voltar. Corra re-engagement continuamente como baseline e escale-o agudamente em torno destes momentos.
Gasto focado em retenção é onde muitos estúdios encontram a sua melhor eficiência mista. Um jogador que já pagou para adquirir é mais barato de reativar do que um estranho é de adquirir, e re-engagement com deep-link é a ferramenta que capta essa vantagem.
Competir por CPI numa vertical de alta competição
Gaming é brutalmente competitivo, com estúdios de bolsos fundos a licitar agressivamente nos géneros mais lucrativos. Vencer é possível, mas não superando lances — out-modelando e out-criando.
Não pode vencer a corrida CPI raw contra escala. Um estúdio com orçamento UA de nove dígitos e anos de refinamento de modelo out-licitará um novo entrante em leilões de instalação indiferenciados. Tentar igualá-los euro-por-euro em CPI é uma estratégia perdida que drena orçamento para volume de baixa qualidade. A vantagem competitiva tem de vir de outro lado que não gasto.
Vantagem um: licitar para LTV, não CPI. Os lances LTV previstos são o grande equalizador. Permitem-lhe pagar CPI acima do mercado pelos jogadores específicos que o seu modelo identifica como alto valor, enquanto paga abaixo do mercado por todos os outros — para que a sua economia mista bata um competidor que licita o mesmo CPI por todos os jogadores indiscriminadamente. Não está a vencer cada leilão; está a vencer os leilões certos. É por isto que a modelação LTV na secção 4 é a fundação de UA competitivo, não um luxo de reporting.
Vantagem dois: velocidade criativa. Em App campaigns automatizadas, o criativo é a maior alavanca controlável singular em CPI. Os estúdios que sustêm aquisição eficiente correm um pipeline criativo de alta velocidade — dúzias de assets frescos por mês entre vídeo, playables, e imagens — constantemente testando e reformando. A fatiga criativa eleva o CPI implacavelmente, portanto o pipeline não é um esforço único mas uma capacidade permanente. Out-produzir competidores em volume e qualidade criativa out-competes diretamente em CPI.
Vantagem três: timing e leilões mais finos. A competição não é uniforme. Janelas de eventos esports, momentos sazonais, geografias soft-launch, e géneros emergentes oferecem todos leilões onde os gigantes estão menos presentes ou menos otimizados. Concentrar gasto onde a competição é mais fina — e onde o seu timing e criativo lhe dão uma vantagem — bate lutar de frente nos placements mais contestados. A disciplina de timing de evento da secção 6 é parcialmente uma tática competitiva exatamente por esta razão.
Para estúdios a pesar mix de plataforma, a economia de instalação difere entre a rede da Google e o ecossistema da Apple; o nosso guia de Apple Search Ads e ASO cobre o lado iOS, e o guia de promoção de app Google Ads cobre os fundamentos cross-platform.
O resumo de UA de gaming competitivo: aceite que vai perder o leilão CPI raw para escala, e vença em vez disso nas dimensões que escala não compra automaticamente — modelação LTV mais afiada, criativo mais rápido, e timing mais inteligente.
Se quiser otimização AI-driven que observa os seus lances baseados em valor e desempenho criativo entre campanhas para que a sua equipa se possa focar em modelação LTV e produção criativa, a SteerAds executa uma auditoria gratuita de 14 dias em contas Google e Microsoft Ads.
Fontes
- support.google.com/google-ads — documentação de App campaigns Google Ads
- thinkwithgoogle.com — insights de gaming e app Think with Google
- newzoo.com — dados de mercado global de jogos Newzoo
- appsflyer.com — benchmarks de UA de gaming e LTV AppsFlyer
- sensortower.com — inteligência de mercado de jogos mobile Sensor Tower
FAQ
Qual é um CPI realista para jogos mobile no Google Ads em 2026?
Varia enormemente por género e geografia. Em mercados tier-1 (EUA, Reino Unido, Europa Ocidental), jogos casual e hypercasual veem frequentemente CPIs de 1-3 euros, títulos mid-core 4-10 euros, e jogos hardcore ou strategy 8-25 euros porque visam jogadores de maior valor e mais difíceis de alcançar. Mercados emergentes correm muito mais baixos, por vezes 0,20-1,00 euros, mas com monetização correspondentemente inferior. O CPI sozinho é o número errado para otimizar — um CPI de 15 euros que entrega jogadores de 40 euros LTV bate um CPI de 2 euros que entrega jogadores de 1 euro LTV. Combine sempre alvos CPI com expetativas ROAS dia-0 a dia-7 dos seus próprios dados de cohort.
Devo licitar em instalações (tCPI) ou em in-app purchases (tROAS)?
Comece em tCPI para construir volume de instalações e semear o algoritmo com dados de conversão, depois gradue para tROAS uma vez que tenha eventos de compra suficientes para modelar valor de forma fiável. A maioria dos estúdios corre uma sequência: lançar em tCPI para instalações, mudar para target CPA para um evento in-app chave (tutorial completo, primeiro marco de sessão), depois passar a tROAS uma vez que o volume diário de compradores seja suficiente para o modelo de valor da Google. tROAS demasiado cedo passa fome com sinais de compra esparsos e nunca sai da fase de aprendizagem. A transição acontece geralmente uma vez que uma campanha gere dúzias de eventos de compra por dia consistentemente.
Quão importante é a modelação LTV de jogadores para UA de gaming?
É a capacidade individual mais importante que separa UA de gaming rentável de não rentável. Porque a monetização em jogos free-to-play é fortemente assimétrica — uma pequena parte de whales conduz a maioria da receita — a receita média por instalação é enganadora. Precisa de LTV preditivo: a partir de sinais precoces (comportamento dia-0 e dia-1, primeiras compras), preveja o valor dia-30, dia-90 e dia-180 de um cohort, depois alimente esse valor previsto de volta aos lances tROAS via value rules ou valores de conversão server-side. Estúdios que licitam para LTV previsto consistentemente superam aqueles que licitam para volume de instalações ou ROAS de janela curta.
YouTube e creators de gaming realmente conduzem instalações, ou apenas notoriedade?
Ambos, e a linha entre eles esbate-se em gaming especificamente porque a audiência é nativa de vídeo. O inventário de App campaign YouTube e as integrações de creators conduzem instalações mensuráveis, mas o seu maior valor é criar a procura que torna as suas campanhas tCPI mais baratas. Footage de gameplay, playthroughs de creators, e criativo estilo trailer no YouTube aquecem uma audiência que depois converte mais eficientemente na rede de App campaign. Meça creators com tracking de promo-code ou deep-link e testes de incrementalidade em vez de last-click — a sua contribuição é sistematicamente sub-creditada por janelas de atribuição, especialmente para títulos mid-core de consideração mais longa.
Como devem os anunciantes esports cronometrar as suas campanhas em torno de eventos?
A procura de esports pica acentuadamente em torno de grandes torneios, lançamentos de season e patch drops, e a janela é curta. Construa pacing de orçamento que carrega à frente gasto nas duas a três semanas antes e durante um evento principal, quando o interesse de pesquisa, viewership YouTube, e intenção de jogador todos picam juntos. Pré-construa criativo referenciando o evento, eleve orçamentos e alvos tROAS antes do pico, e prepare campanhas de re-engagement para captar a vaga pós-evento de jogadores returning e lapsed. Tratar calendários esports como o retalho trata Black Friday — planeado, pré-carregado, e estreitamente paced — é a diferença entre apanhar a onda e perdê-la.
O que faz uma campanha de re-engagement por um jogo mobile?
Re-engagement (App campaigns para engagement) visa utilizadores que já instalaram o seu jogo para trazer de volta jogadores lapsed e aprofundar o engagement dos ativos. Usa deep links para levar jogadores returning diretamente para um destino in-game relevante — um novo evento, uma sale, um torneio — em vez de um ecrã de launch genérico. Para jogos com churn significativo (que são quase todos), re-engagement é frequentemente mais custo-eficiente por euro de receita do que aquisição fresca porque jogadores lapsed já compreendem o jogo e têm taxa de conversão para compra superior. Deve ser um item de linha permanente, escalado em torno de content drops e eventos.
Como compito em CPI num género saturado e de alta competição?
Raramente vence um género saturado superando lances em CPI — vence em eficiência LTV e criativo. Os estúdios que sustêm UA rentável em categorias lotadas fazem três coisas: licitam para LTV previsto para poderem pagar mais por jogadores genuinamente valiosos sem pagar excessivamente pelos restantes, mantêm um pipeline criativo de alta velocidade porque o criativo é a maior alavanca em CPI nas App campaigns, e exploram janelas de timing (eventos, sazonalidade, geos soft-launch) onde a competição é mais fina. Tentar igualar um competidor de bolsos fundos euro-por-euro em CPI raw é um jogo perdido; out-modelar e out-criar não.