Humanteq 学会了根据心理类型对玩家进行分类。因此，CPI 降低了 60%

俄罗斯初创公司 Humanteq 正在准备一场移动市场营销的小革命。该公司提出了一种基于心理类型的受众细分方法。首批案例显示，采用这种方法后，用户成本大幅降低。

关于这一新工具的工作原理，亚历山大·奥达尼克，这家营销初创公司的联合创始人，向我们讲述了相关内容。

亚历山大·奥达尼克

解决方案的核心

为了购买流量，免费的游戏开发者通常会希望获取那些更可能进行消费的用户。然而，精确目标定位会造成成本显著上升。

例如，我们知道在我们的应用中，女性用户更常消费，因此在制定广告活动时，我们会限制性别，以避免向男性展示广告。接下来是额外的目标定位，包括基于兴趣、地理位置及某些技术特征的细分。这些做法缩小了潜在客户的范围，导致用户成本升高。

为了在按行为在应用内细分受众时减少覆盖率的下降，我们在 Humanteq 决定利用心理学。我们认为，心理特征对所有人都是通用的，它们与性别、年龄和地域无关。

我们还认为，心理特征可能间接预测行为，因为它们决定了人们进行某些行为的倾向。如果是这样，我们可以：

а) 确定那些心理特征倾向于在我们的应用中消费的用户；

б) 不再使用行为列表进行新受众的购买，而是使用心理特征列表。

例如，我们可以确定，外向型用户（即所有外向型用户的支付概率平均比整个受众高）对特定产品的购买更倾向。

然后，我们将寻找的不是与在我们的应用中消费过的用户相似的用户，而是整体上的外向型用户。这部分受众将包括既有付费用户，也有不付费但倾向于消费的用户。这类受众规模将显著增大，这将降低用户成本，同时保持用户质量。

为了确定用户心理和训练模型，我们使用我们的应用程序 Digital Freud。在该应用中，用户完成心理测试，如 OCEAN（Big5）、施瓦茨生命导向测试、智力测试等，并获得他们的心理类型，能够与他人进行比较或分享到社交网络。同时，我们还收集用户智能手机的技术数据，如设备型号、操作系统版本、已安装应用列表等，并建立模型，根据这些技术数据恢复用户的心理画像。

工作的细节与 Facebook 广告相似用户

一个重要的细节是：Humanteq 仅能确定付费受众的心理类型。接下来，为了获取用户，需要使用第三方营销工具。

在下面的案例中，我们为寻找和购买感兴趣的用户使用了 Facebook 广告相似受众。这是最流行的解决方案之一，允许吸引目标用户。该工具的原理在于寻找与目标受众最相似的用户。

但我们也可以使用任何其他支持 GAID（Android 设备标识符）的广告解决方案（目前 iOS 不支持此类分析）。

使用 Facebook 广告相似受众时，场景通常如下：

• 开发人员创建已在游戏中完成支付的用户列表；
• 将它们导出为 GAID 列表；
• 将 GAID 上传到 Facebook 广告受众；
• 创建基于相似受众列表的广告受众。

接下来，通过 Facebook 内部的机器学习算法找到与你的用户列表相似的受众。之后，可以启动广告活动。

案例研究

我们与 Beresnev Games 的合作案例很好地展示了基于心理类型的工作效果。

捷克工作室有一款游戏 Gallery: Coloring Book & Decor。这是一款数字涂色游戏，用户在其中装饰自己的家。

我们在游戏中集成了 Humanteq SDK，以获得玩家的心理特征，并选择目标心理细分，即最大化购买转化的心理特征集合。

在确定了超过一百万用户的心理特征后，我们分析了他们的购买转化，提炼出两个最显著的细分，这些细分的用户更有可能转化为付费用户。

第一个受众是 重视成就 和 高冲动性 的人群。这类用户的购买概率比其他用户高出 150%。

一方面，他们是以成就为导向的人，渴望展现自我、取得成功。他们喜欢在智力和物质上展现自己的实力，受目标实现的驱动，包括游戏内目标。

另一方面，他们展现出冲动消费的倾向，缺乏对资源（时间和金钱）的规划，常常做出自发性行为，并倾向于拖延。

第二个在游戏中的主导心理细分是那些 智力高 和 重视享乐 的人群。在该心理细分中的用户在转化为付费的概率比其他用户高出 211%。

高智力首先表现在解决智力问题的速度和发现规律的能力，其次是从解决问题中获得乐趣的能力。

而享乐主义则是指追求感官享受，愿意去买一些美丽的事物，即使它们没有实用功能。

在分别构建心理细分的用户列表后，我们还提取了付费用户的标准数据。这部分用户成为我们的对照组。

总结来说，我们得到了三个受众：

• 重视成就和高冲动性的人；
• 智力高且重视享乐的人；
• 在 Gallery: Coloring Book & Decor 中进行过支付的玩家。

随后，我们基于这三组在 Facebook Ads 中建立了 Look-alike 受众。结果显示，这些受众之间有显著重叠（社交网络广告工具允许可视化这种重叠）：

它们的相似性说明了两件事情：

• 针对每个受众进行独立广告活动时，我们可以预期类似的行为；
• 我们不能简单地对目标受众进行比较测试：由于受众强重叠，可能会导致广告活动之间为了相同用户产生自动竞争的问题。

最终，我们需要在每个 Adset 中排除彼此的受众，并依次启动测试。

因此，我们制定了以下实验计划：

• 将重视成就和高冲动性（B 组）与曾进行支付的受众（A 组）进行比较；
• 将智力高和重视享乐的受众（C 组）与曾进行支付的受众（A 组）进行比较；
• 将两个心理细分之间相互比较（B 和 C 组）。

所有 AdSet 和广告活动之间的唯一区别是受众。其他设置均相同。每个广告活动都以支付为优化目标，且相互之间排除了各自的受众（付费用户与非付费用户的心理细分互不重叠）。所有广告活动持续的时间相同，预算也相同。

结果：

与 A 组（付费用户的 Look-alike）相比，这两个心理细分显示出：

• 每次展示、点击和安装的成本降低；
• 每个付费用户的成本（CPA）保持不变；
• 变现转化、ARPPU 和 ARPU 的下降；
• 享受高智力及重视享乐的心理细分的回报率提高，因为其 CPI 降低了 60%。也就是说，我们能够吸引更多受众，他们总体上带来了更高的收入。

顺便提一下，这两个心理细分的 CTR 也高于付费用户的受众。这可以解释为开发者早前多次面向付费用户的 Look-alike 启动广告活动。换句话说，大部分付费用户之前已经见过广告。通过使用心理细分并相互排除彼此的受众，我们发现了之前未向其展示广告的新受众。

该案例是在 Android 平台上进行的，因为目前的 Humanteq SDK 仅支持该平台。

但我们假设，如果不同平台的应用受众相似，那么 Look-alike 在 iOS 上也应能够以相似的方式（或相近的方式）工作。为此，我们在 iOS 应用上启动了基于 Android 应用的心理细分的广告活动。我们在 iOS 广告活动中使用了与 Android 测试相同的 Look-alike。

根据这次广告活动的结果，我们将 CPI 降低了 47%，同时 CTR 提高了 24%。变现指标也低于面向付费用户的 Look-alike 广告活动。但在 ROAS 上我们也观察到增长了 14%。

总体结论

主要内容：

• 通过心理细分及其在 Look-alike 中的应用，可以降低 CPI（在我们的案例中降低了 60%）；
• 心理细分的 CTR 平均较高，这使得我们能够向新受众展示创意；
• 尽管转化、ARPPU 和 ARPU 下降，但通过提升总体量可以保持 ROAS。

因此，我们认为，心理细分有效地帮助寻找能够与现有付费用户产生可比变现指标的大量新忠实受众。