什么是ROAS？
ROAS值是近期在移动广告行业内被高度重视的一个效果参数。它直接反映了数字营销过程中，某个Campaign投放的效率及表现。计算公式是总收入除以广告支出。
值得注意的是，这里的总收入指的是广告投放后获得的新用户所带来的总价值。它包括广告变现收入(IAA)，以及应用内购买收入(IAP)，是两部分的总和。一般来说广告变现收益即是开发者接入广告平台（Ad
Network），通过广告展现获得的收益。
开发者使用的Mediation工具将统计各个Ad
Network的广告收益应用内购买收入(IAP)和广告支出可以通过第三方监测平台Appsflyer和Adjust等进行数据统计。将这些数据整合后，开发者便能够对APP的收益情况有比较全面的数据了解，从而能够计算出ROAS值。
使用ROAS来评估广告效果
ROAS对于开发者评估广告效果提供了一个新的依据。在ROAS指标之前，行业里面可能最常用ROI和LTV这两个参数来衡量广告的最终效果。然而ROI是广告利润跟广告投放成本的比值，当设计利润时往往还需要计算其他的花费，所以有时候这个参数并不能很直接的反映广告本身的投放效果。至于LTV，它代表了一个新用户从安装App开始整个生命周期所产生的总价值。当一个用户的LTV大于一个新用户的获取成本的时候，证明这个App具备盈利能力。但考虑到时间因素，在用户使用App的过程中，开发者无法预知用户的后续行为以及市场后续变化。所以从这个角度来看，LTV并不能很及时的反映广告本身的投放效果。以上所提及的直接性和及时性的问题在使用ROAS指标时都得到了很好的解决。
使用ROAS来评估产品潜力
除了评估Campaign的广告投放效果之外，ROAS指标还能用于评估一款App产品的潜力。在ROAS前，行业内通常还通过Retention
Rate（留存率）和CPI（单次安装成本）来预估某个campaign所代表的App的发展潜力。特别是一些游戏发行公司在选择新游戏时会着重考虑这两个指标。一般来讲，当一个新的休闲游戏在美国市场做买量测试的时候，如果CPI成本在$0.25左右，次日留存在40%-45%左右，那么该App是会被认定具有市场竞争力和投资潜力，这种类型的新游戏通常也会备受发行公司青睐。
简单来讲，CPI只是表现了一款产品或者说一个Campaign素材在投放过程中是否吸量，能否以较低的价格吸引目标市场的潜在用户进行下载。而留存率能够表现用户对该产品的喜爱程度。但由于这两个指标并不涉及对于App广告变现和非广告变现的能力分析，所以都缺少对于该App产品的盈利能力的直接分析。留存率与单次安装成本固然重要，但发行公司也需要综合其他信息对产品进行考量。
举个例子，这里有三个正在美国地区投放的休闲游戏Campaign A，B，C。从下图可以看出, Campaign A的留存率是45%，说明用户对于该游戏是比较认可的，愿意重复登陆回来；Campaign
B的CPI是0.2美金，说明该游戏或者投放素材在市场上具有竞争力和吸引力，能够以较低成本获取到新用户。相比较而言，Campaign C在留存率和单次安装成本上都表现平平。
但引入ROAS值之后，Campaign
C的ROAS值反而最高，为0.5，意味着每花1美金的投放费用，开发者就可以在第二天赚回0.5美金。这可能涉及到这款App的变现结构，比如新用户是否会推送广告，广告展现时机，内购场景的设计以及这款App是否是在目标地区首发等。假设其他条件都一致，可以认定Campaign
C所代表的游戏拥有更好的广告变现设计和非广告变现设计，也表明在相同情况下Campaign
C能够最快实现产品盈利，从而降低开发者和发行公司的资金压力。特别对于生命周期相对短的超休闲游戏产品，ROAS能够起到更好的指导作用。
如何得出User level ROAS？
ROAS对于一个Campaign的广告效果和一个App产品的变现能力和资金回收速度都能起到指导作用。但只有将ROAS指标落实到用户层级(User Level ROAS),
它才能发挥出最大的效用。如果开发者能够获取到用户层级的ROAS数据，那么在新客获取（User
Acquisition）中就能发现那些最具价值的用户，从而避免广告预算浪费；在广告变现（Monetization）中，开发者也能够了解到哪些用户贡献了最多的广告变现收益，从而便于及时调整策略。结合公式可以看出ROAS将产品变现的收益与获客成本联系到了一起。这也是ROAS值重要的原因之一。
获取User-Level ROAS的难点在于用户层级的广告收益拆分（User-Level Ad
Revenue，以下简称UAR）。因为广告支出和非广告变现收益的数据是可以通过第三方监测平台获取的，但广告变现的收益数据都掌握在各家广告平台（Ad Network）手里，通常Ad
Network只会通过API提供国家和广告位这两个维度的总广告变现收益的数据，但不会提供用户层级的广告变现收益数据，由于某些原因，这逐渐形成了行业当中的一座信息孤岛，也是数字营销当中的一个难点。
一般开发者在广告变现过程中使用的聚合SDK（Mediation SDK）是App与各个Ad Network之间的桥梁。能否为开发者提供有效的UAR数据，也是考量Mediation功能的重要一环。
为了获取UAR数据，传统做法一般是通过简单的展现拆分来进行预估。比如一个用户的Device ID 1，看了10次广告，产生了广告收益0.1美金。那么就推算Device ID
2，看了20次广告，会产生出0.2美金的变现收益。这是最基本的算法模型。然而，通过AdTiming
Mediation平台的数据发现32.3%的用户观看了80%的广告，而23.9%的用户贡献了80%的广告变现收益。另外，同一用户观看广告所产生的广告变现收益会随着观看广告次数的上升而逐渐下降，不同Ad
Network给用户推送前几次广告的eCPM是最高的，因此简单用广告展现来进行UAR的测算并不合理。
AdTiming Mediation以自有的用户数据标签（User Tags）和人群分组技术（Audience
Segmentation）为基础，通过算法和智能模型，描绘出每个用户的兴趣，性别，手机型号，移动网络状态等不同的维度，形成较为合理的用户画像分析，再结合整个广告过程的追踪，从视频广告是否完整展现到用户点击广告的行为进行多方面效果记录，从而能够得出更加准确合理的UAR数据。
User level ROAS对于变现的效果提升
为了让开发者更好的了解AdTiming在用户层级的数据分析上的优势，AdTiming将实时抓取的一些信息在开发者后台进行可视化处理，下图罗列Gender, Interest, Country,
Connection, Brand, Model, Network, Frequency, Ad Type, Ad Network, Estimate
eCPM等维度的数据。当把这项功能用于广告变现的时候，开发者从图片广告形式获取的收益平均增加10%左右，从视频广告获取的收益增加20%左右。
User Level ROAS对于优化获客的帮助
上文提到过20%的用户贡献了80%的收益，当开发者使用AdTiming Mediation打通双端数据后，便可以得出UAR和User-Level
ROAS指标，从而能够在用户层级定义和定位出真正有价值的用户群体。在此之后，当开发者在做新客获取（UA）时，便可以通过一些AdAd
Network的LOOKALIKE功能找出类似人群，从而大大提升获取新客户的质量，减少不必要的广告投入。通过AdTiming
Mediation的强大数据分析能力，开发者能够在提升现有用户的广告变现收益的同时定义出高价值用户群体来指导新客获取的质量和效率。从而形成UA-Monetization双端的正向循环与联动，高效提升整个App产品的投资回报率。
