Web3怎么科学地做UA（User Acquisition）？

作者：Simon, IOSG Ventures

讨论的主题

传统游戏的UA/市场营销专家应该对以下计算稔熟于心：

IOS用户的180天LTV(Life-Time Value)是5刀，我们在北美Facebook上的CAC(获客成本)是4刀，每日消耗是80k，数学上这是一门可以跑“正ROI”（Return of Investment）生意嘛？

传统的移动应用买量更像是科学而非艺术，环节的每一步都是可量化的。营销人员和UA专家可以将以上的信息输入一张长期使用的表格中，然后预测LTV-to-CAC 的关系，从而预测某款移动应用/游戏的商业模型是否是可盈利的。

然而如果要如此精确地获取用户，我们需要深刻地洞察用户。

在传统游戏背景下，用户是相对容易被识别和洞察的-他们往往可以被追踪溯源到某个具体的移动设备上。因此，即使仍会有一定的误差（比如一个用户同时使用多个设备），我们仍可以将某台移动设备和一系列的游戏内/外行为联系起来。这可以帮助UA专家们识别这些用户是通过哪些渠道进入我们游戏的，计算每个渠道的ROI，调整对应的投放策略。

然而，在Web3的世界中，我们无法想当然地追踪和归因用户行为了。

当以传统方式分发的游戏（应用商店，pc游戏平台，主机游戏商店）享受着传统分发渠道成熟的data pipeline，发行商们充分洞察着用户的行为和偏好时，钱包追踪和平台政策却给web3游戏的用户获取带来许多难题。

1.钱包画像（Wallet attribution）

因为Web3游戏需要钱包连接，游戏公司需要能够直接将钱包定位到具体的玩家上。但是，在web3世界中，钱包往往和具体的用户不是一一对应的。

此外，任何给定钱包的内容会随着时间而变化 - NFT和其他代币可能会随时被交易进出，资产价值会波动，而且有些资产甚至可能根本不属于钱包持有者。这使得仅基于钱包内容正确估计LTV变得十分困难。

钱包还掩盖了用户的现实身份，使其更难以有效地定位广告目标。某些钱包可能根本不是由人操作的，而是由机器人（bot）或ai操作的。bot控制的钱包甚至可能具有负的LTV，因为机器人在Web3游戏中往往是经济体提取机。

与此对应的，这道难题也给诸如Thirdwave，Slise 一样的转注钱包画像（wallet profileling）的项目切入的机会。这些项目依托算法或者人工索引，通过整理链上信息，寻找钱包背后的用户画像，为定向广告打好地基。

2.平台政策（Platform policy）

传统游戏分发平台受限于Google和Apple的分成模式，对Web3游戏的态度一直非常犹豫且暧昧。现在任何在ios和安卓设备上购买NFT都必须通过IAP（In APP purchase），Google Aapple继续分得30%的那杯羹的同时，NFT的使用场景也被大大限制。

主机开发商虽然在悄悄行动推进Web3游戏的投资和研发，但在对外态度上仍十分小心谨慎。

在电脑端上，Steam和Epic两家一家对区块链讳莫如深，一家张开双臂欢迎。

但总的来说，种种的不确定性和发行基础设施的缺失（包括Web2发行基建接口的缺失&Web3本地发行基建的缺失）导致Web3游戏项目们往往选择了更容易的道路——做一款基于网页端的游戏。

虽然网页端的游戏虽然适配现有的基建发展水平，但是用户数据沉淀的缺失让前文中cost-per-install metric 在网页端上毫无用武之地。就算能通过追踪钱包识别到用户的来源渠道，玩家也可以轻易地链接钱包/解除钱包链接，很难去界定一个用户是否被某个应用”获取“了，又或者这个人只是随手链接钱包好奇看看。

1.如果我们不能相对精准地计算LTV，

2.如果我们不能相对精准地回溯CAC，

3.Web3真的能科学地买量吗？

更别提买量在Web2里已经因苹果的隐私政策已经陷入了瓶颈&量的价格也日益水涨船高。

如果一款Web3游戏志在实现大量采用（Mass Adoption），它将面临着用户入局、流量来源追踪、LTV 跟踪和平台政策等等挑战。相比起那些具有多年历史 UA 数据，漏斗每一个环节都有着清晰可量化的标准的Web2 counterparts来说，处于绝对的劣势。

因此，传统的效果营销对于大部分研发前期和资本充沛的 Web3 Native 项目，又或者那些仅有少量 Web3 Inergration的项目来说，都往往是糟糕的选项。

从传统游戏行业的角度来看，这些可能对游戏初创公司来说是一个巨大的挑战。然而，与此同时，Web3 也提供了一系列独特、Web3 Native 的的用户获取方案。