广告营销工具
SEOSEO付费获客付费获客程序化广告网站变现程序化App 获客App 变现网站变现关键词研究搜索意图App 获客ROASCPAApp 变现CPCLTV联盟营销eCPMRPM零售媒体营销归因转化追踪创意情报MMPHeader BiddingDSPSSPRTB广告可见率填充率ASOSKAdNetworkARPDAU激励视频广告聚合联盟营销创意测试A/B 测试再营销相似受众广告优化品牌安全供应路径
SEOSEO付费获客付费获客程序化广告网站变现程序化App 获客App 变现网站变现关键词研究搜索意图App 获客ROASCPAApp 变现CPCLTV联盟营销eCPMRPM零售媒体营销归因转化追踪创意情报MMPHeader BiddingDSPSSPRTB广告可见率填充率ASOSKAdNetworkARPDAU激励视频广告聚合联盟营销创意测试A/B 测试再营销相似受众广告优化品牌安全供应路径
App 变现进阶4 分钟阅读

ARPDAU

每位日活跃用户平均产生的收入。

定义

ARPDAU 是 Average Revenue Per Daily Active User 的缩写,计算方式是当日总收入除以当日日活跃用户数。收入可以包含广告、内购或订阅,但分析时应明确包含哪些来源。

所在链路

App 当日收入 ÷ 当日日活跃用户数

为什么重要

ARPDAU 把变现结果与真实活跃受众联系起来,比单次展示的 eCPM 更完整,但仍需结合留存和用户结构判断长期影响。

ARPDAU 衡量什么

每日活跃用户平均收入(ARPDAU)用一天的收入除以当天的活跃用户数:

ARPDAU = 日收入 ÷ 日活跃用户数(DAU)

一个应用从 60,000 DAU 赚到 $4,200,ARPDAU 就是 $0.07。这个指标的威力在于完整性:它吸收全部变现——所有格式所有网络的广告收入、应用内购、订阅——并按受众归一化,应用涨缩它都保持可比。

这使 ARPDAU 成为应用变现的运营真相指标,立于诊断指标之上。eCPM 告诉你展示赚多少;填充率告诉你请求中多大比例完成交付;ARPDAU 告诉你一个"用户日"实际值多少钱。在展示层面看起来很漂亮的变现改动——更激进的插屏、更紧的地板——要在 ARPDAU 层面接受审计,会话时长、广告频次和付费行为在这里全部轧差。

广告收入侧的分解让链条一目了然:

广告 ARPDAU = 每 DAU 展示数 × eCPM ÷ 1,000

每 DAU 展示数又拆成每用户会话数 × 每会话广告曝光——这正是变现设计与产品设计交汇的地方。

使用 ARPDAU 而不自欺

**分段。**混合 ARPDAU 把付费用户和非付费用户、一线市场和新兴市场、第 1 天用户和老用户搅在一起。决策相关的视图:

  • **按收入流。**广告 ARPDAU 和内购 ARPDAU 演化不同、响应的杠杆不同;把它们当一个数字管理的混合变现应用,会错误归因每一次变化。
  • **按地理。**与 eCPM 相同的结构性差距——拿美国流量为主的一周对比 campaign 驱动的新兴市场一周,看到的是流量构成,不是变现水平。
  • **按队列年龄。**新用户和留存老用户的变现方式不同。一波 UA 投放让 DAU 灌满低变现的第 1 天用户,机械地压低 ARPDAU,哪里都没有真正恶化。

**与留存配对。**ARPDAU 是日度率;它对用户留几天只字不提。ARPDAU × 留存天数 这个乘积才累积成 LTV——而变现的经典失败就是拿留存换日度率。让 ARPDAU 涨 10%、留存被削的插屏频次调整,几周内就净亏;只有队列级收入曲线能揭示它。

**注意 DAU 定义。**计数规则(时区边界、"活跃"的定义、平台口径)改变分母;保持恒定并写成文档,分析工具迁移时尤其要小心。

实践中提升 ARPDAU

  1. **先找约束瓶颈。**做分解:广告 ARPDAU 受限于每用户展示数(曝光设计)还是 eCPM(需求与信号)?内购 ARPDAU 受限于付费转化率还是付费深度?不同的瓶颈,不同的功课。
  2. **靠互动增曝光,不靠密度。**更多会话、更长会话能在不增加单会话广告压力的前提下提高每 DAU 展示数。激励视频是典型的正和杠杆——自愿曝光常常还能改善会话指标。
  3. 强化竞价。聚合竞争、应用内竞价和延迟修复在曝光不变时抬高 eCPM——纯增益,零体验成本。
  4. **把变现改动当作带留存监测的实验来跑。**实验组对照组同时测 ARPDAU、D7/D30 留存队列收入。Firebase A/B 测试让这套支架很便宜;跳过它,每个胜利都是临时的。
  5. **判断趋势时盯住构成。**宣布变现回退之前,先检查地理、平台或队列年龄构成是否移动了。UA 投放后的 ARPDAU "下跌"多数是构成效应。

常见错误

  • **抬短期收入、伤留存。**标志性失败:日度率涨、队列价值跌。任何没有对照留存曲线验证的 ARPDAU 胜利都未经证明。
  • **不加区分地混合付费与广告收入。**一条大 R 的付费日会扭曲混合 ARPDAU;基于被内购噪音污染的数字做广告侧决策是在追鬼影。把两条流分开。
  • **跨受众市场比较。**各地理之间的 ARPDAU 差异主要是人口结构和需求,不是运营表现。改为对同类分段做时间序列比较。
  • **在 UA 高峰期评判 ARPDAU。**队列年龄构成的偏移机械地压低混合值;用新用户队列评估新用户变现,不要用全站平均。
  • **优化率、侵蚀底盘。**收入 = ARPDAU × DAU。靠流失换来的率提升是自我蚕食——和 eCPM vs 填充率同一个陷阱,高一层而已。

FAQ

多少算好的 ARPDAU? 跨度从不到一美分(超休闲、纯广告、宽泛地理)到数美元(一线市场、付费基础扎实的混合变现游戏)。跨应用基准主要编码品类、变现模型和地理。有效的比较是你自己分段的 ARPDAU,在构成不变的前提下看时间趋势。

ARPDAU 和 ARPU 有什么区别? ARPDAU 用日活做分母、一天做窗口;ARPU 通常按月(收入 ÷ MAU),或依惯例接近生命周期口径。ARPDAU 是运营旋钮;月度 ARPU 是它的平滑版,用于规划。务必标注窗口——不带标签的"ARPU"比任何变现术语都更易制造混乱。

ARPDAU 怎么连接到 LTV? LTV 是 ARPDAU 在用户留存天数上的积分:ARPDAU × 期限内的预期活跃天数(按队列细化)。这个恒等式也是警告:以留存为代价抬高 ARPDAU 可能压低 LTV,而每张日报都更好看了。

UA campaign 之后 ARPDAU 为什么掉了? 新用户涌入把队列构成推向第 1 天用户,他们变现最少。机械的、预期内的、通常是暂时的。怀疑变现之前先做同队列年龄的比较,并用该 campaign 队列的 CPI/LTV 比值评判它,而不是它对混合率的影响。

混合变现应用该分开追踪广告和内购的 ARPDAU 吗? 永远分开——外加混合值。两条流响应不同杠杆、相互作用(重广告压力会抑制购买;激励位反而可能促进购买),而这种相互作用只有在两条流都按分段追踪时才可见。应用变现路径覆盖完整的度量层级。

新手常见误区

  • 为了提高短期收入而损害留存和产品体验
  • 混合广告与付费收入后不说明指标口径
  • 直接比较用户市场和成熟度不同的 App

相关工具

相关文章