如果要如此精确地获取用户，我们需要深刻地洞察用户。

撰文：Simon, IOSG Ventures

Part1: UA for Web3 Games 

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。

Source: Joakim Achren / Twitter 

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。

Part 2: Crypto Native Ads Stack

在 Web3 的世界里，对使用广告作为一种商业模式总是充满着争议。

对于许多消费者来说，广告总会引起负面的联想。Web2 巨头利用海量的用户数据，将广告以 Super Targting 的形式呈现给消费者，用户在面对广告时往往缺少主动选择的能力。另一方面，大多数规模较小的个人创作者无法将广告转化为稳定的收入，转而投靠订阅。

但客观来说，广告将产品分销的目标与稳定的收益流结合在一起，是商业史上最好的盈利模式之一。

这就是为什么社交媒体巨头和搜索引擎通过广告来补贴其平台，而顶级内容创作者在 Substack 和 Spotify 等平台上利用广告赚钱而不是订阅。

但 Web3 的开放性打破了传统的平台商业模式——这种模式依赖于相对封闭的用户数据和用户与平台的强锁定。我们不妨在数据开放性的背景下去定义下 Web3 广告堆栈，那么核心的组件包括广告商、广告协议、市场和应用程序。

Web3 广告不必与其 Web2 广告堆栈一一对应。尽管堆栈里的所有组件都对 Web3 native 广告至关重要，但我们可以将关注点放在广告堆栈的基本单元上——即广告本身。

潜在的 Web3 广告玩法

广告资产化： 将广告变成 NFT、将推荐链接变成 NFT, 或者用 NFT 作为广告空间（Ads Space）所有权证明

代币赋能： 将用户注意力资产化，使用 Token 交易和赋能（注意力资产：主页内容、商店首页）

链上链下整合定向广告： 打通链下和链上用户画像

广告资产化 

许久以前 CryptoSlam 对这种广告形式做了一些尝试。CS 曾发售过会授予拥有者者主页横幅广告位权利的 NFT。每个 NFT 广告对应于特定日期在 CryptoSlam 主页上的横幅广告。

沿着这个思路更进一步，或许 CryptoSlam 可以将其广告金融化为 NFT，为其创建二级市场，这能为 CS 提供持续的版税收入。平台或广告协议也可以强制启用广告 NFT 版税，要求买家支付版税以获得广告位置。相比起传统的广告销售模式，金融化的广告市场能让供需更加匹配，让微 / 小型广告主也能适配合适的广告资源。

除了 NFT 广告之外，Crypto 还可以实现更高效的拼多多拉新（Referal， Crypto 项目也有可以利用工具，例如[ShareMint]，提供链上推荐链接，动态奖励推荐人，使用代币进行定向奖励计划

在音乐 NFT 协议[Sound.xyz] 中粉丝可以通过其推荐链接和播放列表获得博主铸造生成 Token 的 5％。

随着更多的用户行为能被转移至链上，未来将有可能有更多的激励方案让拉新者在产品营销生命周期中的不同阶段创造价值。

代币赋能

在社交 / 搜索引擎上，广告主为了获得额外的关注而付费。在 Web2 中，为 Google 付费广告可以使网站在搜索结果中排名靠前。Web3 中的流量集合地可以利用代币作为工具去计价注意力资产。

NFT 艺术平台 SuperRare 在几个方面利用其 RARE Token 进行策展。首先，SuperRare Token 持有者拥有策展的权利，可以决定哪些实体或个人可以创建 SuperRare 店铺。

在 SuperRare 中，画廊是有价值的注意力资产，因为顶级画廊可以获得更多的浏览量和更高的销售额，某种意义上更好的画廊=更好的广告位。

更进一步，想象一下，如果用户可以抵押 Token 来决定哪个商店在该用户的网站 / 市场 / 社交应用的首页上首先出现呢？在这种模式下，策展 Token 将成为一种「流广告」，商店和 SuperRare 协议上的销售收入的一部分将归属于代币持有者。

用户与广告主之间的互动不再单向，用户可以决定自己想看到什么类型的广告。这也可以使代币捕获额外的价值，并为平台利益相关者提供收益共享。

链上链下整合定向广告  

Slise 和 Hypelab 等多家公司正在建立专注于用户活动追踪的协议。简单来说，他们试图将用户的 Web3 身份和 Web2 身份链接到一起，拼凑出完整的用户画像。

例如，假设一个 NFT Marketplace 想要了解其营销活动的有效性；通过使用活动溯源协议，市场可以跟踪一个点击推荐链接或 Twitter 广告的个人，是否 1）实际使用了他们的协议，并且 2）通过市场购买资产。

放眼当下，很少的 Web3 公司或协议将广告作为商业模式，但这个领域的演进方式一定程度上是可以被预知的。

尽管一个 Web3 native 的、跨平台的 Generalized Ads Protocols 的宏伟愿景听起来让人血脉喷张，但缺少对内容 / 注意力分发的掌控会成为这类协议实现大规模的应用的瓶颈。

相对的，控制用户分发和注意力的 App 或 Marketplace 可能会尝试出于各种原因控制其广告体验，而用户追踪引擎可能会被大型 Socialfi 平台收购。

但无论竞争格局中 web2 的老故事如何地重复，这一次我们能确信，在数据相对开放的 web3，能整合出真实用户画像的 Attribution Engin 能迸发出比 Web2 counter parts 更大的可能。在 Web2 AdSense 售价 1.02 亿美元，你们觉得 Web3 化的 Adsense 估值几何呢？