Kiddopia 使用 Unity Ads 将 UA 支出提高了 3.1 倍，ROAS 保持不变

Kiddopia 是一个基于孟买的早期学习应用，通过互动播放教授子项，涵盖从烹饪到数学等科目。其主要受众是美国和拉丁美洲地区的子项家长。

Kiddopia 的主要用户获取（UA）和 Monetization 策略是利用为期 7 天的自由试用期，然后转换为付费订阅。该应用不提供带广告的freemium增值层级——因此，在第7天获取的Users要么订阅，要么结束自由试用。

在保持该模型的同时，Kiddopia 寻求进一步扩大Scale，同时达到其内部目标。Unity Team建议他们运行优化In-app Purchase（IAP）ROAS 的活动，并包含更长的目标Windows。添加 D28 活动启用 Kiddopia 能够捕获那些完成试用但稍后返回订阅的Users。

通过优化应用内购买的投资回报率（IAP ROAS），Kiddopia 改变了他们获取Users的值以及他们可以购买的音量与效率目标之间的关系。最终，这导致了 iOS 每月支出增加 3.1 倍，D7 ARPU 增长超过 69%。

挑战

Kiddopia 已经在running D7 活动，优化以实现试用开始。这对应用来说是有效的，但它优化的是一个比他们想要达成的结果（即推动Revenue）已移除一步骤的信号。试用期Start不保证有订阅者，而在7天试用期顶部时为音量付费并不能提供转化率的透明度度。

试验模型产生了一个第二个问题。Kiddopia 的订阅在免费周结束之后开始，并且有相当比例的订阅者在第 8 天到第 10 天及以后转化。Any在 D7 关闭的优化或测量Window可能无法捕获那些Users。

解决方案

遵循 Unity Team的建议，Kiddopia 使用 Unity 矢量 驱动的 ROAS 模型重建了其活动，以优化 IAP revenue。

他们还迁移到将他们的活动分散到两个归因Windows中。四个 D7 IAP ROAS 活动承担了核心的 Scale，而一个专门针对美国市场的 D28 IAP ROAS 活动是为竞标可能被 7 天 Window 遗漏的后期转化群组而量身定制的。两个活动窗口以分层结构并行运行：D7 活动捕获试用期结束后立即转化的用户，而 D28 活动则针对需要更长时间的用户。

实施

Kiddopia 在基于 Unity 矢量驱动的 ROAS 模型构建的五个活动中在 iOS 上运行。这些包括四个 D7 ROAS 广告系列和一个 D28 ROAS 广告系列，All都直接优化到 IAP revenue事件。D7 活动对于该应用特别有用，因为它们与该应用的 7 天自由试用模型相符。

Kiddopia 以刻意保守的目标启动，遵循了 Unity Ads Team的指导，即模型需要ON干净的Revenue信号上进行学习期，然后才值得推动音量。他们启动了All四个D7 ROAS活动，并按市场划分，这样每个活动都可以查找自己的效率关卡，而不是跨区域平均。All四个都优化到相同的In-app PurchaseRevenue事件。后来他们增加了美国 D28 ROAS 营销活动，专门针对试用期结束后转化的订阅者。

从那里开始，应用根据性能进行扩展。在接下来的三个月里，Kiddopia 在五个单独的提升中提高了 ROAS 目标——每次提升都是在每周性能保持在现有Target之上后才实施的。每周支出伴随着 D7 ARPU 持续保持，而不是随着音量增加而下降。ON创意、独立平台的玩法中，Kiddopia 的首选Format仍然是支出份额数量。

结果背后的数据基础

Unity Ads 和 Unity 矢量 最适合干净的Revenue信号，而 Kiddopia 首先构建了这一点。他们遵循了 Unity 的 MMP 数据启用要求，为 矢量 开始回传 IAP revenue事件。有了这些Incoming的数据，矢量 能够更好地预测用户值并朝其方向出价。

D28 活动最清楚地说明了result：通过建模远超安装的（用户）行为来重视那些将在 D7 后转化的用户。该结果是一个基于订阅的广告商，它在广告和 IAP 货币化的游戏中采用了 Unity Ads 著名的收入优化方法，并利用它来提高收入。

* 数据来源：Unity 内部数据，基于 Kiddopia 广告系列。每月支出基于2026年1月1日至2026年7月31日的数据比较

**来源：Unity 内部数据，基于 Kiddopia 广告系列。D7 ARPU 基于 2026 年 1 月 1 日至 2026 年 8 月 4 日的数据比较