編按：遊戲廣告ROAS很高，就該繼續加預算嗎？當流量成本上升、玩家分散，AI正協助業者從ROAS、iROAS到Agentic AI，找出真正由廣告創造的新增玩家與營收，重新定義遊戲出海的投放策略。
如果一檔遊戲廣告的ROAS很好，下一步是不是就該增加預算？
ROAS，全文為Return on Ad Spend，中文為「廣告投資報酬率」。意思是每花一元廣告費，能帶回多少營收。
幾年前，多數遊戲業者大概會毫不猶豫地回答「是」。但近年來，我接觸到愈來愈多遊戲業者，即使報表上的安裝量、轉換率和ROAS都很漂亮，仍不敢輕易加碼。因為他們開始追問一個問題：有多少玩家，真的是廣告帶來的？
早期的遊戲用戶獲取相對直接，只要讓更多人看見遊戲、下載，並開始玩，業者通常有機會在後續收回成本。尤其在手遊高速成長的階段，大量買量往往能換來相對可預期的成長。
不過，這套公式正在失效。遊戲供給愈來愈多，玩家總量卻沒有等比例增加。從MMORPG、三消、超休閒，到近年的休閒與策略融合，玩家持續在不同賽道間移動。廣告接觸點也從Google、Meta擴展至短影音、通訊軟體及數以百萬計的App，流量變得更碎片化，成本則持續上升。過去新遊戲上市時鋪天蓋地買一個月廣告的場景，如今已愈來愈少見。
ROAS 很漂亮，不代表廣告真的創造成長
當預算不再能無限制擴張，遊戲業者衡量成效的方式也開始改變。最早大家看安裝量與CPI（單次安裝成本），接著開始追蹤玩家是否付費，以及 ROAS。近年，市場又進一步把焦點移向 iROAS。
iROAS，全文為Incremental Return on Ad Spend，中文為「增量廣告投資報酬率」，用來衡量每一元廣告支出，實際創造了多少原本不會發生的營收。
為什麼還需要一個新指標？因為「在廣告之後發生」和「由廣告帶來」，其實是兩回事。
假設一位原本就打算下載遊戲的玩家，在下載前曾看過一則廣告，只要他在歸因期間內完成安裝或付費，這筆成果便可能被算在廣告上。也就是說，即使沒有那次曝光，轉換仍可能發生。相反地，也有玩家確實受到廣告影響而完成轉換，但若行動發生在歸因期間之外，這筆成果便可能不會被歸因至該媒體管道。這也意味著，傳統歸因既可能高估，也可能低估廣告真正的貢獻。
iROAS衡量的，正是有投廣告相較於沒有投廣告，額外創造了多少營收。這個差異會直接改變預算決策。一個管道可能帶來大量低成本安裝，卻多半觸及原本就會下載的玩家；另一個管道的安裝成本較高，找到的卻是原本不認識遊戲、後續會持續付費的玩家。如果只看CPI或傳統ROAS，業者可能削減真正帶來成長的預算，反而把錢投入擅長「收割既有需求」的地方。
這不是說安裝數、CPI或ROAS已沒有價值，它們只是回答不同的問題。任何單一指標，都無法呈現全貌。真正有價值的廣告，是能帶來那些「原本不會來、來了之後又願意留下與付費」的玩家。
增量衡量，不能只是活動結束後的一次檢討
市場並非今天才開始研究增量。企業過去就會透過實驗組與對照組，觀察有投廣告相較於沒投，究竟多出了多少安裝、付費或營收。
但是，測量和優化是兩件事。傳統增量測試常見的做法之一，是比較有投廣告與未投廣告的地區，但結果容易受人口結構和市場事件影響，也需要足夠大的樣本。遊戲行銷每天都有新的素材、版位、受眾與競價條件。如果只在活動結束後取得報告，下一輪市場環境可能早已不同。
因此，我認為增量不應只是一場偶爾進行的實驗，而要成為持續運作的決策訊號。先透過測試建立當下的增量基準，再結合大量投放資料，判斷不同「素材 × 版位 × 受眾」組合的邊際效益，並在調整預算後，再次驗證結果，不斷重複衡量、執行與校正的循環。
例如，小尺寸橫幅即使取得曝光歸因，玩家可能只是快速滑過卻未真正留意廣告內容；相較之下，成本較高的可玩廣告（playable ads），卻能讓休閒遊戲玩家在下載前實際體驗核心玩法，更有機會帶來真正新增的轉換。而不同遊戲類型，驅動玩家行動的素材元素也不一樣。休閒遊戲可能適合快速呈現玩法與挑戰感；RPG 則可能更仰賴角色、戰鬥場景與前三秒的敘事吸引力。
業者需要知道的不是哪支廣告「成功得分」，而是哪種組合讓原本不會行動的人開始行動，並創造足以覆蓋成本的價值。
Agentic AI 的價值，是讓不同決策朝同個目標前進
生成式AI普及後，製作大量廣告素材已不再困難。但素材產能提高，不代表行銷決策就會變好。下一階段更重要的問題，是系統能否理解一支影片中的人物、故事、色彩與節奏，將這些元素和實際投放成果交叉分析，找出素材為什麼有效，再告訴團隊下一輪應該生成及測試什麼。
出海時尤其如此。同一款遊戲進入日本、韓國、東南亞或歐美，吸引玩家的角色、敘事、文化情境與平台習慣可能完全不同。AI可以加速「洞察、生成、實測、再學習」的循環，但判斷仍必須來自當地實際結果，不能完全複製另一個市場的成功公式。
這也是Agentic AI與單點AI工具的重要差異。單點工具可以把出價、受眾預測或素材生成其中一件事做得更快；Agentic AI更適合讓不同專業Agent圍繞同一個商業目標協作，辨識更可能長期付費的玩家，產生並測試適合的素材，判斷哪些轉換屬於真實增量，再把預算移向更有效的受眾、素材與版位。每一輪結果又回到下一輪決策中，形成持續學習的閉環。
Appier Agentic廣告平台正在推進的，就是把前面描述的這套循環，落實到真實投放中。它的基礎不只來自通用模型，也包括長期累積的實際投放經驗與遊戲產業知識。對第一方資料不足的新遊戲，可以先運用跨市場、跨遊戲類型的玩家行為訊號作為起點，再依自身在當地市場的實際投放資料持續調整。
對台灣遊戲業者而言，布局Agentic AI的第一步，是先選定清楚的北極星指標。這個指標可以是高價值付費玩家、LTV（用戶終身價值）、ROAS或增量營收，應盡可能接近企業真正要創造的營收與獲利，而不只是安裝量。只有目標清楚，不同模型與Agent才知道該共同最佳化什麼。
當AI接手大量分析、測試、報表與投放調整後，行銷人的價值也不會消失，而是從重複執行的工作，轉向策略制定、目標設定、理解市場、掌握品牌與做出判斷。遊戲出海下一階段的競爭，將不再只是誰能買到更多流量，而是誰能持續證明：這一筆廣告支出，創造了原本不會發生的成長。
（作者為Appier全球業務資深副總涂正廷）
專欄意見不代表《遠見》立場
