Files

T

Antigravity Agent 9a135bd19d docs(10_Wiki): Topic_Business/General/Graphic/Programming을 Topics/ 하위로 이동

최상위 10_Wiki/Topic_*였던 4개 카테고리 폴더를 10_Wiki/Topics/Topic_* 로 재배치.
콘텐츠 변경 없음(순수 폴더 이동) — Topics/ 하위 나머지 폴더는 이미 지난 커밋에서
전부 정리된 상태(잔존 항목은 에이전트 운영 상태 및 사용자가 보존을 요청한
업데이트0615/무제 3.canvas 뿐).

2026-07-05 00:44:01 +09:00

3.8 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, verification_status, tags, raw_sources, last_reinforced, github_commit, tech_stack

title

하이브리드 수익화 (Hybrid Monetization)

매 한 줄

"매 IAP + IAA segment 별 결합으로 LTV 극대화". 매 2026 모바일 dominant model — 매 hyper-casual 가 hybrid-casual 로 진화하면서 mainstream. 매 non-payer 는 ad-load 로 monetize, payer 는 IAP 로 friction-free experience 제공.

매 핵심

매 segment 전략

Non-payer (95%): rewarded video + interstitial.
Minnow (3%): starter packs, small IAP.
Whale (top 2%): high-value bundles, VIP, no-ads.
Mixed: ad-removal IAP 로 transition path 제공.

매 KPI

ARPDAU: IAP ARPDAU + ad ARPDAU 합산.
Ad LTV vs IAP LTV: cohort 별 비교.
Cannibalization: IAP 가 광고 매출을 잠식하는지 측정.
No-ads conversion: ad-removal IAP rate.

매 응용

Royal Match: puzzle + ad + IAP combo.
Subway Surfers: 광고 중심 + cosmetic IAP.
Archero: IAA + IAP gem currency.

💻 패턴

Segment-based ad load

def ad_frequency(user):
    if user.is_whale:
        return 0  # no ads
    if user.has_paid:
        return 1  # rewarded only
    return 3  # full ad load

Dual revenue tracking

def compute_arpdau(users, day):
    iap_rev = sum(u.iap_today for u in users if u.active(day))
    ad_rev = sum(u.ad_revenue_today for u in users if u.active(day))
    dau = sum(1 for u in users if u.active(day))
    return {
        "iap_arpdau": iap_rev / dau,
        "ad_arpdau": ad_rev / dau,
        "total_arpdau": (iap_rev + ad_rev) / dau,
    }

Rewarded video offer

class RewardedAd:
    def show(self, user, reward):
        if not ad_network.has_fill():
            return None
        ad_network.play(user)
        user.grant(reward)
        analytics.track("rewarded_complete", user, reward)

A/B ad placement

def assign_variant(user_id):
    bucket = hash(user_id) % 100
    return "high_load" if bucket < 50 else "low_load"

Whale exclusion

def should_show_ad(user, ad_type):
    if user.lifetime_spend > 50:
        return False
    if ad_type == "interstitial" and user.session_seconds < 60:
        return False
    return True

매 결정 기준

상황	Approach
Hyper-casual	IAA-heavy, light IAP (ad removal)
Mid-core	IAP-primary + rewarded video
Casual puzzle	Hybrid 50/50
Hardcore RPG	IAP-only, no ads

기본값: hybrid + ad-removal IAP path.

🔗 Graph

부모: 게임 수익화 모델
변형: 하이브리드 캐주얼(Hybrid-Casual) · 부분 유료화(Free-to-Play)
응용: 인앱 구매(IAP) · 인앱 광고(IAA)
Adjacent: 지불 용의 (Willingness to Pay) · 고객 유지율(Retention)

🤖 LLM 활용

언제: hybrid monetization design, ad-IAP balance, segment 전략 질문. 언제 X: pure premium / 단일 model 게임.

❌ 안티패턴

Whale ad bombing: 매 whale 에게 광고 노출 → churn risk.
Pre-monetization 0 ads: 매 non-payer LTV = 0.
Cannibalization 무시: 매 ad placement 가 IAP intent 잠식.

🧪 검증 / 중복

Verified (Liftoff, AppLovin 2025 hybrid reports).
신뢰도 A.

🕓 Changelog

날짜	변경
2026-05-08	Phase 1
2026-05-10	Manual cleanup — hybrid monetization 정리 (segment 전략, dual ARPDAU)

3.8 KiB Raw Blame History