AEO优化价值解析
你的理解方向是对的，但 AEO 被低估了。
1. 先修正一下定义
| 优化目标 | 系统主要找谁 | 适合阶段 | 核心用途 |
|---|---|---|---|
| Install | 容易安装的人 | 早期测试、素材测试、产品基础量 | 便宜拿量，看 CTR/CVR/CPI/早期留存 |
| AEO | 容易完成某个事件的人 | 中期验证、事件充足但价值不稳定时 | 找“更有质量”的用户 |
| VO | 容易产生高价值的人 | 商业化成熟、付费/广告收入信号充分时 | 直接追 ROAS / LTV |
Meta 官方对 AEO 的定义是：让 app promotion ads 投放给更可能完成特定 app event 的人，比如 purchase，而不是只优化安装。Facebook
所以 AEO 不等于“付费人数”，它是事件优化。
2. AEO 的核心价值
AEO 的价值不是替代 VO，而是解决一个很实际的问题：
Install 太浅，VO 又太深，中间需要一个可学习、可放量、能过滤低质用户的目标。
尤其是休闲游戏里，很多项目早期会遇到：
-
Install 量很大，但 D0/D1 行为很差；
-
VO 跑不动，因为 purchase / ad revenue / ROAS 信号太少；
-
付费率低，直接 purchase AEO 也不稳定；
-
但产品里有一些中间行为能代表用户质量。
这时 AEO 就有价值。
3. AEO 适合优化什么事件？
不要只盯 purchase。对休闲游戏来说，更常见的是这些事件：
| 游戏类型 | 可用 AEO 事件 |
|---|---|
| Puzzle | complete level 5 / level 10 / fail 3 times / use booster |
| Merge | complete tutorial / unlock area / first merge target / session 2 |
| 模拟经营 | build first shop / unlock second system / complete order X |
| 广告变现 | ad impression threshold / rewarded ad watched / playtime threshold |
| 混合变现 | first purchase / add to cart / starter pack view / rewarded ad watched |
更准确地说，AEO 适合优化：
和 LTV 有强相关，但发生频率又足够高的事件。
这是关键。
4. 什么时候 AEO 有用？
适合用 AEO 的情况
1. Install 量便宜，但质量差
比如 install campaign CPI 很好看，但：
-
D1 留存低；
-
激励视频观看低；
-
关卡深度浅；
-
付费率低；
-
回收不稳定。
这时可以从 install 切到 AEO，优化一个早期质量事件，例如：
-
tutorial_complete
-
level_5_complete
-
first_rewarded_ad
-
play_10min
-
session_2
2. VO 信号不足，跑不出学习
VO 要求价值信号足够丰富。尤其是 IAA 或低付费率休闲游戏，直接 VO 可能学习慢、波动大。AppsFlyer 也提到，向 Meta 传丰富的 in-app events 和参数，可以帮助使用 Meta 的高级优化能力。AppsFlyer Support
如果你的 D0/D1 价值回传量不够，AEO 往往比 VO 更稳。
3. 你想验证产品质量，而不是只测素材
Install 更适合测素材吸量能力，但它会吸来一批“爱点、爱装、不一定玩”的用户。
AEO 更适合测：
-
这个素材带来的用户是否真的进入核心玩法；
-
某类卖点是否吸引高质量用户；
-
不同创意方向是否影响用户深度行为。
所以素材初筛用 Install 可以，但进入放量或质量判断时，AEO 更有参考意义。
4. 付费太少，但有前置信号
比如 purchase 事件一天只有几十个，不够稳。但你发现：
-
看 starter pack 页面的人，付费率高；
-
完成 level 10 的人，广告 LTV 高；
-
看过 3 次 rewarded video 的人，D3 留存高。
那就可以用这些事件做 AEO。
5. 什么时候 AEO 鸡肋？
你觉得 AEO 鸡肋，通常是因为事件选错了。
不适合的 AEO 事件
| 错误事件 | 问题 |
|---|---|
| tutorial_start | 太浅，和 install 差不多 |
| app_open | 基本没意义 |
| level_1_complete | 太容易完成，区分度弱 |
| purchase | 如果量太少，学习不稳 |
| ad_impression | 如果所有人都触发，质量区分弱 |
| event 设计和 LTV 无关 | 优化后只会让指标虚高 |
AEO 最怕两个极端：
-
事件太浅：和 Install 没区别；
-
事件太深：量不够，系统学不动。
6. 实操判断标准
我会用这个判断：
Install → AEO 的切换条件
满足其中 2-3 条就可以测：
-
单 campaign 每天 install 足够多；
-
早期事件每天有稳定触发；
-
该事件和 D1/D3/LTV 有明显相关；
-
Install 量的后端质量差异较大；
-
产品已经过基础漏斗验证。
AEO → VO 的切换条件
适合切 VO 的情况：
-
D0/D1 revenue 回传稳定；
-
付费或广告价值事件量足够；
-
ROAS 模型相对稳定；
-
已经不是“找会玩的人”，而是“找值钱的人”。
7. 对你的结论的具体评价
你的理解可以改成这样：
Install 用来测吸量和基础漏斗；
AEO 用来找更可能进入关键行为的人，是 Install 到 VO 之间的质量过滤层；
VO 用来找高价值用户，适合商业化信号充分后的 ROAS 放量。
AEO 不是必用项，但不是鸡肋。它的价值在于：
当 VO 太深、Install 太浅时，用一个和 LTV 强相关的中间事件，让系统更早获得质量信号。
对于休闲游戏，尤其是 IAA 或混合变现项目，AEO 很多时候比直接 VO 更实用。