距离发布第一版的 ROI 估算模型已经过去将近 3 年了，这期间有同学还在陆陆续续使用这个工具，当然也有一些同事、朋友提出了一些建议。适逢国庆长假，由于疫情反反复复本人也没有机会到处跑，就花时间优化了一下模型。作为一个颜狗，顺便抛弃了继续在 wordpress 中迭代的想法，换用 quasar 进行了重构，不但颜值大涨（自认为），而且完全采用了前端方案，不再依赖于我自己的小破站后端了。
先附链接：https://tools.logiconsole.com
V2.0 最大的改变是将 CPI、广告安装量、ARPU 值和自然量比例进行了函数化，而非一个常量。
目前可以使用的符号有：
1 | +, -, *, /, 括号, e, ^ |
其中，CPI、每日广告安装和自然量比例给了一个默认函数，既是对使用方法做一个示例，也是我认为比较靠谱的函数形状。
CPI 中的 x 表示广告安装总数，我们认为随着广告安装总量的增加，CPI 必然会缓慢增长，整体曲线应该形如指数函数或对数函数。
每日广告安装中的 x 表示天数，根据对各个产品的分析，曲线形状通常都是如上图中的偏态分布样式。其中默认函数中的 30 表示曲线在第 30 天达到最大值。
自然安装比例中的 x 表示单日广告安装数，暂定每日 1000 广告安装能带来 10%左右的自然量，每日 100,000 广告能带来约 100%、即等量的自然量。
变现和广告的 ARPU 值未指定默认函数，可以根据需要自行修改。
留存数据依然和初版一样，不再赘述。
另一个改变是将拟合工具从 python+matplotlib 改成了 tensorflow.js，这样就不需要后端进行计算了。因此在计算按钮上方也放开了拟合的次数限制，默认 1000 次拟合。当然如果希望有更精确的拟合结果，也可以增加次数，就算拟合 100 万次消耗的也是你自己设备的算力，和我有什么关系呢[手动滑稽]？按 F12 或者浏览器菜单打开开发人员工具可以看到拟合过程。
最后，增加了一个 ROI 相关的可视曲线，展示了安装量、总花费、总消耗、ROI：
最最后，由于最近想玩一套登陆系统，采用了Logto进行了登陆验证，目前只支持 Facebook 登陆（毕竟使用这个工具的同学基本都有 FB 账号）。
最最最后，网站左侧还有个投放报表的功能，是本人自用的。经过多日和 Facebook 审核人员的掰头，终于获取了 ads_read 的高级权限，如果你同意给网站授权读取广告的权限，那就可以使用这个工具生成格式比较合适的投放报表（自认为），大概长这样：
此工具不会将任何数据上报到任何地方，安全可靠，但不开源，爱用不用，并且不保证没有 bug[手动狗头]。