这是一个非常现实的问题，比如一个应用如果只广告变现，很显然，广告的ARPU值一般只有内购用户的ARPU值的几分之一。
这种一刀切的变现方式就忽视了那些愿意付费用户的价值，同时在体验上这些愿意付费的高价值用户也不一定会满意；
同样，一个应用如果主要靠内购进行变现，尽管内购的ARPU值更高，但内购用户在整体用户中的比例是很低的，通常不超过10%，这意味着，剩下90%用户的广告价值就没有被充分挖掘。
比如，我所知道的一些主内购变现的开发者，他们对内购的方法论非常精通，对应用的付费卡点、充值门槛、购买刺激点都经历了多轮的设计优化和实验验证。
但是在商业化广告的探索上则处于比较初期的阶段，毕竟广告和内购的内在逻辑是存在明显差异的。
这就导致他们对于自己不熟悉的广告模式认识不够，甚至可能基础的广告样式还没有开发齐全，制约了应用的整体变现潜力。
其次，再来看"数据维度单一"。
互联网产品的变现归根到底是数据层面的变现，无论是广告还是内购，背后都依赖基于数据构建的用户画像能力，而这恰恰是大多数移动应用开发者所缺乏的，通常垂直的移动应用只专注于一个领域，因此它和用户的交互是相对单一的。
比如一款阅读产品只能获取用户的阅读兴趣和行为数据，一款美化类工具产品只能获取用户美颜偏好的行为和数据，一款天气类产品能获取到的有价值的数据就更少了。
所以一款应用仅仅依靠自身的数据从而构建一个立体的用户画像在几乎是一个不可能完成的任务。
而更为关键的是，一个垂直应用对于新用户的画像几乎是一无所知，然而，对新用户的运营和策略是必须在用户进入应用的那一刻就要开始的，否则用户就流失了。
比如一个新用户进来，如何知道他是更愿意付费还是更愿意看有广告的免费内容呢？
这是一个极其重要的判断，它决定了后续的运营策略，也决定了用户是否会流失。
通常面对这种数据缺失的情况，应用开发者只能采取两种办法——
种办法是设置一定时间作为观察期，即给与用户付费和不付费两个选择，通过具体的行为数据进行判断。
这种方法的弊端是非常明显的，首先观察期通常采取的是随机策略，必然不是优的变现方式，因此存在"观察期损耗"，同时对于观察期"误判"的用户，流失的概率会非常大。