通常情况下，程序化广告在投放的各个环节都要密切关注数据表现，从而使得投放效果最大化，本文以某游戏直播平台推广为例，结合真实推广数据阐述在程序化广告投放过程中数据支撑模型。
题图来自Unsplash，基于CC0协议
广告行业，核心价值是追求投放的投入产出比最高，优化的方案便是通过计算为一系列用户和环境的组合找到最佳的广告投放策略以优化整体广告活动的利润空间。如何在合适的场景，将合适的资讯推给最合适的人，在保证用户体验的情况下，谋求最大比转化率，则是在程序化广告最需要解决的问题。
通常情况下，程序化广告在投放的各个环节都要密切关注数据表现，从而使得投放效果最大化，本文以某游戏直播平台推广为例，结合真实推广数据阐述在程序化广告投放过程中数据支撑模型。
一、 目标用户寻找
1、 竞品用户人群圈定
竞品用户对直播产品有一定的了解，具有较强的产品意识，从用户心理上更加容易接受直播类产品，但有一点不能忽略，如果一个用户高频率的使用某一款直播产品，那也代表该用户是竞品的超级用户，这类用户对产品粘度很高，心理接受程度也比较高，很难通过一则广告转化成新产品用户；而另一类用户虽然是竞品用户，但是打开频率过低，这样的用户是对产品排斥甚至是不接受，他可能只是偶然中下载了产品但未培养成使用习惯，这类用户的价值率也比较低，综合上面的考虑，我们的目标人群是竞品用户群体有使用习惯但并不是产品死忠粉。
1）首先需要找到竞品名单，根据相关性分析的到竞品列表
图1-1 相关性产品列表
2）我们将“周均启动>4次的超级用户”和“周均启动<2次的普通用户”通过事件细分进行对比。
3） 通过以上数据分析：我们设定目标群体特征为：
2. 根据产品用户特征定位目标用户
以产品用户数据为基础，分析用户数据，挖掘群体特征。从用户年龄分布、性别分布、活跃时段、城市级别、用户分布、应用偏好方面进行分析。
用户地域分布：
图1-2 用户地域分布
年龄和性别分布：
图1-3 用户人群属性、性别分布
活跃时段：
图1-4 平台活跃情况
城市级别分布：
应用偏好：
下载的游戏软件有：英雄联盟、守望先锋、王者荣耀、绝地求生、炉石传说、剑侠情缘3。
3. 根据游戏直播行业用户人群特征寻找目标用户
直播行业年龄偏好：
图2-1 游戏直播行业年龄分布
收入分配：
图2-2 游戏直播行业年龄分布
用户地域分布：
图2-3游戏直播行业年龄分布
根据以上行为数据表现，我们从DMP中以下条件进行筛选目标人群（因存储空间的原因，我们只会记录用户3个月的行为数据，当一个用户有3个月未使用过该产品，我们就认为该用户是一个新用户，未下载过该产品）
所以我们综合下来以这样的条件进行筛选：
和
二、 投放策略
筛选渠道：根据用户预算和物料尺寸进行渠道和广告位筛选；
1.物料对比测试
物料设计：物料设计应遵循kiss原则，即keep it simple stupid，保持简单和愚蠢，让一个傻子也能看得懂，另外需要注意的是主色调与渠道端场景是否相符。
我们针对物料A、物料B在不同渠道小范围测试，查看转化数据（点击/曝光）。
.
针对不同的渠道，勾选不同的物料，设置渠道曝光频率和投放量。
2. 投放测试
针对以上3个渠道，在24小时之内每隔一个小时少量投放，对比转化率变化情况。（若之前对渠道情况比较熟悉的情况下，此步骤可省略。）
三、 广告投放与关键节点优化
在物料和高峰时段测试完毕之后，广告进入稳定投放阶段， 数据分析工作贯穿整个投放过程，作用在于：发现问题、分析问题并帮助解决问题，所有的数据分析工作是为广告投放与优化服务的，而广告投放和优化是围绕KPI要求进行的，发现问题的标尺是KPI，发现问题以后，需要对数据进行分析，抽丝剥茧，定位问题产生的原因并找到解决问题的对策方案，指导广告的优化调整工作。
在广告优化过程中，数据主要是由时间、维度和指标三大元素组成：
数据：{ 时间、维度、指标 }
1) 时间：时间分为绝对时间和相对时间2类，绝对时间是真实的发生时间；相对时间是指相对的时间和范围，如近7天、15天、30天等。
2) 维度：基于分析对象不同，可以从不同维度进行考察。如针对渠道的效果考察，可以从价格、媒体丰富度、总流量数、响应时间、广告匹配度等；针对物料的考察，可从点击率、停留时间、跳出率等维度考察；针对媒体的考察，可以从受众群体、价格、曝光数、页面停留时间等。
3) 指标：描述投放事件的状况的数值，分为绝对指标和相对指标。绝对指标为CPM、CPC、CPA、CPT等；相对指标指CTR(点击数/曝光数)、CVR（转化量/点击量）
在直播产品的投放中，对方的KPI是客户拉新，并且把新下载了客户端并成功打开一次的用户称为新用户。
下图是直播产品的投放效果数据：
我们从上述渠道中的数据可以看到，渠道的CTR基本在3%左右，该转化率在游戏类广告行业处于中上等水平，但保持在正常范围内。但仍有几个异常数据需要引起注意：
1) 表格中渠道2的转化率为5%，这个远远高于其他的渠道。
对于渠道2的超高转化率情况，我们需要更加详细的数据进一步排查，一般步骤如下：
a) 需要技术排查是否统计数据有问题。正常情况下每次广告曝光和广告点击都需要媒体端自行发送曝光、点击通知到消息队列，由我方技术人员统计消息数从而确定曝光和点击数，所以当异常数据出现时，需要排查是否曝光数有消息通知失败导致CTR过高，或者点击数重复上报导致CTR过高。
b) 如果上报数据正常，那么需要进一步核查上报消息，查看消息中上报的客户端ip是否正常，是否存在大量重复ip上报，如存在，那么可怀疑媒体端数据作假；或者ip正常，但是用户访问路径有异常（正常情况下，用户首先点击曝光页进一步点击落地页），也可怀疑有刷量的嫌疑。
2) 渠道3中CVR转化过低，远低于其他渠道。
对于CVR转化过低的情况，我们也需要借助原始日志定位异常点，一般思路如下：
a) 需要技术排查是否软件下载上报数据是否有问题。正常情况下，用户在下载的过程中需要分阶段上报进度，20%、40%、80%、100%下载量时分别进行上报，一条完整的下载记录才会认为是一次有效下载。若CVR过低，需要查看是否上报路径统计有问题，过多的排除掉正常下载记录导致数据偏差。
b) 若下载记录正常，需要进一步借助落地页停留时间来分析，若落地页停留时间过短，大量的跳出率导致下载量低，那么我们需要对落地页内容进一步优化，以吸引用户注意里提高下载量，若落地页停留时间正常，那么是否下载链接访问异常，导致用户无法下载，从而造成下载量过低，需要进一步测试下载路径。
四、 总结与复盘
在整个广告的投放中，数据解读会有各种各样的问题，需要通过分析数据，找到问题产生的原因。分析人员需要严谨的分析思路，概括起来主要是对比、细分、归因。通过多渠道多周期对比发现异常数据，通过细分进一步挖掘异常产生的原因，在不同细分类别进行比较的到更加客观公正的数据，最后通过数据观察发现规律或者数据之间的因果关联，并在此基础之上推断原因并验证。
作者：杨晓萌
本文为「人人都是产品经理」社区和友盟＋联合举办的“2019「友盟杯」数据分析大赛”中获奖作品，未经作者及平台许可，禁止转载
本文部分数据有脱敏处理，非全部真实数据
有关产品测评大赛合作事宜，请联系邮箱：denis@woshipm.com
网友评论