百都網(wǎng)絡(luò)小編 發(fā)布于 年月日 評論() 閱讀()
信息流廣告比較流行的申辦方式是OCPM和OCPC。平臺算法越來越智能，有人群定向、競價、自動編輯甚至一鍵起訂量的工具。很多優(yōu)化者說，他們現(xiàn)在更像是一臺無情的規(guī)劃機器，從之前的精耕細作，到mkt工具下批量建立和運行上千個規(guī)劃的概率。今天我想從廣告的邏輯來說一個關(guān)于交付詭計的話題——如何從后端介入交付模式。
可以從兩次發(fā)射的基本邏輯說起。
兩種交付邏輯。
一. ECPM公式
ECPM=CTR*CVR* Bid *在廣告分布中，ECPM對廣告勝出的影響更大(這里暫時不考慮頻率、方位等過濾)，只有廣告勝出，才有后面的計劃數(shù)量的說法。從公式中可以直觀的看出，影響因素主要有三個，其中廣告主力方可以直接實時介入，包括出價(CPA)和CVR。通過這兩個參數(shù)的干預(yù)，我們可以調(diào)整和干預(yù)ECPM，進而影響取量情況。
第二，轉(zhuǎn)換漏斗
在轉(zhuǎn)化漏斗的過程中，前端數(shù)據(jù)主要由媒體提供；后端數(shù)據(jù)，運行API時，由廣告 owner上報，然后歸屬。在自報過程中，可以手動干預(yù)不同級別的轉(zhuǎn)化率。當(dāng)然，運行SDK的模式也可以進行類似的干預(yù)，但相對復(fù)雜。
通過上報不同的數(shù)據(jù)，不僅會影響ECPM，還會影響廣告模型的人口，進而影響后端更深層次的數(shù)據(jù)。它的應(yīng)用主要有三個方面:
簡單扣除返還數(shù)據(jù)的金額(此時也會有增加)，可以降低實際轉(zhuǎn)化成本或提高學(xué)習(xí)期通過率；
在埋點上下功夫，把埋點的行為往前或往后放(這本身也是推演增量邏輯)；
通過數(shù)據(jù)挖掘的手段，預(yù)估用戶的付費率和LTV，提前返回歸屬地數(shù)據(jù)。
特定應(yīng)用
先說第一個方面，涉及到API數(shù)據(jù)對接和返回的原理，上一篇文章已經(jīng)提到了，這里就不多說了。簡單來說，媒體將點擊數(shù)據(jù)發(fā)送回廣告 master，由廣告 master將轉(zhuǎn)換后的設(shè)備號與點擊設(shè)備號進行匹配，然后將轉(zhuǎn)換后的設(shè)備發(fā)送回媒體進行建模。
以支付對象為例。我們知道媒體對花費計劃研究期的轉(zhuǎn)化數(shù)據(jù)量級有要求，比如巨大的引擎。度過學(xué)習(xí)期的官方標(biāo)準(zhǔn)是，你可以通過在天內(nèi)累積一個轉(zhuǎn)換來度過學(xué)習(xí)期。這時候我們可以把一些真正被點擊但沒有轉(zhuǎn)化回媒體的設(shè)備號發(fā)送出去。這時候媒體就會判斷計劃的轉(zhuǎn)換是好的，會讓計劃更好的度過學(xué)習(xí)期，更好的被消費。
第二個是演繹。這里的邏輯比較簡單，模式需要探索和研究。假設(shè)有一條數(shù)據(jù)應(yīng)該被返回，但是你實際上只返回了一條。對于模型來說，由于初期的探索曝光和付費機制，系統(tǒng)會加大探索力度，此時你的實際數(shù)據(jù)表現(xiàn)會有所提升，體現(xiàn)在付費率的提升等。在這種情況下，主要通過影響CVR來調(diào)整大小。
在增量策略下，后端數(shù)據(jù)的可控性會更差。在這里，最好和第三點一起做，或者選擇有競爭優(yōu)勢的物料計劃來輔助合作。在扣除策略下，由于CVR的減少，系統(tǒng)通過市場數(shù)據(jù)探索預(yù)估數(shù)量時，初始階段的實際轉(zhuǎn)換成本會更低，但計劃增加的難度會更大。如果按照以往的數(shù)據(jù)進行投標(biāo)，計劃在探索期過后很容易崩潰。在這種情況下，注冊會計師的出價可以適當(dāng)調(diào)整，以促進ECPM。具體扣費比例和競價比例調(diào)整可根據(jù)實際情況進行微調(diào)。
二是在數(shù)據(jù)埋點上下功夫，可以讓我們投標(biāo)不同的轉(zhuǎn)化行為，得到想要的結(jié)果?？鄢粌H僅是數(shù)量上的扣除，更是一種后嵌入行為。比如在熱云中定義激活來開始初始化激活，但是初始化可以嵌入到啟動或者注冊或者轉(zhuǎn)角創(chuàng)建的界面中，通過增加轉(zhuǎn)化行為的深度來進行演繹。這里要注意的是，行業(yè)市場數(shù)據(jù)存在一個標(biāo)準(zhǔn)值范圍，數(shù)據(jù)是否異常可能會影響數(shù)量，類似于上面提到的CVR。例如，如果市場支付率為%，扣除后的值范圍在%左右，可能會使模型在短期內(nèi)探索更多；如果扣除過多導(dǎo)致繳費率降至%以下，可能會使系統(tǒng)認(rèn)為計劃繳費率過低，降低探索力度，從而降低幅度。對于扣除后的數(shù)據(jù)值，需要有一個標(biāo)準(zhǔn)的對照，以自身埋點或第三方標(biāo)準(zhǔn)的數(shù)據(jù)作為參考。比如用熱云扣激活，一個在啟動時激活，一個在行為A時激活，比較兩者在自己后臺的數(shù)據(jù)增長差異，數(shù)據(jù)是否變好，比如激活成本后端數(shù)據(jù)的變化等。
這里的埋回定義有點類似于關(guān)鍵行為的轉(zhuǎn)化目標(biāo)，但是媒體本身在不同的轉(zhuǎn)化機制中會有不同的建模方法和估計值，所以不能同時看待，比如直接用關(guān)鍵行為的一些參數(shù)來運行和激活，所以激活率的參考會有很大的差異，從而導(dǎo)致量的問題。在支付回報上，有些產(chǎn)品會有低支付，比如元。這個產(chǎn)品去支付的次數(shù)會更好，因為支付門檻降低了。但在運行支付率時，可能會造成更多的元支付，導(dǎo)致后端數(shù)據(jù)惡化，難以達到roi標(biāo)準(zhǔn)。這時候可以扣除低保金進行檢測。對于實現(xiàn)產(chǎn)品來說，因為成本低，虛假量很難控制，用戶可以通過在主界面或者第一時間放入初始化激活嵌入點來過濾。
后期通過數(shù)據(jù)預(yù)估的方式提前返回數(shù)據(jù)，考驗客戶的數(shù)據(jù)挖掘和建模能力。廣告業(yè)主通過建模預(yù)測媒體返回的點擊數(shù)據(jù)中是否存在可能的轉(zhuǎn)化。這個時候會涉及到兩個方面:
第一，轉(zhuǎn)化的時效性；轉(zhuǎn)換有延遲，延遲時間的長短很大程度上影響幅度和消耗。比如廣告 master如果能預(yù)測到點擊數(shù)據(jù)中哪些設(shè)備號有可能被轉(zhuǎn)換，那么就能及時返回設(shè)備號。因為此時的數(shù)據(jù)依賴于廣告 master建模，而不是等待真正的轉(zhuǎn)換返回，所以轉(zhuǎn)換延遲時間的問題會大大減少，時效性是可以保證和預(yù)測的。
第二，預(yù)期轉(zhuǎn)化率和實際轉(zhuǎn)化率的關(guān)系；其實上面列舉的方法都是為了對返回的數(shù)據(jù)進行一定的策略調(diào)整，后一種方法其實是提前預(yù)測轉(zhuǎn)換后的數(shù)據(jù)并返回。這時候可以更好的控制轉(zhuǎn)化率，在一定的時間區(qū)間內(nèi)預(yù)期轉(zhuǎn)化率高于媒體后臺的真實轉(zhuǎn)化率，使得ECPM增加，競爭力也提高。當(dāng)然，還不止于此。當(dāng)廣告 owner可以為用戶做LTV預(yù)估時，用戶的價值可以分層，可以針對不同的流量進行競價，更好地平衡質(zhì)和量的關(guān)系。
一般來說，模型介入需要清楚了解數(shù)據(jù)各環(huán)節(jié)的定義和返回機制，其次是廣告模型和一些業(yè)務(wù)邏輯。選擇所需的數(shù)據(jù)結(jié)果時，必須有一個標(biāo)準(zhǔn)量可供參考。在外部對齊數(shù)據(jù)時，并非每種情況都相同。同樣，不同目標(biāo)和節(jié)點的比例也需要根據(jù)成本進行調(diào)整。只要能優(yōu)化實際標(biāo)的后端，就可以適當(dāng)調(diào)整出價。
此后，媒體和市場規(guī)則一直在變，優(yōu)化者本身的角色定位也一直在變。希望所有的優(yōu)化器都不要做情緒規(guī)劃機器。
微海報作者：徐州百都網(wǎng)絡(luò) | 來源： | 發(fā)布于：2022-03-27 00:36:20