百都網(wǎng)絡(luò)小編 發(fā)布于 年月日 評論() 閱讀()
作者:鐘十二
在這幾年做產(chǎn)品的過程中，我經(jīng)歷了一段有趣的工作經(jīng)歷。經(jīng)歷了從一無所知的“APP付費投放”到推出推廣的APP from-to-set的流程系統(tǒng)，降低了“獲客單價”的。倍，還把新推出用戶的次日留存率提高到了。天然新渠道的倍！
在這個過程中，發(fā)現(xiàn)對投放數(shù)據(jù)的分析尤為重要，也是“降本增效”的關(guān)鍵！也就是能不能花更少的錢，帶來更高質(zhì)量的用戶？所以這篇文章總結(jié)和分享了我從不知所措到理清工作思路，再到獲得業(yè)務(wù)成果的工作經(jīng)驗，希望對當時和我一樣的朋友有所幫助。
首先，確定對外投資的關(guān)鍵指標
不能花更少的錢帶來更高質(zhì)量的用戶。所以有兩個關(guān)鍵指標:獲客單價和獲客質(zhì)量。
()客戶獲獎單價:
也就是要花多少錢才能得到你想要的用戶。這里需要注意的是，需要根據(jù)投放的目的來確認你想要什么用戶。
以我這次的付費APP投放為例:投放的目的是為了獲取新用戶，也就是讓新用戶使用APP，那么我的客戶就定義為第一次使用APP的用戶，也就是激活新用戶，之前下載過或者下載了但是沒有打開APP的不算。
那么獲客單價等于配送消費金額/激活新用戶數(shù)。
()客戶質(zhì)量:
也就是如果你得到了用戶，他提供的價值是什么？不同類型的app有不同的衡量方法，比如留存、付費、活躍度等。最終這些關(guān)鍵指標會被用來衡量用戶的質(zhì)量，通過比較獲客成本和這些用戶產(chǎn)生的價值來計算ROI。
第二，如何識別數(shù)據(jù)異常
在較長的交付周期內(nèi)，需要密切關(guān)注上述關(guān)鍵指標和相關(guān)指標。但如果看個別數(shù)據(jù)值沒有意義，感覺不到是正常還是異常，就必須對比整體數(shù)據(jù)，尋找差異，主要通過以下方法。
在時間維度上，通常采用同比和環(huán)比兩種方法。
比如本周獲客成本為人民幣/人，上周為人民幣，環(huán)比增長%，說明是異常數(shù)據(jù)。為什么會上漲？？
這個時候?qū)Ρ热ツ晖?，我們發(fā)現(xiàn)去年這個時候也增長了%,然后又回落到正常水平。但去年的分析認為，當月剛好趕上大促，電商的廣告強勢競價兇猛，導(dǎo)致其他品類獲客成本上升。知道這個情況，這次數(shù)據(jù)異常有什么想法嗎？？
在維度和指標上，分為橫向比率法和縱向比率法。
()水平比率
指的是同一個維度級別，分析比較不同維度成員的各個指標的分布情況，即分析廣告交付數(shù)據(jù)在各個維度中是如何分布的。比如不同渠道的投放消費分布如何，是否符合投放要求，哪個渠道的轉(zhuǎn)化率更高，用戶質(zhì)量更好等等。
()縱向比率
是指同一維度成員的同一指標級別，比較不同時間維度的趨勢。趨勢是基于時間維度的數(shù)據(jù)趨勢。
通過趨勢可以看到廣告交割中各數(shù)據(jù)值的整體趨勢、數(shù)據(jù)波動、變化范圍，找出異常點(異常是指數(shù)據(jù)異常，可能是好的數(shù)據(jù)發(fā)展，也可能是壞的數(shù)據(jù)發(fā)展)。
三、如何分析異常原因并優(yōu)化？
發(fā)現(xiàn)了數(shù)據(jù)異常，需要進一步探究異常產(chǎn)生的原因并進行優(yōu)化。數(shù)據(jù)投放常用的分析方法是細分和歸因。
，細分
即細分發(fā)現(xiàn)異常數(shù)據(jù)后，需要找出與該指標相關(guān)的其他指標進行拆解分析。
比如一天的效果數(shù)據(jù)比前一天差。原因是什么？？
需要進一步細分不同維度來找出原因，哪個頻道的數(shù)據(jù)變質(zhì)？哪個小時的數(shù)據(jù)變質(zhì)？哪個人群的效果數(shù)據(jù)變質(zhì)？或者是不是因為某個投放策略的調(diào)整導(dǎo)致效果數(shù)據(jù)變質(zhì)？
細分是為了更合理的對比，不同細分類別對比得出的數(shù)據(jù)更客觀公正。
比如A媒體的轉(zhuǎn)化效果比B媒體好并不代表A媒體比B媒體好?？赡軙l(fā)現(xiàn)某一組媒體A的效果不佳降低了整體的轉(zhuǎn)化效果水平，所以可以考慮通過篩選該組進行優(yōu)化調(diào)整，或者進一步分析該組哪些細分維度造成了轉(zhuǎn)化效果不佳，通過層層細分進行維度關(guān)聯(lián)，從而探索優(yōu)化空間。
細分主要從以下幾個角度進行。
①人群特征細分:根據(jù)用戶的需求、性別、年齡、行為、興趣、消費水平或旅途的不同階段，將用戶劃分為不同的群體，可以是單一層次，也可以是多個層次的組合，然后進一步分析不同群體的數(shù)據(jù)。比如細分為男性用戶和女性用戶，新用戶和老用戶。
②時間細分:根據(jù)不同的時間維度進行細分。
③媒體分段:對廣告頻道、媒體、廣告比特等進行數(shù)據(jù)分段。
④創(chuàng)意細分:細分投放的多套創(chuàng)意和版本。
⑤其他維度的細分:比如根據(jù)地區(qū)等維度。
屬性
廣告圈子里有句名言“我知道廣告費用浪費了一半，但我不知道浪費的是哪一半”。原因是無法衡量廣告流量帶來的轉(zhuǎn)化效果。
在投放過程中，廣告業(yè)主往往想不通“錢花在哪里了？哪些渠道效果更好？哪些ROI不高？下一階段如何更合理的分配預(yù)算廣告”等等。每個廣告車主都想在有限的預(yù)算下獲得更大的廣告投資收益，把預(yù)算花在刀刃上。
付費推廣的轉(zhuǎn)化，是功歸于哪一步轉(zhuǎn)化呢？歸因是指通過數(shù)據(jù)觀察發(fā)現(xiàn)數(shù)據(jù)之間的規(guī)律性或因果關(guān)系，并在此基礎(chǔ)上推斷原因并加以驗證。一般可以通過建立歸因模型來分析廣告投放的效果。歸因模型(Attribution model)是指一種能夠追溯過去某段時間內(nèi)不同渠道、不同想法或不同內(nèi)容對用戶轉(zhuǎn)化貢獻的評估方法。
()歸因模式
常見的歸因模式分類有:最后轉(zhuǎn)化歸因模式、平均分布歸因模式、時間衰減歸因模式、價值加權(quán)歸因模式和習慣歸因模式。
①上次轉(zhuǎn)化的歸因模型:將轉(zhuǎn)化的所有信用(點擊、注冊、下單等)進行歸因。)到最后一次聯(lián)系對應(yīng)的渠道或想法。這是一個比較直接的歸因模型，但是忽略了其他節(jié)點的貢獻。
(2)平均分配歸因模型:將轉(zhuǎn)化信用平均分配給每個聯(lián)系人(用戶在轉(zhuǎn)化過程中對每個聯(lián)系人見廣告)。這是一個簡單的多渠道歸因模型，但可能高估了中間節(jié)點的貢獻。
③時間衰減歸因模型:根據(jù)用戶轉(zhuǎn)化旅程的時間軸，信用傾向于劃分到更接近轉(zhuǎn)化的聯(lián)系人，即第一個聯(lián)系人的信用較小，中間聯(lián)系人的信用依次增大，最后一個聯(lián)系人的信用較大，相對合理。
④價值加權(quán)歸因模型:對不同渠道的位置價值或不同創(chuàng)意的內(nèi)容價值進行加權(quán)，根據(jù)權(quán)重劃分轉(zhuǎn)化信用。這種方法需要合理劃分不同渠道、不同理念的價值。
⑤自定義歸因模型:自定義每個渠道或每個創(chuàng)意的權(quán)重，根據(jù)權(quán)重劃分轉(zhuǎn)化功勞。
雖然每種歸因模式都有各自的優(yōu)缺點，但在使用時，只要選擇的模式符合業(yè)務(wù)場景，各渠道公平公正，畢竟所有參與過轉(zhuǎn)化過程的渠道都能給用戶帶來一定的影響。
()歸因方法
歸因方法是將這些“原因”事件與轉(zhuǎn)化結(jié)果聯(lián)系起來。常見的歸因主要包括以下幾種:
①唯一設(shè)備編號的歸屬
對于應(yīng)用內(nèi)交付，主要使用設(shè)備號的歸屬，前提是設(shè)備號是唯一的，可以在不同場景下關(guān)聯(lián)。當用戶有交互行為時，比如曝光/點擊廣告，廣告平臺獲取設(shè)備的設(shè)備號，通過監(jiān)控鏈接發(fā)回給廣告所有者。當用戶在廣告主端完成轉(zhuǎn)化行為時，廣告主端的數(shù)據(jù)分析平臺可以基于設(shè)備號匹配用戶在投放渠道上的廣告行為，從而對不同渠道的投放效果進行測量和分析。
② IP+UA歸因
IP+UA歸屬地由于沒有設(shè)備的唯一標識，屬于模糊歸屬地，用于在無法獲取設(shè)備編號時補充一種歸屬地方法。其歸屬原理類似于設(shè)備號，是指用戶在與廣告交互時，用戶的IP和UA(User-Agent，包括用戶的操作系統(tǒng)、手機型號、瀏覽器信息等。)進行收集，并在轉(zhuǎn)化時與用戶的IP和UA進行匹配，從而實現(xiàn)轉(zhuǎn)化歸屬。
③渠道套餐歸屬
包歸屬的主要應(yīng)用場景是將預(yù)先定義的“通道號”寫入Android端的APK安裝包中。當廣告啟動時，啟動的下載鏈接是一個帶有“頻道號”的App包鏈接。當用戶下載并激活應(yīng)用程序時，他們可以從安裝包中讀取頻道號來對其進行歸屬。這種歸屬方式簡單，不受設(shè)備號獲取的限制，但存在安裝包覆蓋的問題:安卓手機通常有一個系統(tǒng)級的應(yīng)用商店，帶有指定“通道號”的安裝包很容易被應(yīng)用商店攔截，迫使用戶去應(yīng)用商店下載，導(dǎo)致最終轉(zhuǎn)化效果被歸屬于應(yīng)用市場的安裝包。
示例:
如果歸因基于最后一次轉(zhuǎn)換，如果忽略設(shè)備ID，廣告主機將下載歸因于點擊；如果設(shè)備ID必須匹配，廣播公司和廣告商將把下載歸因于點擊。
以上是我在付費投放工作中對數(shù)據(jù)分析的總結(jié):首先要快速“找出外發(fā)投放工作的關(guān)鍵指標”，然后通過多項對比找出核心指標及其相關(guān)指標的異常情況，再通過細分、歸因等方法找出異常原因并進行優(yōu)化，從而達到能否花更少的錢帶來更高質(zhì)量用戶的目的！
微海報
免責聲明：本網(wǎng)站內(nèi)容來源網(wǎng)絡(luò)，轉(zhuǎn)載是出于傳遞更多信息之目的，并不意味贊成其觀點或證實其內(nèi)容真實性。轉(zhuǎn)載稿涉及版權(quán)等問題，請立即聯(lián)系網(wǎng)站編輯，我們會予以更改或刪除相關(guān)文章，保證您的權(quán)利。
作者：徐州百都網(wǎng)絡(luò) | 來源： | 發(fā)布于：2022-03-13 10:38:56