低成本、高曝光,廣告投放優化模型瞭解一下
導讀
本篇約3000字,閱讀需要約20分鐘,內容有:
- 投放優化的作用
- 投放優化模型
- 總結
本文主要面向廣告投放人員以及想要了解廣告投放的同行從業者。
EEA是探娛互動研究院(Explore Entertainment Academy),我們會定期分享我們對遊戲設計及發行研究的文章,希望通過解決一個又一個的命題幫助大家以及我們自己將遊戲設計及發行的理論系統化,最終提高生產力。
一、優化投放的作用
減少成本!提高利潤!
首先我們要了解最簡單的一個公式,即利潤=收入-成本
那麼為了提高利潤,要麼提高收入,要麼就減少成本
在遊戲發行中,成本主要有遊戲開發成本、宣發費用、廣告投放成本、人員成本等。
優化投放效果,即意味著用更少的廣告成本,帶來更多的使用者。減少了廣告成本後,理論上就能提高利潤;當然遊戲實際的收入受較多因素影響(使用者質量、運營活動、生命週期等),最終也有可能成本減少了,但利潤沒有提高的情況。本文不做討論。
二、投放優化模型
1、優化是什麼?
優化是為了產品的需要,提高或降低所投放廣告的各項資料,包括但不限於應用安裝量、覆蓋人數、展示次數、點選率、點選次數、單次轉化費用等等。
有些場合,我們需要大量的安裝量,那麼就要提高應用安裝量。
有些場合,我們需要在一定預算內儘可能多的量,那麼就要降低單次轉化費用
有些場合,我們需要覆蓋到更多的人群,那麼就要提高覆蓋人數。
……
但更多時候,優化的過程中,各項資料都要照顧到,在提高安裝量的同時,也要注意降低單次轉化費用,不能花費太多預算,諸如此類。
2、投放優化基本流程
①首先我們根據跑出來的資料,觀察哪些資料好,哪些資料不達標,判斷是否需要進行優化,絕大部分情況下都是要的。
②根據產品情況,確定要優化哪方面。有些時候是特定某項的資料,如轉化次數、轉化單價等;有些時候是全盤優化。
③然後去尋找到一些可優化的點,可優化的點一般從這三個方面來找:廣告素材、細分條件、預算。
④優化意味著對廣告進行設定上的調整,可以在原廣告上調整,也可以進行AB對照實驗。
⑤過一段時間檢視調整前後的資料(或兩個對照組)的資料,分析不同廣告素材、不同細分條件,哪個效果最好。
⑥採用效果最好的那一個持續投放,關閉掉效果不好的廣告。
⑦如果效果仍然不理想,那麼就要檢查是否還有優化空間,重複上述過程。
⑧一般來說,投放資料很難長時間都很理想,一開始比較理想,跑一段時間後資料開始變差,也是有可能的。所以基本上廣告持續投放的期間,每天都要關注資料,不斷優化調整。
3、優化三方面
第一:優化廣告素材
(1)取締效果差的素材
只要是素材條數不唯一,則必有效果好壞的分別,我們通過檢視資料,取締掉效果不好的素材,加大力度投放效果好的素材。如果效果都很好,可以一起投放。
(2)持續加入新素材
持續的投放還需要不斷製作新的創意素材,並加入上述過程。通過不斷的迴圈取締的過程,找到最適合使用者的廣告素材。
(3)優化素材文案
素材文案也可以進行優化。素材文案的差別不僅僅是內容的差別,文字間的間距、換行、留白也會帶來不同的效果。
(4)優化素材正文(標題)
每條素材都有一個正文和標題,相當於這條廣告的名字。
標題在有些版位是無法顯示的,而正文在任何版位都是會顯示的。所以正文是必填的,要把廣告素材的精髓顯示出來,也是需要通過不斷的測試才能找到使用者最喜歡的廣告名字。
(5)優化視訊時長
在Facebook後臺裡,我們能看到我們廣告平均被觀看時長,如果我們的視訊廣告平均被觀看時長只有5秒,我們就不能製作時長30秒的視訊素材。最好製作10秒左右的廣告,並且要將視訊的精髓部分,在前5秒展示出來,這樣才能達到最好的效果。
(6)優化素材尺寸
移動端廣告不適合採用水平和長方形的格式,適合採用垂直格式(基本就是1:1,4:5)。這樣使用者不用旋轉螢幕,素材就可以填充整個手機螢幕,更加方便瀏覽。
第二:優化細分條件
我們要分析每條廣告下的細分資料。一些細分條件下的高轉化、低轉化費用的條件,我們可以加大力度投放,一些低轉化、高轉化費用的條件,我們就將其剔除。如果兩個或多個條件無法確定哪個資料更優,則可以進行AB對照試驗,建立不同的對照組。以確定效果最好的那個細分條件。
(1)細分條件一覽
Facebook擁有以上細分條件。選中之後會將對應細分條件下的資料情況展現給我們。我們在優化細分時,上述tag每個都需要單獨分析。並針對每個細分條件進行調整,以達到整體的最好效果。
(2)優化方法
當我們使用檢視某組細分時,Facebook會將該細分條件下的資料展示出來。我們通過分析各個細分條件的使用者具體資料,可以得知我們的廣告到底適合哪個條件下的使用者,和不適合哪些條件的使用者。某些細分資料好,就可以保留並繼續投放,某些細分資料不好,就剔除該細分條件。通過不斷剔除不好的細分,就能夠讓廣告系列一直保持一個較好的資料。
以下圖為例。此時我們以年齡作為細分條件分析該條廣告各個年齡段,有18-24歲、25-34歲、35-44歲、45-54歲、55-64歲這幾個年齡段的資料。
我們明顯可以看到,45-54歲這個年齡段。單次轉化費用高達$5.38,而其他年齡段都在1~2美刀。明顯效果很差,那麼證明我們的廣告不適合該年齡段的使用者,就需要把這條廣告廣告裡的使用者篩選掉45-54年齡段的使用者。這樣就能有效降低該條廣告的整體單次轉化費用。
第三:優化系列預算
(1)設定日預算
為你的廣告系列設定每日最大預算。
(2)競價策略
最低費用:在預算內儘可能追求最多的成效
費用上限:在預算內控制費用,同事儘可能追求最多成效
競價上限:在每次競拍中,控制競價
目標費用:儘可能讓最重的單次成效費用達到設定值
幾種競價策略,在不同情況下,根據需要選擇。一般建議一開始使用最低費用模式,等跑了一段時間穩定後,給系統設定目標費用,讓轉化單價漸漸穩定在一個希望的值。
(3)投放型別
勻速:在一天內平均的花掉預算
加速:儘快花完預算,獲取成效
基本任何時候選擇勻速都是沒錯的。極少特殊情況會需要加速情況,比如在某段時間內,需要儘可能快的來量時,可以選擇加速。
4、資料之外的優化
這個是我前陣子投放香港區域的時候發現的。今年香港比較動盪,經常會有民眾示威遊行。我在投放過程中,發現每當遊行的時候,我們的單價就比較低,安裝量就比較多。因為年輕人不工作、不上學,參加遊行的時候,就有了更多的時間玩手機,然而這部分使用者的留存一般比較差,可能遊行完之後就沒有時間玩遊戲了。
由此我產生了思考,也許很多東西,是資料無法解答你的。比如國家的政策、社會的情況、當地人的風俗等等。哥倫比亞的毒梟被抓,可能也會影響到你在美國投放的廣告資料。還是要多多留心,找對市場,找對時間,找對使用者。
三、總結
本文主要介紹了Facebook投放的優化模型,其他投放平臺的優化也大同小異,只要掌握了投放優化的標準步驟,即觀察資料——分析資料——尋找可優化點,基本上就能應對一切問題。當然,優化點的尋找和優化,需要經驗的積累和不斷嘗試。
很多人覺得廣告投放是一件很水的事情,因為廣告投放是一件非常的流程化的事務。怎麼說呢,一件事,可以做的很水,也可以做的非常有含金量。
要做一個合格的廣告投放,除了廣告優化的技能,產出素材的創意,還要有豐富的知識儲備,瞭解世界時事和行業變化,用這些知識為我們的投放工作保駕護航。俗話說,知己知彼,百戰不殆。緊緊追趕這個世界的變化,才能立自己於不敗之地。
作者:探娛-巫頂峰
來源:騰訊遊戲學院
原地址:https://gameinstitute.qq.com/community/detail/133176
相關文章
- Facebook投放優化模型優化模型
- React效能優化的8種方式瞭解一下?React優化
- 元件化開發瞭解一下?元件化
- Facebook|Google資深優化師群筆記劇場版(八):廣告投放Go優化筆記
- 深入瞭解一下Redis的記憶體模型!Redis記憶體模型
- 來,瞭解一下Java記憶體模型(JMM)Java記憶體模型
- 大佬,JavaScript 柯里化,瞭解一下?JavaScript
- 你真的瞭解EF嗎?關於EntityFramework的高階優化Framework優化
- 行業網站投放廣告的優勢(轉)行業網站
- 遊戲轉化率③:"海外"廣告投放分享篇遊戲
- 瞭解一下Bootstrapboot
- CSS 瞭解一下CSS
- 瞭解MySQL-索引與優化MySql索引優化
- 如何正確跟蹤廣告轉化資料,最佳化廣告投放效果?
- 詳解Facebook的移動廣告投放技巧
- 深入瞭解 TiDB SQL 優化器TiDBSQL優化
- Android效能優化你瞭解多少Android優化
- table 元件瞭解一下?元件
- Swift GCD 瞭解一下SwiftGC
- this.$toast() 瞭解一下?AST
- JSX,瞭解一下?JS
- 瞭解一下SQL ServerSQLServer
- 備戰雙十一 | 電商廣告主高效投放指南,曝光起量一文搞定!
- Ebiquity:深入瞭解媒體碎片化時代的視訊廣告UI
- 廣告整體解決方案平臺MAMO:廣告投放“不止於變現”
- 九爺帶你瞭解Tomcat優化Tomcat優化
- CSS註釋瞭解一下CSS
- async函式,瞭解一下函式
- Immutable.js瞭解一下?JS
- RecyclerView.smoothScrollToPosition瞭解一下View
- React-HOC瞭解一下React
- 木桶佈局,瞭解一下
- 策略模式不瞭解一下?模式
- iOS挖礦瞭解一下?iOS
- react-router瞭解一下React
- require.js瞭解一下UIJS
- 應用層,瞭解一下
- async/await,瞭解一下?AI