信息流廣告獲客成本忽高忽低怎么辦(如何解決獲客難題)

01、廣告平臺的核心目標

流量售賣邏輯:CPM最高者得

廣告平臺收入=廣告曝光總量*每次曝光收益= 廣告曝光總量*千次曝光收益/1000=曝光量*CPM/1000。

(CPM,cost per mille,千次曝光收益)

我們知道,廣告曝光量取決于廣告平臺可以且愿意商業化的流量,對于朋友圈這種用戶基數都比較穩定的平臺,除了逢年過節,一般情況下流量都不會有大的變化。優量匯雖說接的是第三方APP流量,會隨著用戶波動,但一般也不會變化很大。

所以,那個經典問題,“我今天消耗跌了,大盤流量是不是有變化?”。消耗下跌的鍋,流量不背。自己賬戶消耗如果有大的下跌,那完全還沒到考慮流量波動的地步。

那么,在流量不會有大的波動前提下,那么我們知道平臺想要收益最大,流量的售賣邏輯肯定是CPM最高者勝出,所謂的競爭力指的就是CPM值。

02、廣告主和廣告平臺的任務

廣告主提升CPM;廣告平臺準確選出CPM最高值

那么,基于這個邏輯。

廣告主的任務,就是提升CPM拿到流量,有義務和動力尋找合適的創意、優化落地頁(微信是否用小程序)、甚至更改sku。

廣告平臺的任務,就是準確選出CPM最高值。

需要廣告平臺做兩件事。第一,需要有一套統一的排序標準,表單、加粉、APP等是不同的標的,怎么放在一起比較;第二,盡可能準確地預估,數十萬上百萬廣告在某個人身上的eCPM值(e就是estimated單詞首字母,意思是預估),經過激烈角逐選取最高者勝出,然后展示廣告。

03、廣告主:提升CPM的路徑

提升CTR、CVR、CPA

對于廣告主的任務,提升CPM的路徑是什么呢?

我們需要拆解CPM。

CPM=1000*CTR*CPC ---CPM與點擊率、點擊均價的關系

CPC=CVR*CPA ---點擊均價與轉化率、轉化成本的關系

CPM=1000*CTR*CVR*CPA ---CPM與點擊率、轉化率、轉化成本的關系

那對廣告主來說,提升CPM,無非就是努力提升ctr、cvr、cpa出價了,很樸素了;

信息流廣告重要的公式只有這三個,就算忘了吃飯睡覺,也別忘了它!

附:具體的推導公式如下

04、廣告平臺的第一件事:

統一所有標的競爭排序標準

eCPM一統標的

對于廣告平臺的任務,第一件事,如何實現統一競爭排序標準呢?

“不同的投放標的,表單、加粉、APP,是在一個人群池子里競爭嗎?出價和轉化率都不一樣,怎么比呢?”

根據CPM=1000*CTR*CVR*CPA ,相應的eCPM=CPA*eCVR*eCTR*1000,只要知道了eCVR、eCTR和CPA出價,就都可以統一在eCPM維度比較了。

從這張圖可以看到,面對同一撥A人群,對不同標的都有相應的eCPM值,容易知道投廣告2表單標的廣告eCPM最高,勝出。

*當然,真實的廣告系統中,eCPM最高者勝出后,系統并不是直接以第一名eCPM收錢(一價收費),而是以第二名eCPM收錢(二價收費)。為什么呢?視頻號搜索“信息流運營王學長”了解。下文便于討論,都以第一名eCPM收錢(一價收費)舉例。

那么,eCPM和CPM的關系是什么呢?eCPM是廣告未曝光前的預估CPM值,實際曝光后就可以知道真實的CPM值。所以,廣告平臺的使命就是讓eCPM逼近廣告主的真實CPM值.

這里需強調,平臺是不能改變廣告主的真實CPM值的,除了廣告主自己!那種“只要成本達成,預算不限,你幫我花完”的話,怎么說呢...以后藏在心里哈。

05、廣告平臺的第二件事:

準確預估eCTR、eCVR

表單、加粉、APP等都在一個流量池子競爭

對于廣告平臺的任務,第二件事,怎么準確預估eCTR、eCVR?

預估是通過機器學習建模來完成的。

一直在說模型學習,看不見也摸不著,它到底長什么樣呀。

模型可以抽象成一個函數 f(用戶特征,廣告特征,上下文特征),輸入了用戶信息、廣告信息、上下文信息,就能輸出用戶的預估轉化率。

詳細用戶特征:

• 人體屬性:自然屬性、教育狀態、工作狀態、婚戀狀態、消費狀態等

• 地理屬性:地點、工作地、居住地、家鄉、到訪地點等

• 行為&興趣愛好&意向

• 再營銷屬性:公眾號關注、App安裝、廣告是否感興趣等

詳細廣告特征:

• 廣告基本屬性:行業、廣告主、商品類型、優化目標、出價、計費類型等

• 廣告數據:廣告歷史曝光點擊轉化數據等

• 素材相關:文案、創意類型、素材指紋等

• 商品相關: 商品維度的曝光點擊轉化數據等

詳細上下文特征

• 流量和廣告位相關:廣告位屬性

• 環境相關:設備特征、聯網方式、瀏覽內容特征等

注意模型是動態更新的,這是因為不斷有新的“輸入-預估-真實比較”,廣告模型函數每隔幾小時會更新一次。

比如,第一條樣本,用戶A在朋友圈點了一條男裝廣告,模型預估eCVR是3%。實際已轉化,所以模型會收到正反饋結果;學習迭代之后,模型下一次更新后對于相似的用戶在朋友圈點這條男裝廣告,預估的eCVR就可能高于3%;

第二條樣本,用戶B在XQ點了一條手機廣告,模型預估eCVR是4%。實際未轉化,所以模型會收到負反饋結果;學習迭代之后,模型下一次對于相似的用戶在信息流點這條手機廣告,預估的eCVR就可能低于4% ;

...

大家都知道,數據樣本積累越多,預估就越準確。所以,點擊預估eCTR就相對容易,和真實CTR偏差就比較小;但轉化預估eCVR因為只有點擊數的百分之幾,和真實CVR的偏差就比較大,對廣告平臺來說就是最大的挑戰。

06、廣告平臺的第三件事:

動態調價

成本過高時調低,成本過低時調高

只要是預估,就會有偏差,然后成本就會有波動。

高估(預估會轉化,實際沒轉化),成本變高;

低估(預估可能不轉化,實際有可能轉化),成本變低。

成本不符合目標預期,系統怎么調整呢?

這就是廣告平臺要做的第三件事:通過調價因子調價。

根據公式,eCPM=CPA*eCVR*eCTR*1000,所謂調價就是根據實時的成本來動態調節eCPM,主要通過在CPA這個點上設置調價因子,成本過高時調低,成本過低時調高,讓廣告的實際成本更接近目標轉化成本。廣告主的實時調價需求,也都通過調價因子變化來實現。

但如果兩個小時過去了,成本依然高,這條廣告量級還挺大,那就找媒體運營看看,調價因子是不是正常工作,然后給予你下一步建議。

07、oCPX:信息流廣告明珠

在博弈中,歷史選擇了oCPX

相對準確地預估和實時調價能力,使得oCPX出價方式在計算廣告界成為出價的主流。

細數現在歷史常見的出價方式,CPM、CPC出價解決不了廣告主成本的問題;

CPA 出價也解決不了媒體平臺損失的問題。因為只有收到廣告主轉化數據,媒體才能扣費,要是占媒體便宜,故意少傳轉化數據怎么辦?就算把數據一個不少地傳給媒體了,媒體要預估轉化率,只要有預估,那肯定有偏差,超出的成本媒體全責,對媒體來說是不平等的買賣。

這也不行,那也不行。怎么辦?

這個時候,oCPX站出來對廣告主和媒體平臺說。

這么的,廣告主還是按照CPA出價,媒體平臺還全力去幫達成目標。但是避免媒體吃虧,咱可提前說好,雖然按照CPA出價,但是計費按照點擊或曝光來收。什么意思,就是不管廣告主傳不傳數據,一旦有人點擊就收費。對于廣告主來說,反正媒體先收費了,少傳數據還影響競爭力,那當然要如實上報了,這個機制就規避了廣告主作弊的問題。

那廣告主會擔心,錢收了,效果能保證嗎?坦白講,不能像CPA那樣完全滿足成本,但因為可以實現相對準確預估和動態調價,不會像CPC或者CPM出價,成本完全不可控,廣告平臺盡可能把成本偏差,穩定在一個合理波動范圍,比如優先拿量不超過30%,穩定拿量不超過20%。

這里需要補充下,關于oCPX,百度、字節、騰訊各公司一度都有自己的叫法,oCPA、oCPC 、oCPM等,本質都是一樣的,叫什么不重要。現在業界基本會統一成oCPC 、oCPM兩種叫法,按照CPA出價,計費按照【點擊收費】就叫oCPC,計費按照【曝光收費】就叫oCPM。選擇那種計費方式是廣告平臺定的,主要是基于收益穩定性考慮,但大體上效果差異不會大,因為點擊收費和曝光收費,是可以互相轉化的。

舉個例子,系統預估某廣告在A人群上預估其中CPA出價=20,eCTR=2%,eCVR=5%。如果按照oCPM計費,那么CPM=eCPM=20元;如果按照oCPC計費,根據公式CPC=CVR*CPA,那么CPC=1元。

總結,信息流廣告基礎原理的7個基本知識如下:

1、從平臺收益考慮,流量歸屬CPM最高者;

2、廣告主的任務是提升CPM,廣告平臺的任務是準確選出CPM最高值;

3、公式CPM=1000*CTR*CVR*CPA ,為廣告主提升CPM指明路徑;

4、eCPM為廣告平臺找到統一所有標的競爭排序標準;

5、機器學習可以相對準確預估eCTR、eCVR;

6、成本的波動可以由實時調價來糾正;

7、準確預估和調價使得oCPX成為信息流廣告的明珠。

以上內容基本就是信息流廣告的所有知識了,甚至如果要保留一條的話,就是

(e)CPM=CPA*(e)CVR*(e)CTR*1000的公式了。

有這個公式,優化師核心的動作就清楚了:

1)提升CTR*CVR來提升競爭力;

2)通過合理的運營操作,幫助模型快速地積累必要的轉化數據,讓模型在大多數情況下準確預估廣告的CTR、CVR,來達成成本。

毫無神秘可言,常識往往簡單,卻被容易忽略。

需要運營的聯系!!!信息流廣告獲客成本忽高忽低怎么辦(如何解決獲客難題)了解更多營銷信息請關注:丁不二推廣平臺發稿請聯系丁不二軟文軟文推廣www.2023ruanwen.com(微信rwyx520)