1. 程式人生 > >宋星:oCPC效果到底怎麽樣,不搞清楚的話還是別玩信息流廣告了

宋星:oCPC效果到底怎麽樣,不搞清楚的話還是別玩信息流廣告了

mil 但是 人做 組合 說明 tps 咨詢 監督學習 結合

【正文】

在我的知識星球中,oCPC是信息流廣告被問得最多的,所以,幹脆開一個新帖子來講一講。

oCPC是什麽?

oCPC實際上是optimized CPC的簡寫。它本質上還是按照CPC來收費,但是又加了一個o。為什麽要加一個o呢?

技術分享圖片

原來,如果按照CPC計費,媒體不會考慮廣告主的效果,反正點擊了我就收你的錢。但是廣告主會不高興,覺得說,雖然點擊這麽多,但一點效果都沒有。於是,廣告主會建議:既然CPC有很多點擊我覺得沒有效果,能不能媒體你按照CPA來收費呀。

所謂CPA收費,對於廣告主而言絕對是善莫大焉。A即action,往往是廣告主所追求的受眾的某種交互行為——比如添加購物車呀、點擊留資(咨詢)按鈕呀、下載呀什麽的。按A收費,就是按照效果付費,這是廣告主最願意接受的。

可惜,媒體說按CPA付費可不行,因為如果流量來了以後,用戶沒有A發生,不一定是我的流量不好,而也有可能是你的落地頁不好。我們可沒有這個能力全包(你的效果)。因此媒體並不接受用CPA來計價,就是緣於他們覺得廣告主最終的效果其實也是不可控的。

於是,聰明的人想出一種折衷的辦法,即媒體按照廣告主希望受眾做出的A甚至是S(銷售,也可以叫做轉化,即conversion)作為他們(媒體)調整廣告投放策略和流量分配的優化依據,而實際的付費還是按照C來進行。即媒體配合廣告主想辦法優化A或者S,但是定價還是按照C來。 這種方式雙方都可以接受。

類似的還有oCPM,本質上跟oCPC是一樣的,區別是定價不是用C來定價,而是用M(impression,廣告曝光量)來定價。

技術分享圖片

oCPC好使嗎?

如果一切正常,oCPC是一種比你自己進行CPC出價投放更好的方式。

因為機器反應比人快。

一般而言,如果你能夠用oCPC方式進行投放,效果一般會比你手動CPC的效果好。

不過,“一般而言”四個字,意味著“不一般”的情況下,oCPC可能並不好使。

用好oCPC必須滿足的五個必要的先決條件

為了讓oCPC好使,一般而言的情況是什麽呢?

  1. 提供oCPC的媒體或廣告代理商的優化算法是靠譜的
  2. 你投放的金額要足夠,出價也要足夠高
  3. 提供oCPC的媒體或廣告代理商對A進行了監測
  4. 你所處的行業領域廣告投放的競爭強度恰如其分
  5. 媒體的廣告資源足夠

這五條“一般情況”,是要玩好oCPC廣告投放所必須掌握的。如果你的效果不好,先別埋怨自己的水平不夠高,應該先從業務的角度看看,自己的生意有沒有用好oCPC的可能。

對這五個條件的說明

稍微解釋一下。

第1點,不用說了。算法不靠譜,都白瞎。個人認為,今天的百度信息流,算法是比較好的。但是最近一次調整之後,客戶們怨聲載道。主要是在3月中旬到4月中旬這段時間。強烈請百度關註這一情況。一般的主流信息流廣告,都是用人群(用戶行為和地理位置等所反映出來的用戶的社會屬性,職業、地域、大致收入等)、內容(文章內容和所在頻道,並通過內容定義用戶的興趣)、環境(辦公室還是家裏,周末還是工作日,天氣好還是壞等)三者的結合加上“監督學習引擎”。基本上,人群是最主要的,然後是內容(本來內容應該是最主要的,可惜人的興趣變化太快,因此人群這種靜態屬性反而占了很大權重)。你可以認為,用戶量越大的媒體,這方面的數據積累越大。所以像騰訊社交廣告(以前叫廣點通)、今日頭條等,它們的定向應該不會很弱。

技術分享圖片

第2點,關於投放金額,很重要。有的朋友說,我一天都投放500塊錢,為什麽一直不能用oCPC,或者oCPC的效果不好。原因很簡單,oCPC是“監督學習”的。所謂的監督學習,大家一定要掌握這種機器學習的思維,就是機器不斷嘗試各種變量的組合,然後把各種組合的結果跟期望的目標做比較,越接近的,就越好。嘗試不斷組合變量並得出結果的過程,被稱為“訓練(train)數據”。既然是訓練數據,數據量小了不行。而數據量要大,投放必須也要大,理論上越大規模的投放,數據不斷被訓練的機會也越多,這樣才能讓oCPC越來越“聰明”。所以,有些信息流廣告的oCPC可能要經過你自己手動CPC投放發生上百次乃至幾百次轉化才能激活,這是很有道理的。如果直接進入oCPC投放而不分兩階段,風險會比較大。

其次,關於出價足夠高,也是這個道理,所謂足夠高,當然不是讓你無限制的高出價。但是你的出價必須要足夠到讓你的廣告有足夠的展現。所以,初期手動操作的CPC很重要,大家不要以為oCPC是萬能的,它恰恰是在你初期手動CPC基礎之上的優化。手動CPC是根,oCPC是開枝散葉,但無根之木,什麽果子也結不出來。

第3點,這個也是必要條件。就是你得把你的廣告的目標達成告訴oCPC,它才知道朝什麽方向去做監督學習。所以,必須部署好oCPC媒體自己的數據監測。

第4點,競爭強度如果變動很大,造成的後果如果是出價和展示都極為波動的,oCPC不能充分的學習,這種情況下,oCPC可能會失靈。競爭強度可以保持高,也可以保持較低,但異常波動是我們要註意的。另外一方面,信息流廣告的競價是“開放性”競價,因為面對的主要是人群,而不是關鍵字,因此不同行業之間也是有相互競爭的。比如,一個高凈值人群,金融、高端教育、汽車、房地產等,都會認為這個人是他們的目標客戶,因此,大家都會對“他”進行爭奪。因此,考慮競爭強度的時候,也需要把這一情況考慮在內。

第5點,也是很關鍵的一點。今天的頭部信息流媒體已經嚴重廣告“超載”,信息流廣告的流量已經跟過去那“純凈的一汪湖水”完全不同。如果媒體沒有足夠的廣告資源(尤其在今天用戶數量不增反降,再加上每每觸犯天庭之後,參見我的文章:政策性打壓?這是內容營銷的終局還是起點?),但對廣告主的進入卻毫無限制甚至不斷招攬的情況下,流量本身是否可靠就成為最大的“疑點”。如果流量不可靠,那麽無論何種oCPC,何種oCPM,哪怕就是直接oCPA都於事無補。

你可能想知道某個媒體是否已經嚴重“超載”,不過我認為從總體上了解這個媒體的資源的供求情況並沒有太大意義。例如今日頭條,它的資源一定是供不應求的,你不用看數據就可以猜到。問題在於,還是要搞清楚,你的流量是否是真實有效的。參考我過去的文章(今日頭條投放沒效果?可能不是你自己的問題!)。

操作層面上如何做好oCPC投放?

看到行業中所有的建議都是具體操作的,但是沒有介紹操作背後的rationale(就是核心邏輯)的。搞懂了邏輯,投放才可能更好。

投放初期,遵循如下邏輯:

  1. 要首先確保流量本身是正常的。即,學會通過數據識別異常流量。在這個課堂上:2018年北京開講!宋星大課堂:利用數據優化互聯網營銷和運營:方法、案例與實戰!()我會詳細介紹對於異常流量的數據識別和案例。
  2. 在第一階段(就是手動CPC或者手動CPM)階段,保持穩定的轉化很重要。原因就是上面講的,要給機器train數據的機會。太少的轉化不行,機器沒有機會學習;太波動也不行,機器會變傻。
  3. 第一階段做多個計劃,分別應對不同的落地頁、人群、創意、文案等(盡量細一些)。目的就是為了把穩定出量的組合找出來,仍然是為了給機器學習的機會。
  4. 一開始不要上來就給太大的每日預算,如果無轉化,預算逐步增加(但不能一次性提升太多),直到逐步到比較理想的轉化數量的情況。
  5. 如果增加預算之後,仍然無轉化的,要優化定向、創意和落地頁。如果不論怎麽調整都沒有轉化的,有兩種可能,第一種可能,沒有玩轉信息流廣告的投放,出價不合理,或者轉化引導差,這種情況具體問題具體分析(找專家咨詢)。第二種可能,你的產品或者所在行業,人群競爭力較弱,可能並不適合投放信息流類廣告。

進入oCPC之後,同樣要註意一些點:

  1. 機器的監督學習優化仍然沒有停止。仍然需要逐步放量,而不是到了oCPC就萬事大吉了。
  2. 計劃、創意、落地頁都有人群疲勞的時候,註意一段時間之後(往往就是數周而已),要做更新。
  3. 尤其是落地頁,對於轉化的影響很大,需要持續監測和優化(利用第三方工具)。
  4. oCPC發生重大波動,比如突然成本增加,這是完全有可能發生的。遇到這種情況,不要完全認為是自己出了問題,很有可能是媒體的流量在做調整,算法在做修改。這種情況很讓人不快,但必須要接受。這時可以暫停oCPC回到CPC,等待一段時間後,再嘗試打開oCPC。

當然,無論oCPC在操作層面上多麽復雜,最終還是看流量資源本身的質量。oCPC的優勢很明確,聽起來花錢更有效果了。缺點,如果廣告主的轉化太稀疏,就沒啥用。另外,它是錦上添花,如果流量的本質不好,再怎麽o也沒用。 不過,理論上,它比人自己出價調價確實要先進一些。一般人做營銷,還是選擇oCPC或者oCPM,然後讓機器自己去調價優化了。

歡迎大家討論。

宋星:oCPC效果到底怎麽樣,不搞清楚的話還是別玩信息流廣告了