百都网络小编 发布于 年月日 评论() 阅读()
作者:钟十二
在这几年做产品的过程中,我经历了一段有趣的工作经历。经历了从一无所知的“APP付费投放”到推出推广的APP from-to-set的流程系统,降低了“获客单价”的。倍,还把新推出用户的次日留存率提高到了。天然新渠道的倍!
在这个过程中,发现对投放数据的分析尤为重要,也是“降本增效”的关键!也就是能不能花更少的钱,带来更高质量的用户?所以这篇文章总结和分享了我从不知所措到理清工作思路,再到获得业务成果的工作经验,希望对当时和我一样的朋友有所帮助。
首先,确定对外投资的关键指标
不能花更少的钱带来更高质量的用户。所以有两个关键指标:获客单价和获客质量。
()客户获奖单价:
也就是要花多少钱才能得到你想要的用户。这里需要注意的是,需要根据投放的目的来确认你想要什么用户。
以我这次的付费APP投放为例:投放的目的是为了获取新用户,也就是让新用户使用APP,那么我的客户就定义为第一次使用APP的用户,也就是激活新用户,之前下载过或者下载了但是没有打开APP的不算。
那么获客单价等于配送消费金额/激活新用户数。
()客户质量:
也就是如果你得到了用户,他提供的价值是什么?不同类型的app有不同的衡量方法,比如留存、付费、活跃度等。最终这些关键指标会被用来衡量用户的质量,通过比较获客成本和这些用户产生的价值来计算ROI。
第二,如何识别数据异常
在较长的交付周期内,需要密切关注上述关键指标和相关指标。但如果看个别数据值没有意义,感觉不到是正常还是异常,就必须对比整体数据,寻找差异,主要通过以下方法。
在时间维度上,通常采用同比和环比两种方法。
比如本周获客成本为人民币/人,上周为人民币,环比增长%,说明是异常数据。为什么会上涨??
这个时候对比去年同期,我们发现去年这个时候也增长了%,然后又回落到正常水平。但去年的分析认为,当月刚好赶上大促,电商的广告强势竞价凶猛,导致其他品类获客成本上升。知道这个情况,这次数据异常有什么想法吗??
在维度和指标上,分为横向比率法和纵向比率法。
()水平比率
指的是同一个维度级别,分析比较不同维度成员的各个指标的分布情况,即分析广告交付数据在各个维度中是如何分布的。比如不同渠道的投放消费分布如何,是否符合投放要求,哪个渠道的转化率更高,用户质量更好等等。
()纵向比率
是指同一维度成员的同一指标级别,比较不同时间维度的趋势。趋势是基于时间维度的数据趋势。
通过趋势可以看到广告交割中各数据值的整体趋势、数据波动、变化范围,找出异常点(异常是指数据异常,可能是好的数据发展,也可能是坏的数据发展)。
三、如何分析异常原因并优化?
发现了数据异常,需要进一步探究异常产生的原因并进行优化。数据投放常用的分析方法是细分和归因。
,细分
即细分发现异常数据后,需要找出与该指标相关的其他指标进行拆解分析。
比如一天的效果数据比前一天差。原因是什么??
需要进一步细分不同维度来找出原因,哪个频道的数据变质?哪个小时的数据变质?哪个人群的效果数据变质?或者是不是因为某个投放策略的调整导致效果数据变质?
细分是为了更合理的对比,不同细分类别对比得出的数据更客观公正。
比如A媒体的转化效果比B媒体好并不代表A媒体比B媒体好。可能会发现某一组媒体A的效果不佳降低了整体的转化效果水平,所以可以考虑通过筛选该组进行优化调整,或者进一步分析该组哪些细分维度造成了转化效果不佳,通过层层细分进行维度关联,从而探索优化空间。
细分主要从以下几个角度进行。
①人群特征细分:根据用户的需求、性别、年龄、行为、兴趣、消费水平或旅途的不同阶段,将用户划分为不同的群体,可以是单一层次,也可以是多个层次的组合,然后进一步分析不同群体的数据。比如细分为男性用户和女性用户,新用户和老用户。
②时间细分:根据不同的时间维度进行细分。
③媒体分段:对广告频道、媒体、广告比特等进行数据分段。
④创意细分:细分投放的多套创意和版本。
⑤其他维度的细分:比如根据地区等维度。
属性
广告圈子里有句名言“我知道广告费用浪费了一半,但我不知道浪费的是哪一半”。原因是无法衡量广告流量带来的转化效果。
在投放过程中,广告业主往往想不通“钱花在哪里了?哪些渠道效果更好?哪些ROI不高?下一阶段如何更合理的分配预算广告”等等。每个广告车主都想在有限的预算下获得更大的广告投资收益,把预算花在刀刃上。
付费推广的转化,是功归于哪一步转化呢?归因是指通过数据观察发现数据之间的规律性或因果关系,并在此基础上推断原因并加以验证。一般可以通过建立归因模型来分析广告投放的效果。归因模型(Attribution model)是指一种能够追溯过去某段时间内不同渠道、不同想法或不同内容对用户转化贡献的评估方法。
()归因模式
常见的归因模式分类有:最后转化归因模式、平均分布归因模式、时间衰减归因模式、价值加权归因模式和习惯归因模式。
①上次转化的归因模型:将转化的所有信用(点击、注册、下单等)进行归因。)到最后一次联系对应的渠道或想法。这是一个比较直接的归因模型,但是忽略了其他节点的贡献。
(2)平均分配归因模型:将转化信用平均分配给每个联系人(用户在转化过程中对每个联系人见广告)。这是一个简单的多渠道归因模型,但可能高估了中间节点的贡献。
③时间衰减归因模型:根据用户转化旅程的时间轴,信用倾向于划分到更接近转化的联系人,即第一个联系人的信用较小,中间联系人的信用依次增大,最后一个联系人的信用较大,相对合理。
④价值加权归因模型:对不同渠道的位置价值或不同创意的内容价值进行加权,根据权重划分转化信用。这种方法需要合理划分不同渠道、不同理念的价值。
⑤自定义归因模型:自定义每个渠道或每个创意的权重,根据权重划分转化功劳。
虽然每种归因模式都有各自的优缺点,但在使用时,只要选择的模式符合业务场景,各渠道公平公正,毕竟所有参与过转化过程的渠道都能给用户带来一定的影响。
()归因方法
归因方法是将这些“原因”事件与转化结果联系起来。常见的归因主要包括以下几种:
①唯一设备编号的归属
对于应用内交付,主要使用设备号的归属,前提是设备号是唯一的,可以在不同场景下关联。当用户有交互行为时,比如曝光/点击广告,广告平台获取设备的设备号,通过监控链接发回给广告所有者。当用户在广告主端完成转化行为时,广告主端的数据分析平台可以基于设备号匹配用户在投放渠道上的广告行为,从而对不同渠道的投放效果进行测量和分析。
② IP+UA归因
IP+UA归属地由于没有设备的唯一标识,属于模糊归属地,用于在无法获取设备编号时补充一种归属地方法。其归属原理类似于设备号,是指用户在与广告交互时,用户的IP和UA(User-Agent,包括用户的操作系统、手机型号、浏览器信息等。)进行收集,并在转化时与用户的IP和UA进行匹配,从而实现转化归属。
③渠道套餐归属
包归属的主要应用场景是将预先定义的“通道号”写入Android端的APK安装包中。当广告启动时,启动的下载链接是一个带有“频道号”的App包链接。当用户下载并激活应用程序时,他们可以从安装包中读取频道号来对其进行归属。这种归属方式简单,不受设备号获取的限制,但存在安装包覆盖的问题:安卓手机通常有一个系统级的应用商店,带有指定“通道号”的安装包很容易被应用商店拦截,迫使用户去应用商店下载,导致最终转化效果被归属于应用市场的安装包。
示例:
如果归因基于最后一次转换,如果忽略设备ID,广告主机将下载归因于点击;如果设备ID必须匹配,广播公司和广告商将把下载归因于点击。
以上是我在付费投放工作中对数据分析的总结:首先要快速“找出外发投放工作的关键指标”,然后通过多项对比找出核心指标及其相关指标的异常情况,再通过细分、归因等方法找出异常原因并进行优化,从而达到能否花更少的钱带来更高质量用户的目的!
微海报
免责声明:本网站内容来源网络,转载是出于传递更多信息之目的,并不意味赞成其观点或证实其内容真实性。转载稿涉及版权等问题,请立即联系网站编辑,我们会予以更改或删除相关文章,保证您的权利。
作者:徐州百都网络 | 来源: | 发布于:2022-03-13 10:38:56