黄金投资截止时间为2017年3月30日11:59:59(UTC时间)，过期作废。
按照1-2人民币左右的下载量，差不多是几百次下载。可以看出，苹果是在鼓励CP尝试ASM。从目前苹果的体量来看，有些CP回应是吃不饱的。也说明苹果在不断优化迭代自己的机器算法，可能还不是全量的时候，但未来是必然的。
苹果的竞价广告是苹果生态下的盈利模式之一，而CP的ASM投放优化是APP推广传播的多种手段之一，最终目的是以更低的成本传播APP品牌，带来更多的下载量。本文将从传播学的角度讨论ASM优化应该如何发挥。如何更有效率？
要了解苹果竞价广告的运行机制，首先要了解人工智能和机器学习。
互联网和移动互联网的普及，强烈冲击着传统的传播方式。它的自由打破了时间空限制，也打破了知名品牌对渠道和信息流的垄断。随着社交网络和传播渠道的开放，越来越多的小品牌自媒体崛起。
在这个过程中，互联网让所有的消费者行为数据都在线化，实时记录。大数据下的关系数据、位置数据、图像、视频等非结构化数据大量涌现。企业可以通过各种渠道收集消费者行为数据，从而制定出效果可量化的高度精准的营销策略。
传播因此成为了(广告)艺术和科学的结合。科学的部分要靠数据的收集和分析，以及各种营销数据库的建立。依靠技术带来的量化结果的巨大价值的研究、机器学习、智能运营、优化迭代，已经变得比交流的载体和方法更有价值。技术驱动变得更加重要！
比如电影票就是时效性资源。随着电影开场时间的临近，空剩余座位的价值接近于零。无限建议通过动态定价解决空余票问题。基于时间和剩余座位数，制定时间动态定价方法，以减少闲置资源的浪费，提高自身销量，给消费者更便宜的电影票。这是一个非常简单的技术与营销相结合的例子。
但是，变化中有一个深层的逻辑。其实苹果的竞价广告可以通过技术手段提高展示量和下载率，同时降低CPA。所谓技术手段，就是加入人工智能，深度学习其运行逻辑，进行智能优化和运营，比如千万个关键词的筛选，千万个广告策略的制定。实时优化迭代很难完全靠人力来完成。用人工智能算法更省时省力高效！比如，人的认知边界是有限的，关键词的选择只靠经验判断，往往与真实数据相差很大。人工智能可以实时动态地掌握最有价值的信息。
人工智能带来传播方式的改变，智能传播是这个时代的玩法。
回顾传播的套路，不难发现，在今天，人工智能已经悄然改变了营销传播的方式。
第一阶段是硬沟通。
硬传播是通过占用或制造用户的时间和空来强制传播信息。自我推销，填鸭式和控制式广告。比如电视广告就是通过抢占用户的时间来达到传播的目的。公交站牌，地铁电视，贴膜前贴或多或少都是强制性的。占据用户视觉的案例空，比如各种banner、d窗、门户网站的报纸杂志广告。
硬传播关注的是产品信息是否已经传播出去，消费者是否有印象，而不考虑消费者是否愿意接受，消费与否，再次传播。
第二阶段是软沟通。
软沟通拒绝硬的、强制的沟通方式。从渗透、互动、分享的角度，力求传播信息与消费者产生共鸣，在潜移默化中克服消费者的心理防线。比如杜蕾斯就把软沟通做到了极致，消费者欣然接受其产品信息。他们没有像广告一样让人讨厌，而是把它当成一个笑话，一个知识来接受。在社交功能和媒体互联互通的今天，软传播行走在移动互联网的每一个角落。可能你看到的一个新闻或者头条是某个企业的广告，那么消费者很乐意成为传播者和销售者。
第三阶段:智能沟通。
移动互联网时代，传播变得以消费者为中心，传播的本质变成了与最终目标用户的连接。智能通信是基于大数据的积累。通过人工智能技术，可以更清晰地把握消费者，从而精准有效地触达目标消费者，而不是靠传播网络。智能传播的核心是提高转化率，吸引更有价值的目标消费者，建立更有价值、更高效的消费者连接。
其实在今天，不同的沟通方式并行存在，但无论是硬沟通还是软沟通，都会用智能沟通来量化结果，提高效率。
人工智能是一只看不见的手。
对于互联网公司来说，他们通过大数据不断向消费者推送更有价值的消费信息，悄悄赚消费者的钱，通过人工智能技术驱动商业模式的改变。比如淘宝可以清楚的知道消费者的喜好，消费档次的结构，同一款式，把价格高的推荐给消费结构高的消费者，把性价比更高的推荐给消费结构低的消费者。为了吸引更多的顾客，带来更多的销量。
再比如美团的数据中心，分析每个消费者的个性化消费习惯，进行定制化推送，让消费者接收到更精准、更合适的信息。这一切都是机器人工智能完成的。
智能传播在精准营销领域的应用就是提高转化率。江湖数据显示，通过智能传播精准锁定目标用户，可以比传统渠道提高3%-5%的转化率，意味着每年增加几百万或几千万的利润。
回到ASM优化，无论是CP还是代理，需要考虑的是，在给定的广告主预算下，如何分配给不同的关键词和不同的人群导向，实现收益最大化？(保证客户数量或者保持CPA较低)这里优化的关键是看结果，这样CPA会降低，下载率会提高，或者更省钱。一般情况下投入1000万，通过人工智能节省3500万。想赚更多的钱，就赚更多的消费者，更多的客户。
那么怎么赚，怎么存呢？CP需要问自己的是:
谁对我的广告更有价值？谁是更有价值的能带来更多下载的目标用户？
是不是出价越高越显？如果不是，那么每个词的竞价点和转换，哪个值最合理？
模糊投放和定向投放哪个更有效？定向要多细才能得到最好的转化效果？
关键词太多怎么选词？怎么消除？组策略有上千个关键词，如何实现实时优化？
其实以上问题可以用智能选词、智能定向、智能投放三个关键点来阐述。
如何通过人工智能玩ASM发货？
1.智能选词:突破人的认知边界，通过机器发挥词的最大转换效率。
我们都知道，做品牌营销的时候，有一个技巧就是顺势营销。硬传播和软传播都热衷于这一招，因为热点是用户爱看的。无论是人物还是事件，最终都会落在一个关键词上。你蹭上这个字，就能蹭流量。
说到ASM优化，第一件事就是选词。热词之所以热，是因为它的时效性。但是说到热词的转化，就要追溯它能带来的真实转化率了。匹配的价格合理吗？还有这个词什么时候去掉？如何选择和使用长尾词？靠判断人的经验是不可能达到数字的准确的。单词效果的量化和实时优化变得非常重要，只有人工智能才能更好地完成这些任务。
按照传统的做法，我们会根据第三方工具筛选一些指标高的关键词，然后根据经验进行扩展，得到一些新的组合词。此外，苹果还会提供几十个热门词汇。在众多的话中，优化取决于人工经验的结果。这个过程很慢。基于人的认知边界和局限性，你可能觉得一个流行词好，所以你大量使用一个流行词，但结果未必如此。
人工智能的实践是这样的。很多关键词被放入大数据池，因为关键词会被行业、热点事件、时间、竞价等各种因素改变。给定机器的一些判断参数，比如搜索指数、搜索结果、人气、搜索排名、年龄、地域、时间段，通过机器学习，反复筛选，最终找出成百上千个更有价值的关键词。在实际投放中，给出一些评价指标:下载量低、CPT高、点击率低、转化率低、CPA高的词，并不断将这些词列为负面词，进行淘汰。在投放过程中，对关键词进行迭代优化。人的经验判断结合机器智能的客观、实时判断和结果评估，使得对关键词的把握更准确，对文字的传递更高效。
根据人工智能基于评价指标给出的数据分析，我们及时减少竞争词的数量，将转化率低的竞争词或品牌词纳入负面词；同时，降低品牌词竞价价格，适当提高行业词竞价价格。并注重行业词的迭代优化，扩大行业词在关键词中的覆盖范围，增强相关性。
进一步迭代优化后，从投放数据可以看出，通过减少自有品牌词的强收录，CPA成本明显降低。虽然整体转化率有所下降，但通过行业条款的优化拓展和竞价价格的合理优化，在总投资额基本不变的情况下，转化用户数大幅增加。
2.智能定向:从用户场景出发，结果更高效。
苹果竞价广告刚出来的时候，很多人提出它毕竟有明显的广告暗示，也有消费者对广告有抵触情绪，所以这是苹果竞价广告的致命缺陷。另一方面，广告取决于你为谁服务。ASM是连接用户的最快方式。这个用户指的是真正需要的人，而不是完全不需要的人。
从什么时候开始广告变得不那么讨厌了？因为它柔软，更因为它正是你所需要的。随着人工智能的出现，精准营销真正落地，消费者总能收到自己真正感兴趣的内容推送。比如我今天在PC上搜索一条北京到长沙的航线，晚上收到一条关于去哪儿的短信，声称北京到长沙的机票优惠即将结束。我手机里还是有很多不准确的信息推送，但是那些准确的推送从来不会让我烦恼。
同样的内容推送给不同的人，结果大相径庭。比如你又喜欢玩游戏，你推一个更好玩的游戏给他，效率会更高。包括FEED流广告和DSP短信推送，这些内容和方式都没有错。问题是你能不能接触到真正的目标消费者。大数据公司通过人工智能和机器学习精准定位消费者，再通过DSP推送。其转化率可达5%-8%，远高于企业自身通过渠道推广1%的转化率。
关于苹果的竞价广告，展示量是一方面，用户的下载率是最大的考验。排除品牌因素，如果推送给真正有需求的目标用户，下载和转化都不是问题。
通过人工智能的深度学习和大数据技术的建模分析，可以对APP用户进行精准的用户画像，这是了解用户的第一步。用户画像可以为app的定向投放提供最基本的参考。另外，在实际 *** 作中，定向投放，不断优化，增加定向维度，最终会导致转化率上升，CPA下降(见上图)。
在实际 *** 作中，也可以基于消费者行为数据的挖掘:基于时间动态制定价格，基于年龄、性别实时优化调整价格。如何知道这些数据，需要机器学习不断的收集和发现。需要指出的是，关于智能定向，苹果后台的人群维度数据只能分析单一维度，在实际投放优化中明显不足。江湖的细分和定向数据可以清晰地区分不同维度人群的转化次数和平均CPA的差异，为广告主下一步筛选人群定向提供可靠的数据依据。比如通过人工智能，可以对人进行多维度的分析，包括性别、年龄、地域、时间段。也可以根据不同app的实际情况进行定制。
以年龄段定向投放为例。当我们将定向2段的数据改为定向6段时，如下图所示，从定向维度数据可以看出，25-34岁的男性用户是转化率最高的用户，CPA价格较低；而55-63岁男性用户的CPA价格明显过高，转换金额很低。该维度的用户可以在后续的发布中取消。进一步有针对性的优化还可以排除55-63岁的女性用户。诸如此类。当更多的维度加入到分析中，人工智能可以给出更准确的答案。
3.智能投放:实时高效的优化迭代总能准确把握最佳价值(较低的CPAVS更多的下载)
传统的人工发货是这样的。选好词后，设定周期和金额，设定广告策略，投放广告，检查结果。期间设置账户结构繁琐费时，一次只能进行一种策略。当投资金额较大时，需要动用大量人力，最终CPA成本较高，调整过程也较困难。
在自动投放过程中，机器会实时智能学习和更新词库，根据指标实时评估每个关键词的效果。人的 *** 作是关键节点的停止。他参与设置交付策略、优化、指标设置、机器建模和培训。人和机器一直在一起工作。
当市场竞争不够激烈时，可以手动优化关键词，管理每个关键词的竞价；然而，当大量使用关键词时，人们无法实现最优的全局收入。通过引入人工智能和自动数据分析和优化，系统可以自动优化关键词，管理每个关键词的出价，并针对不同的人群进行目标投放。通过对投放数据的近实时监控和统计分析，在设定广告主预算和投放周期的前提下，采用最大数量或最优价格的动态竞价算法，满足广告主的需求。
人工智能擅长海量复杂数据处理和深度学习。当然，深度学习依赖于强大的算法技术，因为没有一种技术可以自称学习。培训是他们学习的一部分。通过训练一个深度神经网络，也就是说通过输入数据，设置指标，它学会分类、筛选、判断、评价。1956年，约翰·麦卡锡|提出，人工智能就是让机器的行为看起来像人的智能行为。机器的深度学习和智能行为可以在苹果竞价广告的筛选、定向和实时优化方面完成大量工作。让我们拭目以待。
本文来源:测江湖ASM，作者:Xi姐姐。未经授权不得转载。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）