程序化广告（二）

程序化广告（二）

文章目录

• 考核指标
• • 广告效果分析
  • 广告效果的层次
• 广告效果的评估
• • 基础指标
  • 效果指标
• 广告投放
• • 基础设置
  • • 频次控制的价值
  • 媒体设置
  • 定向设置
  • 创意设置
  • 其他设置
• 数据分析及优化调整
• • 维度指标分析
  • 数据分析方法
  • • 对比
    • 细分
    • 归因

考核指标

程序化广告技术的法阵以及流量渠道的延伸，评估网络广告效果的难度也随之提升。下面针对广告投放中的基础指标，效果指标，品牌指标进行拆解和分析，以便在实际业务中灵活地进行多维度，多指标的数据分析。

广告效果分析

广告效果指广告传播对受众的影响程度，有狭义和广义之分。
狭义的广告效果是指通过广告传播带来的直接经济效益，即提升直接转化（如产品销售）。
广义的广告效果是指通过广告传播影响受众认知，心理，行为和态度，由此带来的直接或者间接广告效益的综合。这个定义比较接近“品效合一”的概念，直接广告效益可以理解为转换效果，间接广告收益可以理解成品牌知晓度，美誉度，忠诚度

广告效果的层次

根据受众是否已经看到广告以及受广告影响的程度，广告效果可以分为传播效果，心理效果和行动效果三个层次。

• 传播效果：传播效果是指广告到达的深度与广度，取决于广告覆盖范围，曝光质量，曝光频次
• 心理效果：指通过广告曝光影响用户的认知，心理和产品态度，比如用户从没兴趣到有兴趣，从感兴趣到购买行为等。心理效果取决于广告的创意和场景。
• 行为效果：指用户看到广告，产生兴趣后发生的进一步的交互行为，包括点击，注册，购买，分享等。行为效果取决于广告的创意，场景以及产品本身相关的信息。

广告效果的评估

广告效果的评估通常用KPI来表示。KPI即关键指标考核，是广告主用来评估广告营销活动是否有效的指标体系和评价标准，程序化广告的KPI评估主要围绕广告效果，成本收益和投放保障三方面。

• 广告效果：衡量用户活跃度以及其对广告的接受度。从广告效果的层次来说，传播效果可以用广告曝光维度衡量；心理效果一般很难直接评估，但是可以通过用户的行为效果进行衡量；行为效果可以从落地页/APP访问以及用户互动角度进行考核
• 成本收益：衡量广告投放整体消耗，各渠道维度的性价比
• 投放保障：衡量广告投放的真实性和安全性，用于保障广告效果以及成本收益

广告主在品牌和效果方面都有投放需求，按照中心方向的不同可以将其分为效果广告主和品牌广告主。相应地，将广告主考核指标分为三类：基础，效果，品牌。

基础指标

• CPM：cost per mille，指每千人成本，即广告被展示1000次对应的价格。普通banner一般在1元/CPM，也即是被展示100次价格为1元。
• CTR：广告的点击率，即广告点击次数占广告展示次数的百分比。
• CPC：指点击成本，即广告被点击一次对应的价格。用公式表示即CPC=Cost/Click。综合CPM和CTR也可以得出CPC，用公式表示即CPC=CPM/(CTR*100)
• 广告费用：特定周期内，广告投放的花费成本，比如每周投放成本，每月投放成本。

效果指标

• 点击量：广告被有效点击的次数。
• CPA：Cost Per Action，指每行动成本，行业内常用于计算注册成本，即获取一个注册用户对应的价格，一般情况一般
• 召回率：在重定向广告中，被重定向的用户通过广告重新注册或者登陆的数量占总重定向用户数量的比例

以上是比较直接的广告投放效果的考核指标，在实际投放中，广告主通常还会考核后续指标，根据后续指标来判断是否应该在该渠道加大投放力度。后续指标通常包括

• ROI：投资回报率，即特定周期内，广告主通过广告投放回收的价值占广告投入的比例。一般来说ROI都会带上周期，如日ROI，月ROI等等。用公式表示即ROI=回收价值/Cost

• DAU： 即每日成功登陆的用户数量。有些用户在当天可能有多次登陆，因此计算DAU需要按照玩家账户ID去重

• WAU ：一个自然周内成功登陆的总用户数。跟DAU一样，计算该指标是也需要去重

• MAU：一个自然月内成功登陆的用户数

广告投放

下面简要叙述下活动的设置流程，活动设置在资质和素材审核通过后，执行人员需要根据广告提案的策划方案添加各类广告活动并进行相应的活动设置。如下图所示：

基础设置

• 预算控制：根据广告主提供的媒介预算计划设置预算，避免过度消耗。预算分为每日预算，每周预算，每月预算以及预算。另外，预算分配的设置，按不同地区，不同创意等设置差异化预算
• 日期时间：根据广告排期表来设置投放日期或投放时段。拖放日期或每日的投放时段都会对广告效果产生影响，比如周末，晚上高峰时段。
• 投放速度：投放速度分为匀速和快速。有些广告主希望广告预算能够尽可能分配到每个小时段，则可以将活动设置为“匀速”投放
• 频次控制：设置同一个用户在设定时间内看到特定广告的总次数，或者在设定时间内看到某个广告素材的总次数

频次控制的价值

同段时间内对同一用户进行大量曝光可能会引起用户的反感。另外，在预算有限的情况下，对同一用户的曝光次数进行限制，可以节省广告费用用于覆盖更多的其他用户。
对同一用户重复曝光同一广告素材的意义不大，可能会引起用户的审美疲劳。用户对创意的内容和风格有一定的喜好度，通过频次控制多套不同创意的轮流曝光，还能再一定程度上提升点击率和转化率。

媒体设置

• 交易模式：选择交易模式，包括RTB公开竞价，PDB直接购买。品牌广告主通常选择PDB模式
• 尺寸：选择投放尺寸，同时需要安排对应尺寸的素材。一般会选择量大的广告位或者常用的优质广告位对应的尺寸

定向设置

• 重定向：重定向人群一般是广告主自有人群。广告主可以通过收集广告投放过程中看过广告，点击广告的人群，并对其进行重定向投放。重定向投放里面可能包含着有需求人群，潜在需求人群甚至是已经购买的人群等，也可能包含着正在使用产品的人群或者是已经流失的人群。
• 社会化属性：包括受众的性别，行业标签等
• 兴趣爱好：根据受众的兴趣爱好进行投放
• 地区定向：指投放地区，包括国家，省份，城市
• 客户端定向：指受众的 *** 作系统，浏览器，系统语言
• 运营商定向：投放指定运营商所以应的设备
• 设备定向：由于不同设备代表不同人群，或者不同的消费水平，因此可以根据广告主的受众人群进行设备定向，包括设备品牌定向，设备型号定向，设备价格区间定向
• 天气定向：指定温度，湿度，空气指数或者温度差

创意设置

• 创意和落地页设置：设置不同投放活动的创意和对应落地页。
• 展示规则：设置创意对同一个人展示多次时，用户看到创意的先后顺序规则一般有循环轮播，按顺序展示等

其他设置

• 第三方检测：设置第三方检测平台的曝光检测代码和点击检测代码
• 品牌保护：选择DSP平台已对接的品牌安全提供商，并填写响应的信息
• 反作弊：过滤作弊流量的设置，有些DSP平台本身有反作弊机制，但是部分广告主为了安全起见，还是会找第三方反作弊供应商进行流量过滤，以保证投放效果，减少投放浪费

数据分析及优化调整 维度指标分析

数据分析工作贯穿整个广告投放过程，作用在于：发现问题，分析问题并帮助解决问题。数据分析是为广告投放于优化服务的，而广告投放和优化是围绕KPI要求进行的。所以，发现问题的标尺是KPI，发现问题之后，需要对数据进行深入分析，抽丝剥茧，定位问题产生的原因并找出解决问题的对策方案，知道广告优化的调整工作。

数据解读是数据分析工作的第一步，即围绕KPI需求整理和解读数据，从中发现问题，解决前需要先了解数据的组成元素。数据主要是由时间，维度，指标三元素组成

• 时间：任何数据都必须基于时间维度，缺少时间的数据是没有任何意义的。时间是一种特殊的维度，分为绝对时间和相对时间。
• 维度：描述事物对象的属性或特征，分为维度级别和维度成员。维度级别是大的分类，比如地区维度分为国家，省份，城市等级别；时间维度分为年，季度，月，日。维度成员是指维度里面的具体值，比如城市维度成员有北京，上海等。程序化广告投放关注的维度主要有：人群，媒体，创意，地域，频次
• 指标：描述事件状况的数值，分为绝对指标和相对指标。绝对指标通常由单位和数字组成，如CPM=1元/千次曝光，注册数=100个。相对指标通常表示两个数值之间的差异值或者比例，如CTR是点击数占曝光数的比例，CTR=0.9%；今日新增与昨日之间的差为3，今日新增注册=3个

数据分析方法

在数据解读过程中可能会发现各种各样的问题，需要通过分析数据，找到问题产生的原因。执行人员需要严谨的分析思路，有条理对维度和指标剖析，找到解决方案。数据分析方法可以概括为对比，细分，归因。

对比

数据分析时，如果只看单独的数据时没有意义的，感受不到是正常还是异常，必须是对整体数据进行对比，查找差异，分析好与不好的地方并作出调整。可以基于当前数据与经验中的常规数据进行比较

• 在时间维度，可以有环比和同比两种方法。同比是本期与同期对比，如2020年12与2019年12月。环比是本期与上期比，如2020年12月与2020年11月
• 在维度和指标上，分为横比和纵比。

横比是 指同一纬度级别，分析不同维度成员的各个指标的分布并进行对比，即分析广告投放数据在各个维度指是如何分布的。程序化广告投放经常要分析的维度有地区分布，频次分布等等。比如地域维度中消耗的分布情况去和，是否符合投放要求，哪个地区投放消耗最大，该地区对应的点击率或者转化率的高低情况。

纵比是指同一维度成员的同一指标级别，对不同时间维度的趋势走向进行比较。趋势是基于时间维度的数据走向。通过趋势可以看出广告投放中各个数据值的整体走向，分析投放量是否符合广告排期，投放效果是否达到KPI要求。同时，还要分析数据波动和变化幅度，发现异常点（异常时指异于平常数据，可能是好的数据发展，也可能是坏的数据发展）

细分

在对比时，发现异常数据后需要进一步挖掘异常产生的原因。比如，某天的效果数据比前一天差，是因为什么原因呢？就需要进一步细分不同维度查找原因，是哪个媒体的数据变差？是哪个小时的数据变差？是哪个人群的数据变差？

细分是为了更合理的对比，在不同细分类别进行比较得出来的数据更加客观公正。比如，A媒体比B媒体的转化效果好并不代表A媒体比B媒体好。细分可能发现A媒体的某人群效果差导致拉低了整体转化效果水平，可以考虑通过过滤该人群进行优化调整，或者进一步分析该人群是由哪些细分维度导致转化效果差，通过层层细分进行维度关联，从而挖掘优化空间

细分主要从以下角度进行。

• 人群特征细分：根据用户的需求，性别，年龄，行为，兴趣，消费水平等因素将用户划分为不同人群，可以使单一层面，也可以综合多个层面，然后进一步分析不同细分人群的数据。比如细分为男性用户和女性用户，细分为新用户和老用户
• 时间细分：针对不同时间维度进行细分
• 媒体细分：针对广告渠道，媒体，广告位进行数据细分
• 创意细分：针对投放的多套创意和版本进行分析
• 其他维度细分：根据地区等维度细分

归因

归因是指通过数据观察发现规律与数据之间的因果联系，并在此基础上推断原因并验证。一般可以通过建立归因模型分析广告投放效果。归因模型是指能够追溯在过去一定在过去一定时间周期内，不同渠道，不同创意或不同内容对用户转化的贡献度的评估方式

• 归因分为广告归因和站内归因

广告归因是指广告中的各个节点对转化的贡献率评估，分为渠道归因和创意归因。渠道归因是指在广告投放中的各个渠道对转化的贡献率，这些渠道包括广告交易平台，或者其他推广方式，在进一步细分查看各个渠道对转化的贡献率。创意归因是指在广告投放过程中的各个创意以及版本对转化的贡献率

站内归因是指APP的不同内容对转化的贡献率评估

归因模型常见的分类有：末次转化归因模型，平均分配归因模型，时间衰减归因模型，价值加权归因模型和自定义归因模型

• 末次转化归因模型：把转化（点击，注册，下单等行为）功劳全部归于末次出点对应的渠道或者创意。这是比较直接的归因模型，但是忽略了其他节点的功劳。
• 平均分配归因模型：把转化功劳平均分配给其他触点（用户从看到广告到产生转化过程中的各个触戴点）这是比较简单的各个渠道归因模型，但是有可能会高估中间节点的功劳
• 时间衰减归因模型：根据用户转化绿城中的时间轴，将功劳倾向于划分给最近转化的出点，也就是首次出点的功劳最小，中间的多个触点的功劳依次变大，末次出点的功劳最大，这种方式相对合理
• 价值加权归因模型：对不同渠道的位置价值或者不同创意的内容价值进行加权，将转化功劳根据权重进行划分。这种方式需要合理划分不同渠道以及不同创意的价值
• 自定义归因模型：自定义各个渠道或者各个创意的权重，将转化功劳根据权重进行划分。

各家广告渠道需要统计转化数据，因此需要由广告主部署广告渠道的统计代码后才能实现。拿游戏举例，页游和端游一般是部署JS代码即可，而App手游一般部署SDK代码或者进行S2S技术对接
目前也有和端游广告直接使用自有检测系统。而移动端环境比较复杂，分为安卓环境和ios环境。广告主一般通过两种方式进行对接

• 广告主直接跟每个广告投放渠道做S2S技术对接，通过点击参数回调数据给渠道。广告投放渠道越多，广告主的S2S对接工作量越大
• 通过第三方统计系统来完成代码部署，App只需要添加第三方统计系统的SDK代码即可发送数据到系统。广告渠道若要获取数据，只需要与第三方渠道系统进行S2S对接即可。