做好廣告日常信息流投放管理，輕松完成信息流業績的KPI！

  隨著移動互聯網爆發式增長。信息流廣告得益于RTB技術，通過用戶標簽實現精準信息流投放，并與內容混排在一起，對用戶體驗相對較好。逐漸成為廣告主數字媒體信息流投放的主要模式之一。

  衍生而來的優化師崗位也成了每家公司用戶獲取的必備，目前在人才市場上薪資也是越發水漲船高，與此同時每家公司對此崗位卻又都有著明確的數據考核。

  想要作為一名優秀的信息流廣告優化師，行業研究、賣點提煉、創意策劃、預算評估、用戶分析、數據分析與銷售口徑對接等，每一部分的能力都不可或缺。

  在營銷相關工作領域中算是一個相對綜合且全面的崗位。網上關于行業研究、創意策劃等相關內容，已經有很多了。

  今天就聊一些某知識類問答平臺上，被問及較多的日常信息流投放管理、用戶行為以及數據分析方面的內容。借此，也寫下自己對以上內容的一些實踐經歷，希望對大家有所幫助。

圖（1）

  信息流廣告日常運營的一天當中，最主要工作應該是由如下幾個部分組成：

1.前一日投放數據排查

  在工作最開始，應該查看的主要有昨天花了多少錢（消耗￥4,693），帶來了什么樣的效果（線索74條），展現、點擊，以及成本（線索成本￥63.42）。同時將數據錄入報表，以便于日常數據分析。

  其次是了解成本以及KPI的達成進度，如圖（1）、（2）中顯示，截止2019年10月6日已完成線索量355條占當月KPI（900條）比例為39.44%，時間進度為19.35%（6/31）。說明當前KPI完成的速度要快于時間進度，可以超額完成當月KPI目標。

  以上這部分工作在信息流帳戶投放規模不大的情況下，熟練操作后，25分鐘內便可完成。

2.分日期投放數據排查

圖（2）

  信息流產品的本質是推薦內容，廣告的分發都取決于內在的推薦系統。對于一家商業公司而言，在絕大多數情況下，推薦系統的目標都是為了完成某個商業目的。

  以頭條為例，用戶觀看頭條系的內容，不論是文本，還是快手、西瓜、火山等短視頻都是UGC，或時事熱點免費內容。

  頭條無法通過會員費或者訂閱費賺錢，其最主要的商業模式是內容中的廣告“總”收入。以商業目標來制定推薦系統優化目標的原則，顯然頭條采用產品“使用時長、頻次”作為優化目標的更為合理。

  推薦系統的目標優化除平臺單次廣告收益外，還需要引入用戶體驗與廣告主效果作為了平衡三方利益的平衡最優化。

  所以數據波動不僅僅是消耗與成本的波動，還會參考到其他各項數據指標進行流量的分配。帳戶在不進行人工干預下，展現及效果等數據是及其不穩定的。

  查看分日期信息流投放數據就是為了判斷異?，F象，便于及時針對峰值低谷作出相應調整。

  利用質量監控圖對COST PER LEAD分日數據預警，COST PER LEAD波動在9.17時，其值￥128.57超出UAL預警線，在9.20為￥42.63跌出LAL預警線。9.21、9.28數據更是超出了UWL預警線，可以斷定該時間段COST PER  LEAD數據出現異常。

3.分帳戶投放情況排查
  確定了數據異常現象時間節點后，需要對數據進行細分緯度分析。如果是多信息流帳戶投放，最先應該排查分信息流帳戶投放情況

  中數據顯示9.17-9.28COST PER LEAD數據波動異常，主要是受帳戶1的影響，那么便可將數據異常的問題鎖定在帳戶1。

4.分位置投放數據排查

  在帳戶1中抽取分資源位COST PER LEAD數據進行排查，其中西瓜、頭條成本數據波動幅度較大，同時出現極值。

  快手消耗占整體的57.27%，高比例必然帶動整體的數據波動。而COST PER LEAD數據在9.17-9.28出現大幅增長，趨勢與整體成本異常波動相一致，可將數據異常的問題進一步鎖定在帳戶1中的快手上。

圖（3）

  繼續向下細分，則是不同端口IOS、Android，以及不同端口下各尺寸素材的COST PER LEAD數據趨勢對比，進而找到影響整體COST PER LEAD數據指標的根源。

  該案例導致整體COST PER LEAD數據波動原因是7.22日帳戶1/2同時上新了一條活動創意。通過與帳戶2轉化量、以及展現消耗趨勢數據的對比，可判斷創意未出現衰減。

  唯一的操作則是因帳戶1中該創意跑量效果一直不錯，且轉化量穩定增長。在9.15日，執行帳戶操作的優化師同事將該創意所在計劃預算額調整至原有的3倍預算。

  通過對比信息流投放以來的其他各項數據，發現帳戶1中該創意興趣細分趨勢在不同興趣分類展現與過去比例出現較大差異。說明開大預算后，系統對該創意進行更多其他類別興趣的人群探索。

  新增消費的興趣分類轉化率較低，導致預算消耗過快，成本暴漲。9.21-9.22則受該消耗過快影響，充值未及時帳戶暫停。

  在重新充值后，帳戶1中該計劃成本仍居高不下，最終只能關閉重建，成本才得以恢復。另外從分資源位歷史趨勢數據上看，快手COST PER LEAD要遠低于西瓜、頭條。

  出現這種數據表現，到底是因為西瓜、頭條投放額度較低導致數據隨機性較大，還是其他人為操作因素？需要具體問題具體分析，做為下一步帳戶提升的優化點進行規劃。

  分日、分帳戶以及其他維度細分查看及異常節點診斷，在數據報表規范合理的情況下，45分鐘內便可完成。

5.分素材測試數據回顧

  若廣告投放規模龐大，通常帳戶中會有多個創意。除通過分日數據監測來定位影響核心指標的問題外，還需要定期對素材測試數據進行回顧。

  素材是創意下的子元素，所以對數據波動的影響，往往會因為信息流投放的數量大而將素材效果隱藏起來。為了保證賬戶效果的平穩，素材測試在投放中至關重要。

  素材測試一般涵蓋：落地頁、文案、視頻圖片等。

  針對創意素材測試可以按照產品賣點、用戶心理、使用價值、以及需求場景出發，提煉文案、視頻腳本的素材內容。

  以現有跑量素材“用戶心理”為素材源，向外擴展相同方向和不同方向素材“使用價值”擴寬素材產出思路，豐富素材，維持信息流賬戶投放量級平穩。此部分相關內容，網上已經有很多大神級人物輸出過相應內容，這里就不再贅述。

  落地頁測試思路，可利用橙子建站相關工具，分析用戶行為及用戶心理，指導改善落地頁影響關鍵指標的數值。

  這里以虛擬的圖片作為案例闡述，落地頁素材測試頭圖文案的內容及內容搭配是關鍵?！跋迺r優惠”與“三千媽媽的用心選擇”相比較，顯然后者更容易促使用戶產生留資行為。

  文案中放入成功提交信息后，進入二級頁面抽獎，則可進一步帶動最終轉化率的提升。

圖（4）

  另外需通過像橙子建站中的工具對用戶行為進行觀察，發現用戶點擊不同素材偏好。并分析用戶心理，如不同素材排版的先后順序，素材不同尺寸、版本點擊量占比，進而從角度出發逐漸優化落地頁。

  在常規信息流投放中穿插優質素材測試跑量的展示雖有助于整體回報效果。但也需要對空耗、超成本計劃及時進行關停，即便這些計劃消耗占比較小，也會導致賬戶整體成本偏高。

  關于素材測試數據回顧等相關工作，需要行業研究、賣點提煉、創意策劃、以及跨部門的溝通協調較多，一般會占到日常工作的50%。

6.定向數據測試做積累

  定向測試這部分相關工作，往往適用于存量用戶較大的廣告主，一般在具有自身的數據管理平臺的情況下發揮空間較大。

  通過數據管理平臺收集自身用戶各種數據，結合算法的能力給用戶打上不同的興趣標簽，基于用戶興趣實現個性化的推薦、搜索、內容導購等服務。

圖（5）

  因其數據大多來源于第一方，所以可以很好的直擊用戶真實訴求?；跇撕瀬斫M合人群，生成各類人群包做廣告精準投放，已完成各種運營層面的數據指標。

  比如在操作電商案例時，運營目標當期是以提升用戶對產品使用購買活躍度。根據業務的具體情況定義活躍度指標后，我們的將人群劃分為新用戶、低活用戶、中活用戶、流失用戶。利用構成活躍度指標的條件對用戶進行篩選，生成不同信息流投放人群包。

  一般超過30天以上未回訪的用戶會被定義成流失，此類用戶基于單次觸達成本考慮一般不會利用廣告方式進行用戶召回。所以利用廣告進行召回是在低活和中活這兩個階段就開始進行召回廣告觸達。

  因為處于以上兩個階段的用戶往往未卸載或者轉移到其他 APP，在召回的難度上較低ROI 比較高，針對這些用戶不斷觸達召回，提升留存把他們往高活上引導，在結果數據表現上，也較為不錯。

  再者通過數據管理平臺用戶畫像，了解到某款爆款產品的興趣、以及年齡都符合某類二次元年輕用戶群。針對這部分用戶做品牌活動的1+/2+ Reach ，進而提升用戶對產品、品牌認知，或影響目標群的行為。

  這里需要注意的是，數據管理平臺中用戶行為數據更多源于存量用戶的第一方數據。外部抑或媒體的數據，因為標簽等統計維度、算法的不同，往往對用戶篩選的精準性很難判斷。

  所以帳戶投放規模較小，則盡量減少對指定定向條件、或第三方定向人群包進行信息流投放測試，更多的將流量篩選的權利交給推薦系統去跑，而將精力重心放在創意及素材測試上。

圖（6）

  其他媒體新產品，新功能測試，如托管實驗室，穿山甲資源位等新產品的測試及總結。同時每周五需要對近4周各個維度數據總結，進而了解整體信息流廣告投放的進度、狀況、方法以及KPI完成情況。

  最后總結一下，通過對信息流廣告日常運營及數據分析，用戶分析等角度來看，沒有太多高深的地方，更多的則是根據優化師的運營經驗高度、科學的數據分析方法、成熟的報表工具以及時刻盯緊賬戶及并調整優化相關。

公司優勢

開戶流程

注意事項