惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

M
MIT News - Artificial intelligence
罗磊的独立博客
Hugging Face - Blog
Hugging Face - Blog
Apple Machine Learning Research
Apple Machine Learning Research
Last Week in AI
Last Week in AI
S
SegmentFault 最新的问题
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
美团技术团队
人人都是产品经理
人人都是产品经理
WordPress大学
WordPress大学
The Cloudflare Blog
IT之家
IT之家
雷峰网
雷峰网
小众软件
小众软件
博客园 - 叶小钗
博客园 - 聂微东
爱范儿
爱范儿
博客园 - 司徒正美
博客园 - 三生石上(FineUI控件)
V
Visual Studio Blog
博客园 - 【当耐特】
V
V2EX
博客园_首页
T
Tailwind CSS Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
如何搭建第一阶段支持型的广告平台(下)
haher · 2023-10-17 · via 人人都是产品经理

完成了基础的投放前置工作之后,那么投放后置工作该如何进行呢?本文从数据串联、数据归因以及如何搭建数据报表指导投放展开,希望对你有所启发。

前文主要讲了如何完成基础的投放前置工作,那投放后置工作如何进行呢,就是本篇主讲的数据串联,数据归因及如何搭建数据报表指导投放。

一、数据串联

我们投放模式现在基本分为线索类和app,数据链路如下图:

线索类——如果在社区运营则需要三部分,如果只是收集手机号进crm,则只有前两部分:

第一部分:基于用户设备标识(imei/oaid/idfa/caid/ip+ua等)产生的广告素材的曝光点击,最小颗粒度是可以到创意维度的(字节广告升级变为广告维度);用户通过点击进入落地页,一般落地页都是广告主自研的,可以在此处用clickid注入到落地页中,如果用户留下手机号,则可以针对clickid和手机号做映射,就能指导用户在媒体侧是哪个设备在哪个广告用哪个创意转化的;下一步要继续进社区,则直接在落地页调起小程序按钮,带着留资标识调起小程序,获取微信体系内的openid,clickid→手机号→openid就可以完整的把前后端数据连接起来。

app类——直接就是获取app客户,如图分为两个阶段,以设备维度获取媒体的曝光,点击数据,用户在广告平台跳转下载激活时,广告主会获取用户的设备标识,用设备标识关联点击行为,以此来连接用户前后端数据

二、数据归因

广告归因的原理,一般就是将一次用户转化(线索/进社区/注册app)行为归因到具体的某一个广告计划某一个素材的点击,大部分是用clickid进行追踪的,基于这个基本原则,常见的有单次末次归因和首次归因,及多次的线性平均,位置归因,时间衰减归因,如下图,一般我们用的都是末次归因。而末次归因一般有:

  • 曝光归因:常常用于视频广告场景,归因于用户观看视频超过xx s;
  • 点击归因:找寻用户的点击行为来匹配归因逻辑。

三、数据报表

投放系统中需要多少表就可以满足业务使用呢,因为不同的投放方式前端数据指标及维度的差异化是巨大的,故而信息流/达人/公众号等如果每一种投放规模都很大,那就需要每一种投放方式都需要前端数据和后端数据关联一张数据表指导投放使用,除此之外,是需要一张域内的全部数据的实时表指导投放及一张离线的成本表核算长短周期的ROI的,至于其他的趋势表,就根据自己公司的所需开发吧~

本文由 @haher 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。