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

L
LangChain Blog
V
V2EX
爱范儿
爱范儿
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Martin Fowler
Martin Fowler
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Apple Machine Learning Research
Apple Machine Learning Research
WordPress大学
WordPress大学
有赞技术团队
有赞技术团队
宝玉的分享
宝玉的分享
Last Week in AI
Last Week in AI
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
罗磊的独立博客
小众软件
小众软件
Vercel News
Vercel News
博客园 - 司徒正美
阮一峰的网络日志
阮一峰的网络日志
V
Visual Studio Blog
J
Java Code Geeks
P
Proofpoint News Feed
MongoDB | Blog
MongoDB | Blog
B
Blog
美团技术团队
量子位

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,
广告回传策略构建及运用–广告增长第二阶段(精细化)
haher · 2023-12-25 · via 人人都是产品经理

作为广告主角色,是否能利用marketing api介入回传来干预投放模型,是日常优化师的重中之重,那什么类型的广告主可以基于回传来建设产品体系赋能投放业务呢?

广告主大体分为三类:

第一类是电商行业,如淘宝,拼多多,京东商家,作为广告主再投放平台因为整个获客转化生态链路都聚焦再投放平台,没有自己的私域用户池,全程在公域投放-获客-转化-成交,故而主要的工作聚焦在投放素材和自身产品生态即可。

第二类是以线索获取类的广告主,典型的教育汽车等行业,这种广告主主要是获取线索如:电话号码/咨询/加V/入群等为转化目标。

虽然媒体平台现在提供了很多自建落地页或者像微信广告这种可以直接打通企业微信生态能监控到加V/入群等操作的,但是只要有能力的广告主,一般都会将用户导入到自己的CDP客户系统进行N次营销以达成高LTV的目的,这类广告主对回传的干预基本也是把握大部分主动的角色

第三类则以app推广为主,例如:游戏社交等行业,此类广告主则对回传建模掌握着绝对的主导地位,因为对这部分广告主来说,转化目标选择的余地非常之多,可以根据用户生命周期旅途上的任一行为为转化目标进行获客,故而可设计的回传建模就多种多样了。

那回传模块如何设计呢?

依托产品模块,我们是需要引入回传策略来承载回传逻辑的,这样不仅可以自主设计回传模块的逻辑,还可以将策略及关联的数据沉淀下来直到后续投放,故而此模块的设计其实可以分为:四大阶段:回传策略建模→回传策略沉淀→回传策略诊断→策略推荐

一、回传策略建设

我们以获客目标切入视角:如果我们是以拉新为目的获客(线索和app下载都可),那回传控制的应该就是纯拉新,针对广告主视角建立的回传结构中就可以直接把老用户过滤掉,这样我们既不用对老用户付费,又可以让媒体平台知道我们真实的意图;如果我们是以获取老用户为目的,则应该单独为获取老用户建模付费,回传结构中就可以把新用户过滤掉,只针对老用户回传。

确定了获客目标,广告主通常会确认自己的计费点,但是通过api接口回传是不会限制只传计费点的,可以自定义N多事件来做广告建模,这就衍生出我们的事件组合,通常最简化的程度是必须传给媒体广告主认可的计费点基本就能正常投放了。

二、回传事件及人群

当前有实力的广告主或者因为数据敏感度的问题不能把太多数据透明化给媒体,或者是想要抓住行业内流量的红利,走在竞争对手前面把有价值的用户圈在自己的私域内,都可以通过事件组合的方式回传,这里可以分为正常回传和虚拟回传中事件错位回传。

正常回传:和字面上的文字解释一致,广告主获取的用户在域内发生了什么行为就传到媒体的什么行为上,典型的:激活报激活,注册报注册,留资报留资。

错位回传:虚拟回传针对广告主想保护自己数据的目的非常有利,没有把广告主获取的用户真实行为直白地告诉媒体,而是按照自己的目的经过处理加工后才回传,对在乎数据安全的广告主益处很大。

  1. 浅报深:广告主发生的浅层事件报媒体端的深层事件,例如:用户的激活报注册上,后端的浅度事件报到付费事件上,这样的目的对广告主来说是可以快速探索流量池,如果流量池的质量高,对获客规模的帮助非常大。
  2. 深报浅:广告主发生的深层事件报媒体端的浅层事件,例如:用户的注册报激活上,线索类的付费报到入群上,这样做的目的是针对广告主后端转化效果不佳的情况,为了能将更多的数据传给媒体且通过提高出价在公域拿量,广告主就可以将自己后端的数据伪装成前端数据报给媒体,这样不仅竞价能力能获得提升,获客质量及获客模型也会精准很多。
  3. 深浅结合:这种模式肯定是多事件组合的,多用于双出价,可以根据当前广告组的诉求和出价预算等需求来定义媒体和我方事件的组合。

虚拟回传中除了回传事件的包装外,我们实际回传的过程中还可以针对性地扣量回传,增量回传及前置回传。

  • 扣量回传:广告主在投放的过程中,我们获取的用户有一部分是可以前置判断出来这部分不是我们的意向用户,或者我们遇到媒体方的流量波峰,获客成本急剧下降,这时候就可以将一部分量过滤,不会传给媒体。当然可以选择性地挑量,把广告主意向低但是媒体获取的维度拆解出来扣掉,如果实在区分不出来也可以设置随机数扣量(现在比较火的短剧行业随机扣量运用的更广),而只要回传策略执行扣量,前端投放就可以将出价系数调整的偏高,这样实际获客成本也不会增加
  • 增量回传:和扣量相反的是增量回传,当我们获客太难,或者前端账户计划起量困难时,我们可以针对私域内已经转化的用户多回传给媒体,原理是让媒体尽可能多的收集到广告主的意向用户数据,才可以在公域能提升获客效率,下图为扣量增量的具体维度的列举,我们在实际运用中可以根据自己能收集到的用户的实际信息选择性地挑选人群扣量增量。
  • 前置回传:我们在实际工作的时候,其实是可以协助市场部门做用户评估体系,将获取到的用户在一定时间内的根据用户产生的行为做转化行为的预估,例如次留,一般情况用户注册后第二天才会又次留数据,如果我们的转化目标是次留,第二天回传对媒体建模相对来说就比较滞后,如果我们建立一套用户评估体系,就可以提前预估出用户次留的概率,将次留概率高的提前回传给媒体,加速广告平台的建模速率,协助市场能更高效地获客。

三、回传策略和三方投放节点挂钩

上文讲了回传可以做什么,怎么做,那详细到运用的时候,我们还可以再精细化地运用吗?

答案当然是肯定的。

广告主的广告策略最细力度是可以作用到三方的广告计划维度的,只要我们广告主内部把三方广告计划的生命周期定义好,我们是可以通过广告平台来控制分发不同计划生命周期生效不同策略的。

详细的不同生命周期策略可参考下图:

四、回传策略沉淀

上文主要提到回传策略怎么做,那我们按照上面的方式执行了,如何看有没有效果,正向策略如何复用,及后续投放如何参考性地使用过往经验,就需要我们把策略沉淀下来做数据分析来指导后续投放了。

通常我们会赋予策略一个id,这样哪个策略代表什么含义,上面承载着那些事件组合,哪些策略,哪些人群及作用的计划状态等信息都可解析出来;广告主通过建设一个回传策略表来和媒体核对数据,我们针对策略可以套策略模板及策略版本来监控策略更改所带来的数据变化,输出到策略分析专区,能数据导向地知道渠道之间的最佳策略及基于不同获客目标的不同策略,这样我们在做投放基建的时候,投放人员输入自己的投放目标,系统就可以基于沉淀的数据分析出最佳的策略并且推荐给投放人员。

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。