您的位置 首页 赚钱项目

一文看懂看懂信息流定向实战技巧+案例

定向实战技巧

因腾讯广告平台的强社交属性,精准有效的定向设置对于广告的效果尤为重要。我们会对从基础定向方式的解析到深度用户挖掘的技术逻辑进行深入探讨。

一、定向方式解析

因信息流广告的原生属性,腾讯投放平台在做受众定向与创意匹配的时候,旨在“让广告在对的时间以对的形式出现在对的人眼前”。

在此理念下,腾讯广告平台提供了20多种定向方式,引入用户标签1000多个。并且,基于腾讯QQ号码、OpenID等账号体系,可以实现跨屏用户识别及定向投放。

腾讯广告平台的基础定向体系

2019年,腾讯广告平台将商业兴趣和行为定向做了升级,称为“罗卡定向”。罗卡定向的主要目的是对原来的商业兴趣进行拆解,使得标签具备更好的时效性。其中,行为定向用以标注中短期用户曝光及交互行为,兴趣爱好定向用于标识中长期兴趣。

升级之后,腾讯广告平台上的基础定向分为八个类别。

1.人口属性

人口属性包括地域、年龄、性别、学历、婚恋状态、工作状态等定向维度。

腾讯系的用户国内外都有,故地域定向上国内和国外都支持。国内可精准到直辖市、省以下二级市,也可支持LBS定向;国外可到国家级别。

年龄、性别、学历等其他人口属性的定向,往往要受广告主的目标受众或营销场景限制。比如,母婴产品,可能需要定向女性、25~35岁、已婚,再根据其价格区间选择工作状态等。

使用地域、年龄等人口属性定向时需要注意覆盖面不宜过窄,以免曝光量不足。另外,建议结合流量较大的广告版位进行投放,且使用有竞争力的出价赢得曝光机会。

2.用户兴趣

定向维度包含商业兴趣和关键词。

商业兴趣标签和关键词,都是基于腾讯系产品中用户的社交数据、行为兴趣等挖掘,并经数据清洗、聚类分类算法等得出的。挖掘来源包含QQ群名称、URL点击浏览行为、APP安装数据、广告点击交互数据等。

二者的区别,兴趣定向可选择与推广产品契合的兴趣点,定向范围较广,曝光量更大;而关键词可以个性化定制,更精准、灵活,但人群覆盖范围较小。

在使用商业兴趣标签的时候,建议善用二级分类取并集的逻辑。可选择符合潜在客户特征的多个标签,比如“孕产育儿”与“童装童鞋”,在精准定向的同时避免受众过窄。

使用关键词定向的时候,原则上关键词要短而多,单只广告的关键词上限为2000个。常用的关键词可以是品牌词、产品词、场景通用词、受众人群词、相关产品词等。

举例说明,如果投放日本旅游产品,关键词组合可以是旅游、日本旅游、东京、大阪、日本、北海道、境外旅游、出国游、自由行、房产、理财、奥迪……

因商业兴趣定向、关键词定向是精准的场景化定向,不建议再与其他定向叠加,以免不必要的曝光流失。

3.用户行为

包含APP行为和APP安装定向方式。

APP行为定向用于覆盖特定类型APP的活跃或付费用户,也可定向到具体的某APP行为用户。在指定活跃周期的时候,最长时间为前面一年(365天)。

APP安装定向通常用于竞品投放或明确目标的应用推广。

4.消费能力

包括付费用户、消费状态和居住社区价格三个定向维度。

付费用户包含APP付费和电商付费两种,因其用户覆盖面小,非必要情况下不建议使用。

消费状态、居住社区价格用于定向高、低两种消费能力的人群。针对高消费人群的典型场景是汽车、房产等低频高消费产品的推广;而低消费人群往往用于描述追求价格低廉、性价比高,且对品质要求不高的用户。

5.设备定向

定向维度包括上网场景、操作系统、联网方式、移动运营商和设备价格。

其应用的典型场景是应用推广。比如,应用过大(1G以上),则联网方式可以选择Wi-Fi或4G。又比如,应用包区分iOS和安卓推广时,则建议使用操作系统定向。

6.流量方属性

定向维度包含移动媒体类型和微信公众号类型。

移动媒体类型定向,用于指定广告展现在特定类型的外部媒体平台上,如办公类、教育类等。

微信公众号类型定向,用于指定广告展现在特定类型的微信公众号上,如教育培训、家居装修等。

7.天气定向

可通过温度、紫外线指数、穿衣指数、化妆指数以及气象几个维度进行定向。

天气定向本质上是地域定向。基于实时的天气数据更新,可按天气数据覆盖指定气象条件下的地域。

8.自定义人群

包括定向用户群、排除用户群等。

自定义人群用于再营销场景的使用。例如,访客人群重定向、已安装人群单品导流、拉新用户时的老用户排除等。

让我们重复一下以加深印象。第一,定向方式的运算规则是一级定向取交集,二级定向取并集;第二,曝光起量阶段,定向使用的原则是必要的标签全选,非必要的不选。

定向应用的技巧上,善用账户搭建的A/B组方案,其逻辑与巨量引擎平台类似,此处不再重复说明。

我们来看一下腾讯广告平台提供了什么样的深度用户挖掘功能,以及其技术原理。

二、深度用户挖掘与精准定向技术原理

精准营销与传统媒介购买逻辑上的最大区别,在于精准营销使用的是用户定向技术,允许广告主在技术平台上仅覆盖具有特定属性的人群。

而对于媒体精准广告平台来说,强化受众属性、弱化广告位置,可以实现流量价值极大化。简言之,流量购买的逻辑上更重视“用户是谁”,而不再将“用户在哪里”放在第一位。

腾讯广告平台定向技术原理

我们先来看一下腾讯广告平台上,定向逻辑的技术原理,如图1所示。

我们分步骤来说明,各步骤对应到上图的小字标注。

1.流量侧发起广告请求

广告请求中包含广告位、用户信息、设备信息等关键数据,可参考我们前面探讨RTB技术原理比分的数据对象说明。

2.用户与情景数据匹配

DMP中包含用户的标签数据、行为数据以及流量所属的情景数据。相关数据会进入投放引擎的总控逻辑。

3.广告定向索引查询

总控逻辑请求广告定向的索引数据。

4.广告定向索引的数据返回到总控逻辑

广告定向索引库中包含的是预处理过的广告数据。广告主定向投放规则与广告库存数据库事先经过匹配,“万中取百”之后的广告进入广告定向索引。

这个过程称为“scoring”(广告评分)。

5.总控逻辑引入效果预估因素

总控逻辑在第二步已引入用户与情景匹配机制,在第四步引入了广告定向索引机制,而在第五步,会增加pCTR和pCVR效果预估因素。

其中,pCTR指的是广告点击率预估值,pCVR指的是广告转化率预估值。

经过效果预估后,总控引擎最终决出赢得曝光的广告。引入效果预估的总控逻辑,我们称为“Reranking”(重排序)。重排序的目标是将广告进行“百里挑一”,决出最终赢得曝光的广告。

6.广告曝光

广告曝光,开始计费。

从上面的流程来看,广告中的定向,技术逻辑上就是挖掘目标用户精准投放的过程。广告定向体系要达成的效果,是把用户行为转化为广告主的投放需求。采用标签、关键词等方式,使得用户可被识别。

在做广告定向投放时需要平衡的两个维度就是定向效果与用户覆盖率。定向越窄,其效果可能越好,但用户覆盖率不足;反之亦然。

这也是为什么我们在运营方法上采用测试期、突破期、放量期等几个阶段的原因。如图2所示,不同运营周期的核心都是为了平衡精准度与覆盖率两个维度。

我们再来看一下腾讯广告平台上的用户数据是如何整合的。

腾讯广告平台用户数据整合逻辑

从上往下,我们可以将腾讯系用户数据分为三层,即广告平台用户数据应用层、业务数据整合层和基础数据层。 

1.广告平台用户数据应用层

广告平台用户数据应用层包含腾讯侧用户广告数据、第一方和第三方数据,以及流量数据。

腾讯侧广告数据包含了用户的曝光、点击、转化等行为,并且可按需生成人群包用于再营销。当然,腾讯侧广告数据不出站,广告主使用的时候只能到人群包级别,而不能到设备级别。

第一方和第三方数据指的是广告主上传的号码包,支持IME、IDFA等各种格式。

流量数据指的则是从腾讯聚合的流量方的人群数据,比如京东商城。

2.业务数据整合层

这一层需要处理的是腾讯系各业务单元的数据整合、应用及打通问题。基于业务上的用户行为打通,从而识别用户、为广告平台提供用户定向应用。

简单来说,腾讯系需要打通的业务数据包括社交业务、腾讯应用和第三方应用。

社交业务中的业务数据包括QQ群、腾讯说说、QQ相册、腾讯课堂,以及站内的URL点击、分享数据等。

腾讯应用指的是腾讯系的应用或网站,包括游戏、微博、腾讯视频、腾讯新闻等,也可以获取LBS和地图POI数据。

第三方应用指的是腾讯深度合作的第三方,包括京东商城、拍拍网、58同城、大众点评和搜狗搜索等。2019年还要增加微信体系新起的第三方ISV有赞、微盟等。

3.基础数据层

在基础数据层需要解决用户数据的基础属性和跨终端账户体系两个问题,从而支撑上面两层的业务体系、广告用户定向。

人口基础属性对应到广告平台,解决了基础标签和关键词等用户标注问题。具体的内容可包括年龄、性别、上网场景、学历、职业等。

跨终端的账户体系,包括IMEI到QQ号的映射表,及IDFA、Cookie向QQ号或微信公众号的映射表等。

广告投放平台上的用户定向体系,隐含的是上述三层的用户数据挖掘与语义分析能力。举例说,用户分析上,使用的典型方法是User-Item矩阵(用户行为分类矩阵);而QQ群用户识别上,使用的是关系链矩阵分解。

这进一步解释了定向中的商业兴趣标签的数据来源。用户商业兴趣的判定,本质上是一个用户分类问题,其基于的是QQ群、URL点击、广告点击及互动等用户数据。然后,利用语义处理工具,结合时效性进行加权平均后,进入置信区间的用户方会被打上相应标签。相对的,此类机制对于投放中的定向精准度和实时性提供了保障。

了解了技术逻辑后,我们来看广告定向的效果衡量及优化。

广告定向的效果衡量与优化

衡量定向的效果,一般考虑几个指标的数据:用户覆盖量、广告曝光量、CPM、CTR和CVR。其中,CPM、CTR和CVR指标如果采用定向前、定向后的对比提升数据,则更有衡量意义。

我们来看一下定向实操上的常见优化场景。

1. A/B Test设计,用于新定向方式的广告上线

可使用同一广告计划下的两条或多条广告进行A/B Test(A/B测试)。实验组为使用新定向投放的广告,对照组为使用其他定向投放的广告。

分析人群覆盖数、CPM成本、CTR及CVR提升数据,从而调整定向方式进行优化。

2.拓量方案应用,用于解决高质量用户覆盖率低的问题

常见的一个问题是高质量数据用户在投放覆盖的时候召回率过低,导致曝光量少。此时,拓量操作(Lookalike)来增加目标用户量成为最常用的方案。

腾讯广告平台上有两种Lookalike(拓量)方案。

第一种方案,我们称之为种子用户学习法(PU-Learning)。PU-learning是基于用户画像和关系链对于相似用户进行挖掘,拓量机制会考虑多维因素。

第二种方案,则是基于社交网络的标签进行拓量。其维度更强调标签的相关性。

无论哪种方案,拓量后的效果往往会有下降。实际使用中为了保证效果,一般不建议超过10倍级以上的拓量比例。

拓量方案的效果衡量及优化,通常使用三类用户分组来完成,即拓量人群组、原始人群组以及随机组。其中拓量人群与原始人群的对比是为了看到人群覆盖与效果降低的均衡点;而拓量人群与随机组的对比,则是为了确保拓量后人群效果不低于随机人群。

上述优化建议针对的都是精准人群定向的单一维度。实操中,对于曝光较少的用户定向,可以采用提高出价的方式来获得更多曝光机会。另外,对于点击成本高的人群,也可以通过更换更匹配的创意、高点击创意等方式来实现。

问题归因往往单一维度比较有效,但优化方案往往需要组合出价、定向、广告位、创意等多维度,以降低试错成本。

地域+品线+活动组合维度案例

在此案例中,广告主推广某干果生鲜O2O类APP的下载。此案例仅在巨量引擎上做APP的推广,但因客户业务有分品类做城市定向推广的要求,且有单品或品牌活动配合,因此我们需要组合维度,如图3所示。

我们先划分了三类广告组,即城市+单品、城市+活动、线上优惠券类,然后在每个广告组内再按定向和广告创意来分广告计划,从而在账户结构上平衡了测试场景的完备性和有效性。

账户结构直接体现在广告组、广告计划的数量及命名上。广告组、广告计划的命名通常遵循以下几个要点。

(1)广告组、广告计划命名逻辑清晰,辨识度强。

(2)广告组、广告计划名称不要重复。 

(3)建议以固定格式命名,不同定向维度或素材样式可采用连接符进行区分。

关于作者: 七里香赚钱网

热门文章

发表评论

邮箱地址不会被公开。 必填项已用*标注