用心设计提升客户转化用心运营提高访客流量!

用心设计提升客户转化用心运营提高访客流量!
简单聊聊AD广告投放策略模型
来源:kisscssy | 作者:greatbon | 发布时间: 221天前 | 390 次浏览 | 分享到:

今天我将我几个月来学到的关于 Media Buy 的知识进行总结。

这是一个模型,最大的做用有三:


1.     给没有尝试过 Media Buy 操作的朋友简单介绍和观摩一下。

2.     给正在投放的朋友参考。

3.     老司机路过能给个指点一下,大家共同学习一下。


     
丑话说前头:

  • 很多内容是会意,不要尽信,当个参考,不保证任何结果。
  • 这是比较纯粹考虑投放技巧的文章,在 Media Buy 的操作中也只占一部分。
  • 很多角色行为并不完全符合每个流量源,没办法照搬照抄。
  • 全文半英文半中文,你懂的,名词一律英文。


------------------------------------------------------------------

名字解释( 接下来会用到的所有名词 ):        

Visitor:  用户,网站的浏览者。        

Website:网站,出租各种广告位。
Ad-Spot:  
广告位,一般是 300x100, 300x250 的大小。

Banner:  广告横幅,一般是 300x100, 300x250 的大小。

Impression:  曝光,一个用户看过一次广告,就算一次。
Traffic Source: 
流量源,打包各个网站的广告位统一出租。

Target:  流量源上的各种选项,比如选择手机选择桌面什么的。

Media Buyer:  媒体/流量购买者。
Offer: 
广告商提供的一些任务。

------------------------------------------------------------------
大前提:参与的角色都是逐利的(除了用户)。
------------------------------------------------------------------
整个模型参与角色:

Visitor        

Traffic Source

Media Buyer
------------------------------------------------------------------
Visitor
行为:
1.
浏览各种网站,顺带能看道各种广告,看一次就产生 1 impression

2. 我们假设是 手机端,那么一个用户在大概某个网站到关闭网站结束一些行为下,会有几次 impresison

a) 假设是个视屏站,一般视屏网站用户在浏览的时候 一般优先看到 首先的 300x100 接下来往下滑会看到 300x250,翻页之后还有几个 300x250,然后每个视屏又有 300x100

b) 所以简单来说一个用户平均产生 20 impression 应该没问题,所以我们就这么假设。

3. 所以是否最早看到的广告最有可能转化?

    基本是的。
------------------------------------------------------------------
Traffic Source
行为:

1.
因为流量源上有很多很多人同时购买流量,所以需要分配 impression,怎么分配?
2.
价高者得,所以就有 出价系统(又或者说 拍卖系统) 
3.
有出价就有预算。
4.
出价常见四种情况(当然不止了,随便列四种常见,注意预算消耗的快慢也和 impression的总量有关):

a) 低预算,低出价: Impression 量少,排在后面展示,预算消耗慢。

b) 低预算,高出价: Impression 量大,排在前面展示,预算消耗快。
c)
高预算,低出价: Impression 量大,排在后面展示,预算消耗慢。
d)
高预算,高出价: Impression 量大,排在前面展示,预算消耗快。

------------------------------------------------------------------
Media Buyer
行为:

1.    先从各个联盟选择一下offer

2.    挑选一个流量源进行测试。

3.    选择好各种各样的 target,确定预算 bid

4.    开始等结果。

5.    分析各种各样的数据,开始进行调整,targe 也好, bid 也好,budget 也好。

执行计划:

参与角色与数量:
Visitor:100
万位
Media Buyer: 3

Traffic Source:1

Impression:1000000 Visitor * 20 = 2
千万次 (上面说了每个Visitor平均20).

Media_Buyer_A:

出价: 0.1 CPM

预算: 200$
Media_Buyer_B:

出价: 0.3 CPM
预算: 100$
Media_Buyer_C: 

出价: 0.2 CPM

预算: 1000$

前提假设:

这里只有一种广告位。

出价高低决定广告位的曝光排位

预算的高低决定广告展示的数量。

越前面展示越容易进行转化。

流量源目的是尽量保证消耗完所有人的预算(因为它也要赚钱,花的多赚的多)。所有人都只投放 3 Banners

所有人的 Frequency Cap 都是 1/24( 24 小时内只给一个人看一次Banner, 但是你有3Banner,所以是3).

模型开始执行:

1.    首先第一个 Visitor 进入网站,那么现在要开始计算广告位展示谁的广告。

肯定是出价高的,预算大的先展示,不然怎么花完人家的钱?      

Media_Buyer_B 优先的到 第一次 展示。

那么按规矩

Media_Buyer_A 应该获得了用户 7 9 impression 

Media_Buyer_B 应该获得了用户 1 3 impression

Media_Buyer_C 应该获得了用户 4 6 impression

2.    继续第二位,第三位,第 N 位……

3.    我们来到了 111111 Visitor

为什么?

因为到这里 Media_Buyer_B 没有预算了 100 / 0.0003 / 3 = 111111

所以到现在为止: 

Media_Buyer_A 得到了 111111 * 3 = 11万人的33万位置 7 9 位的 impression

Media_Buyer_B 得到了 111111 * 3 = 11万人的33万位置 1 3 位的 impression
Media_Buyer_C
得到了 111111 * 3 = 11万人的33万位置 4 6 位的 impression

4.    现在开始,第 111112 位开始就没有 Media_Buyer_B 什么事情了,因为他没钱了。

5.    然后我们到了 666666 Visitor,因为 Media_Buyer_A 没钱了。

所以到现在为止:

Media_Buyer_A 得到了 111111 * 3= 11万人的33万位置 7 9 位的 impression
Media_Buyer_A
得到了 (666666 - 111111) * 3= 55万人的166万位置 4 6 位的 impression
Media_Buyer_B
得到了 111111 * 3= 11万人的33万位置 1 3 位的 impression
Media_Buyer_C
得到了 111111 * 3 = 11万人的33万位置 4 6 位的 impression Media_Buyer_C 得到了 (1666666 - 111111) * 3       = 166万人的467万位置 1 3 位的 impression


总结:想同的设定居然能拿到好量也能拿到差量,变化真的是很多。

----------------------------------------------------------

接下来说说根据这个模型我们能做什么事情。

实际在投放广告的时候我们一般想得到什么效果?
当然是 低出价,得到大量 排名靠前的 Impression

说白了物美价廉。

所以我们根据这个效果进行假设。

假设1: Visitor 减少。

结果: 如果你的 bid 很高,你也许会的到排名 1 12 位的 Impression

为什么:因为总 impression 不够了,但是为了吃完你的钱,只能给你安排点排名后面的位置。

解决方法: 控制 Frequency Cap 的数量,控制 Banner 的数量

假设2: Media Buyer 数量超多。

结果: 你可能会间歇性的到当前的 Visitor,意思就是你得到 1Visitor, 2个得不到,安排给别人了,然后第三个又是你。

为什么: 就因为超多啊,平台要赚钱,当然多少要雨露均沾。

解决方法: 大开大合,提高出价,提高预算

当然你也可以尝试纯粹捡尾量。

为什么: 有那么多人买量,网站质量肯定还不错,捡尾量也是一种选择。

假设N... 你们可以自己想想 

解释某些说法:一个 Campaign 一但盈利了,就不要去动它。

这是正确的,现实的投放活动,肯定比这个模型更加复杂,随便一动,系统肯定要重新给你排位置,所以你会发现你的流量立马开始不稳定了。

这里强行科普一下:

在编程设计某些软件的时候,如果对这种情况设定,我不会每时每刻都动态检查全部的 Campaign,来确定当前要给谁展示广告的!

为什么?

1. 计算量太多了,服务器爆炸,效率低都很有可能发生的。
2.
编程设计复杂,没必要,反正花你们的钱,搞那么复杂完美干嘛,差不多就好。

3. 每时每刻动态设定事情做多了容易出错。

所以一般怎么设计的?

当你 Campaign 确定好后,服务器进行计算,然后给你排在一张表的某个位置,当前的条件符合你,就给你上。

但是你要注意,进入表之前就给你计算好了的,不会每次都给你计算的。

但是如果你这时候能盈利,你修改了某些 Target,那么你就要退出这张盈利的排位了,你被从新计算。

那么你可能就排在另外某个位置了,然后你的上面一个和下面一个 Campaign 可能竞争力就和之前完全不一样了。

当然也不是说你再也回不去了,来回调整几次说不定能回去,但是好几次我都失败了。

另外:毕竟我没有做过流量源,只能说凭着自己的编程感觉来解释这个事情,我感觉有可能会这么设计,但不一定每个流量源都这么设计,也不可能设计都这么简单,但是万一你就刚好碰到呢?

Sweet-spot
:字译就是甜蜜的点,简单来说就是平衡点

你的任何投放策略都有最合适的点,这个合适的点能够最大限度的提高你的盈利。

有时候是低出价盈利,有时候是高出价盈利

有时候你排前面能盈利,有时候排后面盈利

所以你如果能知道整个投放模型会在你进行 target 的时候,改变了你什么,那么你就能得到你想要的位置。

最差也能了解一下这个流量源出价策略。

好了,模型基本解释完毕,描述了整个投放过程在流量源上大概经过了什么决策。我甚至都懒得检查这个模型的细节,写这个也确实累。

这个模型其实压根没办法直接套用在现实的广告投放当中,为什么?
因为我还有很多角色没有加入,比如各种 offer 各种 network
甚至我都没有写第二种模型的执行模式,比如各种高低价发生的可能。
但是个人觉得大前提逐利的情况下,这个模型能够提供很多参考。写那么多就是总结一下,给自己一年来的努力留个纪念,未来万一我赚钱了,我可以回头来看看我曾经在这里发现的一切。感慨,今年更努力赚钱。

<返回列表