业内流行着这样一句话：用户增长三板斧，投放、push和分享。渠道投放是用户增长非常重要的一个方向，以往渠道投放更多是重商务、渠道和运营，现在已经发展成了一个通过数据和技术驱动不断优化，精益求精的领域。技术在投放/营销场景正扮演着越来越关键的作用，技术的优劣和其应用的充分程度直接决定渠道的投放效率。越来越开放的广告市场（例如Marketing API）也给机器进行程序式智能优化提供了更大的空间，带来了人工投放无法企及的效率提升。本文将从产品投放时机的选择，网服行业常见的4个投放渠道优化方式进行介绍，其中将对当下最火热的信息流渠道做重点展开，针对单个点的技术方案，后续将会有单独的文章做专门介绍。
处于不同阶段的产品对于投放/营销的要求和目的也不尽相同：处于初期的产品，期望通过少量的投放推广获取种子用户，以验证产品PMF模型；处于高速发展需要优先抢占市场阶段的产品，期望通过大量的投放推广以迅速增加用户规模，这个阶段渠道ROI很可能只是一个参考标准，用户规模比ROI更为急迫；处于稳步发展阶段的产品，期望通过投放推广持续获取新用户，以增加产品规模，这个阶段投放ROI将是非常重要的标准，投放成本与用户LTV的合理配比是产品良性发展的关键因素。在产品留存（LTV）没有达到预设标准的情况下，并不合适开启大规模的渠道投放，用户第一次来到产品之后如果没有留下，再次获取他的成本将远远高于第一次的用户获取成本。
对于网服行业（绝大多数互联网产品都属于这个广告品类）来说，常见的推广渠道有厂商预装、应用商店、信息流广告、SEM广告等渠道类型。不同的渠道类型，投放效率优化方式并不一样。
-
厂商预装：商务谈判在厂商渠道中起主要作用，包括争取更低的预装价格，获得更多的厂商权限。产品技术在其中的发挥空间有限，但也并非完全没有。例如通过内外渠投放的方式，可以针对预装但未激活的用户进行定向投放，提升激活率，从而降低该渠道的用户获取成本。
-
应用商店：应用商店是一个质量不错的新用户渠道，但由于应用商店中的推广流量和自然流量都是应用的同一个APP包，再加之无处不在的厂商劫持，因此很难准确衡量应用商店渠道的推广效果。产品技术很重要的一个目标是拆分来自商店的自然量新增和推广量新增，可以采用AB-Testing的方式，如果停止推广，该渠道减少的量可以近似认为是实际推广带来的新增量。
-
SEM广告：虽然SEM整体规模已经不增长甚至有所下跌，但SEM渠道质量是很不错的，毕竟搜索是用户意图最强的表达方式。对于SEM广告仍还是有较大的空间，抽样很多百度上的广告不难发现，很多网服类型的投放素材和落地页并不是最优的。另外，在关键词选择和出价方式上也可以进一步提升效率，除了常用的扩词之外，还可以对不同query带来的新用户进行细分，分别预估其LTV值，反向来优化出价，针对不同的关键词给出更精细化和智能化的出价策略，从而提升投放效率。
-
信息流广告：信息流渠道投放已经越来越成为最主流的投放方式。今日头条在2019年全年营收达到1400亿，腾讯2019年广告营收达到683亿，还有快手的大几百亿，其中绝大部分也都是信息流类型的广告。整个行业的的绝大部分增量都来自于信息流类型渠道，因此信息流广告也是现在用户增长的重点投入方向，后文也将重点介绍信息流广告如何优化。
信息流广告与搜索广告有很大的区别，在搜索广告场景中，如果购买了某个关键词，每天获得的广告曝光量基本是稳定的。然而受限于信息流本身的产品形态，广告每天能获得的曝光量并不稳定（其实是非常不稳定）。因此信息流渠道的投放优化更为复杂，需要从多个维度来展开，广告的素材、定向、出价是最重要的三个因素。
图1 同一时间段5个新上广告拿量能力差异对比图
-
如前文所述，由于信息流产品形态限制，一个广告是否能获得大量的曝光很不确定，并且是小概率事件。因此我们需要大量的素材，以增加产生优质素材的概率。图1展示了在同一天上线的5个广告，在后续3天的拿量能力对比图，可以发现大量的广告无法获取期望的曝光机会。
-
即使某个广告在某段时间内足够幸运获得了大量曝光，但是也很难确保这种高曝光规模能持续较长时间。图2展示了一个广告的整个生命周期，在投放初期，获得了大量曝光，但随着时间推移，获取到的曝光量越来越少，甚至有可能为零。
因此，大幅增加优质素材供应是信息流广告投放的一个核心的命题，常见的解法是素材的自动生成和优质素材复用。
-
素材自动生成：大量投放素材，可以采用有限优质模板+丰富的原始内容进行自动组合生成。例如电商类型的产品，可以针对不同品类的商品设计多套不同的模板，再往模板中填充对应品类下的优质商品，从而形成多套不同素材。模板是经过设计师专门设计，并且还可以通过每个模板对应素材的投放反馈数据进行迭代优化，从而保证模板的质量；再加上对大量原始内容进行筛选挖掘得到优质的的候选内容，形成了优质的模板加大量优质的内容的组合，从而保证机器自动组合出的投放素材的质量和规模。内容型APP、游戏类型APP……等都可以按照此方式进行批量生成。
-
优质素材复用：对于之前尝试投放过，但未获得大量曝光的优质素材（实际点击率、转化率都还不错，但是未起量）进行重新投放，有可能带来意想不到的效果。究其原因，主要是由于广告平台在进行ctr/cvr预估时，与真实值存在偏差，经过一段时间这种偏差有可能修复，因此原本实际点击转化率就不错的广告，能重新获得更好的竞争力；另一个原因是竞争环境的改变，之前无法起量的原因有可能是广告竞争过于激烈，经过一段时间这种外部竞争变弱了，之前的潜力广告重新获得了更大的竞争力。
信息流投放大都采用OCPX形式，这种模式下对于新上的广告平台会优先分配一定的流量进行探索试投，根据探索环节中的转化数据，再进行用户定向和流量筛选。新广告的探索期是盲目和短暂的，在这个阶段广告平台并不一定能保证所有的广告都能探索到最合适的定向条件。如果我们能为每个新广告加上一个先验的定向条件，将对探索效率有很大帮助，多次实验证明对于广告拿量规模和拿量速度都将会带来明显的提升。
-
标签定向：各大广告平台都提供了丰富的用户标签，包括人口属性（年龄、性别……）、用户兴趣（moba游戏、时尚美妆……）、用户场景（终端、网络状态、时间段……）等，我们需根据产品的定位、素材内容的受众挖掘出每个广告合适的定向条件。
-
人群包定向：我们可以根据产品的用户人群进行细分，再结合之前投放的历史数据，挖掘生成得到N个种子人群包，当某个投放素材是希望获取某个种子包类似用户的时候，可直接关联该种子人群包作为定向条件。
OCPX的模式下广告平台希望广告主的投放过程变得越来越简单，广告主给出一个期望的转化成本，广告平台围绕这个成本出价来自动进行优化。广告平台会根据广告的实际出价（每个转化的Bid）及其CTR/CVR重新预估一个SmartBid，来参与整个广告的竞价和计费过程，从Bid到SmartBid的过程对于广告主来说是完全黑盒，再加上随时变化的竞争环境，使得对于出价的优化较为复杂。
价格优化的目标是围绕ROI和新增规模来进行的：出价需要和用户LTV强关联，以保证ROI能达到要求；在满足ROI要求的情况下可以适当提高出价以增加用户获取规模。每个广告带来的用户，我们需要根据这些用户在产品内的用户行为，快速预估出这部分用户的LTV情况，以 LTV*ROI为标准，来调整每个广告的出价。如果当某个广告达到ROI要求之后，并且在预算还有富余的情况下，可以试探性提高出价，以期获得更多的推广用户。整个过程看成是提高出价、预估新用户LTV，衡量是否达到ROI标准，如此循环往复的一个过程。出价调整的策略与新用户的获取规模，新用户的LTV都密切相关，可以将其建模为一个强化学习过程：在满足约束条件（ROI），获取更大Reward（新用户规模），让算法来更加合理的进行出价。
各大主流的广告平台都开放了Marketing API接口，以帮助拥有一定技术能力的广告主提升投放效率。虽然各家的API接口略有差异，但对于广告的绝大多数操作均可通过API完成，包括广告创建/下线、广告的调整（创意、落地页、定向条件、价格）、广告的数据统计（点击上报、激活回传、广告的消耗明细等）等等，图3展示了腾讯广点通Marketing API接口示意图。
图3 广点通marketing-api示意图
RTA：Realtime API，是广告平台对外提供的API中一个非重要的接口，通过这个接口，在广告曝光前让广告主可以对当前这次曝光是否需要做出选择，这大大提升了投放过程中的灵活性（可以认为RTA是人工直投和DSP投放的一种中间状态）。RTA在广告投放优化中起着非常重要的作用，可以用于拉新场景中的黑名单用户过滤，指定用户群拉活，甚至可以用于优化转化效果，后面将会写一篇专门的文章来讲述如何应用RTA能力。
正是因为广告平台提供了丰富的API能力，在投放过程中才能更方便对广告进行创建/下线，广告创意、定向条件、成本出价等多维度进行优化。通过广告本身的投放数据和其所带来的用户在产品中的数据表现，结合机器学习模型，迅速对投放的广告进行优化。不管优化的粒度，还是时效性都远远超过传统的人工优化方式，通过数据和技术驱动实现投放效率的大幅提升。
本篇文章来源于微信公众号: 聊技术做增长
原创文章，作者：数字时代，如若转载，请注明出处：https://www.timedigital.cn/3312
