数据驱动和科学增长怎么落地?读这篇就够了( 五 )


Airbnb竞价和预算优化:
当Airbnb拥有了广告跟踪 , 归因 , LTV估算之后 , 他们就做好了针对每个广告进行竞价优化的准备 。 Airbnb在10,000多个城市 , 191个国家有listing 。 有些城市可能只有几个成功的转化 , 所以基于小的样本计算广告的价值可以很有挑战 。 团队开发了一套数学模型来解决这个挑战 。 在知道了每个广告的价值之后 , 他们可以基于想达到的投资回报率(ROI)来设定竞价和预算 。
为了能让Airbnb的系统跟广告平台更好的整合 , 他们还跟广告平台的销售方进行了紧密合作(比如说google的关键词UI) 。 销售方可以通过UI很容易的设定高效的目标和预算 。 最终Airbnb希望竞价和预算优化可以适应更微小颗粒度的实时互联网流量变化 。
这是一个利用用户LTV来反向优化广告投放的绝佳例子 , 同样的道理 , 在拥有标签能力后 , 无论是广告投放的ROI(本质上是CTR和转化率) , 还是站内的针对复杂用户群体的产品运营和人群扩大营销 , 都是可以通过算法的支持进行优化和数据监测 。
做好了这些 , 就自然走上了高效科学的运营之路 。
作者:顾青 , DTALK.org创始人;公众号DTALK (dtalks)
本文由 @顾青 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


推荐阅读