附信息流媒体投放技巧 属于常见的信息流媒体有哪些( 二 )


如果媒体能把每个人的广告点击率估算到100%准确,也就是媒体完全有能力在一定时间内为有需求的用户挑出那些能让媒体利润最大化的广告 。
当然,实际情况更复杂 。还有一些限制,比如每个广告主每天的预算/时间预算,广告展示频率的控制 。总之,这只是一个在指定条件下求最大值的数据问题 。
包括自媒体推出的OCPX投放,本质上是基于自媒体对广告收入的预估而推出的多种广告流量分配策略,将对广告主的转化效果的考虑作为新的约束条件加入其中,使自媒体和广告主都能尽可能多的获利 。基石是基于“媒体点击率预测模型” 。
一旦“媒体点击率预测模型”出现偏差,媒体收益将不再最大化 。偏差越大,媒体营收离理想营收越远,广告主就越会抱怨 。为了这个崇高的“理想”,媒体会想尽办法去吸奶,也会无限追求更准确的“媒体点击率预测模型” 。
在追求更精准的“媒体点击率预测模型”中,模型算法不断优化迭代,进化速度惊人 。因为背后的驱动力来自于极其丰厚的商业回报 。
可惜“投放好了,突然没流量了,但是素材、文案、定向、出价等等都没变” 。这个时候,也许就会发生 。
媒体算法升级:也许之前的预估模型中,“你”的广告被预估收益很不错,而在媒体广告策略升级之后“你”的广告被预估收益可能却会不怎么样了 。这时候再去竞争“不变的因素–“特定人群的有限次广告曝光机会”时,当然就吃了亏,拿不到之前的曝光机会 。换个角度,或许在之前的预测模型下,“你”的广告才是占了便宜的那个,所以之前的效果很好;也许在新的预测模型下,你的广告才是被冤枉的一方 。
关键是,媒体的预测模型不是你能控制的 。总之,在这种情况下,别无选择,只能通过调整素材、文案、定向、出价等因素来影响媒体对你新广告的预估,试图从“亏损”的预估回归到“正常或优势”的预估范围 。
小流量测试:一般媒体的策略升级,不会直接“推全”,一定有小流量测试,就是选取会被新的广告策略影响的一小部分广告主&一小部分广告物料进行测试 。如果“你”和“你的广告物料”被抽中了,投放效果也许就会产生波动了 。媒体新策略的每一次小流量测试,都不一定成功达到预期,所以有时候上线一段时间就撤了 。为了广告主的业绩,莫名其妙地恢复了“你”和“你的广告素材”的推广效果 。
广告策略的缺陷:前面我举例的时候是大大简化的信息流广告竞价,真实情况是一条广告被展示,中间要经历若干环节:考虑广告创意审核,考虑当前广告受众的历史兴趣、历史搜索词、实时兴趣、实时搜索词、性别年龄地域等社会属性,进入广告候选集考虑广告与当前受众的相关性,基于当前受众的多种标签考虑让那些广告主的广告进入候选集即广告的多样性、广告候选集还有粗选和精选 。对于一个广告受众来说,通过层层筛选,从几万几十万的广告库中筛选出几十万的广告候选集,这就是广告点击率估算的环节 。在前面的环节中,如果有任何一个环节“你的广告”不幸被淘汰,“你”就没有机会参与这个受众的广告竞价 。
媒体策略也在不断升级,不仅是在广告点击率预估上,更是在之前的环节上(媒体称之为“广告策略”) 。对于更多的广告主来说,是优化,而对于另外一小部分广告主来说,是灾难 。
不变因素也会变 。
原来不变的因素开始变了!媒体流量,人群层次,人群区域,媒体内容调性永远不变?
媒体流量、人群属性、人群区域可能会在短时间内发生变化 。这背后的原因是媒体也需要不断购买新的流量,这样才能让媒体流量保持增长 。新购买的流量与原有媒体流量结构不完全一致,从而影响“人群属性和人群区域” 。
这种变化的体现很可能是“流量继续存在并被转化,但形态质量继续略有下降” 。
媒体本身的流量结构在流量购买的过程中发生了变化 。在新购买的流量中,与你家业务匹配的广告受众比例远远小于原有的媒体流量 。
面对这种“流量不断变化,但形式质量不断下降且略有下降”的现象,广告主往往会抱怨“媒体填充”,却无法做出一刀切的判断 。
比如:原媒体DAU 1000万的时候,活跃人口集中在北上广;但是,在购买新流量的过程中,媒体流量结构发生变化 。当DAU达到3000万时,60%的活跃人口来自三四五线城市的新增城市 。
假设“你”的广告是学历教育,针对18-25岁人群 。此时“你”的感受可能是“流量在不断变化,但形态质量在不断微降”,而原因可能是不同地区的人需求强度不同——北上广深一线城市就业对学历要求更高,而三四五线城市学历是加分项 。


推荐阅读