数据经营笔记:广告投放的数据思路
本文摘要:文章以APP拉新为例,分享了一套套数据分析框架,期望对你有利。产品运营三大核心指标:拉新、活跃、留存。相信每个小同伴都不生疏。不同的产品阶段可能运营策略重心会有所不同,但肯定关于各种拉新活动其实不生疏,例如H5活动、广告投放、软文分散、渠道换量

文章以APP拉新为例,分享了一套套数据分析框架,期望对你有利。

产品运营三大核心指标:拉新、活跃、留存。相信每个小同伴都不生疏。

不同的产品阶段可能运营策略重心会有所不同,但肯定关于各种拉新活动其实不生疏,例如H5活动、广告投放、软文分散、渠道换量等。

每一轮的投放活动都需要衡量投入产出比ROI,每一次活动完毕都需要进行复盘评论,每一轮迭代投放都可能在验证一些猜想。

我们的方针是:用合理的投入本钱,通过各类途径优化,最大化效果产出。

但实践的运营投放中,往往会遇到形形色色的投放方式:

这个渠道说,我们不能完成不了直接跳转下载;

那个渠道又说,我们是做品牌的,高曝光才是我们的优势,转化不关我事;

还有的时分,一个渠道上,就有3个不同的方位x3种素材x3种跳转方式,跳转应用市场之后究竟下载了木有,打开APP了木有,效果怎么衡量,头有点晕……

但其实,我们关怀的是以下几个方向:合理投入、优化途径、最大化产出。简而言之,我们关怀的是:投入产出比。

(在不同的渠道进行拉新)

怎么找到最大化的投入产出比,这是每个负责拉新事务的小同伴都早年或者正在头疼的事情。

从上图的流程上看,我们可以优化的就是几个环节:产品是否吸引人、渠道是否优质、投放的方式是否高效、效果是否契合预期。

这里暂时不评论产品定位,我们只评论丰厚多彩的渠道投放的效果优化。

我有100种投放姿态,就问你敢不敢试~

这里,我们虽然是以APP拉新为例,评论的是一种多渠道效果数据分析体系,但其实适用于每个就算不是APP产品,或者你的拉新不是以添加APP用户为核心,都可以复用这套数据分析框架。

设定预期方针

首要,关于任何一次投放活动,我们都有必要界定它的方针产出。只有在明晰的效果衡量体系下,渠道数据的比照才有意义,多渠道的ROI才有可比性。

关于APP拉新的投放活动来说,常见的预期效果多是:

提高对APP的认知(以传达广泛为意图) 成为APP用户(APP下载并激活) 在APP内完成特定行为(如购买、身份验证或者收取礼包)

我们以常见的拉新——“APP下载并激活”为例,先搭建一个数据漏斗,看看我们效果环节上需要观察哪些数据。

假如我们期望监控的是上述内容中③的效果数据,我们就在激活之后继续添加下一层级的漏斗,统计例如加入购物车、确认下单、付款这样的流程。

在这样的漏斗流程之上,我们可以搭建监控指标,有时分监控的数据可能无法完成抱负的统计指标,我们可能会需要补充其他监控指标,有时分也无需如此准确的数据粒度。

我们终究监控的数据指标如下(表1):

而效果数据部分,则可以通过MTA的新增报表——装置来历分析完成。

为何这里添加了“下载所用网络占比”?

原因是在下载完成到装置,这两个工作属于APP应用市场的原惹事件,开发者无法主动采集,但我们仍然关怀这其间的转化步骤,主要是忧虑用户假如处于较差网络环境下,下载行为可能会被终止,因此这里用了“所用网络占比”这样的辅助字段数据。

这里的辅助字段数据主要是为了优化转化效果所做的准备。确定了方针,我们第二步就能够做投放过程的数据记载了。

投放过程记载

做这一部分的数据记载,主要的意图,一是为了复盘的时分便利做分析比照,二是为了优化迭代的时分更有方向。

依据埃里克·莱斯的《精益创业》中的观念:每一次的实验迭代,其实都是为了得到一个经证明的认知。

应用在推广投放体系下,每一次投放策略的设计,都是为了验证一个投放策略的有用性,是为了提高效果产出。

这个环节是一个多路分支,我们需要做一些版本记载,以便更好的定位问题。过程图大致如下:

记载过程表2为:

(表2?广告投放策略记载)

*依据投放方式的不同,可能记载的方式也会略有不同

**详细的策略信息可以在详表中打开记载

然后把表1的效果数据映射在表2之后,得到一条投放活动的完好记载。然后就能够通过数据来验证详细的投放策略的有用性了。

验证方针是怎样的投放策略,这一点需要在投铺开始前就规划好,这样数据分析的时分才干得到有用的结论。

分析与优化效果

关于收集到的众多详细数据,我们接下来就能够做一些数据上的成果分析了。

首要,我们可能想验证的是投放素材对渠道1的banner-1的影响,那么,我们把表2中渠道1单独拿出来,可以得到如下表格:

(表3.投放素材对渠道1的banner-1的影响)

假如我们想比较渠道1上Banner和Feeds流的不同,我们可以得到:

我们也能够针对人群定向投放效果、不同的投放时间,乃至渠道效果质量比照等多个维度进行数据分析,通过数据来验证我们的策略,优化投入产出比。

所以,虽然说投放的姿态有千千万,但效果途径总是类似的。

假如你有丰厚多彩的投放策略,不用急,不要慌,把途径理出来,控制策略的版本,选用A/B TEST等加速验证迭代速度,最终得到有用的投放策略与最大化的ROI效果。

以上是关于投放效果上的数据指标体系分享,类似的分析思路可以复用在不同需求的投放方案中,包括一些线上、线下的运营活动,其实也能够复用这个框架。

 

本文由 @腾讯大数据 原创发布于人人都是产品主管。未经答应,禁止转载。

题图来自PEXERLS,基于CC0协议


留意是中心页的展示次数。。。就是你看到某个资源位后点击进入的那个(可能包括下载按钮或链接的)页面


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。