如何有效的进行广告的投放（分享一文解读广告投放全攻略）

每(mei)家公司都绕不开(kai)的效的享文一个命题是(shi)——用户从哪来？伴随互联网生态的发展，以效果广(guang)告获取用户的(de)进行解读方式越来越成(cheng)为企业高效获客和营收增长的手段。如何更好(hao)地进(jin)行广告投放，广(guang)告广(guang)告成为一个(ge)值得探讨的放分(fen)话题。

本文(wen)聚焦数(shu)字营销中(zhong)的投放投放(fang)运营，洞察新语境下品牌数字营销的全攻机遇与挑战，伴随着新技术能力的效的享文发展，品牌该如何提升拓客(ke)能力和效率？进行解读在进(jin)行全渠道投放时，该如何搭建有(you)效的广告广告指标监测体系，赋能营销效果提升。放分

一、投放数字化营销的全攻新趋势与新(xin)能力

过去的 2021 年可谓数据隐私元年，随着(zhe)数据安全监管升级，效的享文数字化营销面(mian)临新挑战。进行解读

针对以上挑战(zhan)，如何完成营销突围？我(wo)们提供三大方向供参考。

（1）基于全域用户关联的归因(yin)分析

基于稳固的 ID-Mapping 能力，合规获取多域、多渠道、多业务场景的用户 ID 拉通，同时通过实现(xian)不同角度的(de)归因分析，赋能精(jing)益化(hua)获客。

（2）TA 模型训练与(yu)触媒偏好判断

对于已(yi)经归因(yin)好(hao)的设备和模型，如何更好地训练与(yu)发挥数据效应(ying)？比(bi)如(ru)深度挖掘品牌受众的(de)数据(ju)资产价值，训练高价值潜客的人群算法模型；比如挖掘潜客的触媒偏好，识别“高价值(zhi)潜客集中度高”的媒体进行投放，提升投放效率。

（3）新流量(liang)渠道(dao)的商业化(hua)潜力与投放管(guan)理

面对这些挑战，如何释放数据价值，实现高效拓客？围绕着(zhe)数据获取、数据分析及数据赋能三个维度，最终要(yao)做好三件事情：用户洞察、公域获客、私域(yu)运(yun)营。

二、数(shu)字化(hua)能力升级，提升全渠道(dao)拓客能力

基于广告业务视角下的整个链路，主要由媒体、数(shu)据接口、数(shu)据处理三个环节组成。

首先在媒体侧，媒体会提供用户点击广告时(shi)下发的设备信息，由广告主的数据接收层接受上报的设备号；用户侧使(shi)用 App 时，在用户同意授权的前提下，通过合规 SDK 收集到相关设备号信息，如果两个设备号完成匹配，就认(ren)为是某次广告点击带来了(le)一次有效的转化(hua)，即激活；与此同时，通过广告而进入到私域的产品时，将(jiang)会为该设备用户分(fen)配一个唯一的(de) UID。

神策强大的 ID-Mapping 技术能力，能够帮助企业打破公域媒介数据和私域用户行为数据的壁垒，完(wan)成媒体广告二方数据(ju)与落地页、App 等(deng)一方(fang)用(yong)户行为的统一串联，支持全链路转化效果分析。

另一方(fang)面，神策数(shu)据(ju)建立了自归因、Specific ID 匹配、用户/设备 ID 匹配、IP+ 辅助条(tiao)件匹配等广告归因模型，配合多重归因校验规则，实现不同转化层级的广告受众分析，还原高价值受(shou)众画像(xiang)；同时，深链路的用户转化行(xing)为可以通过灵活的深度回传能力赋能广告媒体(ti)进行 oCPX 投放，驱动高效拓客，优化获客成本。

在广告投放(fang)中，涉及到实际用户行为时(shi)，可能存(cun)在用户在不(bu)同媒体平台进行访问的行为，比如用户 B 在抖音点击广(guang)告后，同时(shi)又通过其他方式访问了官网的落地页并下(xia)载激活 App。这(zhe)个时候就需要通(tong)过归因能力识别出访问(wen)落地页的用户与在抖音点击广告的用户是否为同一个设备实体。如果同时用户 B 又在快手看到了广告并产生点击行为，那(na)么通过神策 ID-Mapping 跨域用户识别的能力，我们可以(yi)清晰的得知该设备归因于后链路的访问(wen)行为。

虽然已经存在很多用户匹配的手段和方法，但实际的业(ye)务场景中很难做到百分百匹配。比如在线下渠道（公交、地铁及楼宇广告）投放广告时，如何更准确地归因到某一班地铁或是某个小区电梯广告，面临不小的挑战。对于这类情况，可以通过模糊归因提升匹配的准确(que)度，比如通过解析 IP 字段或操作系统版本号等更多公用参数，提升模糊匹配的准确率。完成(cheng)以上(shang)匹配后，再进行(xing)跨域用户识别，洞察不同用户的特征。

识别潜客高集中度媒体，优化频控策略

用户的行为千变万化(hua)，我们无法得知(zhi)同一个用户在不同媒体侧的行为，以及被不同媒体打上了哪些标签，所以也无法避免同一个用户在不同平台看到同一个广告的情况。

任何用户在同一个时(shi)段对于某品牌的广告曝光都会有经历从认知-接受-熟悉-转化的过程，但没有用户喜欢铺天盖地的广告轰炸，所以如何找到潜在客户在(zai)不同媒体之间的(de)重合度，变得很重(zhong)要。

比如，实际广告投放中，如果对曝光数据进行监测，能(neng)够辨识不同设备号在多个媒体重复曝光的情况。

假设有(you)这样一群用户，已经在巨量引擎、百度信息流和广(guang)点通三个渠道重(zhong)复曝光 5 次，那么数字 5 对于一个用户来说，究竟意味着什么？

如果抽取某个百万曝光的(de) Campaign 中的点击率分(fen)析，假设发现用户对同一个系列的广告接受程(cheng)度在 5-6 次时，CTR 是最高的，曝光超过 6 次之后，CTR 明显下滑，那(na)么(me)灵活地调整针对这部分用户的竞价策略就显得(de)尤为重要(yao)。

媒体重合度分析——科学(xue)优化流量竞价策略

既然(ran)已经通过数据分析得到 CTR 会下滑的现状，那么接下来要(yao)做的事是尽最大可能想办法将这批用户进行转化。

这时通过对业务数据的掌握，比如(ru)哪个渠道适合(he)做首次曝光，哪些渠道适合做业务(wu)转化(hua)，就可以把适合做曝光的渠道定义为本次投放的引流渠道，把(ba)适合做转化的渠道定义为转化渠道，再基于媒体不(bu)同的(de)受众制定(ding)不(bu)同的转化(hua)策(ce)略。

同时，我(wo)们可以将已(yi)经转化用(yong)户的一些特征行为，比如所在城市、业务动作等通(tong)过 API 接口的形式回(hui)传给媒体，由广(guang)告媒体帮我们找到更合适转化的受众人(ren)群。

假设某款产品有一百万注册用户，其中(zhong)有(you) 5000 个非常忠实的铁杆用户，在产品粘性和付费能(neng)力上表现突出。除了高留存率和高付费力两(liang)个指标外，这群铁杆用户在设备机型、渠道来源、城市省份等维度上，是否还具备共性特征？

这时候可以通过算法进行相关模型训练，在一百万注册用户中找到非常接近上面 5000 名铁杆粉丝特征的群体，还可以通过数据维度的调整(zheng)增加或减少人群规模。计算出来的用户越少，意味着受众相对越准确，数量越多则代(dai)表用(yong)户画像越(yue)宽泛。

之后再将我们认为适合的受众群体上传到媒体海量的用户库中，由媒体进行第二次模型匹配，即常说的 lookalike，确保能够在公(gong)域潜客(ke)池子中找到对产品更感(gan)兴趣且更适合的用户群体。

基于实时 API 对(dui)接能力，提升获客效率

接下来介绍最近在广告业务中很热门的一项能力——RTA。

RTA，即 Real-Time API，通(tong)过媒体提供的(de)实时 API 接口，能迅速完成程(cheng)序化竞价，达(da)到更优的竞价策略，满足动态调整的需求。

常见的(de) RTA 业务场景有竞价频控，在(zai)不同的阶段采用不同的竞价策(ce)略以及基于个性化的指标完成竞价策略与素材的调(diao)整，比如基于 ROI 自动(dong)进行预算和出价调整，以及自动计算素材在不同时段的跑量效果，调整前端素材的展现等。

这时 RTA 会基于用户自身特(te)征，比如是否高价值等，来判断是否符合某个竞价策略的触发条件，如果符合的话，则面向该用户的出(chu)价策略和文案素材策略也会随之匹配。于是，这个用户可能(neng)会在某个(ge)短视频平台刷到一个(ge)前几天非常(chang)心仪的吸尘器产品，伴随着产品精美的素材宣传，该用(yong)户最终完成了一次有效转化。

RTA 的动(dong)作都是基于程序自动化运行(xing)，包括人群定义和筛选、广告平台受众定向、出价策略、素材策略等，而广告主更多要做的是及时(shi)基于(yu)相关数据调整 RTA 策略。

ASA —— App Store 广告生态的(de)新变革

ASA 即 Apple Search Ads，苹果应用商店搜索广告。广告主投放后，其 App 会出现在 iPhone 和 iPad 的 App Store 搜索结果的第一位，以此高效获得(de)用户。2021 年 7 月，ASA 在中国大陆地区正式可用。

面对 ASA 及其(qi)他多种并行投放渠道融合的复杂场景，如何做好正确归因成为众多尝鲜广告主关心的话题。

通常，广告主在 iOS 端投放推广 App 时，最终都(dou)会跳转到 App Store 这一步，而此前苹果公司并没有提供用户在 App Store 侧的(de)数据给开发者。这样，广告主投放(fang)后没有办法准确地追踪每一个用户在整个广告投放链路中(zhong)的完整轨迹，也就没有办法准确地衡量(liang)该渠道的具体推广(guang)效果。

现在，神策数据通(tong)过对接 ASA 渠道，可以在用户点击苹果应用商店搜索广告后，接入 App Store 的归因数据(ju)，帮助广告主追踪每(mei)一个(ge)用户在整个广告投放链路中的轨迹。

通过 ASA 的归因，我们可以做到之前 ASO 优化无法想象的(de)数据粒度。原来可(ke)能无法(fa)知道 ASO 的投放效果，而现在我们可(ke)以知道不同热度的(de)关键词、在某一个(ge)时间周期内花费(fei)多少钱，能带来多少有效的(de) App 激活(huo)及后续转化数据，从而能够对激活成本、转化率、ROI 等指标进行优化。

多维度标签组合，持续关(guan)注 A/B 测试的获客双效

版权声明：本文内容由互联网用(yong)户自发贡献，该文观点仅代(dai)表作(zuo)者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关(guan)法律责任。如(ru)发现本站有涉嫌抄袭侵权/违法违规的内容， 请发(fa)送邮件至(zhi) 1817475@qq.com 举报，一经(jing)查实，本站将立刻(ke)删除。