• 您好,欢迎来到千年教育知识服务平台  
  • 登录|
  • 注册
  • [退出]
网站数据统计:今日0套 共更新21008套课程

数据运营笔记:广告投放的数据思路

更新时间: 2020-10-27 12:02:12 点击数:

文章以APP拉新为例,分享了一套套数据分析框架,希望对你有益。

产品运营三大核心指标:拉新、活跃、留存。相信每一个小伙伴都不陌生。

不同的产品阶段可能运营策略重心会有所不同,但肯定对于各种拉新活动并不陌生,例如H5活动、广告投放、软文扩散、渠道换量等。

每一轮的投放活动都需要衡量投入产出比ROI,每一次活动结束都需要进行复盘讨论,每一轮迭代投放都可能在验证一些猜想。

我们的目标是:用合理的投入成本,通过各类途径优化,最大化效果产出。

但实际的运营投放中,往往会遇到各式各样的投放方式:

这个渠道说,我们不能实现不了直接跳转下载;

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;

还有的时候,一个渠道上,就有3个不同的位置x3种素材x3种跳转方式,跳转应用市场之后到底下载了木有,打开APP了木有,效果怎么衡量,头有点晕……

但其实,我们关心的是以下几个方向:合理投入、优化路径、最大化产出。简而言之,我们关心的是:投入产出比

数据运营笔记:广告投放的数据思路(图1)

(在不同的渠道进行拉新)

如何找到最大化的投入产出比,这是每一个负责拉新业务的小伙伴都曾经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、效果是否符合预期。

这里暂时不讨论产品定位,我们只讨论丰富多彩的渠道投放的效果优化。

我有100种投放姿势,就问你敢不敢试~

这里,我们虽然是以APP拉新为例,讨论的是一种多渠道效果数据分析体系,但其实适用于每一个就算不是APP产品,或者你的拉新不是以增加APP用户为核心,都可以复用这套数据分析框架。

设定预期目标

首先,对于任何一次投放活动,我们都必须界定它的目标产出。只有在清晰的效果衡量体系下,渠道数据的对比才有意义,多渠道的ROI才有可比性。

对于APP拉新的投放活动来说,常见的预期效果可能是:

  • 提高对APP的认知(以传播广泛为目的)

  • 成为APP用户(APP下载并激活)

  • 在APP内完成特定行为(如购买、身份验证或者领取礼包)

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。

数据运营笔记:广告投放的数据思路(图2)

如果我们希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,有时候监控的数据可能无法实现理想的统计指标,我们可能会需要补充其他监控指标,有时候也无需如此精确的数据粒度。

我们最后监控的数据指标如下(表1):

数据运营笔记:广告投放的数据思路(图3)

而效果数据部分,则可以通过MTA的新增报表——安装来源分析实现。

数据运营笔记:广告投放的数据思路(图4)

为什么这里增加了“下载所用网络占比”?

原因是在下载完成到安装,这两个事件属于APP应用市场的原生事件,开发者无法主动采集,但我们依然关心这其中的转化步骤,主要是担心用户如果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。确定了目标,我们第二步就可以做投放过程的数据记录了。

投放过程记录

做这一部分的数据记录,主要的目的,一是为了复盘的时候方便做分析对比,二是为了优化迭代的时候更有方向。

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

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效性,是为了提升效果产出。

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

数据运营笔记:广告投放的数据思路(图5)

记录过程表2为:

数据运营笔记:广告投放的数据思路(图6)

(表2 广告投放策略记录)

*根据投放方式的不同,可能记录的方式也会略有不同

**具体的策略信息可以在详表中展开记录

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整记录。然后就可以通过数据来验证具体的投放策略的有效性了。

验证目标是怎样的投放策略,这一点需要在投放开始前就规划好,这样数据分析的时候才能得到有效的结论。

分析与优化效果

对于搜集到的众多详细数据,我们接下来就可以做一些数据上的结果分析了。

首先,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:

数据运营笔记:广告投放的数据思路(图7)

(表3.投放素材对渠道1的banner-1的影响)

如果我们想比较渠道1上Banner和Feeds流的差别,我们可以得到:

数据运营笔记:广告投放的数据思路(图8)

我们也可以针对人群定向投放效果、不同的投放时间,乃至渠道效果质量对比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,虽然说投放的姿势有千千万,但效果路径总是相似的。

如果你有丰富多彩的投放策略,不用急,不要慌,把路径理出来,控制策略的版本,采用A/B TEST等加快验证迭代速度,最终得到有效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,相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,其实也可以复用这个框架。

文章来源:人人都是产品经理