信息流广告投放是一门玄学吗 2015、2016年是信息流（Feed流）广告增长相当迅猛的两年，广告优化师群体中也衍生了专门的信息流广告优化师岗位。由于当时信息流广告行业很新，所以大部分信息流广告优化师要么是SEM搜索引擎广告过渡而来，要么是实习生、应届生，要么是转行过来的，反正大都是半路出家。最早的信息流广告平台代表是微博粉丝通（社交类产品代表）。不过，近几年国内的前两大信息流平台已经非巨量引擎和腾讯广告莫属了，它们也是优化师们最喜爱的两个投放平台：一来因为它们量大质优，二来因为它们的广告平台相对成熟易用（毕竟是大厂出品）。尽管如此，在日常运营中，优化师们仍有很多不解的为什么。因为大部分优化师不懂广告竞价投放的底层逻辑、不懂数据监测和归因逻辑、不懂投放平台背后的算法逻辑。对他们来说，广告投放就像是盲人摸黑走路，免不了走错路和碰壁，起不起量靠80%运气加20%平台熟悉程度或经验。哪怕是跟着信息流广告一起发展过来的、有着五至六年信息流广告优化经验的那些优化师们，也没几个敢说自己有多牛逼多专业。优化师们之间的差距更多的是以“信息流广告从业年限”和“广告操盘预算”来区分，优秀的优化师都是用广告预算不断测试和试错中锻炼出来的。然而他们当中的大部分却觉得自己的优化方法很多时候是在机械重复或者钻空子，上不了台面（详见《广告行业里面那些明知不合理却大家都在干的事》）。当然也有一些优化师刚入行，进入了一个好团队或好项目之后，也是能够快速成长的。其实，信息流广告优化师的入门门槛也不算太高，更多的是看你是否有足够的数据敏感度、逻辑分析思维和学习总结能力。近几年，信息流广告行业最常听到的一句话就是：“广告投放是一门玄学”。为什么我设置的跟别人一模一样，但是我却投不起量？为什么我明明出这么高价了，还是没量？为什么跑得好好的计划，没量了……所谓的玄学问题，很多是因为冷启动时候的学习期没学好以及成熟期跑量的时候没有把握好投放设置的分寸。即使是你抄别人同样的设置，但是冷启动过程不一样，投放结果自然不一样。 冷启动通过学习期，虽然不是广告起量的充分必要条件，却是重要的一环。学习期通过并不保证能起量，而学习期失败也不必然导致不能起量。这里所说的学习期主要针对oCPX出价（巨量引擎和腾讯广告的oCPM、oCPC）而言。 oCPM本质上是按CPM计费，但广告主可以设定CPA目标转化价格进行出价，由广告系统自动根据投放数据预估点击率和转化率，将广告主设置的目标转化价格转换成CPM参与竞价。oCPC同样如此。 oCPX出价的广告计划从建好开始算起，会经历三个时期：冷启动的学习期、成熟的跑量期、衰退期。由于新建的广告计划是从零开始的，没有数据积累，因此有一个冷启动的学习过程。广告计划在冷启动阶段的表现，在一定程度上决定了其在成熟期能跑的量级和成本。 新建好的oCPX计划在学习期间，由广告系统在整个流量池中进行投放探索，收集足够的转化数据来建立算法模型。并非每个计划都能通过学习期的，比如巨量引擎，4天内20个转化就能结束学习进入成熟期，如果积累不够20则会显示学习失败。 计划也有生命周期，如果一直使用同一创意进行投放，那么创意可能会在流量池中变得同质化严重，进而导致计划进入衰退期。因此，素材和创意需要不断更新。 系统学习期间，一般都会超成本，且量也不稳定（甚至可能没量）。为了确保广告主们可以放心大胆地测试投放，巨量引擎和腾讯广告提供了成本保障政策，平台和广告主共同承担前期测试超成本的风险，当成本偏差较大时（一般超过20%）进行赔付。当然还有一些赔付条件，比如转化数量达到多少才有资格。另外，学习期间尽量不要去暂停计划，修改计划的动作也不要过频繁，超过修改次数（每天修改广告计划出价或定向其中任意一个的次数不能超过2次）就不赔付了。频繁修改出价或定向不仅影响赔付资格，还影响系统学习期效果。 学习期（成功）结束则进入成熟期，意味着这个计划大概率都能稳定跑量了，成本也相对稳定了。 广告计划在成熟期的表现能否与学习期一样好，甚至更好，很大程度上取决于优化师的技艺。如果在学习期未能通过，那么大概率意味着无法顺利推进，但仍然有可能通过努力实现逆转。此时，优化师可以着手调整创意、标题、落地页以及回传事件等，同时关注竞争环境和时机的变化，从而有望让失败的计划重新焕发生机。 当用户打开APP时，如果该APP中包含了信息流广告位，巨量引擎或腾讯广告系统是如何决定将广告投放给哪个广告主和哪个广告的呢？ 广告投放的竞价判断受到定向、预算、余额、用户体验、出价、素材和落地页等多种因素的影响。具体来说，广告系统会根据这些因素进行广告筛选和竞价排名，并确定每个因素影响力的大小。以巨量引擎为例，其信息流广告竞价投放流程如下：
- 用户在抖音APP上浏览时，巨量引擎会收到一次抖音广告位的竞价请求。
- 巨量引擎会对整个平台的广告账户和广告计划进行层层筛选。
- 广告计划的定向设置的人群是否包含该用户（系统根据广告主的定向设置进行第一道筛选）。
- 广告计划是否有足够预算和账户余额（系统根据预算和余额进行第二道筛选）。
- 该用户是否在同一周期内看过同个/同类广告太多次（系统根据频次控制进行第三道筛选）。
- 该用户是否不喜欢这个/这类广告（即用户是否曾经点过不感兴趣或举报），系统根据用户体验进行第四道筛选。
- 经过前面四道筛选后，系统会评估广告计划的出价竞争力，计算预估广告eCPM（公式为eCPM=oCPM目标转化出价*预估点击率CTR*预估转化率CVR*1000）。
- 系统还会考虑广告主对广告计划有无负向操作的影响，例如长时间暂停广告计划、广告创意多样性低等。
- 结合广告质量（与用户体验有关）、创意的多样性、标杆eCPM等指标，综合判断广告投放对巨量引擎的收益影响，计算出最终eCPM进行排序，并将eCPM最高的广告展示给用户。 虽然各大信息流广告竞价系统的流程基本相似，但它们之间的区别主要在于各个环节的先后顺序以及各因素的影响力。此外，广告平台还可能会根据行业特点（如品牌广告、游戏行业、电商行业）进行额外的筛选过滤。 广告投放的量级和广告主、行业、转化目标的多样性，对广告投放平台是非常重要的。它可以为一个新产品的冷启动投放更好地提供数据参考和指导，这也是巨量引擎和腾讯广告敢提供成本保障政策的底气所在。 点击率和转化率的预估一般离不开look-alike这个词，即寻找相似的因素。这些因素有用户、广告产品、广告位、创意、落地页、转化类型等。广告系统的look-alike逻辑，其实跟乙方优化师的某部分工作很相似。当乙方优化师接到一个新项目时，广告主通常会要求预估点击成本或转化成本，乙方优化师基本也能给个预估数据，然后再在测试投放中去修正这个数据，并不断优化。 比如擅长游戏广告投放的优化师，新来一个游戏广告项目的时候，优化师会判断这个游戏类型，如传奇游戏类则对标之前投放的传奇游戏类的投放成本等。如果是没投放过的游戏类型，也同样可以按照相似游戏人群的那款/那类游戏的点击率和转化率预估，并会用游戏包的大小差不多的那款游戏来更准确地预估数据。如果是没投放过的行业，也是可以按照相似目标人群对应的那个广告产品投放的同个广告位数据来作为冷启动数据参考。如果是没投放过的广告位，比如新闻资讯类的大图信息流广告位就参考新闻资讯类的已投放过的那些大图信息流广告位的投放数据。 如果现在要投放教育类产品，之前投放的是下载类的，现在要投放的是表单类的，你会怎么找相似因素来预估表单成本？上面列举的是大概思路，广告系统look-alike逻辑也差不多，但会更精细、更严谨，主要是找到那些相似的因素有哪些，然后尽可能的在同类或者相似类别中去look-alike，而不至于每次都是从0到1探索，那探索成本就非常高了。 我之前在《一名程序化广告老从业者的十年总结》一文中也总结过，大型媒体私有DSP的优势正是在于其“客户资源丰富，算法模型能够训练得更好”：客户种类比较丰富，每个种类下面的客户数量也多，对于训练算法很有好处，算法可以根据用户点击了哪些行业的广告等数据更好地得以训练优化，比起独立第三方DSP来说，基于客户种类的用户的广告行为等数据都要丰富，算法模型得到了更好的训练。所以广告投放的量级和广告主、行业、转化目标的多样性，对广告投放平台是非常重要的，它可以为一个新产品的冷启动投放更好地提供数据参考和指导，这也是巨量引擎和腾讯广告敢提供成本保障政策的底气所在。 为什么一个新账号的冷启动这么难？ 这个问题的答案取决于许多因素，包括行业、产品类型以及目标受众。例如，对于一些受众广泛的产品，如大电商或大游戏，新账号的学习期可能相对较短，起量也相对容易。然而，对于受众较窄的产品，如灰产行业的加粉或表单服务，冷启动可能会更加困难。此外，广告归因问题也是影响冷启动的一个重要因素。如果广告归因不准确，可能会导致广告效果评估不准确，从而影响冷启动的速度和效果。 为什么我出这么高价都还是起不了量？ 价格并不是唯一决定广告效果的因素。除了价格之外，广告创意、投放时间、媒体流量池子波动等也会影响广告效果。有时候，即使出价很高，但由于竞争激烈或者广告创意不佳等原因，仍然无法获得足够的曝光和点击。 为什么平时跑的最大量的计划突然没量了？ 这种情况可能是由于多种原因造成的。首先，可能是由于竞争对手的广告活动发生了变化，导致你的广告在竞争中处于劣势。其次，可能是由于广告内容或创意出现了问题，没有吸引到足够的用户点击。最后，也可能是由于广告投放的时间选择不当，导致广告曝光率低下。 为什么同样的创意一个能审核通过，另外一个却不能？ 这可能是因为不同的广告创意在不同的平台上表现不同。有些平台可能对某些类型的广告内容更为敏感或偏好，而另一些平台则可能对其他类型的广告内容更为接受。因此，即使两个广告创意非常相似，但在不同的平台上的表现可能会有很大差异。 为什么CPC计划转oCPC计划后跑不起来了？ 这是因为oCPC（每次点击成本）是一种按点击付费的广告模式，与CPC（每次千次展示成本）相比，oCPC更加注重广告的点击率。因此，如果你的广告在CPC计划中表现良好，但在oCPC计划中点击率下降，那么广告的效果可能会受到影响。 为什么我的计划点击率、转化率都不错，量却始终提不起来？ 这可能是因为你的广告策略需要进一步优化。例如，你可以尝试增加广告预算、调整广告投放时间、优化广告创意等方法来提高广告效果。同时，也需要关注广告的转化过程，确保用户在点击广告后能够顺利地完成购买或其他目标操作。 为什么计划一过了学习期，就没量了，或者成本就一直往上涨？ 这是因为学习期结束后，广告系统会重新评估广告的有效性并进行调整。如果广告效果不佳或者不符合平台的要求，广告系统可能会降低其曝光率和点击率，从而导致广告成本上升。因此，为了保持广告效果，你需要持续监控广告数据并根据需要进行相应的调整。 广告创意审核的通过与否，往往受到多种因素的影响。一方面，创意的内容质量是关键因素之一。如果创意内容质量高，能够吸引目标受众的兴趣，那么审核通过的可能性就会更大。另一方面，创意与广告主题的相关性也是审核过程中的重要考量。如果创意与广告主题紧密相连，能够准确传达广告信息，那么审核通过的可能性也会更高。 此外，创意的创新性也是审核过程中的重要考量因素。如果创意新颖独特，能够引起受众的关注和兴趣，那么审核通过的可能性也会更大。同时，创意的可执行性也是审核过程中的重要考量因素。如果创意能够在实际的广告活动中得到有效实施，那么审核通过的可能性也会更高。 总的来说，广告创意审核的通过与否，受到多种因素的影响。要想提高创意的审核通过率，需要从内容质量、相关性、创新性和可执行性等多个方面进行综合考虑和优化。 这个确实跟“运气”有很大的关系，看审核标准是否宽松，或者心情是否好，都可能导致广告通过。同时，素材的提交数量也会影响审核结果。如果大家都在提交这种类型的创意素材，或者你同时提交了大量的这类素材，那么审核人员就会保持警惕。 然而，有些创意在一开始的时候并没有违反审核规则，因此通过了。但是，随着广告投放时用户投诉增多，媒体的审核规则也会相应进行修正。 更新审核政策前：过了一批，百分百过审。 刚更新审核政策：又过了一批，有一定概率地过审。 更新政策一段时间后：过审概率更低了，如果这时候平台使用了自动审核并且算法足够完善，那么这类创意基本就不会有过审的情况了。另外，如果账户或计划的创意审核通过率太低，也会影响之后的过审率。 因此，有经验的优化师自然会使用“撞审”手段和经验，但有时候可能会撞到绝望。但大多数人还是很有信心会有过审的机会，这取决于他们使用什么手段。此外，媒体本身也应该睁一只眼闭一只眼，毕竟有些“擦边”素材确实能跑量很多。一旦被投诉得过分，那就无法审核通过，并且会删除之前审核通过的素材。 奉劝大家还是老老实实做创意吧，别动太多歪脑筋。 为什么CPC计划转oCPC计划后跑不起来？同样的CPC广告计划一天能稳定跑几十万，但是换成oCPC却都跑不动？这是因为CPC是由广告系统按你设置的CPC固定出价参与竞价，而媒体不需要对CPA负责，直接按你设置的CPC来出价。而oCPC是optimize CPC，本质是按CPCP计费，但是用你设置的CPA转化目标价格来动态转换成CPC后再出价，这个转换过程是由系统算法学习来实现的，可以参考上面提到的oCPM的竞价投放流程。 oCPC是由媒体广告平台共担风险的，在学习期有赔付政策，在成熟期尽可能按照设置的CPA价格来跑量，确保投放成本不超过CPA。如果设置的CPA太低，则可能跑不出量。oCPC的价格是由媒体综合多个元素来计算得出最终排名的，出价高但是如果预估点击率、预估转化率等原因太低的话，媒体计算得出的eCPC就低。 所以，你的CPC出价1块钱与oCPC出价1块钱的结果是不同的，你的oCPC可能需要出价更高才有可能达到CPC出价1块钱的量级。 不过，有些广告确实只适合CPC不适合oCPC。 在腾讯广告投放中，我们发现原本通过CPC模式获得良好效果的广告，一旦转为oCPC模式后，其成本显著提高，导致与目标KPI的差距加大。这种情况引起了我们的关注。 首先，我们注意到优化师在比较不同账户的投放效果时，往往只关注计划设置、素材和落地页等表面因素，而忽视了操作日志记录和轨迹分析的重要性。这种只看表面现象的做法，可能导致对问题原因的误解。因此，我们需要深入挖掘每次操作背后的原因，了解是数据变化触发了修改设置。 其次，竞价环境的差异和回传事件处理方式的不同，使得数据变化的趋势各不相同。单纯地模仿他人的策略并不能完全解决问题。此外，媒体权限和申请情况也会影响广告投放的效果。优秀的优化师必须具备缜密的分析思路和技巧，以及对媒体动向的敏感性。 针对广告计划点击率和转化率都不错但量级始终提升不上去的问题，我们建议按照竞价流程进行自查，这种方法适用于解决掉量或起不了量的问题。我们还需要考虑广告计划的定向设置、预算和账户余额、用户行为等因素，以及是否存在负向操作的影响。 最后，我们探讨了学习期过后广告表现不佳的原因。如果学习期过于激进，导致成熟期突然降价或改定向等，可能会引起数据的波动。这时，尝试恢复学习期的设置并观察数据变化可能有所帮助。同时，我们强调了持续盯盘和调整的重要性，以应对广告表现的变化。 在竞价广告领域，学习期可能因为环境变化导致竞争较小，或者由于数据模型尚未稳定而显得勉强通过。然而，一旦进入成熟期，广告放量带来的数据波动是常态。例如，素材同质化和落地页转化回传事件异常等问题，在初期样本量小时可能不易察觉，但到了成熟期，这些问题会变得更加显著。 分析上述情况时，我们假设未对账户进行任何调整。如果进行了其他操作，情况则有所不同。 进一步地，如果学习期没有遇到问题，那么可以分享一些经验：学习期确实存在成本保障政策，广告平台应积极采取措施，尽可能缩短学习期，培养有潜力的广告计划。虽然超出成本的赔付很少，但优秀的广告计划通常不需要赔付，因为它们本身就很优秀。普通广告计划也很少需要赔付，大多数情况下，前期成本较高，但在学习期末一天，广告系统可能会“竭尽全力”将成本降低到超成本20%以内，从而无需赔付。 对于极少数广告计划，即使广告平台努力降低成本，也难以实现，这时就需要支付赔付。因此，优化师掌握如何在学习期获得赔付的技巧至关重要。 总结来说，如果优化师了解广告平台的一些底层逻辑以及投放平台的功能和规则，那么所谓的玄学问题实际上都是可以科学分析的。基于这些逻辑制定不同的测试策略和调整策略，可以帮助优化师更好地驾驭广告平台，成为真正的广告操盘手。 梁丽丽（Lily Leung）是中国第一批程序化广告从业者，她所著的《程序化广告》一书及网络白皮书《程序化广告生态实用手册》和《品牌程序化广告投放指南》深受读者喜爱。她还是暨南大学新闻与传播学院的客座教授。关于DigiMax，这是一个有趣且新鲜的数字营销行业热点，提供一网打尽的信息。订阅号-每日尝鲜