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，反正大多数是半路出家。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）。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。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。 冷启动和成熟期是广告投放过程中的两个关键阶段，它们对广告起量的过程起着至关重要的作用。然而，学习期虽然不是广告起量的充分必要条件，但它在这两个阶段中都扮演着不可或缺的角色。 首先，让我们来谈谈学习期。学习期主要是针对oCPX出价（巨量引擎和腾讯广告的oCPM、oCPC）而言的。在这个阶段，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、成熟期和衰退期。由于新建的广告计划是从0开始的，什么数据都还没有，因此需要通过广告系统在整个流量池子中去进行投放探索，收集足够的转化数据来建立算法模型。这个过程在一定程度上决定了这个计划在成熟期能跑的量级和成本。 然而，学习期并不意味着一定能起量。如果学习期失败了，也不一定不能起量。这意味着，学习期的成功与否取决于多种因素，包括广告主的目标转化价格、广告系统的预估点击率和转化率等。 接下来，我们来谈谈成熟期。成熟期是指广告计划经过学习期的积累后，开始稳定运行的阶段。在这个阶段，广告计划的算法模型已经建立起来，可以根据实际投放情况进行调整和优化。然而，过度的设置操作很容易让整个计划本来稳定的算法模型被突如其来的大修改导致流量范围缩小甚至算法模型被重置需要从头来过，导致突然没量或者成本飙升。 此外，广告计划也有生命周期。如果一直用同一套创意去投放，可能会导致计划进入衰退期。因此，素材和创意需要不断更新以保持竞争力。 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，当成本偏差较大时进行赔付。此外，学习期间尽量不要去暂停计划，修改计划的动作也不要过于频繁，超过修改次数就不赔付了。频繁修改出价或定向会影响赔付资格，还影响了系统学习期效果。 总之，学习期对于广告起量过程来说既重要又复杂。它不仅关系到广告主的目标转化价格和广告系统的预估点击率和转化率等，还涉及到广告计划的稳定性和创新性。因此，广告主需要密切关注学习期的表现，并根据具体情况采取相应的措施来优化广告投放效果。 在广告投放的旅程中，学习期和成熟期是两个关键阶段。一旦成功度过学习期，进入成熟期意味着计划可以稳定地跑量，成本也相对稳定。此时，广告计划的表现能否与学习期持平或甚至超越，就取决于优化师的技术和策略了。 如果学习期没有通过，那么结果可能是计划无法运行，但也存在小概率能重新获得生机。这时，优化师需要对创意、标题、落地页等进行细致的调整，同时考虑竞争环境和时机的变化，努力让失败的计划重获新生。 接下来，让我们深入了解广告投放系统的竞价判断逻辑。当用户打开APP时，如果产品上有信息流广告位，巨量引擎或腾讯广告系统是如何决定哪个广告主的广告应出现在哪个位置的呢？ 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、落地页等多种因素的影响。具体来说，广告系统会先根据这些因素进行筛选，然后根据规则确定每个因素的影响力，从而决定哪些广告有机会展示在用户面前。 以巨量引擎为例，分析信息流广告竞价投放流程：
用户在使用抖音APP时，巨量引擎接收到一次抖音广告位的竞价请求。
广告系统会对整个平台的广告账户和广告计划进行筛选，确保只有符合要求的才被考虑。
首先，广告计划的定向设置的人群是否包含该用户（系统会根据广告主的定向设置进行筛选）。
其次，广告计划是否有足够预算和账户余额（系统会根据预算和余额进行筛选）。
接着，考虑用户在同一周期内看过同个/同类广告的频率（系统会根据频次控制进行筛选）。
然后，评估用户是否不喜欢这类广告（系统会根据用户体验进行筛选）。
经过前面的筛选后，如果广告计划的出价具有竞争力，系统会根据目标转化出价、预估点击率和转化率计算eCPM值，并据此对广告计划进行排序。
最后，如果广告主有违规操作（如长时间暂停广告计划、广告创意多样性低等），系统还会再次进行筛选。
综合考虑广告质量、创意多样性和标杆eCPM等因素，综合评估广告投放对巨量引擎的收益影响，最终决定哪个eCPM值较高的广告展示给用户。 在各大信息流广告竞价系统中，逻辑基本相通，区别在于流程中各个环节的先后顺序以及各个因素的影响力。据我了解，广告平台还会用行业（广告主资质）来进行一道筛选过滤，一般对品牌广告、游戏行业、电商行业多少还是有点倾斜的。 前面提到eCPM是依据预估点击率和预估转化率计算的，那这两个率是如何预估的呢？ 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“**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。 广告投放的量级和多样性对于广告平台来说至关重要，它为新产品的冷启动投放提供了宝贵的数据参考和指导。这也是巨量引擎和腾讯广告能够提供成本保障政策的信心所在。
破解日常运营中的投放玄学问题 在深入分析了学习期、成熟期、竞价判断逻辑以及算法look-alike逻辑后，许多看似复杂的投放玄学问题实际上并没有想象中那么神秘。接下来，我们将通过这些内容来探讨优化师圈经常遇到的一些投放玄学问题： 为什么一个新账号的冷启动这么难？ 为什么出高价仍然无法提升点击量？ 为什么平时表现良好的计划突然没有流量了？ 为什么同样的创意在不同账户之间会有差异？ 为什么CPC计划转换到oCPC计划后效果不佳？ 为什么同样的计划设置、素材和落地页在其他账户有效，而在当前账户却无效？ 为什么即使点击率和转化率都不错，计划的流量也难以提升？ 为什么计划过了学习期后流量骤减或成本不断上升？
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产品和行业的特性。有些产品受众广泛，学习期容易度过，起量速度快。然而，有些产品受众狭窄，感兴趣的人少，导致转化低，因此冷启动时的数据样本不足。例如，大电商和大游戏产品通常很快就能通过学习期并开始产生流量，而某些灰产行业的加粉和表单类项目则可能面临更大的挑战。此外，出价策略和投放时间也会影响冷启动过程。媒体流量池是波动的，竞争环境也在不断变化，因此优化师可能会采用“高举高打”策略快速过学习期，但过于激进可能导致计划失败。然而，即使是相同的出价，在不同的时间节点（如双十一等大型促销活动）也可能因竞争加剧而难以获取足够的流量。有时候，即使产品优秀、出价高且竞争小，仍然可能因为操作不规范、创意不够吸引人或同质化严重等问题而无法顺利度过冷启动阶段。 在信息流广告的运营过程中，我们经常会遇到一些不规范的操作，这些操作不仅影响了广告的效果，还可能导致广告成本的浪费。以下是几个常见的问题及其解决方案：
1. 冷启动期间频繁调整广告策略
在冷启动阶段，如果因为看到数据量小或成本高而频繁调整广告策略，这可能会导致广告效果不佳。例如，调整完发现没有明显变化后又继续调整，这种无效的调整不仅浪费了时间和资源，还可能影响整个广告计划的稳定性和持续性。 解决方案：在冷启动期间，应保持策略的稳定，避免频繁调整。一旦确定了一个有效的广告策略，就应坚持执行，直到数据支持需要进一步调整为止。
2. 投放品类产品过多导致算法模型差异
在同一个账户上同时投放多个不同目标人群的产品，可能会因为算法模型的差异而导致新计划起量困难。这种情况下，由于每个产品的目标人群不同，算法学习时会产生差异，从而影响整体的广告效果。 解决方案：为了避免这种情况，应确保投放的产品之间具有相关性，并且针对每个产品单独设置目标人群。这样可以帮助算法更好地理解和学习每个产品的投放效果，从而提高整体的广告效果。
3. 创意问题和归因延迟
创意质量差或者归因延迟（如转化数据存在12小时、24小时或更长时间的延迟）也是影响广告效果的重要因素。这些问题可能导致广告点击率下降，进而影响eCPM计算和广告转化率。 解决方案：提高创意质量是关键。此外，应关注转化数据的归因准确性，及时处理可能存在的归因延迟问题，确保转化数据的准确性和及时性。
4. 出价过高但广告效果不佳
有时候，即使出价很高，广告也可能无法获得预期的效果。这可能是由于广告内容、创意质量、关键词质量度等因素的综合影响。 解决方案：除了提高出价外，还应从广告内容、创意质量、关键词质量度等方面入手，全面提升广告的整体表现。同时，关注广告的转化数据和用户反馈，及时调整策略以提升广告效果。
5. 流量过滤问题
一个平时能跑大量广告的计划突然没量了，可能是由于某个环节出了问题。例如，广告计划是否有足够的预算和账户余额，投放时间是否合理，以及用户是否对广告内容不感兴趣等。 解决方案：首先检查广告计划的预算和余额是否充足，然后检查投放时间是否合理，最后考虑用户对广告内容的反应。通过这些措施，可以有效地解决流量过滤问题，恢复广告的正常投放。 总之，在信息流广告的运营过程中，我们需要关注各种不规范操作，并采取相应的措施来解决这些问题。只有通过不断优化和调整，才能实现广告效果的最大化。 修改广告计划后，需要检查修改日志以确定问题所在。然而，修改操作通常不会立即生效，存在一定滞后性，因此不要过早下结论。 如果经过诊断功能检查后没有发现问题，可以与媒体运营部门沟通，了解是否存在媒体升级导致的问题。我遇到过类似情况。 关于同样的创意为何一个能通过审核，而另一个不能，确实与“运气”有很大关系。审核标准宽松时或审核人员心情好时，创意可能更容易通过。同时，提交的素材数量也可能影响审核结果。如果大量提交相同类型的创意素材，审核人员可能保持警惕。 不过，有些创意在初期并未违反审核规则，因此通过了。但当广告投放后用户投诉增多，媒体的审核规则可能会随之调整。更新审核政策前，通过率较高；刚更新政策时，通过率有所下降；一段时间后，通过率更低。如果平台采用自动审核且算法完善，这类创意基本不会过审。此外，账户或计划的创意审核通过率低也会影响后续的过审率。 有经验的优化师会使用“撞审”手段和经验，但并非所有情况下都有效。大多数情况下，只要策略得当，仍有较大机会通过审核。当然，媒体也会睁一只眼闭一只眼，因为某些“擦边”素材确实跑量很大。但如果素材被投诉过度，则无法通过审核，之前通过的素材也可能被删除。 建议大家还是踏实做好创意工作，避免采取不正当手段。 关于CPC计划转为oCPC计划后跑不起来的问题，这是因为CPC广告计划是按设定的CPC出价参与竞价，而oCPC则是根据CPA转化目标价格动态转换成CPC后再出价。转换过程由系统算法学习实现，可以参考oCPM的竞价投放流程。 oCPC是一种由媒体广告平台共同承担风险的广告投放方式。在学习期，它有赔付政策，而在成熟期，则会根据设置的CPA价格来运行，确保投放成本不超过CPA。如果CPA设置得太低，可能无法达到预期的量。oCPC的价格是由媒体综合多个因素计算得出的，出价高但预估点击率、预估转化率等指标较低时，eCPC就会降低。因此，CPC出价1元与oCPC出价1元的效果是不同的，后者可能需要更高的出价才能达到同样的量级。 然而，并非所有广告都适合oCPC。例如，某APP促活广告在腾讯广告平台上，CPC出价5毛钱时跑得很好，但改为oCPC后，系统提示需要28元以上的出价。一旦这个价格设定，投放数据与目标KPI的差距就很大了。 为什么同样的计划设置、素材和落地页在其他账户能跑起来，而在我的账户却不行？很多优化师喜欢用相同的广告设置进行对比，认为投放效果也应该一样好。这通常与学习期有关。学习期的表现很大程度上决定了成熟期的投放效果，但如果学习期没有把握好，成熟期同样会出问题。因此，“抄”也需要技巧。研究别人账户时，不仅要看计划设置，还要分析操作日志记录和轨迹，了解每次操作背后的原因。 另外，竞价环境、回传事件处理方式等因素也会影响数据变化的趋势，所以完全模仿别人的策略并不容易。此外，媒体中有些是白名单权限，有些东西是别人有的你没有，或者你没有去申请。 优秀的优化师必须具备缜密的分析思路和技巧，同时也要敏锐地感知媒体动向。如果你的计划点击率和转化率都不错，但量始终提不起来，建议按照上述竞价流程进行检查。这种方法适用于解决掉量或起不了量的问题。 广告计划的出价是否具有竞争力，可以通过查看系统建议的出价范围，并尝试通过提高出价来观察是否能增加曝光量。同时，需要关注广告主对广告计划是否有负向操作的影响。此外，还需分析学习期结束后为何计划没有流量或成本持续上涨的问题。 如果学习期是通过激进的方式度过的，到了成熟期突然降价或改变定向等，这可能导致数据的波动。可以尝试恢复学习期的设置，观察数据变化。另外，学习期过了不代表成熟期一定能表现良好，因此优化师需要持续关注和调整。 竞价广告受竞价环境影响，学习期可能竞争较小，但也可能是勉强通过的，数据模型不稳定。成熟期放量时，数据波动是正常的，否则优化师的工作就没有意义了。而且，在小样本量的学习期数据下，问题可能不明显，但在成熟期放量时问题会放大，如素材同质化和落地页转化回传事件异常等问题。 上述分析是基于未进行任何账户调整的情况，如果有其他账户操作，则需另当别论。如果以上都没有问题，那么可以得出结论：学习期是有成本保障政策的，广告平台应重视并努力缩短学习期，培养潜力广告计划。虽然超出成本有赔付，但实际上获得赔付的情况很少。 优秀的广告计划是不需要赔付的，因为它们太优秀了；而普通的广告计划一般也很少需要赔付，大部分情况下都是前面几天成本很高，最后一天广告系统“用尽全力”降到超成本20%以内就不用赔了。剩下一些极少数的广告计划，广告平台怎么努力都无法降低成本，那就需要赔付了。 因此，优化师还有一个技巧就是在学习期拿到赔付。总结：如果懂得广告平台的一些底层逻辑以及投放平台功能和规则的官方说明文档，所谓的玄学问题其实都是可以科学分析的。优化师需要基于这些逻辑制定不同的测试策略和调整策略，才能更好地驾驭广告平台，成为真正的广告操盘手。