信息流oCPC:花了十幾萬才摸到門檻,一點經驗希望能幫到你
看到一個問題:說是投今日頭條oCPC,花了1500塊錢,6000多點擊,一個客資都沒有,問為什么oCPC沒有效果。第一反應這可能不是oCPC的鍋,因為我一下想到幾年前,剛開始投oCPC的時候,也是花了十幾萬才找到點門道。
一、花了十幾萬,才摸到oCPC的門檻
記得是頭條剛上oCPC的時候,聽說之后很興奮,因為國外很早就有基于轉化目標出價的廣告形式,但沒投放過,國內有了自然要試一下。
于是馬上說服公司開通賬戶,制作素材,上線投放。但結果卻像一個冰桶挑戰——3天0轉化的數據給我澆了個透心涼。
那是第一次做信息流、oCPC,還沿用著搜索、展示類廣告的思維。而公司行業特殊,頭條的投放顧問既沒有可行的建議,也給不出有效的策略,更沒有同行可以參考,只是建議繼續嘗試。
于是不停猜測、調整、總結、再猜測……直到第三周,才確定找到方向,并且有效果了。
從開戶投放,到有效果;從透心涼,到心飛揚,前后一共花了十幾萬。
因為當時公司推廣預算充足,所以花十幾萬測試個新渠道完全不必care。
但對于預算不充足的企業,試水沒效果可能就要停止投放,進而失去一個可能比較好的投放渠道。
所以,將自己總結的一點微小的經驗寫下來,也許對初投oCPC的同學有些許幫助。
二、oCPC的原理:控制人群出價,提高單次點擊價值
oCPC的原理一句話就能說明白:
對預估高轉化人群提高出價,獲取流量;對預估低轉化人群降低出價,減少展現,最終使平均轉化成本低于設定的目標價格。
其核心:是通過控制人群出價、提高轉化率(或者說,提高單次點擊價值),來降低轉化成本。
舉個例子:
做金融理財產品,系統投放兩天后發現,BAT的IT男和北上廣深的大媽轉化成本優于目標價格,當再發現符合這兩個人群標簽的用戶時,就提高對他們的出價,希望獲取更多的展現、點擊和轉化。
三四線城市也有凈值幾千萬的IT男和掃地大媽,但總的人群轉化低、成本高,為了達到設置的目標轉化價格,系統可能對三四線城市的IT男和大媽降低出價,希望減少展現、點擊,控制成本。
在小曹看來,oCPC是一種減少廣告優化工作量的投放方式。
從其原理可以看出:oCPC將枯燥、耗時的人群分析和調價工作變成了程序化、后臺化、實時化。
投放廣告的我們可以專注于創意、落地頁、客服接待以及投放策略等等方面的優化,而不用去分析人群數據、關注實時價格。
如上面的例子,廣告主可以將精力用在制作針對性的創意素材上,而無需耗費時間去計算不同行業男性、各個地域大媽的轉化成本——統計、計算需要的時間,和調整延遲產生的低轉化消費,都是不小的成本。
三、為什么是oCPC:媒體不樂意CPA,我們不樂意CPC
既然最終目的是符合目標價格的轉化成本,直接投CPA不就可以?為什么整一個oCPC呢?
因為投CPA,媒體不樂意呀。
最終轉化數據都在咱們廣告主手上,即使有雙方認可的第三方介入,媒體也不愿意承擔CPA的風險:流量再優質精準,我們的落地頁做成一坨屎也沒用。
那還是CPC吧,投廣告的不樂意呀。
點擊數據在媒體手上,媒體說有效點擊100個,就收100個點擊的費用,至于點擊怎么來的?抱歉,我們已經屏蔽了惡意點擊了,沒轉化肯定是你們落地頁做的太爛,落地成盒還想吃雞?
所以綜合下:推出oCPC好了,媒體不吃虧,我們投廣告也覺得合適——自己設置的轉化成本,還是要認的。
既然是按轉化付費,那就放心大膽的投oCPC了?答案是否定的,不然也就不會有開頭的問題和經歷了。
四、怎么樣讓oCPC的效果更好
換句話說,怎么樣讓這個后臺的人群分析、自動調價,調的有效果?
如果是手工優化,需要統計足夠的人群、廣告的歷史表現數據,然后劃分出四象限,高消費低轉化人群降價、低消費高轉化人群提價。
oCPC同樣也需要足夠的人群和廣告的歷史表現數據,這樣才能完成預估轉化率和動態出價的工作。
足夠的歷史表現數據需要:錢給夠,量要足。
錢給夠,就是出價要夠高,高到能拿到足夠的展現
做過搜索的同學對于出價要高一般都深有體會。
競價如果出價不夠高,百度、360不會給你展現的機會,也就拿不到流量;直通車如果出價不夠高,寶貝排名靠后,淘寶特別是手淘用戶,翻不到你的寶貝,同樣沒有流量。除非排在前面的廣告都消耗光了預算,才能得到展現——可能還是深夜。
量要足,就是限額要夠高,高到能拿到足夠的轉化
對于足夠的限額,則是為了盡快積累數據。
如果是競價,限額不夠,可能都不夠惡意點擊的;如果是直通車,點擊量不夠,則會影響整個推廣計劃。
舉個直通車的例子:做連衣裙,一天限額50、100,幾十個點擊都不夠測款的,等款測出來、分養好,冬天都來了,還賣個P的連衣裙。
oCPC也是一樣。
限額不夠,導致點擊不夠,轉化數據積累不起來,系統測試人群、變量的周期變長……花倆月才測出合適的人群,還賣個P的連衣裙。
道理都懂,到底該怎么做呢?兩步走。
避免不同媒體劃分層級方式不同,這里賬戶層級由上至下按照計劃→單元→創意的順序。
第一階段,細分單元、穩定預算
一個計劃下細分多個單元,比如3~5個單元,對應不同的人群、定向、落地頁。
目的是先通過人工的方式,找出能夠穩定轉化的大的定向組合,這樣也能降低系統的學習成本。
不要過度細分,影響數據積累(20個轉化/5個單元 VS 10個轉化/10個單元),而且,分的太細,要做很多單元,累。
初始預算不用太高,根據轉化情況逐漸調整,最終確定一個保證轉化數量穩定的投放預算。
如果沒有轉化、轉化太少,需要考慮是不是出價太低、限額太少、定向過細、創意和落地頁不夠好。
沒有轉化還有一種情況:產品不適合信息流投放,或者媒體不匹配,這個稍后說。
第二階段,逐步放量、穩定更新
進入oCPC階段后,如果點擊率、轉化率穩定,可以逐步放量。
放量的目的,是讓系統獲得更多數據進行學習,進一步優化當前單元的轉化成本,同時增加轉化量。
放量的方法,先在轉化成本可接受的前提下,逐步提高目標轉化出價。
調價后成本、效果保持穩定,就繼續提價,直至價格不能接受、或者提價影響了效果。
調價之后,在效果穩定的前提下,放寬單元定向條件,比如增加興趣、人群屬性,繼續放量。
放寬定向之后,如果效果依舊穩定,并且還想放量,可以拆分單元,將單元的某一個定向條件,單獨拿出來做一個單元來跑量。
為了保證點擊率、轉化率,創意、落地頁以及單元,都需要定期更新。
創意、落地頁定期更新好理解,防止審美疲勞,為什么單元也要定期更新?
因為信息流是根據人群投放,人群有規模上限、轉化上限,時間一久,就會消耗殆盡,需要放寬定向標準,或者重建人群。
如果是人工優化,需要不停的新建人群變量組合,并給符合轉化成本的變量組合提價、增加展現,保證轉化穩定;
oCPC是自動挖掘組合人群變量,我們能做的就是逐步放寬定向、新建單元,給oCPC系統更多的人群數據進行測試、學習。
還是上面金融產品的例子:廣告投放的時間段內,北上廣深的大媽數量是固定的,幾輪廣告下來,轉化成本飆升。這個時候還想要大媽這個人群,就需要放寬定向,往二線、三線挖掘。
逐步放量、穩定更新的目的,都是讓系統不斷的有新的人群數據可以學習,確保舊計劃效果下降時,能有新計劃頂上。
沒轉化?可能真的不適合
第一階段末尾提到產品不適合信息流投放,或者媒體不匹配,是什么意思呢。
如果產品無法進行人群定向,那么無論人工還是系統,找不到能穩定轉化的定向方式,就不適合信息流投放。
如果媒體覆蓋的用戶,與產品目標客戶不匹配,同樣也不適合在這個媒體投放?;蛘?,媒體沒有投放過某類產品,也就沒有相關數據給oCPC的系統進行學習,產品也就不適合在這個媒體投放,或者前期的轉化、測試成本會很高。
說起來,開始做oCPC的時候,行業特殊,當時也沒聽說有其他同行在做信息流,對于人群、轉化的數據,頭條并沒有數據積累,這也是為什么需要花十幾萬測試的原因之一吧。
直到我離開那家公司,各類信息流的投放都至少要設定一個特殊的定向才有比較理想的效果。而那個定向條件,就是十幾萬試錯的結果。
不過,當前國內能投信息流的媒體,覆蓋的用戶數、積累的廣告數據,已經能夠滿足絕大多數行業的需求,優化算法也是經得起考驗的。
還是說今日頭條,其oCPC敢取消第一階段,直接進入智能出價,說明對于數據積累的量級、多樣性,以及智能算法的準確性、可靠性,已經很有信心了。
回到根本,oCPC的核心是控制人群出價、提高轉化率。
想要oCPC發揮更大的效果,就需要人工對廣告的基本面,比如展現、創意點擊率、落地頁轉化能力進行優化調整,來配合oCPC。
同時也要人工優化oCPC相關的數據,比如目標價格、人群定向,讓系統更加精準、高效。
如果人工投CPC能有好的效果,理論上oCPC會做的比人工更好。
如果人工無法優化,或者開了計劃不管了,再怎么o,結果也是0。
本文由 @小曹同學 原創發布于人人都是產品經理。未經許可,禁止轉載
題圖來自 pexels,基于CC0協議
寫的真好
已學習!
已學習!
不錯不錯,學習了