編輯導語：汽車行業廣告中有許多常見的流量分配策略，包括級別市場流量分配策略、KA客戶流量傾斜策略等。那么，什么是KA客戶流量傾斜策略？本篇文章里，作者互聯網汽車廣告行業中的KA客戶流量傾斜策略做了分析和拆解，一起來看一下。

在《互聯網汽車行業廣告策略（三）流量分配策略（上）》里我們介紹了如何認知商業流量并發現其中的問題，然后介紹了在汽車行業廣告中常用的流量分配策略——級別市場流量分配策略。接下來我繼續來介紹第二種常見流量分配策略：KA客戶流量傾斜策略。

問題1：當公司的KA客戶（重點客戶）與我們簽訂了年框/大單，平臺進行了超高的效果承諾，如果僅依靠現有投放邏輯很有可能無法在指定周期內兌現這些承諾。

在絕大對數的互聯網廣告公司里針對KA客戶都會有特殊的政策予以照顧，常見的特殊政策有：獨享的產品折扣，非常規的附加權益，超高的效果承諾等。

很多中小平臺為了拿下大單甚至會做出超越自己實際流量的效果承諾，并且這種情況在這個互聯網用戶增長乏力的年代變的越來越普遍?？傊疄榱苏疹橩A客戶的感受，營銷側總是會使勁渾身解數。

但很顯然，KA客戶更關注的是投放后是否真的能帶來承諾的效果，或者可以更進一步理解為，在該平臺加大投放力度是否真的能帶來超額的收益。而作為平臺方想要兌現這些承諾，除了在媒介執行層面增加優化手段外，就還需要商業廣告的產品經理們來想辦法進行流量傾斜。

如上圖所示，在實際的廣告投放過程中，KA客戶下了大單大幅增加了每日預算，在沒有流量分配策略支持的情況下，很可能會面臨預算消耗不完的情況。

當然出現這種情況有一個先決條件：平臺的整體流量不足，流量利用率已經很高，并且沒有對外采買流量的預算。尤其是在垂直類媒體，如果客戶知道流量是從外部采買的，很可能會直接撤單，畢竟選擇來垂媒進行投放為的就是垂媒精準且高意向的用戶群體，通過垂媒投外部媒體，那還不如去綜合類媒體平臺投放。

在沒有流量支持的情況下，能做的就只有通過強化運營手段，比如最常見的放開定向條件、調整出價等方式來把客戶的預算消耗掉。

但同時也會帶來更多的問題，放開定向雖然擴大了流量開口，但因為定向不再精準可能帶來CTR、CVR的下降。調整出價是可以快速將預算消耗掉，但整體的ROI也會下降，并且這些關鍵結果性指標下降是更難以向客戶交代的。

此時，就到了商業廣告產品經理體現作用的時候，雖然沒有辦法“無中生有”的造出流量來，但可以通過流量分配策略以“薅羊毛”的方式為客戶帶來一定的精準流量，盡可能保證在各項關鍵結果性指標無明顯下降的情況下消耗完預算，并兌現承諾的效果。

一、應對策略：KA客戶流量傾斜策略

在流量大盤有限，流量利用率已經很高的情況下，再想要找出精準的流量并不是一件容易的事，此時通常有兩種思路：

① 常規思路

進行更深層次的用戶行為研究，優化look-alike之類的算法來找到更多潛在用戶。這種方法其本質還是走了擴定向的老路，只不過擴定向的方法比直接在投放后臺把定向條件放寬要來的精巧，但最終能帶來多少效果，什么時候才能帶來明顯的效果都是難以確定的，需要算法同學不斷去實驗，所以我們還需要一些“歪招”來救急。

② 歪招思路

既然是要找針對這個車系的更多精準流量，那么從這個車系的直接競品車系下手就是一個很取巧的辦法?；橹苯痈偲返膸讉€車系所針對的目標人群會有很多相似的特征，從這個范圍中去挖掘取得效果的可能性就會大幅增加。

這種方法從業務的角度也很容易理解，一名用戶在想買車時，初期通常會同時關注4-8個車系，只要在這個范圍之內誰更多地將自己展示在用戶面前，誰就將獲得更多讓用戶深入了解的機會，最終成交的機率也就會更大。

但這種從直接競品進行挖掘的思路并不一定適合其他品類的廣告，因為當用戶要買汽車時他的購買范圍就已經限定在汽車這個范圍里，之后的結果要么買了A車，要么買了B車，要么不買，但很少會出現超出品類最終買了個摩托車，或者自行車的情況。

而電商類則會有啤酒和尿不濕這種反常識的案例出現，也就是說只有當用戶的目標品類被限定時，去研究競品間流量分配的問題才有意思，當品類不固定時顯然還是常規思路會更有效。

二、策略的實現

常規策略的實現是由算法同學來開發一個針對目標車系的人群擴展模型，模型訓練好之后會推送到DMP中去，媒介執行/代理就可以在DMP上利用此模型生成一組新的人群包，并推送到廣告投放平臺的定向模塊中進行投放，最終將投放的結果回傳給算法側用于后續的模型優化。

歪招策略的實現方式與之前介紹的策略實現方式一樣，都是通過在重排階段增加目標對象的權重來實現的。

但需要注意的是KA客戶車系加權并不是通用型策略即不是每次競價都會觸發的策略，觸發的條件需要目標對象及其競品參與同一次競價中才會觸發該策略。

其次在對目標對象進行加權前會先觸發通用型策略，比如：級別市場加權，之后再觸發特殊策略：KA客戶車系加權。兩種策略雖然都是加權但不能隨意混合，否則背后的算法模型會變的很混亂，要盡可能做到不同的策略解決不同的問題，策略之間盡可能相互獨立。

三、策略效果的評估

常規策略的效果評估是完全可以通過指標來判斷的。

首先，新模型為我們找來了多少全新的精準用戶，這些用戶是否能夠支持將客戶的每日預算消耗完。其次這些新增的人群包在投放中的效果如何，CTR/CVR/ROI是否會低于日常投放的平均水平，如果只是略微低于日常水平這樣的結果是可以接受的。

歪招策略的效果評估就比較復雜，首先需要驗證我們加權后實際給客戶新增了多少曝光機會，這些曝光機會是否產生了后續的轉化行為，這些轉化行為的考核指標同樣不能大幅低于日常投放水平。

其次還要注意相關競品的賬戶消耗情況，如果大幅下降也是沒有辦法交代的，通常情況下將每個競品的流量下降控制在10%以內都是可以接受的。在實際應用中還會遇到從競品搶奪來的流量轉化效率反而下降的情況，此時就需要重新檢視直接競品的計算邏輯是否合理，如果直接競品計算的不合理后續所有針對競品流量的搶奪效果肯定都是起不來的。

最后，常規策略與歪招策略完全是可以同步進行的，這樣兩種策略所承擔的效果壓力就會小很多，策略生效的可能性就會更高。

四、策略的泛化

常規策略其實并不存在泛化的問題，因為這種策略是完全通用的，幾乎每種行業的客戶需要進行流量扶持時都可以采用這種思路設計策略。而歪招策略則只適用于有限定范圍的強競爭行業，比如汽車、房產等。

但歪招同樣給我們帶來了一些啟示，相信很多從事商業廣告的產品經理們都遇到過要強行幫某個項目快速完成KPI的情況，在這種非常緊急的場景中就可以嘗試采用遍地薅羊毛的策略來救急。

但需要特別注意的是，歪招這類的策略一定只是用來短時間內救急，切忌長時間大規模使用。

本文由 @凡事需景盛 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Unsplash，基于CC0協議