1. 知识
  2. 推广
  3. 实战分享

一万字复盘-高ROI广告投放的秘密之数据分析、诊断与优化丨出海笔记

1013 阅读 0 评论

要成为一名优秀的推广运营人员/增长负责人，如果只会投广告而不懂通过分析数据来提高广告的ROI，那是远远不够的，数据分析与优化并不是单纯的看后台数据，而是一门贯穿营销思维和实战的核心技能——透过现象看到本质。
 
所以这篇文章我会教大家学会数据的一整套流程，包括一系列的模型和理论基础， 以及工作步骤，然后是依据所得到的分析结果进行广告优化，绝对是精华中的精华，大家要认真研读。
 
（感谢出海笔记编辑姐姐帮忙整理PPT，以及投放大神飞月的技术指导）


目录

1 高ROI必备的三大数据分析模型

1.1  广告投放流程模型

1.2  用户行为模型

1.3  广告转化漏斗模型

2 数据分析维度与数据指标的区别

2.1  分析维度与数据指标的概念

2.2  常见的分析维度和数据指标

2.3  数据分析原则

3 AB测试决定优化成败的关键

3.1  AB测试的变量

3.2  AB测试流程的步骤

3.3  AB测试流程：制定测试方案

3.4  AB测试流程：按计划开始测试

4 如何制作数据报表

4.1  日报与周报

4.2  日报数据报表怎么做？

4.3 如何撰写周报？

5 广告效果诊断与优化（重点）

5.1  数据分析看什么

5.2  广告效果诊断

5.3 CPA点击成本高

5.4 流量少

5.5 广告ROI低

6  All in One 实战案例
7  总结

 

1 高ROI必备的三大数据分析模型


1.1  广告投放流程模型

             
从广告优化师视角看，我们可以把广告优化流程分为四大阶段：
 
第一阶段：设定目标
  • 这一步非常重要，投放目标包括品牌、访问量、互动率、潜在客户开发、转化量、应用安装等十多种目标可选。另外，第一阶段还需要你去做产品和投放目标人群分析，即产品调研和用户画像。
第二阶段：测试阶段
  • 首先要根据人群定位（性别，年龄，语言等）测试维度进行账户结构规划，并准备好投放的广告素材；然后必须要用到AB测试这种方法，比如广告素材为10个视频，想知道哪个客户喜欢点击，转化效果好，就要进行AB测试。
第三阶段：数据分析
  • 根据投放数据来判定，对于效果不好的，我们要进行深挖，找出根源，提出新的优化方案继续测试。
第四阶段：上量规模化
  • 这时候基本已经测出那些人群和素材最优，那么就需要最大化投放效果，进行横向和纵向规模化
 
 

1.2  用户行为模型

除了以上说的从优化师视角来看的广告优化流程模型，我们还要学习从用户视角出发的模型，之前一篇文章《如何把Facebook广告投放给对的人》也讲解过通过素材影响用户行为的四步：吸引眼球、激发欲望、赢得信任、引导行动。
 

出海笔记Club

精选海外推广运营一线实战干货

官网 www.chuhaibiji.com




而这里用的是用户行为决策模式，即AIDAS原理，用来说明广告对消费者产生的不同作用，它包括以下五个阶段：
 
             
 
  
① Attention（引起关注）
能否引起用户关注，往往就在秒毫之间，所以我们一般通过大标题，再配上一个副大图片吸引访问者的注意，通常标题和图片的好坏直接影响点击率。
 
② Interest（产生兴趣）
告诉客户你的痛点是什么，该产品能给你带来什么利益和好处。
 
③ Desire（引发购买欲）
能够引起消费者购买欲望的，就是进一步告诉消费者为什么需要该产品，不解决会有什么严重后果，让消费者知道该产品可以很好地解决他的问题，解决后，能够带来哪些心理满足，满足你的欲望。
 
④ Action（促进购买行为）
当消费者打算购买商品的时候，那么你就要告诉他现在就要购买，包括怎么购买，购买流程是怎样。提供清晰可靠的CTA（Call on action），将注册、购物流程和网站的交互尽量最简化。
 
⑤ Satisfaction（获得满足感）
虽然满足感无法直接地提高转化率，但对你的整盘生意至关重要。获得一个新用户的成本是维持一个老用户的成本的2～6倍。
 
所以在获得良好口碑的同时，可以让一个用户不断回购你的商品，而且该用户会向他的朋友推荐你的商品。
 

 

1.3  广告转化漏斗模型

通过这个广告投放转化漏斗模型，我们把其中的转化漏斗分为四层：展示、点击、浏览、转化。 这个很好理解，大家直接看下图：
 
             
 
大家要充分理解好上面三模个性，因为是一切数据分析和广告调优的基础。
 
那么接下来我们先讲讲数据分析的维度和指标。
 

2 数据分析维度与数据指标的区别
             

2.1  分析维度与数据指标的概念

很多新入行的同学都容易混淆分析维度和数据指标这两个概念，比如点击成本是维度还是指标？

其实我们首先要想清楚的是分析维度，然后再去查看其对应的数据指标。我们在做数据分析时，先决定要看哪个维度的数据，确定维度再去查看对应的一些数据，只有这样做，我们查看数据分析才有意义。 
 

2.2  常见的分析维度和数据指标

下面这个表格可以更好地帮助大家去理解这个数据的分析维度和数据指标之间的关系。 
               
比如不同的人群定位，年龄和性别就是不同的分析维度，那么由不同投放策略所产生的一些数据，就是基础指标，比如展现量、点击量、转化量、消费数、激活数、留存数等。    
             
如上图这个例子，我们的分析维度是按照地区，而曝光量、点击量、花费等这些就是我们的数据指标。
 
从表格数据情况可以看出，泰国地区的转化率是最高的，订单成本是最低的。可见，从目前的广告投入产出比来看，泰国地区是最好的。通过对比，我们至少可以马上产生两个工作待办：
 
  • 分析泰国表现比其他国家好的原因，并参考优化其他国家；
  • 加大泰国投放预算，观察数据变化，以获得更多收入。
 
 

2.3  数据分析原则

相信大家产生一个疑问，就是数据指标那么多，我们应该关注哪些？所以在这里，我想说一下数据分析的原则：

复合指标的价值大于基础指标 
             
 因为复合指标体现更多的是ROI，比如说，你的基础指标展示很高、花费也高，但点击及转化都很少，这实际上是你的ROI很低。
 
但是，如果你只看某一项基础指标是看不出来的，你要看CPC单次点击成本、CPA单次行动成本，才能看出投入产出是否达到你的预期，再决定是改变策略继续优化、扩大投入、还是关停广告。  
 
 
复合指标是通过基础指标计算出来的。
 
比如 CTR，CPA，CPI，CPS，CPT。
 
为什么复合指标的意义大于基础指标？
               
以点击量来举个简单的例子：
A公司：1000个点击，花费1000元
B公司：1万个点击，花费10万
 
请问A公司和B公司，谁的优化效果好？
CPC ( 点击成本 ) = 总费用 / 点击量
A公司点击成本：1块/次
B公司点击成本：10块/次
 
从点击效果看很明显A公司更优
 


3 AB测试决定优化成败的关键

要提高ROI，AB测试必不可少。
 
A/B测试也称为分割测试，是一种快速找到更优策略的方法。
 
我们可以通过该AB测试，找出哪些广告标题、正文、图片、视频、行动号召性用语或组合最适合目标受众。
 
 此外，我们还可以测试不同目标受众在不同广告展示位置、版位的表现，了解谁是你的完美受众群体，以及该把广告放在什么版位效果会更好。
 

3.1  AB测试的变量

我们做AB测试，最主要的是测试多种变量，测试的变量包括人群定向、素材、设置、着陆页等。
 
        
3.2  AB测试流程的步骤
AB测试流程主要分为五步，如下：
① 设定项目目标，也就是AB测试的目标；
② 制定测试方案：确定实施的版本以及每个线上测试版本的分流比例；
③ 按照方案上线测试；
④ 收集实验数据，并进行有效性和效果判断；
⑤ 根据试验结果确定发布新版本、调整分流比例继续测试，或者在试验效果未达成的情况下继续优化迭代方案，重新上线测试。 
             
从对AB测试的定义中可以看出，AB测试强调的是同一时间维度、对相似属性分组用户进行的测试。
 
时间的统一性可以有效规避由于时间和季节等因素所带来的影响，而属性的相似性则使得地域、性别、年龄等其他因素对效果统计的影响降到最低。

出海笔记

精选海外推广运营一线实战干货

官网 www.chuhaibiji.com




3.3  AB测试流程：制定测试方案

 
首先要设定你的测试目标，比如你在投放facebook或者某短视频平台的时候，和平台要求你设置的投放目标是类似的，但在平台设置的那个是最终目标，比如转化购买，而你测试目标可以是整个漏斗的某个部分，比如浏览（展示量），获取线索的成本（行动成本），放入购物车的比例（行动转化）等等。 
       
    
如果你的测试有多个维度，比如 CPC, CTR，CVR，那么哪个才是你要优先考虑的指标呢？一方面，你要看你的推广告目标，比如是品牌还是转化购买。
 
如果是转化购买，CPM 和 CTR 并不是最佳选择。大多数情况下可以优先选择CPC，相对比较靠谱，因为CPC降低了能拓量。 
           
广告变量越少，所获得的相关测试结果的速度就越精准，而且单个广告变量可以更轻松地跟踪和评估结果。 
          
测试最重要的工作就是规划广告账户结构，因为规划了账户结构就基本相当于规划好了测试的维度。 
 
测试方案1：单独广告组
 
单独广告组，你的所有变量都围绕同一个广告组，这种结构的好处在于你的同一个目标客户不会看到你测试多次素材（多个广告组指向同一类型人群）。但这个结构有一个大缺点，就是 Facebook会自动优化你的广告，而你却得不到相关结果。
            
优选的好处就是成本相对会更低，所以如果一开始你对成本比较敏感的话，可以用这种方式。但可能有的广告分到的流量会变得很少。 
 
 
测试方案2：多广告组（同一）单变量对比（轮换） 
   
   
 多个单变量广告组，指每个不同素材在独立的广告组。如果你把每一个广告素材变量放在独立的广告组里，Facebook 会认为是每个广告组独立个体，于是就不会因为微小的结果而进行自动优化，所以这样测试是最好的。而轮换就更容易测出哪个素材好，很适合用于测试新素材。
 
 
 测试方案3：多广告组（不同）单变量对比 
       
   
当有多个AB测试可以选择时，你要选择更优质的AB测试优先测试，可以大大节省时间。
          
 
如果你想把所有潜在的影响因素都拉出来，做一个测试，假设在Ad Set层面，你要测试5个不同的目标受众，在Ad层面，你有5张不同的广告图片、5个不同的标题、5个不同的广告文案，那么只针对一个目标受众，会被呈现5X5X5=125个广告，你需要管理5X125=625个广告。 
       
 
假如加入年龄、性别、地区等所有可能的组合，这样广告会达到5000个（40个Ad sets X 125 Ads）。但是，创意不是越多越好，因为你的预算有限，你需要找到对ROI（CTR或CVR）影响最好的那个因素。所以，我们要根据影响力大到小进行测试。 
 

3.4  AB测试流程：按计划开始测试

虽然一个测试只可以改变一个因素，但如果你有足够的预算和受众，你可以同一时间测试数个AB测试。一个AB测试的因素变化要合理，不能太多，比如你不能做一个测试用20个不同的图片来试，一般2~5个就够了，最多一般不超过10个。
               
 
从大到小的差别测试
 
素材如何测试？我们可以做从大到小的差别测试，测试3-5个比较大区别的变量，比如测试三张风格差别较大的图片素材。然后再对上面表现较好的图片风格进行统一风格、进行不同设计点的对比，比如背景色、左右摆位、是否有图标或者CTA等。 
 
另外，建议要有足够的测试体量，即每个AB测试元素最好有100个以上的点击或转化，然后进行对比，如果能有300到500个会更好。另一个问题就是，AB测试需要多久才对比结果？
 
答案是24小时，比对2到3天，但这没有绝对的说法，需要基于你对预算成本的要求。 
               
还有很多初级优化师不知道AB测试后几天可以进行结果验证和下结论，3天、5天、还是2周？或者两个测试结果很接近，比如0.312%和0.299%？像这种情况，我们最好先别下定论。比如下图，左边点击27，右边点击28，很明显测试体量不够，如果两边各加2个0，那差别就很明显了。 
       
     

测试比较细微差别的变量，是很多老司机在做AB测试一个常犯的错误，比如只改变广告语的一个单词或一行字，或者是图片中不太明显的地方。       
     

 
最后，我们需要根据AB测试结果，来确定优化方案。 
       
      

图片
4 如何制作数据报表

制作数据日报和周报表，是推广人员日常重要工作之一。接下来，我们来讲一讲，如何制作你的数据日报和周报表。

4.1  日报与周报

日报：简单明晰，主要用于日常数据监测，重点在于第一时间发现问题。
周报：趋于分析报告，目的是分析原因和提出解决方案。
这个也是一个投放管理人员管理下面投放人员的必备技能
 

4.2  日报数据报表怎么做？

一份完整的日报表应该包含哪些部分？

  • 账户结构说明

  • 数据源

  • 透视细分分析

  • 重点数据汇总

  • 日总结和下一步
         
    
如何生成数据源？ 
             
首先我们从广告管理工具中进入 Facebook 广告报告后台，勾选我们需要的选项，先点击 “ 细分选择 ”，然后再点击 “ 指标选择 ”。 
       
  
这里需要注意一下， Facebook 的成效率不是转化率，而是转化除以展示，而转化率是转化除以点击。最后我们点击右上角的 Export 导出报表，选择xlsx格式文件，建议别选CSV，因为CSV对某些长串数字尾数会出现显示出错的状况。 
          
从Facebook后台 导出上面这张表之后需要对数据进行处理，比如我们在设计广告组的名字的时候按照性别、年龄、爱好、素材类型、时间、版位、预算等命名的，需要把他们分开一列一列，便于我们一会最数据透视表，具体操作看下图指示，我这里就不展开了。 
       
     

通过分列拆分字段
 
分列好的数据入下图： 
       
     

通过分列拆分字段，并根据日数据透视表分析数据，通过数据透视表，我们就可以去拖拉对比各种不同维度的测试效果和广告表现。 
       
      

每日总结和计划     
        
 

4.3 如何撰写周报？ 

日报和周报每个人的习惯都一同，属于个人管理和团队管理范畴，我直接分享几个以前带团队的日报和周报大家参考吧。 
       
          

       
   

5 广告效果诊断与优化（重点）

5.1  数据分析看什么
首先你要明白数据分析到底在看什么？

其实大家在前面做AB测试的方案的时候， 就已经需要有数据分析的意识了。
其中那些测试变量的设置，其实就是为后面做数据分析而铺垫的。 
               
而数据分析的任务，具体可以总结为以下3点
 
1 在趋势分析中发现数据异常点

2 对比分析界定问题范围

3 多维度细分，发现问题背后的原因 
             

 在做优化前，你要规划好自己的投放流程和调整策略 ： 
       
       
我们把不同表现的广告分成下面四个象限。
 
对于不同表现的广告的调优，跃升一个象限是比较容易的，两个比较难。当做数据分析的时候，我们需要用到四象限，如下图。（这部分内容可以展开会很长，我在另外一篇文章分享在出海笔记） 
       

出海笔记Club

精选海外推广运营一线实战干货

官网 www.chuhaibiji.com



5.2  广告效果诊断

接下来就是大家最关心的部分了：当经过一系列的维度和指标分析后，我们发现广告效果不好怎么办？
             
 为了让大家有个更清晰的认知，我整理了一个广告投放诊断思路图。
 
广告效果不好，一般有三种情况：成本高、展示量少和投入产出低。
 
详细拆解可以看下面三种情况。
 

5.3 CPA点击成本高

首先呢我们来看这个点击成本高，我们可以把它拆解成点击成本高或者是CTR点击率低：
 
             
 
流量成本高
 
1 那么流量成本高，我们又可以把它拆解为为竞争环境的加剧和出价偏高，那如果是竞争环境加剧的话，这个时候呢我们就可以询问一下媒体的一个ECPM值是不是在整体上涨，或者那比如说现在是不是节假日，那么大家都在抢量，所以ecpm值肯定在上涨，节假日流量成本就会高。
 
2 那么第二个可能就是我们现在目前的一个出价是偏高的，那这个时候呢我们需要去测试一下，那到底会不会是我们的测试偏高导致这个流量成本过高。
 
点击率CTR低
 
那么其次是我们的点击率比较低，那点击率比较低，又可以拆分成3个原因：
 
1 第一个呢是我们的创意吸引力比较低，那创业吸引力比较低，可能就有可能是因为我们的定向人群过于的宽泛，可能吸引到很多非目标受众来看到我们的广告，所以他最终没有人点击。
 
2 那么第二种就是我们目前的素材，其实没有人吸引到我们目前的目标受众来点击我们的广告；
 
3 而另外一个原因可能是我们目前的一个OCPM的模型没有稳定，为什么会出现这个情况？第一个呢可能是我们的转化追踪设置比如pixel设置或者目标设置不到位，那渠道媒体可能是看不到一个真实的一个转化数据，所以它的一个流量模型是判定错误的。第二是现在还没有足够的一个转化数据，因为ocpm机器是需要一定时间和点击量学习的。
 

5.4 流量少

那么下面我们再来看看啊就是第二种就是我们的展示或转化量少，我们就可以把它拆解成两个原因。 
             
那第一个就是我们预算不足，那预算不足呢可能就会导致过早的下线，又或者说我们的预算分配其实并不合理。
 
那么第二个就是消耗不足，那么消耗不足呢首先就是展现量少，那展现量少，就是拆解起来就是我们的一个ECPM值比较低。
 
ECPM值比较低，其实也是CPC,CTR或者CVR过低，那么我们要看一下具体是哪个环节出了问题，那比如说是CTR点击率比较低的话，那就回到刚刚那个成本高的那个图里面，我们看看怎么去解决这个点击率比较低的一个问题。 
 

5.5 广告ROI低

那么第三点就是我们的ROI投入产出比比较低，那投入产出比比较低，可能就会主要有四种可能性了。
              
比如说我们的定向人群过于宽泛，然后吸引到很多非目标人群，那所以用户自然就不会最终完成转化了，因为他本身就不想买这个产品，那这个时候呢我们可以尝试去逐步缩小我们的定向范围，去测试一下这个ROI是否有提升。
 
那第二种其实素材吸引的不是目标受众，这个需要分析用户需求，可以去尝试一下迭代素材。
 
那么第三点呢是我们的着陆页不能说服目标用户，那其实也是我们的着陆页的问题，那这个时候呢我们可以去迭代我们的着陆页。
 
最后还有可能是我们的销售的后续跟进不及时，那这如果是这个原因，我们需要跟我们的商务同事一起深入沟通。 
 

6  All in One 实战案例

接下来我拿一个具体的案例给大家演示一遍整个流程（记得举一反三）：
                
首先我们的目标是，降低某款游戏App 的安装成本CPI/CPA
              
目标：优化到7块以下
 
一般来说我们会测试3天左右，希望把广告优化到单次成效7块以下。
          
 现在，我们就拿一个案例三天的效果进行分析优化。
             
点开这个广告组，我们可以看到最近三天的趋势，从上图看到CPA都是逐步降低的，趋势效果有变好，证明有优化空间。那我们可以进行细分，分别可以对年龄、对素材拆分进行AB测试。
 
 
测试方案
 
那么我们先制定一个变量的测试方案，注意区分下测试的优先级
               
人群定位变量

比如我们可以把目标人群分成三个年龄层，27到29岁，30到32岁，33到35岁，按性别区分，拆成6组。 
             
 根据变量的表现进行调整
 
比如根据下面的素材变量表现趋势调整优化方向 
       
  
 如果看到成本是逐步上升的，我们就按照前面说的诊断决策树去分析原因。 
       


当进到广告组发现单次成效费用是逐步下降的，这就证明了这个广告组目前跑的效果不错，可以考虑加大预算和拓量。

            
对比版位后发现不同素材类型的效果 
         
 这时候我们可以跟设计沟通、申请预算和人力做更多的视频。 
             
 进一步分析后得出：女主播类视频效果最好，其次新角色类。女主播是考虑到受众以宅男居多，而新角色也能吸引喜欢同类游戏的玩家。

          
 再进行人群细分对比，我们发现27到35岁年龄段男生效果最好的，而普遍男生效果也比女生好，结合游戏的特性（宅男类游戏，你懂的），觉得我们的测试结果复合逻辑。
 
 
按时间段分析和优化
 
除了日常每天优化，在阶段性复盘的时候，我们也可以对一段时间的数据进行分析。
              
除了可以用于自我复盘总结外，通常在我们向老板或甲方汇报时也会可以用到，比如希望向老板要更多的资源（预算、人员配置、设计师资源、产品优化资源）。
 
还是回到这个案例：
              
把时间拉长，看到上面这几个波峰和波谷的时间段的广告表现，你一定很想知道发生了什么引起的。
 
经过分析我们得出以下的推断：
        
 

6 总结

最后给大家做一个总结吧，直接看图，但船长提醒大家，因为产品和业务千差万别，这些都是参考建议，大家不要生搬硬套，一定要举一反三。 
              
文章内容加上PPT都不知不觉又写了超过1万字了，其实可以分享的远不止这些，随便一张PPT单独拿出来讲都可以讲至少一个小时，都展开的话可以写成书了。在主编姐姐要求下我尽可能完整，所以我还是把整个流程写出来了。虽未详尽但算是抛砖引玉吧，对于未能解读得很透彻的地方，大家有任何问题可以留言，船长会针对诉求较多的部分另外再重点分享。

文章为作者独立观点，不代表DLZ123立场。如有侵权,请联系我们。( 版权为作者所有，如需转载，请联系作者 )

网站运营至今，离不开小伙伴们的支持。 为了给小伙伴们提供一个互相交流的平台和资源的对接，特地开通了独立站交流群。 群里有不少运营大神，不时会分享一些运营技巧，更有一些资源收藏爱好者不时分享一些优质的学习资料。

现在可以扫码进群，备注【加群】。 ( 群完全免费，不广告不卖课！)

点赞(0) 打赏
如何扩展 Twitter 广告？
如何扩展 Twitter 广告？
如何知道您的 Facebook 广告是否有效？
如何知道您的 Facebook 广告是否有效？
产品课堂丨强力增效，Twitter Amplify助力广告主实现品效双赢
产品课堂丨强力增效，Twitter Amplify助力广告主实现品效双赢
如何在 2022 年投放 Twitter 广告？
如何在 2022 年投放 Twitter 广告？

评论列表 共有 0 条评论

暂无评论

服务号

订阅号

备注【拉群】

商务洽谈

微信联系站长

 发表
评论 立即
投稿 返回
顶部