分享要点:
1. 浅析巨量2.0 的前世今生
2. 巨量2.0对优化师和素材内容的影响
3. 如何搭建高效率的素材体系
一
浅析巨量2.0
1. 2.0的前世今生
设计预期:让广告投放走向“无人驾驶”
1.1 广告投放中的常见玄学问题:
不起量:计划怼了1006条了,就是不起量!
超成本:昨天成本好好的,今天突然跑飞了,高血压ing!
效果差:转化效果每况日下,投放一个月,亏了一套房!
.......
日常投放中,优化师半夜盯账户,KTV搭计划,所谓“天下苦广告投放久已”。
1.2 2.0的使命和责任
使命:解决日常投放的不稳定问题
责任:掏光广告主的预算 老的模式下,广告主不敢投,或者心惊胆战的投,这直接反应在预算和出价上
1.3 2.0的历程
投放实验室->投放管家->升级版2.0
投放实验室:半自动化投放的探索前期,主要是【创意标签】上的探索,例如著名的去标签化实验
投放管家:整合一键起量、一键继承、nobid、一键优化等优化工具资源
升级版2.0:优化效果,提升各工具间的协同效应,降低“数据孤岛”的影响
2. 2.0对广告投放的影响
元素 | 老版本 | 2.0 |
定向 | 强定向+弱定向,鼓励精准定向的同时,适当放宽定向 | 梭哈就完事了,你只管交给系统 |
出价 | 手动调整(梯度出价,高开低走等) | 自动出价+nobid+CBO等 |
创意 | 程序化创意+自定义创意+衍生创意 | 程序化创意+衍生创意 |
调控 | 手动优化 | 一键起量、一键继承等优化工具形成的组合拳 |
核心:半自动投放的核心是为了降低投放的门槛,从而撬动广告主的预算,核心导向是把优化师从账户调整的优化释放出来,更加侧重的去做素材的优化,素材是核心竞争力的表象。
二
2.0下对优化师和素材内容的影响
1. 素材和竞价的影响
冷启动 | 成熟期 | 衰退期 | |
旧版 | 冷启动比较慢,需要多数计划测试,且偏保守,冷启动效率低 | 相对稳定 | 衰退周期长(如果不作死对冲优量计划的话) |
新版 | 冷启动期间更加激进,且可以综合效果转化工具,冷启动效率高 | 稳定中透露出一丝飘 (因为需要补充新计划,所以会影响,虽然有调优策略了,但底层机制就那样了 | 衰退周期中长,因为受多计划影响 |
题外话:无脑堆计划,会内卷同账户相似计划竞争,从而透支掉潜在人群空间,导致计划衰退快 想想重复度打压,素材保护,是不是有那味了
对竞价的影响:由全手动走向半自动(类似由手动档进化到自动档,不用再在乎档位的调整,更加关注视觉元素)
素材上的影响:释放优化师操作操作优化精力后,需要更多的关注素材的数量和质量(数量>质量),需要特征数量更多的素材(后面会说到优质素材)
PS:数量>质量的逻辑,不是支持无脑堆无效素材,改改帧或者贴片啥的,是指满足基段+进阶段的素材,切勿误导。
2. 创意策略上的影响
在创意策略上从素材离线优选迭代为素材在线优选,而且让系统会自动进行组合搭配(说白了就是程序化创意,A×B)
由于素材叉乘组合构成创意,会导致创意数量过多,为了快速度过冷启动和较少广告浪费,从效果和性能方面考虑,对于初始时的这些创意,会做素材优选,从多个创意中挑选优质创意在第一批进行投放(首批策略)。同时在投放过程中,定期检查创意的后验数据,暂停效果较差的创意,启动没有探索过的创意(剪枝策略)。
综上所述:
新素材有时候数据低于预期,是由操作不当引起的,当一个未度过冷启动的素材,和一个度过冷启动的素材放一块时,流量会倾斜在度过冷启动的素材上,从而导致新素材没有足够的曝光去验证质量(度过冷启动的素材:朕一日不死,尔等终将是臣)
创意数量过多和过少都不利于素材质量的评估和探索
素材可以先富,带动后富,但不同方向上的素材不建议在一个项目组中用
一定要做好素材分组测试
3. 新素材的"流量buff"
除运营活动外,常规无所谓的流量扶持
流量扶持分为保送和扶持,常规作用在精排和粗排,如果是“扶不起来的阿斗”,也是过不了混排的
新素材的跑量好的原因:
新素材平台给的预估会比较高
受dislike的影响风险较低
有前面素材的数据,新素材一般是“有的放矢”,踩在前人的肩膀上,质量度会高一些。
三
如何搭建高效率的素材体系
1. 素材生产体系
各家自有各家长,能够保证高效的素材生产供给即可。
2. 素材资产体系
对素材进行统一的资产管理,素材资产=素材内容+素材生产数据。
素材内容:视频、台词、图片、人物、BGM、文案等。
生产数据:素材线上使用所产生的真实数据,和对应的素材挂钩。
3. 素材标签体系
对素材进行颗粒度最小化的标签打标,一个素材由N多个标签构成
可细剖用户画像,做标签反推
重要:集合素材资产体系,累计生产数据后,对不同素材的标签做聚合化分析,得到科学的标签&素材方向1
3.1 做好归类:将不同的标签进行分门别类
由于标签属性的不同,为了避免脏数据造成不在预期的影响,需要对不同的标签进行分类,核心目的是实现对标签的分组管理和方便后续归因。
例如按大搜关键词的做法:核心、潜在、非核心。例如按有效性:有效、无效、待定。
3.2 做好分级:级数从低到高,标签颗颗粒度越来细
级数和区分可根据自身业务场景确定
示例:
1级 | 2级 | 3级 | 4级 | 5级 |
自行车 | 公路自行车 | 城市公路自行车 | 城市破风公路自行车 | 粉色城市破风公路自行车 |
3.3 其他:有感兴趣的同学可以自行了解
A. 可对视频进行分帧打点,对脚本和文案进行分词重组,得到更加详实,更加置信的标的
B. 标签聚合化学习模型
标签预测模型
标签预测模型可以选择任何一个现有的分类模型,如逻辑回归、决策树、随机森林等等。我们以逻辑回归为例,假设训练集包含m个样本和n个标签,则对于第i个标签,我们可以训练一个逻辑回归模型:
其中x为输入样本的特征,θ 为逻辑回归模型的参数。
聚合模型
聚合模型通过将所有标签的概率分布进行聚合,生成最终的分类结果。常用的聚合方法有三种:Binary Relevance、Classifier Chains和Label Power Set。
我们以Binary Relevance为例,假设训练集包含m个样本和n个标签,则对于每个样本x xx,我们需要对它进行n次预测,得到每个标签的概率分布:
4. 标签归因体系
4.1 计算标签的原始向量:
X:时间 Y:消耗 Z:回收(可根据业务自己设定)
一个标签可存在多个向量
4.2 计算标签的业务向量
4.3 标签的聚合化分析
每个素材的标签不同
每个素材的消耗数据不同
每个素材的投放情况不同
我如何知道哪个标签是有效的?
通过聚合分析标签在不同素材中的向量,可得到核心标签(颗粒度小)
4.4 新素材依据标签召回预估质量度
5. 什么样的素材才是好素材
为什么我一个全新的素材系统会给我标识【低质】
为什么我一个看起来很牛逼的素材,数据表现效果不好
为什么一个十分拉跨的素材,却有很好的数据表现
好与坏的判定需要标的参照物,系统以数据作为参照物,个人以主观作为参照物,所以会造成判定的出入,系统觉得好的素材才是好素材,用户觉得好的素材才是好素材,而非是其他角色。
题外话:
平台出于用户体验的考虑,会对低质素材进行打压(降低hidden_cost),也就是标识【低质】 不标识【低质】的素材不一定会被打压,标识低质的素材一定会被打压 当有以下场景时,容易被打压: a.命中负面反馈模型 b.同类型素材历史展示量过高 c.相似素材召回时,hidden_cost较低 d.该素材用户负面反馈高 |
什么样的素材才是好素材-视频:
基础段 | 进阶段 | 加分段 |
|
|
|
6. 如何科学的评估素材
不同方向、不同用户、不同转化目标、不同出价如何有个统一的评判标准
维度 | 现在:已产生数据 | 目的 | 未来:时序预测 | 现在+未来=总质量分 | 比对 | rank | |
消耗降权 | (-1/cost*+z)*100 | 降低消耗虹吸带来的影响 | 可量化 定值 | *0.3 | 现在+未来=总质量分 | 和账户基准数值对比(近7天) | 以质量总分排序,更高分数的素材,有更大的起量空间(理论上,收实时预估的偏差,有出如) |
ecpm值加权 | ecpm*x(1<x) | ECPM越高,代表投放越精准,竞争力越高 | *0.3 | ||||
CPM降权 | cpm*x(0<x<1) | CPM越高,流量越贵,越容易超成本 | *0.3 | ||||
计费比反函数加权 | (1/cpa/bid-a)*b | 计费比越低,质量度越高 | *0.3 | ||||
回收系数加权 | roi*100 | ROI越高,质量度越高 | |||||
回收值降权 | (-1/回收+1)*100 | ||||||
生命周期判定 | 冷启动、成熟期、衰退期 | 数据稳定度 | |||||
时序预测判定走势,继续上升事态素材更多容忍度 | |||||||
上述指标总分时序预测 | 上升、下降 | 判定未来走势 | |||||
时序节点回归 | 连续上升、连续下降、节点回归曲线 |
加减权系数非定量,目前系数仅为建议参考
可以以实际数值为参考,做加减权系数的拟合训练,得到动态入参,优化加减权系数以至更合理。
拟合训练:根据生产数据进行拟合训练系数参数,避免过拟合和欠拟合,拟合训练直接影响了模型的准召率。
时序预测:基于某一指标的历史数据来预测其在未来的值(算命)
四
互动问题(后台私信回复:春山,可得答案)
Q1:素材会累积数据模型吗?
Q2:首发素材跑出率低,混剪素材重复度高怎么办?
Q3:老带新,新素材计划竞争力低,整体跑出率低怎么办?
Q4:一个项目组里面,最合适的素材和文案的比例是多少?
Q5:放量情况依靠回收数据吗?
Q6:剪枝策略会不会影响到我计划的稳定度?
Q7:单个计划放多少个视频素材比较好?
Q8:公司的素材标签体系与巨量识别的素材特征是不是一样的?
Q9:如何评估单个素材的好坏?
Q10:从媒体的角度来看扣量回传和增量,干预CVR,还有效果吗?
Q11:有些比较主观的情感,用什么标签比较好?
Q12:素材的点击率高,ROI低,可以从哪些角度分析素材,是否点击率和ROI不是呈正相关?
Q13:后端素材会越跑越差吗?
Q14:稳定计划加新素材会打乱原来的计划吗?
Q15:给计划一键起量后,基础消耗大于起量消耗,我再关掉一键起量对计划的影响大吗?
以上仅代表作者个人观点,和平台及第三方无关。
1、递进式活动起号玩法(更新于2024年3月6日)
(私信回复“抖音玩法”获取原图)
递进式活动起号玩法,通过迎合直播算法,递进式拉动直播权重,平衡性获得直播推荐流量,目前递进式在个人直播间单月贡献量级100万GMV。
2、短视频测爆款玩法(更新于2024年3月2日)
(私信回复“抖音玩法”获取原图)
短视频测爆款玩法,相比较传统的短视频测爆款,这套玩法能获得更高的精准自然推荐,普遍应用在服装、食品直播间,单月贡献量级200万GMV。
3、单品千川投放玩法(更新于2024年2月28日)
(私信回复“抖音玩法”获取原图)
千川单品玩法,单品单投放策略,极大降低混品投放门槛,目前在我的直播间月贡献量级超过500万GMV,是我个人应用最多的直播间玩法。
4、三驾马车混合流量玩法(更新于2024年3月6日)
(私信回复“抖音玩法”获取原图)
三驾马车玩法,三驾马车的流量结构是未来直播形式中最稳定的模式,但操作过程较为复杂,目前占有月GMV不足100万,新手团队不推荐。
作者 | 春山,工具软件公司产品负责人、前字节投放策略产品。熟悉字节系的流量分发、投放逻辑、推荐算法直播等,最近在研究ue模型和open_biding。