投身广告投放领域多年，当我向身边众多优化师询问，他们认为优化师最为关键的能力是什么时，大家多数提到了两点，其一为创造跑量素材或对其具备敏锐感知能力，其二是数据分析能力。
然而，倘若进一步询问，如何做好数据分析
![图片[1]-对 1000 条视频的投放数据展开了深入研究，确实有人成功验证出了其跑量的规律……-精准获客](https://cos.jingzhunhuoke.net/tu/suolue/10.jpg)
，需要分析哪些数据，几乎所有人的回答如出一辙，提及点击率、转化率、cpm、成本等等。那么该如何优化呢？点击率低，就优化素材吸引力；转化率低，就优化落地页……少数优化师还会提及3秒播放率、完播率等指标的重要性，但再深入一些，3秒播放率对跑量的具体影响有多大？又是如何产生影响的？或许很多人会感到困惑。
01、常规的信息流数据分析
在此，先简要阐述一下常规的信息流数据分析可能会采取的举措。
①观察点击率、转化率、播放率、cpc等，大致评判一个素材的质量优劣；
②通过查看转化率、跳出率、阅读进度等，了解一个落地页的吸引力或号召力；
③查看时间趋势、时段数据，并结合量级和成本趋势进行分析；
④查看人群报告，包括年龄、性别、区域分布等，以判定高质量转化人群；
⑤……
以上所言皆正确，若详细展开，这便是一套极具体系的数据分析。
但当视频素材无法跑量，或者素材虽跑量但从数据层面来看究竟有何表现？在数据分析方面还能有哪些突破点呢？
当我们从巨量的后台报表中导出视频分析表格时，能够看到诸多内容。
我一直在思索，如此众多的数据，除了常规的展现、点击、消耗、转化，其余的又该如何加以利用呢？确实，对于那些常规数据，我们钻研折腾了许久，最终却常常发现其存在失真情况，点击率与转化率高的未必能跑量，千次展现高的也不一定能跑量，而跑量的各项指标看上去也并无特别突出的优势……也难怪有人会说，“投放乃玄学”。
02、是否存在可能影响跑量的综合指标？
后来，经过我的一系列探究，认为以下指标可能会对跑量产生影响，在进行数据分析时均可纳入考量：
1.竞价指标：点击率、转化率、出价、ecpm……这是众人皆知的；
2. 完播指标：3秒播放率、有效播放率、99%播放完播率……等。
3. 互动指标：评论数、分享数、点赞数
4. 负面指标：举报、不感兴趣，这些或许不少人都曾留意过。
然而，是否存在一个公式，能够将上述所有指标综合考虑进来，通过简单计算这四个指标，得出一个“综合指标”，且综合指标越高，跑量的可能性就越大呢？从理论上讲，并不存在。因为在系统层面，影响指标更为繁多，还包括账户权重、人群属性、竞争环境、人工干预、低质素材限流等诸多我们无法看见的因素（光是“何种素材会被判定为低质这一点就极为神秘，在媒体中这是粗排和精排的过程”）。
在此顺便分享一下，可能有些优化师并不清楚，广告展现前存在10个过程：
1.在该流量位上用户发起的广告请求数
2.过滤掉不在广告定向范围内的用户请求后剩余的广告请求数
3.过滤掉看过同类型广告次数过多的用户请求后剩余的广告请求数
4.因对广告不感兴趣/素材样式不合适等原因被过滤后剩余的广告请求数
5.过滤掉没有足够可用预算与余额的广告后剩余的广告请求数
6.预估进入粗排后最终能够成功投放的概率
7.预估进入精排后最终能够成功投放的概率
8.可参与ECPM排名
9.ECPM竞价胜出
10.与用户内容混排后，ECPM竞价胜出
在此，粗排、精排都是优化师难以直接掌控和调整的。相对而言，我所列举的上述四个指标是优化师能够看到且相对能够控制的。
此外，需要着重强调的一点是，无论我们最终分析出何种指标，都不能代表它就是素材跑量或不跑量的“标准答案”。我十分认同有人提出的观点，即在算法层面，我们所进行的数据分析对跑量的影响是具有局限性的，但优化工作仍然是“尽人事，听天命”，我们需要竭尽全力在所能看到的范围内进行优化。
03、怎样探寻信息流视频广告的跑量指标？
那么假设其他因素（黑盒因素）大致相同的情况下，我们是否有可能找到一个较为相近的跑量指标呢？
我的思考方式是以跑量的结果进行反向推导，首先导出所有视频素材的投放数据，然后对比各个素材的各项指标情况，如果最终计算出各个素材的综合指标恰好呈降序分布（无法做到完全一致，只能呈现出这种趋势），那么我们便找到了那个“可能正确”的公式。
举个我在探索过程中的公式示例：
假设竞价指标=点击率*转化率*2
（由于我测试的账户中普遍出价没有显著差异，也未进行自动出价投放，因此在对比时未将出价这一因素考虑在内）
假设互动指标=（评论+分享+点赞）/有效播放数*1000/4
假设综合指标=竞价+完播+互动-负面*2
这些公式是如何得来的，为何要乘2，又为何要除以4，实际上就是大胆假设并加以求证，这个过程需要反复调整参数和计算方式，最终使综合指标的结果尽可能与跑量结果相符即可。
而且在调整的过程中，需要思考哪个因素对跑量的影响更大，例如我认为，竞争指标是极为重要的权重，需要更高，所以乘2，而互动指标的权重可能没那么高，通过除以4来降低指标。
类似地，也可以进行测试，播放指标该如何计算，是3秒播放更为重要？还是99%播放进度更为重要？亦或是有效播放率更为重要？在互动指标中，是否评论、分享、点赞并非等权重，也许点赞和分享的权重更高，而评论数量反而并不重要呢？倘若大家有此想法，都可以在这些方向上进行计算和探讨。
最终我们能够得到如下所示的数据分析表：
（注意需要排除掉消耗或者展现过低的素材，数据过少可能不具有参考价值）
这些有何作用呢？
1. 你会开始更为全面地关注视频素材的各项指标，例如你的素材跑量仅两天便突然衰减，可能是负面指标上升，而点击率和转化率却未发生变化；同时，你也能够大致了解完播数据对跑量的大致影响程度，可能有些素材的播放数据不佳，但竞价指标过高，所以依然能够跑量。
2. 通过测试会得到一些具有验证性的结果，例如我发现确实竞争指标的影响最为显著，提高点击率*转化率是有效的，但盲目提高单项指标并无作用，比如你认为点击率低，制作了一个增加诱导点击的素材，转化率必定会下降，那么这个素材的竞争力依然不强。相较而言，在素材不变的情况下优化落地页则更为有效；
3. 在消耗较少的情况下，能够初步判断一个素材的优质程度或生命周期，比如一个素材虽然其竞价指标很高能够跑量，但互动指标和完播指标一直不佳，那么其衰减可能会较快，需要尽快储备其他素材。至于具体何种指标的生命周期是怎样的，这还有待进一步测试。
4.实际上，坦白地说，这个分析结果并非至关重要……或者说，不必将其作用想象得过大，更多的是我们在分析过程中的思考，以及我们如何从数据上评判不同素材，甚至是账户的差异点究竟在何处。
以上是一定周期后的汇总结果，我们知晓许多素材是具有周期的，可能今天表现良好，明天则不佳，或者突然在某一天起量，又在某一天没量了。
因此，我们也可以针对一些跑量素材，结合它们的消耗趋势进行数据复盘，例如：
以上的消耗为一段周期内的总消耗以及总指标情况，可以看到，消耗排名第1的素材，指标仅排名第5，而指标排名第1的素材，消耗排在第6。结合这几条素材的消耗趋势，消耗第1的素材确实在前期起过一波量，但后来衰减了，拉低了指标，实际上在起量期间该指标应该在20以上。
而指标第1，消耗第6的素材，经过一周左右的探索，后面确实起量并跑起来了，所以指标较高，越容易跑量的这个趋势是存在的。更进一步，我们可以将这些素材的指标日报提取出来进行分析，研究素材的衰减过程是由哪个指标的变化所导致的，这也能在一定程度上提供参考，此处便不再详细展开。大家能够理解其中的逻辑和思考方向即可。
然后这里可能会有小伙伴想问我测试得出的公式是什么，我认为这个不能套用，原因如下：1.首先，这是我个人的见解，并非算法的“标准答案”，仅供数据分析的参考，不能盲目相信；2.这个公式的推导过程中，我所分析的账户、行业数据并不丰富，可能在其他行业或账户上并不适用，反而容易产生误导；3.更建议大家结合自己的账户和素材情况，秉持这种思路去分析素材，如果能够总结出一些内容，这比获得我测试的公式本身更具价值
最后，再着重强调几句，如果您在自己的账号和行业中，找到了一个可能准确的指标公式，切勿唯指标论，有大量的“黑盒指标”是我们无法看见的，它更多的是一种参考意义。而且对于实际决策而言，其所能起到的作用也是有限的，最终我们还是要回归到能够跑量的素材的形式、类型、文案上，同时还要避免素材的同质化，回归到用户身上，这样才能使我们的创意能力和优化能力得到进一步提升。
暂无评论内容