高 ROI 广告投放的奥秘——数据分析、诊断及优化

若想成为一名卓越的推广运营者或者增长负责人，仅懂得投放广告而不明白通过分析数据来提升广告的ROI，那是远远不够的。数据分析与优化并非只是简单地查看后台数据，而是一项融合了营销思维与实践操作的核心技能——能够洞察表象背后的本质。

所以在这篇文章中，船长将引领大家掌握数据分析的整套流程，涵盖一系列的模型和理论基础，以及工作步骤，接着依据所得的分析结果来进行广告优化，这绝对是精华中的精华，希望大家能够用心研读。

目录

1 实现高ROI不可或缺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差异

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 日报数据报表的制作方法

4.3 如何撰写周报

5 广告效果诊断与优化（重点）

5.1 数据分析的重点

5.2 广告效果诊断

5.3 CPA点击成本过高

5.4 流量少

5.5 广告ROI低

6 All in One 实战案例

7 总结

01——实现高ROI不可或缺的三大数据分析模型

1.1 广告投放流程模型

从广告优化师的视角来看，我们能够将广告优化流程划分为四大阶段：

第一阶段：确立目标

这一步至关重要，投放目标涵盖品牌、访问量、互动率、潜在客户开发、转化量、应用安装等十多种可供选择。另外，在这一阶段，您还需要进行产品和投放目标人群的分析，也就是产品调研和用户画像的构建。

第二阶段：测试阶段

首先要依据人群定位（性别、年龄、语言等）测试维度来规划账户结构，并准备好用于投放的广告素材；然后必须运用AB测试这种方法，例如有10个广告素材视频，若想知道哪个更受客户喜爱、转化效果更优，就需要进行AB测试。

第三阶段：数据分析

依据投放数据进行判断，对于效果不佳的情况，我们要深入挖掘，找出根源所在，提出新的优化方案并继续测试。

第四阶段：上量规模化

此时基本上已经测试出哪些人群和素材最为理想，那么就需要将投放效果最大化，进行横向和纵向的规模化扩展

1.2 用户行为模型

除了上述从优化师视角所阐述的广告优化流程模型，我们还需学习从用户视角出发的模型，通过素材对用户行为产生影响的四个步骤：吸引目光、激发欲望、赢得信任、引导行动。

而这里运用的是用户行为决策模式，即AIDAS原理，用于阐释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）

能否吸引用户的关注，往往就在瞬息之间，所以我们通常会通过醒目的大标题，再搭配一张大幅图片来吸引访问者的注意力，通常标题和图片的优劣直接影响点击率。

② Interest（产生兴趣）

向客户阐明您的痛点是什么，该产品能为您带来何种利益和好处。

③ Desire（引发购买欲）

能够引发消费者购买欲望的，就是进一步告知消费者为何需要该产品，不解决会产生何种严重后果，让消费者知晓该产品能够很好地解决他的问题，解决之后，能够带来哪些心理上的满足，满足您的欲望。

④ Action（促进购买行为）

当消费者打算购买商品的时候，那么您就要告知他现在就进行购买，包括如何购买，购买流程是怎样的。提供清晰可靠的CTA（Call>

⑤ Satisfaction（获得满足感）

虽然满足感无法直接提升转化率，但对于您的整个生意而言至关重要。获取一个新用户的成本是维持一个老用户成本的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您的商品，并且该用户会向他的朋友推荐您的商品。

1.3 广告转化漏斗模型

通过这个广告投放转化漏斗模型，我们将其中的转化漏斗划分为四层：展示、点击、浏览、转化。 这个十分易于理解，大家直接查看下图：

大家要充分领会上述三个模型的特性，因为它们是一切数据分析和广告调优的基础。

那么接下来我们先谈谈数据分析的维度和指标。

02——数据分析维度与数据指标的差异

2.1 分析维度与数据指标的概念

许多新入行的朋友都容易将分析维度和数据指标这两个概念混淆，例如点击成本到底是维度还是指标？

实际上我们首先要思考清楚的是分析维度，然后再去查看其对应的数据指标。当我们进行数据分析时，先确定要查看哪个维度的数据，明确维度后再去查看相应的一些数据，只有这样，我们进行数据分析才具有意义。

2.2 常见的分析维度和数据指标

下面这个表格能够更好地协助大家理解数据的分析维度和数据指标之间的关系。

例如不同的人群定位，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划分，而曝光量、点击量、花费等这些就是我们的数据指标。

从表格数据情况能够看出，泰国地区的转化率最高，订单成本最低。可见，从当前的广告投入产出比来看，泰国地区是最为理想的。通过对比，我们至少能够立即产生两个工作待办事项：

分析泰国表现优于其他国家的原因，并参考优化其他国家；

加大泰国的投放预算，观察数据变化，以获取更多收入。

2.3 数据分析原则

相信大家会产生一个疑问，就是数据指标众多，我们应当关注哪些？所以在此，我来讲一下数据分析的原则：复合指标的价值高于基础指标

因为复合指标更多地体现了ROI，比如说，您的基础指标展示量很高、花费也高，但点击和转化却很少，这实际上表明您的ROI很低。

但是，如果您仅查看某一项基础指标是难以看出问题的，您需要查看CPC单次点击成本、CPA单次行动成本，才能判断投入产出是否达到您的预期，进而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得出的。

比如 CTR，CPA，CPI，CPS，CPT。

为何复合指标的意义大于基础指标？

以点击量为例来简单说明：

A公司：1000次点击，花费1000元

B公司：10000次点击，花费100000元

请问A公司和B公司，谁的优化效果更好？

CPC ( 点击成本 ) = 总费用 / 点击量

A公司的点击成本：1元/次

B公司的点击成本：10元/次

从点击效果来看，显然A公司更优。

03——AB测试——决定优化成败的关键

若要提升ROI，AB测试不可或缺。

A/B测试也被称为分割测试，是一种能够迅速找到更优策略的方法。

我们能够通过该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，我们还能够测试不同目标受众在不同广告展示位置、版位的表现，了解谁是您的完美受众群体，以及将广告放置在哪个版位效果会更好。

3.1 AB测试的变量

我们进行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测试的定义可以看出，AB测试强调的是在同一时间维度，对具有相似属性的分组用户进行测试。

时间的统一性能够有效规避由于时间和季节等因素所带来的影响，而属性的相似性则能够将地域、性别、年龄等其他因素对效果统计的影响降至最低。

3.3 AB测试流程：制定测试方案

首先要设定您的测试目标，例如您在投放facebook或者TikTok的时候，和平台要求您设置的投放目标类似，但在平台设置的那个是最终目标，比如转化购买，而您的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。

如果您的测试包含多个维度，比如 CPC, CTR，CVR，那么哪个才是您需要优先考虑的指标呢？一方面，您需要查看您的推广告目标，比如是品牌推广还是转化购买。

如果是转化购买，CPM 和 CTR 并非最佳选择。大多数情况下可以优先选择CPC，相对较为可靠，因为CPC降低了能够拓展量。

广告变量越少，所获得的相关测试结果的速度就越精确，而且单个广告变量能够更轻松地跟踪和评估结果。

测试最为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等同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，您的所有变量都围绕同一个广告组，这种结构的优点在于您的同一个目标客户不会看到您多次测试素材（多个广告组指向同一类型人群）。但这个结构存在一个较大的缺点，就是 Facebook会自动优化您的广告，而您却无法获取相关结果。

优选的好处就是成本相对更低，所以如果一开始您对成本较为敏感的话，可以采用这种方式。但可能会出现某些广告分配到的流量很少的情况。

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。如果您将每一个广告素材变量放置在独立的广告组里，Facebook 会认为是每个广告组都是独立个体，于是就不会因为微小的结果而进行自动优化，所以这样的测试是最佳的。而轮换则更易于测试出哪个素材更好，非常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测试可供选择时，您要选择更优质的AB测试优先进行测试，这样能够大大节省时间。

如果您想将所有潜在的影响因素都提取出来，进行一个测试，假设在Ad Set层面，您要测试5个不同的目标受众，在Ad层面，您有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，那么仅针对一个目标受众，会被呈现5X5X5=125个广告，您需要管理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，创意并非越多越好，因为您的预算有限，您需要找出对ROI（CTR或CVR）影响最佳的那个因素。所以，我们要依据影响力从大到小进行测试。

3.4 AB测试流程：按计划开始测试

虽然一个测试仅能够改变一个因素，但如果您拥有充足的预算和受众，您能够在同一时间进行数个AB测试。一个AB测试的因素变化要合理，不能过多，比如您不能做一个测试用20个不同的图片来尝试，一般2~5个就足够了，最多通常不超过10个

。

从大到小的差别测试

素材如何测试？我们可以进行从大到小的差别测试，测试3-5个差异较大的变量，例如测试三张风格差异显著的图片素材。然后再对上述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测试需要多久才能对比结果？

答案是从24小时开始，比对2到3天，但这并非绝对的说法，需要基于您对预算成本的要求。

还有许多初级优化师不了解AB测试后几天能够进行结果验证和得出结论，是3天、5天、还是2周？或者两个测试结果非常接近，比如0.312%和0.299%？像这种情况，我们最好先不要匆忙下结论。例如下图，左边点击27，右边点击28，很明显测试体量不足，如果两边各增加2个0，那差别就会十分显著。

测试比较细微差别的变量，是很多经验丰富的优化师在进行AB测试时经常犯的错误，例如仅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，我们需要依据AB测试结果，来确定优化方案。

04——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内容之一。接下来，我们来讲一讲，如何制作您的数据日报和周报表。

4.1 日报与周报

日报：简洁明了，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