在近幾年做產(chǎn)品的過程中，我經(jīng)歷了一個有趣的工作經(jīng)驗。經(jīng)歷了從對“APP付費(fèi)投放”一無所知，到從0-1搭起APP的投放推廣流程體系。把獲客單價降低了 1.6倍 ，也將投放的新用戶次日留存率提升至自然新增渠道的 1.4倍！

在這過程當(dāng)中，發(fā)現(xiàn)對投放數(shù)據(jù)的分析尤為重要，也是“降本增效”的關(guān)鍵！即能不能花更少的錢，帶來更高質(zhì)量的用戶。故本文將我從一頭霧水到理清工作思路，然后拿到業(yè)務(wù)結(jié)果的過程中沉淀的工作經(jīng)驗進(jìn)行總結(jié)分享，希望能幫助到像那時的我一樣，處于入門中的朋友們。

一、找準(zhǔn)外投關(guān)鍵指標(biāo)

能不能花最少的錢，帶來更高質(zhì)量的用戶。因此產(chǎn)生兩個關(guān)鍵指標(biāo)：獲客單價、獲客質(zhì)量。

（1）獲客單價：

即獲得到你想要的用戶，需要付出多少錢。這里需要注意的是，需要根據(jù)投放的目的來確認(rèn)，什么才算是你想要的用戶。

以我本次做APP付費(fèi)投放為例：投放目的是拉新：即獲得來使用該APP的新用戶，那么我的獲客就定義為：使用APP并且是第一次使用我們APP的用戶，即激活新用戶，那些以前下載過，或者是下載了但沒有打開使用APP的用戶均不算。

那么 獲客單價就等于投放消耗金額/激活新用戶人數(shù)。

（2）獲客質(zhì)量：

即你獲得用戶，他提供的價值如何。不同類型的APP有不同的衡量方式，比如留存情況、付費(fèi)情況、活躍情況等，最終會通過這些關(guān)鍵指標(biāo)來衡量用戶的質(zhì)量，獲客消耗的費(fèi)用與投放帶來這部分用戶產(chǎn)生的價值相比來計算ROI。

二、如何辨別數(shù)據(jù)異常

在投放過長中，需要時刻緊盯上文提到的關(guān)鍵指標(biāo)及關(guān)聯(lián)指標(biāo)。但如果只看單獨的數(shù)據(jù)值是沒意義的，感受不出它到底是正常還是異常，必須是對整體數(shù)據(jù)進(jìn)行對比，查找差異，主要有以下方法。

1、在時間維度上，通常采用同比和環(huán)比兩種方法。

比如：這一周的獲客的成本是15元/人，上周時候10元，環(huán)比升高了50%，說明是異常的數(shù)據(jù)。那為什么升高呢？

此時環(huán)比去年同期發(fā)現(xiàn)，去年的這時候也升高了48%，之后就回落正常了，而去年分析得到的結(jié)論是，當(dāng)前月份剛好趕上618大促，電商的廣告力度較大，競價激烈，導(dǎo)致其他品類獲客成本升高。了解到這個情況后，那么本次數(shù)據(jù)的異常是不是就有思路了呢？

2、在維度和指標(biāo)上，分為橫比和縱比方法。

（1）橫比

是指同一維度級別，分析不同維度成員的各個指標(biāo)的分布并進(jìn)行比較，即分析廣告投放數(shù)據(jù)在各個維度值是如何分布的。

比如不同的渠道投放消耗的分布情況如何，是否符合投放要求、哪個渠道的轉(zhuǎn)化率最高、用戶質(zhì)量最好等情況。

（2）縱比

是指同一維度成員的同一指標(biāo)級別，對不同時間維度的趨勢走向進(jìn)行比較。趨勢是基于時間維度的數(shù)據(jù)走向。

通過趨勢可以看出廣告投放中各個數(shù)據(jù)值的整體走向、數(shù)據(jù)波動和變化幅度，發(fā)現(xiàn)異常點（異常是指異于平常數(shù)據(jù)，可能是好的數(shù)據(jù)發(fā)展，也可能是壞的數(shù)據(jù)發(fā)展）。

三、如何分析異常原因并優(yōu)化

發(fā)現(xiàn)了數(shù)據(jù)的異常，需要進(jìn)一步針挖掘異常產(chǎn)生的原因進(jìn)行優(yōu)化，常見的投放數(shù)據(jù)分析方法為細(xì)分、歸因。

1、細(xì)分

細(xì)分即發(fā)現(xiàn)異常數(shù)據(jù)后，需要找出與該指標(biāo)關(guān)聯(lián)的其他指標(biāo)進(jìn)行拆解，分析。

比如，某天的效果數(shù)據(jù)比前一天差，是什么原因呢？

就需要進(jìn)一步細(xì)分不同維度查找原因，是哪個渠道的數(shù)據(jù)變差？是哪個小時的數(shù)據(jù)變差？是哪個人群的效果數(shù)據(jù)變差？又或者是不是因為調(diào)整了某個投放策略導(dǎo)致效果數(shù)據(jù)變差？

細(xì)分是為了更合理的對比，在不同細(xì)分類別進(jìn)行比較得出來的數(shù)據(jù)更加客觀公正。

比如，A媒體比B媒體的轉(zhuǎn)化效果好并不代表A媒體比B媒體好。細(xì)分可能發(fā)現(xiàn)A媒體的某人群效果差導(dǎo)致拉低了整體轉(zhuǎn)化效果水平，可以考慮通過過濾該人群進(jìn)行優(yōu)化調(diào)整，或者進(jìn)一步分析該人群是由哪些細(xì)分維度導(dǎo)致轉(zhuǎn)化效果差，通過層層細(xì)分進(jìn)行維度關(guān)聯(lián)，從而挖掘優(yōu)化空間。

細(xì)分主要從以下角度進(jìn)行。

① 人群特征細(xì)分： 根據(jù)用戶的需求、性別、年齡、行為、興趣、消費(fèi)水平或者用戶旅程中的不同階段等因素將用戶劃分為不同人群，可以是單一層面，也可以綜合多個層面，然后進(jìn)一步分析不同細(xì)分人群的數(shù)據(jù)。比如細(xì)分為男性用戶和女性用戶、細(xì)分為新用戶和老用戶。

② 時間細(xì)分： 針對不同時間維度進(jìn)行細(xì)分。

③ 媒體細(xì)分： 針對廣告渠道、媒體、廣告位等進(jìn)行數(shù)據(jù)細(xì)分。

④ 創(chuàng)意細(xì)分： 針對投放的多套創(chuàng)意和版本進(jìn)行細(xì)分。

⑤ 其他維度細(xì)分： 如根據(jù)地區(qū)等維度細(xì)分。

2、歸因

廣告界有一句名言，“我知道廣告費(fèi)有一半浪費(fèi)了，卻不知道被浪費(fèi)的是哪一半”。究其原因無非就是無法衡量廣告流量帶來的轉(zhuǎn)化效果。

在投放過程中，廣告主經(jīng)常搞不清楚 “投放的錢花到哪兒去了？如上圖，在最終轉(zhuǎn)化時，應(yīng)該功歸于哪一步的轉(zhuǎn)化呢？這就涉及到歸因。

歸因是指通過數(shù)據(jù)觀察發(fā)現(xiàn)規(guī)律或數(shù)據(jù)之間的因果關(guān)聯(lián)，并在此基礎(chǔ)上推斷原因并驗證。一般可以通過建立歸因模型分析廣告投放效果。歸因模型是指能夠追溯在過去一定的時間周期內(nèi)，不同渠道、不同創(chuàng)意或不同內(nèi)容對用戶轉(zhuǎn)化的貢獻(xiàn)度的評估方式。

（1）歸因模型

歸因模型的常見分類有：末次轉(zhuǎn)化歸因模型、平均分配歸因模型、時間衰減歸因模型、價值加權(quán)歸因模型和自定義歸因模型。

① 末次轉(zhuǎn)化歸因模型： 把轉(zhuǎn)化（點擊、注冊、下單等行為）功勞全部歸于末次觸點對應(yīng)的渠道或創(chuàng)意。這是比較直接的歸因模型，但忽略了其他節(jié)點的功勞。

② 平均分配歸因模型： 把轉(zhuǎn)化功勞平均分配給每個觸點（用戶從看到廣告到產(chǎn)生轉(zhuǎn)化過程中的各個觸點）。這是比較簡單的多渠道歸因模型，但有可能會高估了中間節(jié)點的功勞。

③ 時間衰減歸因模型： 根據(jù)用戶轉(zhuǎn)化旅程中的時間軸，將功勞傾向于劃分給最接近轉(zhuǎn)化的觸點，也就是首次觸點的功勞最小，中間的多個觸點的功勞依次變大，末次觸點的功勞最大，這種方式相對較為合理。

④ 價值加權(quán)歸因模型： 對不同渠道的位置價值或不同創(chuàng)意的內(nèi)容價值進(jìn)行加權(quán)，將轉(zhuǎn)化功勞根據(jù)權(quán)重進(jìn)行劃分。這種方式需要合理劃分不同渠道及不同創(chuàng)意的價值。

⑤ 自定義歸因模型： 自定義各個渠道或各個創(chuàng)意的權(quán)重，將轉(zhuǎn)化功勞根據(jù)權(quán)重進(jìn)行劃分。

雖然每一種歸因模型都有各自的優(yōu)缺點，在使用時，只要選擇的模型是符合業(yè)務(wù)場景的，同時針對所有渠道是公平公正的就可以，畢竟凡是參與過轉(zhuǎn)化流程的渠道都是能給用戶帶來一定影響的。

（2）歸因方法

歸因方法即將這些“因”事件和轉(zhuǎn)化結(jié)果關(guān)聯(lián)起來。常見的歸因主要包括如下幾種：

① 唯一設(shè)備號歸因

針對In-App投放，主要使用設(shè)備號歸因，前提是設(shè)備號是唯一的且在不同的場景中能夠關(guān)聯(lián)起來。當(dāng)用戶產(chǎn)生交互行為時，例如曝光/點擊廣告，廣告平臺獲取設(shè)備的設(shè)備號，通過監(jiān)測鏈接將設(shè)備號回傳給廣告主。當(dāng)用戶在廣告主側(cè)完成轉(zhuǎn)化行為時，廣告主的數(shù)據(jù)分析平臺可以基于設(shè)備號來匹配用戶在投放渠道上發(fā)生的廣告行為，以此來衡量和歸因分析不同渠道的投放效果。

② IP+UA歸因

IP+UA歸因由于沒有設(shè)備的唯一標(biāo)識，因此屬于模糊歸因，是用來補(bǔ)充當(dāng)獲取不到設(shè)備號的一種歸因方式。它的歸因原理與設(shè)備號歸因類似，是指用戶發(fā)生廣告交互時，采集用戶的IP和UA（User-Agent，包含用戶的操作系統(tǒng)、手機(jī)型號、瀏覽器信息等等），與轉(zhuǎn)化時用戶的IP和UA進(jìn)行匹配，以此達(dá)到轉(zhuǎn)化歸因。

③ 渠道包歸因

渠道包歸因主要應(yīng)用場景是在安卓端，將事先定義好的“渠道號”寫入到APK安裝包中。在廣告投放時候，投放的下載鏈接是帶“渠道號”的App包鏈接，當(dāng)用戶下載和激活A(yù)pp后可以從安裝包中讀取到渠道號，以此來進(jìn)行歸因。這種歸因方式簡單，不受限于設(shè)備號的獲取，但是該方式存在安裝包覆蓋問題：安卓手機(jī)一般都會帶有系統(tǒng)級別的應(yīng)用商店，指定“渠道號”的安裝包很容易被應(yīng)用商店攔截，強(qiáng)制用戶去應(yīng)用商店下載，導(dǎo)致最終的轉(zhuǎn)化效果都被歸因到了應(yīng)用市場的安裝包。

舉例：

如果按末次轉(zhuǎn)化進(jìn)行歸因，若忽略設(shè)備ID，廣告主會將下載歸功于點擊3；若必須匹配設(shè)備ID，廣、告主則會將下載歸功于點擊2。

以上是我對這段時間做付費(fèi)投放工作中關(guān)于數(shù)據(jù)分析的幾點總結(jié)：首先要快速“找準(zhǔn)外投工作關(guān)鍵指標(biāo)”，然后通過多項比較發(fā)現(xiàn)核心指標(biāo)及其關(guān)聯(lián)指標(biāo)的異常情況，再通過細(xì)分、歸因等方法定位到異常原因并進(jìn)行優(yōu)化，以達(dá)到花更少的錢，帶來更高質(zhì)量的用戶目的！

以上，希望對你有幫助。

文\十二