百度信息流广告优化需要注意的问题

  我们的写信息流文案,文案如果有一个较高的点击率那么就会有一个高的质量度,然后质量度高了(出价相同的情况下)我们eCPM也就高,eCPM高了然后再加上一个我们的一个较高的出价,这样我们在和竞争对手竞争的时候我们就可以抢到竞争对手的量,能够去抢优质的用户,然后累积起来,当我们账户的创意点击率都很高的时候,我们账户的历史表现就会变好,当我们的账户历史表现好的时候,我们再撰写新的创意,系统就会根据我们账户的历史表现给我们新创意一个比较高的预估CTR,然后因为预估CTR比较高,质量度就高,eCPM就高,直到我们新的创意获得实际的点击率,然后逐渐的你的高点击率去替换你的预估点击率,直到你的新创意变成老创意,然后再上新创意,就是这样的一个循环过程。那么是不是我们知道了这个循环过程,去不断抓眼球追求做好高点击率就可以了呢?是不是这样做就完美无缺了呢?

  

百度信息流广告优化需要注意的问题

 

  其实并不是如此,因为我们仔细思考就会发现我们这个正循环的过程中存在一些漏洞,为什么说有漏洞呢?首先我们需要思考我们是怎么做到这一点的,一般情况下我们是这样操作信息流广告优化的,我们拿到一个新的账户,我们先搭账户结构,然后上新素材,上新素材之后我们会监控数据,然后说去做所谓的对比测试(AB测试),通过AB测试的方法不停地上新创意,对比不同创意的结果,保留点击率更好,然后维持整体一个较高的点击率,虽然是这么说的,但是实际上我们却并没有做到。原因是什么呢?

  我们创意点击率会随着时间有一个点击率的衰减,因为有这种衰减的存在,我们需要不断地去添加新创意,这也是我们为什么不断地去撰写新创意的原因。现有的信息流广告优化逻辑存在一定的的局限性,这是由于我们片面追求高点击率的优化逻辑存在漏洞,正式因为存在漏洞,所以导致我们很多时候优化创意其实并没有一个有效的指导,而是凭着感觉在误打误撞。

  

百度信息流广告优化需要注意的问题

 

  信息流广告优化过程第一个漏洞是A/B测试的局限性导致效果数据为优化依据可靠性不足。我们A/B测试的参照对象其实是没有依据的,而是根据我们第一次凭着感觉做出来的创意,然后有了第一个创意以后我们后面创意才进行A/B测试的对比,A/B测试属于“先验”性的预测结果,它其实很多时候是我们主观决定的,例:我们撰写创意时候做了1图和2图两个图片素材,这两个图是从哪里来的呢?是我们的设计师做的,那么怎么判断设计师做的这两个图就好呢?可能1和2都不好,或许1好一点,那如果我们可以一开始做1图和2图的时候就能最大化的提高质量岂不是就更好了,但实际上这很难做到。A/B测试很难真正实现,比如我们想对比A创意和B创意两套创意到底谁好?真正的准确对比应该是什么样的呢?应该是在其它的定向情况一模一样(投放时间一样、预算一样、分配的花费一样、点击量接近、展现量接近),然后统一的把一份流量随机的分成两份,一定要随机,因为如果不随机的话把我们的A创意刚好分配给了喜欢A创意风格的人,把B创意分配给了喜欢B风格的人,这样的结果是不会准确的,所以一定要把流量随机打乱,真正的打乱其实是很难做到的。

  所以说大家一直以来说的A/B测试其实从根本上来说很难真正实现,那么我们这种不完美的A/B测试得出的数据结果其实也不是绝对的可信,有很大的偶然因素存在。

  信息流广告优化过程第二个漏洞是我们的创意改进缺乏方向使创意优化陷入失控的恶性循环。因为我们在不完美的A/B测试结果下不能得到绝对准确的数据作为优化依据,我们先做出了一套创意,然后第二批创意会参考第一次创意的结果,挑选好的创意方向继续做第二批创意,我们在没有准确的数据依据情况下做新的创意其实是很低效的,然后时间紧迫我们会在没有完全设置好A/B测试的条件下上新创意,然后根据这些创意的结果作分析判断再优化。这样形成了一个恶性循环。很多时候我们的创意是瞎做的,在没有可靠的数据分析下做出来的。在这样的情况下其实我们是没有办法确信延续某一创意的有效因素。我们的创意设计制作无法标准化,急于投放无所实现有效的数据监测,迫于时间压力没有去做复盘反思。

  正式由于这两大漏洞的存在,导致了我们信息流广告优化逻辑存在一定的局限性,怎么解决呢?

  我们只能尽可能的想办法减小这两个漏洞造成的影响,是没有办法完全解决的。我们要进行信息流广告优化的支撑点就是以数据监测为中心,其它的优化,无论是我们的设定优化还是媒体策略、创意优化、落地页的优化、关键词的优化,所有的这些优化都要围绕这数据监测,以监测为核心,以数据为依据。只有以数据监测为核心我们才能尽可能的弥补存在的两个漏洞。