܄

技术就是生产力,关于苹果竞价广告,人工智能有话说!

【数据猿导读】 苹果竞价广告是苹果生态下的盈利模式之一,而CP方的ASM投放优化是APP多种推广传播手段中的一种,终归是为了更低成本地把APP品牌传播出去,同时带来更多下载量。本文将从传播的视角探讨ASM优化应该怎么玩?如何更高效

技术就是生产力,关于苹果竞价广告,人工智能有话说!

来源:数据猿 作者:溪姐

近期,苹果发布了关于苹果竞价广告Search Ads优惠福利的声明:为了督促开发者试投竞价广告,苹果给予100美元的试投金,只有那些在美国区App Store有App上线,且上线时间不能晚于2016年10月5日午夜11:59:59(UTC时间)的开发者才能使用。试投金截止使用日期2017年3月30日11:59:59(UTC时间),过期作废。

按照1-2块人民币左右一个下载量,也差不多几百个下载量。看得出苹果在努力鼓励CP试投ASM,从目前苹果的放量来看,部分CP反应放的量不够吃,也侧面说明苹果在不断优化迭代自身的机器算法,也许还不到充分放量的时刻,但未来是必然的。

苹果竞价广告是苹果生态下的盈利模式之一,而CP方的ASM投放优化是APP多种推广传播手段中的一种,终归是为了更低成本地把APP品牌传播出去,同时带来更多下载量。本文将从传播的视角探讨ASM优化应该怎么玩?如何更高效?

理解苹果竞价广告的运行机制,必先了解人工智能与机器学习

互联网及移动互联网的普及,强烈冲击了传统的传播方式。其自由性打破了时空局限,也打破了知名品牌对渠道与信息流的垄断性,加上社交网络与传播渠道的打通,越来越多小品牌、自媒体崛起。

在这过程中,互联网让消费者的所有行为数据变得在线,并实时记录下来,大数据下的关系数据、位置数据、图像与视频等非结构化数据大量涌现,企业能收集到消费者在各个渠道的行为数据,从而制定出高度精准、效果可被量化的营销策略。

传播由此变成了(广告)艺术与科学的结合,科学的部分有赖于数据收集与分析,各种营销数据库的建立。研究数据、机器学习、智能运算、优化迭代,这些靠技术能带来的量化结果所能产生的巨大价值,变得比传播载体与传播方法更有价值。技术驱动变得更重要!

比如,电影票是时效性资源,随着电影开场时间临近,空余座位价值近于零。指点无限通过动态定价的方式解决空余座位问题。基于时间、剩余座位数量来制定时间动态定价方法,从而减少闲置资源浪费,让自身销售提升,同时给消费者更低价的电影票。这是一个很浅显将的技术与营销结合的例子。

回到ASM投放优化上,关键词投放出去最直接对应的就是下载率、价格,不同于以往按时间段、按广告位的网站BANNER广告,苹果竞价广告每一个参数都是随着自身相关性和竞争情况随时变化。但是变化中又有深层的逻辑,实际上,苹果竞价广告可以通过技术手段提升展示量与下载率,与此同时降低CPA。所谓技术的手段,就是加入人工智能深度学习其运行逻辑,进行智能优化与操作,比如千组关键词的筛选,千组广告策略的制定,实时优化迭代完全由人工来完成是很困难的,用人工智能的算法将其变得更省时省力,而且更高效!再比如,人的认知边界局限,对于关键词的选择,仅仅有赖于经验判断,往往与真实数据大相径庭,通过人工智能则可以实时动态地掌握最有价值的信息。

人工智能带来传播的变革,智能传播是这个时代的玩法

回顾传播的套路,不难发现,今天,人工智能已然悄悄在改变营销传播的玩法。

第一阶段,硬传播。

硬传播是通过占用或制造用户的时间和空间,强制性传播信息。自嗨型,填鸭式、控制型的广告形式。比如电视广告通过抢占用户时间达成传播目的。公交站牌,地铁电视、电影前贴片,这些广告形式或多或少地有些强制性。占用用户视觉空间的案例,比如门户网站的各种banner、弹窗,报纸、杂志广告。

硬传播关注的是产品信息是否传播出去了,是否消费者有印象,而不考虑消费者愿不愿意接受、愿不愿意消费和二次传播。

第二阶段,软传播。

软传播拒绝硬性和强制性的传播手段,从消费者场景出发,以渗透、互动、分享的视角,力求传播信息与消费者达成共鸣,潜移默化攻克消费者心防。比如说杜蕾斯就将软传播发挥到极致,消费者欣然接受了它的产品信息,并不觉得是一则广告那么恼人,而是视作一条笑话,一条知识来接受。在社交功能与媒体打通互联的今天,软传播散步于移动互联网的每一个角落,也许你看到的一则新闻,一则头条,就是某企业的一则广告,消费者就这样欣欣然地当了传播者、销售者。

第三阶段:智能传播。

在移动互联网时代,传播变成了以消费者为中心,传播的本质变成了与最终目标用户的连接。智能传播是基于大数据的积累,通过人工智能技术,更清楚地掌握消费者,从而精准有效地触达目标消费者,而不是撒网地铺渠道,智能传播的核心是提高转化率,拉来更多有价值的目标消费者,建立更有价值更高效的消费者连接。

实际上,在今天,不同的传播方式是并行存在的,但不管是硬传播还是软传播,都会借助智能传播的手段来量化结果,提高效率。

人工智能是一只看不见的手。

对于互联网公司来说,他们通过大数据不断地给消费者推送更有价值的消费信息,悄悄地把消费者的钱赚走,通过人工智能技术驱动商业模式的变革,比如,淘宝能清楚地知道消费者的喜好,消费档次的结构,同样的款式,把价格高的推荐给消费结构高的消费者,把更有性价比的推荐给消费结构低的消费者。以此吸引更多顾客,带来更多销量提升。

再比如美团的数据中心,分析每一位消费者的个性化消费习惯,进行定制推送,使消费者接收到更准确、更适合自己的信息,这都是依靠机器人工智能来完成的。

智能传播在精准营销领域的应用是带来转化率的提升,通过量江湖的数据显示,通过智能传播对目标用户的精准锁定,比传统渠道可提高3%-5%的转化率,这意味着每年增加数百万上千万的盈利。

回到ASM优化上,无论是CP还是代理商,需要考虑的是,在广告主给定预算下,如何分配在不同的关键词、和不同的人群定向上,才能使得收益最大化?(保证获客数量或者保持很低CPA)这里优化的关键是看结果,使CPA下降,下载率上升,要么更省钱,正常情况下一千万投放,通过人工智能省出三五百万。要不更赚钱,赚来更多消费者、更多客户。

那么如何赚,如何省?CP需要问自己的是:

我的广告展现给谁更有价值?谁才是能带来更多下载量的更有价值的目标用户?

是不是出价越高展示越多?如果不是,那么每一个词的出价点与转化取哪一个值才最合理?

到底是模糊投放还是定向投放更有效?定向投放要多细才能取到最佳转化效果?

关键词太多如何选词?如何淘汰?千组策略万组关键词,如何做到实时优化?

其实以上这些问题,最终可以抽出三个重点来阐述:智能选词、智能定向、智能投放。

如何通过人工智能玩转ASM投放?

1、智能选词:突破人的认知边界,通过机器发挥词的最大转化效率

我们都知道在做品牌营销时,有一项技巧是借势营销,无论是硬传播还是软传播,都热衷于这一招,因为热点是用户爱看的,无论是一个人物还是一个事件,最终都会落到一个关键词上,蹭上这个词,就能蹭流量。

在ASM优化上,首先就是选词,热词之所以热,是因为有时效性。但是在热词的转化上,要追溯它所能带来的真实转化率,它值得被匹配的合理价格?以及这个词何时下架?长尾词由如何选择与使用?用人的经验判断是无法做到数字的精确性。关于词的效果量化与实时优化变得很重要,而这些工作,唯有人工智能可以更好地完成。

按照传统的做法,我们会根据第三方工具筛选一些指标比较高的关键词,然后依据经验进行拓展得出一些新的组合词,此外苹果也会提供几十个流行度高的词。在众多词中,依靠人工经验的投放结果做优化。这个过程是缓慢的,基于人的认知边界与局限,你也许认为某个流行词是好的,所有大量使用某流行词,但结果未必是这样。

人工智能的做法是这样的。将诸多关键词放入大数据池中,由于关键词会受行业性、热点事件、时间、竞争对手的竞价等各种因素产生变化,给定机器一些判断参数,如搜索指数、搜索结果、流行、搜索排名、年龄、地域、时间段,通过机器学习,进行反复筛选,最终找出几百上千个更有价值的关键词。在实际投放中,再给定一些评判指标:下载量低、CPT高、点击率低、转化率低、CPA高的词,不断将这些词列为否定词,淘汰词。在投放过程中,再不断地迭代优化关键词。人的经验判断加上机器智能的客观、实时判断与结果评估,对于关键词的把握变得更准确,词的投放结果也更有效率。

在一次ASM测试投放中,通过人工智能选词之后进行投放,发现行业词的转化率明显高于竞品词与品牌词,品牌词虽然转化率较好,但是竞争价格较高,使得自身品牌词的CPA超出平均水平。根据人工智能基于评断指标给出的数据分析,我们及时减少竞品词的投放数量,将转化率低的竞品词或品牌词列入否定词;同时降低品牌词的竞价价格,适当提高行业词的竞价价格。并重点迭代优化行业词,拓展行业词在关键词中的覆盖以提升相关性。

进一步迭代优化后,从投放数据看出,通过降低自身品牌词的过强包含,明显降低CPA成本。 虽然整体的转化率有所下降,但是通过对行业词的优化拓展,和对竞价价格的合理优化,在投放总金额基本相同的条件下,转化用户数有大幅提升。

2、智能定向:从用户场景出发,其结果是更高效

苹果竞价广告刚出来时,不少人提出它毕竟有明显的广告提示,而部分消费者是抗拒广告的,所以这是苹果竞价广告的硬伤。从另外一个层面来说,广告看你投放给谁。ASM是连接用户最快的办法,这个用户指的是真正有需求的用户,而不是那些完全不需要的群体。

广告从什么时候开始变得不令人讨厌了?因为它变软了,更因为它是你恰好需要的。人工智能的出现,精准营销才真正落地了,消费者总能收到自己真正感兴趣的内容推送。比如我今天在PC端搜索一条北京-长沙的路线,晚上收到去哪儿的短信,声称北京-长沙的飞机票折扣快结束了。我的手机里仍然有很多不精准的信息推送,但是那些精准的推送从来不会令我讨厌。

同样的内容推送给不同的人,结果大不相同。再比如喜欢玩游戏的,你推送一个更好玩的游戏给他一定更高效。包括FEED流广告、DSP短信推送,这些内容与方法的本身并没有任何问题,问题在于你能否触达到那些真正的目标消费者。大数据公司通过人工智能、机器学习对消费者精准定位,再进行DSP推送,其转化可以做到5%-8%,远高于企业自身通过渠道推广的转化率1%。

关于苹果竞价广告,展示量是一方面,用户的下载率才是最大的考验。排除品牌因素外,如果推送给那些真正需要的目标用户,下载与转化就不是问题。

通过人工智能的深度学习,大数据技术建模分析,可以对APP用户进行精准的用户画像,这是了解用户的第一步,用户画像可以对APP定向投放给出最基础的参考依据。此外,在实际定向投放,不断优化,增加定向维度,最终也能带来转化率的提升及CPA的下降(参见上文图表)。

在实际操作中,还可以根据消费者行为数据的挖掘:基于时间动态制定价格,基于年龄、性别可以对价格进行实时优化调整。如何获知这些数据,就需要机器学习不断的搜集,发现。需要指出的是,关于智能定向,苹果后台的人群维度数据只能对单一维度进行分析,这在实际投放优化中有明显不足。量江湖的细分定向数据,可以明显区分不同维度的人群的转化数和平均CPA的不同,为广告主下一步筛选人群定向提供可靠的数据依据。比如通过人工智能可以对人群进行多维度定向分析,包括性别、年龄、地域、时段。还可以根据不同App的实际情况进行定制化划分。

以年龄段定向投放为例,当我们把定向2段的数据变为定向6个段时,如下图所示,从定向维度数据中可以看出,25-34岁的男性用户是转化最高的用户,且CPA价格较低;而55-63岁的男性用户的CPA价格明显过高,且转化量很低,这个维度的用户在后续投放中可被取消。进一步的定向优化也可以将55-63岁的女性用户排除。以此类推不断优化,当有更多维度加入一起分析,人工智能可以给出更精准的答案。

3、智能投放:实时高效优化迭代,总能准确把握那个最佳值(更低CPA VS更多下载量)

传统的人工投放,是这样的,选词之后,设定周期及金额,设置广告策略,进行广告投放,查看结果。期间账户结构设定繁琐,耗时长,每次只能进行一个策略,当投放行为量大时,需要动用大量人力,最终获得的CPA成本高,调整过程也困难。

加入人工智能投放,可以实现对关键词实时高效的分析与筛选,之后依据设定的指标,进行一键千组的匹配。自动投放过程中,机器会智能地学习并实时更新词库,依据指标实时评估每一个关键词的效果。人的操作是关键节点的停止,参与设置投放策略,参与优化,参与设定指标,参与机器建模与训练,人工与机器是不断交叉工作的。

在市场竞争不够激烈时,可以通过人工对关键词进行优化,管理每个关键词的出价;但使用大量关键词时,人工无法做到全局收益最优。引入人工智能自动数据分析优化,便可由系统来自动优化关键词、为每个关键词管理出价、针对不同人群定向投放。通过对投放数据的近实时监控和统计分析,在广告主设定预算和投放周期的前提下,采用数量最大化或价格最优的动态出价算法来满足广告主需求。

人工智能善于做海量复杂的数据处理与深度学习。当然,深度学习依赖于强悍的算法技术,因为没有一种技术能够自称会学习。训练是其学习的一部分。通过训练一个深度神经网络,也就是说,通过输入数据设定好指标,它就学会了分类、筛选,学会判断与评估。约翰·麦卡锡(John McCarthy|)在1956年提出:人工智能就是要让机器的行为看起来就象是人所表现出的智能行为一样。在苹果竞价广告的筛词、定向、实时优化这些事儿上,机器的深度学习与智能行为可以完成很多工作,让我们拭目以待吧。


注:本文由 比邻弘科 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿,来稿请直接投递至:tougao@datayuan.cn


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部