推荐或建议

告诉我们哪里能更好用,我们审核后会加进导航

即刻出海联盟营销百宝箱

Affiliate Marketing 完全指南(第 15 篇):转化率、准确数据、Placement 和黑白名单

网站转化率怎么看,怎么避免数据出错,Placement 优化技巧,黑名单、白名单和混合策略,以及移动端优化的挑战。

即刻出海更新于 约 24 分钟读完
Affiliate Marketing 完全指南(第 15 篇):转化率、准确数据、Placement 和黑白名单
目录 · 11 节

本系列转载自《Affiliate Marketing 完全指南》中文版。原作者 Finch Sells(STM 论坛),中文翻译:富裕者联盟(fuyuzhe.com)与「Affiliate 营销圈」,已获授权转载。原书写于 2020 年前后,部分平台和数据已经变化,本站在需要的地方加了「编者注」。本篇对应原书第 7.10–7.17 节。全系列 20 篇,目录见联盟营销入门。

7.10 网站转化率 (CVR or CR)

你的网站转化率不一定非要是行业内最好的。

它需要结合你的点击率以及Lead质量来综合考量,只要最终能够盈利就可以。

举个例子:

  • 低网站转化率+高点击率可以对CPM来源起作用。
  • 低网站转化率+极好的lead质量可以运作昂贵的traffic,如果说商家提高了付款价格作为你转化订单的奖励。

这也就是联盟营销复杂性的另一个例子。你总是想提高你的网站转化率。但是,流量有优劣,价格就有贵贱,这就意味着总有不止一种方法可以获得可观的利润。

沃尔玛和全食公司就是处于质量范围两端的公司的例子。它们都是盈利的,即使它们用不同的判断标准来衡量指标。

如果不了解它们的模型的独特成本,就没有必要比较它们的转化率。

Leads to Sales转化率

我已经写了一整篇关于这个标准的重要性的博客文章。对于CPA类的联盟营销,这是它们中最有价值的衡量标准。就是这个定义了你作为联盟营销商的价值,也因此你将能够轻松运作你的业务。

在你面前有三条路:

  • lead质量低——你产生的付费客户比商家预期的要少。你的支付价格将被削减,或者你将被踢出offer(在严重的情况下)。
  • lead质量一般——你产生的付费客户数量与商家预期的差不多。你的支付价格将保持不变,除非你能通过规模经济提供大量的流量和价值。
  • lead质量高——你产生了比商家预期更多的付费客户。你的支付价格将被提高,你将被烦扰发送更多的traffic。你有即时的杠杆作用,可以使用更高的支付优势,以购买更多优质traffic。

你遇到的大多数建议都将把高质量的lead描绘成你应该遵循的路线。(注:如果你不理解什么是Lead质量,《Affiliate联盟营销完美中文教程》有一节课程做了详细的解释。)

我是这种方法的倡导者。

我认为作为一个联盟,提供价值的最可行的方式,是持续地提供更多的商家想要的东西:付费客户。

在这方面胜过你的竞争对手将为你赢得尊重、更多的机会、获得更好的待遇,当然还有更高的薪酬。

毕竟,销售是唯一具有真正商业意义的交易。一个lead是一个预设的交易。

一个lead是一个‘未来可能的销售’。

知道你的哪种可以促进销售的营销方式是最能启迪你的。

但这只是你可以选择的一个方向。

许多affiliates在依靠大规模的一般质量lead的道路上看到一样的机会。

也就是说,如果他们能够提供被出乎意料的高流量支持的“预期质量的lead”,商家是不会希望把流量输给竞争对手的。即买即卖(并且进入商人的黄金循环)可以开始了。

还有一些affiliate靠低质量lead赚钱。

他们通过使用对自己有利的其他指标来做到这一点。像沃尔玛一样。如果你只花了0.50美元来获得lead,谁会在乎你的lead价格从5美元降到2美元?

我们可能会得出这样的结论:根本不值得用lead支付价格来评判一份offer的吸引力。

有一些方法可以促进任何offer——获得巨大利润——低于或高于市场价格。

我希望你开始明白为什么把这个行业压缩成一个“新手”指南是一个费力不讨好的任务。

我们可以分析一千种可能的模型。只坚持一种想法的策略是疲软无力的。我不是要告诉你什么可行或不可行的。如果合理应用适合的标准,几乎任何东西都可以做到。

7.11 避免代价高昂的错误:获得准确的数据!

如果有一件事我们应该达成一致的话,那就是指标只有在有合理数据支持的情况下才有用。

一个大错误是根据追踪软件告诉你的信息来假定CPC或CPV。

当产生成本时,你必须总是参考流量来源,以获得你被收取的费用的准确报告。

永远不要根据接收到的流量进行假设。

如果流量来源报告的点击量比你在追踪系统中看到的要多50%,而你是按CPC付费的,那么你自己对盈利能力的计算就会与事实相差甚远。

点损在联盟营销行业中很常见。造成这种情况的原因有很多,多到无法列举。

您的真实成本不是由追踪系统(请记住,追踪系统是一个第三方工具)中的数据定义的。

这也是为了收入。

  • 你的联盟营销追踪系统是什么……你支付的就是什么。
  • 你的流量来源追踪的是什么……你支付的就是什么。

确保尽早处理任何追踪误差,并/或将其计入损益计算,这对你来说是最有利的。

任何不足都会以眼泪告终。

7.12 Placements优化的技巧

到目前为止,我们关注的大多数跟踪问题都涉及我们控制范围内的funnel。

如果Affiliate Marketing(https://www.affiliate.com)就像保证自己的房间井井有条这样简单,那么更多的Affiliate将会获得成功。

不幸的是,我们必须考虑广告的投放位置。

你可以使用一个完美的funnel来捕获流量,但是如果将其放在鸡窝里,最终只会剩下一地鸡毛。

好了,就此而言,针对最佳placements进行优化有点像将你的广告从一个位置到另一个位置,从一个网站到另一个网站,希望——祈祷——也许其中一个会嗅到金子的味道。

7.13 理解有价值的Placements

最好的Placements是用户最想要进入我们的Funnel。现在想象一下,您正在XHamster上浏览……当弹出窗口弹出到你的桌面时。您的视频即将开始,最后要做的就是从Flog购买一些伟哥,然后关闭弹出窗口。尽管我们知道Google广告的质量要比XHamster弹出窗口高得多,但就显示的意图而言,我们不能肯定地说它会带来更大的利润——因为我们没有考虑相对于Placements的费用。

Affiliate marketing行业都是这种情况。我们大多数人都知道在哪里可以买到最好的广告,但我们不确定是否可以以所需的价格使它开始盈利。

同样,我们知道可以在哪里购买便宜的广告,但我们不知道是否能够将那些效果较差的点击变为实际的转化。实际上,在Affiliate marketing中没有人知道任何未知的东西。也就是说,除非你启动campaign并收集数据。

无论您是在Google,Facebook还是世界上最不出名的展示广告联盟上投放广告,都仍然需要根据具体情况评估各个Placements的实际效果。我们应该介绍两个截然不同的营销人员群体:

  • 关注单个Placements的Affiliates
  • 专注于RON流量的Affiliates

如果我有减肥产品,并且决定在以下位置投放广告:LoseWeightFast.com,我已经选择了希望广告展示的确切位置。启动Campaign,并可能很快的发现LoseWeightFast.com能够提供潜在客户的利润。然后,我们将在数百个(甚至可能是数千个)网站上启动一系列的广告。在确定哪个Placements最具潜力之前,采用这种方法的Affiliate将花费大量金钱来收集大量数据。

也许您会找到一些可以获利的组合,但是几乎可以肯定会先亏损。您不太可能通过这种方法破产,但是这种方法不会让进度发展的更快,并且在第一天就无法扩展大型广告。使用弹出式广告和重定向,很少能在选择放置广告的位置找到网站列表。我们被迫去做广告而不完全知道我们的广告将出现在哪些网站上,这叫盲人摸象。单个Placements将带有一个ID(例如1069938),但你永远无法将其与Domain匹配。对于这种情况,我们必须依靠优化的哲学使Campaign从中获利。这两种哲学似乎相互矛盾。

7.14 白名单vs黑名单

如果你想要跑RON的Campaign(广告活动),就像其他affiliate marketer那样,那么你将需要非常熟悉Whitelisting & Blacklisting(即白名单和黑名单策略)。

Whitelisting:指的是你发布的广告将只会出现在那些你预先允许的placement(广告位)上进行展示,而这些规则允许的placement组成了白名单。

Blacklisting:指的是你发布的广告会出现在所有placement上进行展示。除了那些被你排除的,这些排除掉的placement就组成了 blacklist黑名单。

所以,现在会出现一种悖论,即你不可能事先知道是要从Whitelisting开始测试还是从Blacklisting开始测试你的campaign,但你必须先开始启动campaign,没有那么明确的方向,同时要接受可能一开始就会亏钱,即使你设计了什么天才般的富有创造性的转换漏斗,这种情况一开始都有可能出现。

不过一旦你的campaign开始有流量灌入,你就可以开始使用你的追踪系统来帮助做出一些决定:

  • 确定那些有利可图的placement
  • 那些基本上没什么转化的placement
  • 数据量不够,还无法对转化情况草率下结论的placement

Whitelisting和 Blacklisting 在那些有利可图的placement(你完全可以保留他们)和那些基本上没什么转化的placement(你可以砍掉他们)上有着同样的理念。

他们的不同之处在于,他们对那些数据量不够,还无法对转化情况草率下结论的placement的判断不一,对于这些placement如果你不购买更多的流量来测试,你就无法判断其长期的盈利能力。

擅长使用Whitelisting的人认为:最好是立刻单独针对那些有利可图的placement创建一个campaign,即会挨个查找出那些赚钱的placement的id,然后针对这些id集合发起一个campaign。RON Campaign通常被看做达到此目的的一种手段,一种挑选出有利可图的placement并快速隔离他们的方法。

理论上,通过这种白名单的策略你能迅速获利开始赚钱。

使用Blacklisting的人认为,最好专注于去除掉那些没有转化的placement,这样可以让其他的placement获得足够的流量以便更加真实公平的判断转化效果。他们会整合每一个亏钱placement的id到一个集合中,并将这些id列入黑名单,不再接受来自这些id的任何流量。

我们可以为每一种理论提供强有力的论据,而且没有严格的“最佳策略”,以供你在跑campaign过程中严格遵守。

但以下是我的个人建议:

什么时候采用白名单策略

  1. 如果你的预算很少,而且你偏向于牺牲可扩展性和长期可持续性以换取一个立竿见影的有利可图的campaign。
  2. 当大部分的RON 流量都倾向于来自少数几个placement的时候。

有时你会发现一个网站在你的RON Campaign中提供了90%的流量,在这种情况下,你最好使用白名单策略,针对这些单一的placement制定白名单,同时设计一个转化漏斗来最大限度的提升你的收益。

何时使用黑名单策略

  1. 如果你想建立一个大的campaign,持续跑几个月的那种,那么你将需要不停的刷新你的新的流量源,所以这种情况下黑名单是一个更好的选择。
  2. 如果你有成百上千的placement,他们都是花费少于2倍offer的payout的情况下。

假设我的offer的payout(佣金)是5美刀,并且我有300个placement,他们都是每天花费成本0.3美金,那么一个黑名单campaign将能保持这些placement活跃的同时正常运行,而如果使用白名单策略,则有可能在没有测试出他们真正盈利潜力的基础上就草率的砍掉他们。

我的黄金法则是:在考虑使用白名单策略之前优先使用黑名单策略来寻找赚钱的方法。

这也意味着用一个更好的Angle,更好的offer,或者一个更有说服力的landing page来持续性改进我的campaign的基本指标。

如果你可以提升每个placement的表现,那么这个策略也有更大的提升空间。

当然,通常来说,白名单和黑名单的策略争议也会存在意外的情况。

7.15 混合 白名单黑名单策略

许多affiliate 营销人员享受白名单策略的优势,但不想牺牲campaign的探索性即不断测试新的placement的特性。

所以,他们决定将两种策略结合起来,即混合白名单和黑名单策略。

通过对 RON 流量进行双管齐下的策略应用,可以得到两者的最佳结果。

一个白名单Campaign致力于关注那些转化最好的placement。一个黑名单Campaign,你可以集中关注删除掉那些最差的placement,最后的结果就是剩下那些最好的placement。

实际上,一旦某个placement证明自己是有利可图的,你就把它从支线campaign中移除,然后将其加入到你的白名单中。

与此同时,你正在积极地移除那些已被证明是无法转化的placement,这样你的探索成本就不会在黑名单campaign中急剧上升而失去控制。

那么问题来了,你应该什么时候去掉一个毫无转化的placement呢?

我使用两个标准:

  1. 如果一个placement花费了2倍的offer payout(佣金),但是没有产生一次转换。例如,如果offer的payout是5美元,而这个placement已经花费了10美元还没有完成一次转化,那基本上这个placement对我来说就可以直接砍掉了。
  2. 如果一个placement已经花费了1倍的offer payout支出金额,但是却没有产生哪怕一次对我landing page的点击,那么我也会将其砍掉。

例如,如果offer的payout是5美刀,而我已经在这个placement上面投放广告花费了5美刀,但是都没有产生一次对我landing page的点击,那么我将砍掉这个placement。

绝大多数的placement都只会产生一点点的流量,那么这意味着如果你不能收集更多的数据那么你也基本无法对其表现进行有效的评估。

我将尽可能长时间的保持这些placement运行(持续投放广告),并致力于不断改进我campaign所使用的各种素材。

善于用白名单策略的affiliate营销人员可能会争辩说,无论如何,那些只能产生一点点流量的placement都不值得进行优化。

虽然事实如此,但他们忽略了那些个别转换的积累效应,而这正是许多 RON campaign的最大的优势。

  • 1次点击,1次销售
  • 1次点击,1次销售
  • 2次点击,1次销售
  • 如此类推

这些零散的转化使用白名单策略是不可能办到的。因为如果使用前者在你发现他们是有利可图的之前,你就会暂停他们。

7.16 优化:平衡法则

Okay,我们已经知道几个优化的方法。并对广告的各个元素进行了split testing,确定了展示广告的最佳placements。接下来就是做好优化工作。

新手可能会想着一个个测landing page来找到最佳placements。

但问题是:

我们如何在不破坏数据合理性的基础上,把不同的测试结合起来呢。如果我们在一个placements 中进行优化,同时在另一个placements 中上传一个新的landing pages,那我们怎么去检查成功或失败的原因呢?

这是个好问题。

当你在运行campaign时,你在第一天获得的数据就可能表明一些最好的做法:

  • 删除某个名为X的landing pages
  • 删除某个名为Y的Offer
  • 砍掉A, B, F这几个Banners
  • 把名为23、45,和75的placement放进黑名单
  • 等等

但是万一我们把表现不好的placement剔除后或者我们跑另一个Offer时,那个X的landing pages 表现变好了呢?当我们同时优化多个变量时,我们很难把控,甚至被数据淹没,得到错误的结论。相对地,用传统的科学手段优化变量既贵又慢,而且没有什么意义(因为预算低)。因此我的建议是在把banners, landing pages, placements 和 offers放入黑名单之前,从估算出一张最可能影响表现因素的清单开始。

让我们看看这个campaign:

  • OFFER A:支出100美元,收入140美元(盈利40美元)
  • OFFER B:支出100美元,收入75美元(亏损25美元)
  • Angle 1:支出100美元,收入95美元(亏损5美元)
    • Landing Page 1a:支出50美元,收入40美元(亏损10美元)
    • Landing Page 1b:支出50美元,收入45美元(亏损5美元)
    • Banner 1A:支出33.33美元,收入15美元(亏损18.33美元)
    • Banner 1B:支出33.33美元,收入20美元(亏损13.33美元)
    • Banner 1C:支出33.33美元,收入60美元(盈利26.67美元)
  • Angle 2:支出100美元,收入120美元(盈利20美元)
    • Landing Page 2a:支出50美元,收入70美元(盈利20美元)
    • Landing Page 2b:支出50美元,收入50美元(盈利0美元)
    • Banner 2A:支出33.33美元,收入25美元(亏损8.33美元)
    • Banner 2B:支出33.33美元,收入40美元(盈利6.67美元)
    • Banner 2C:支出33.33美元,收入55美元(盈利21.67美元)

现在对于一个急于求成的affiliate,他可能会是按以下方式进行优化:

  • OFFER A:支出100美元,收入140美元(盈利40美元)
  • OFFER B:支出100美元,收入75美元(亏损25美元)
  • Angle 1:支出100美元,收入95美元(亏损5美元)
    • Landing Page 1a:支出50美元,收入40美元(亏损10美元)
    • Landing Page 1b:支出50美元,收入45美元(亏损5美元)
    • Banner 1A:支出33.33美元,收入15美元(亏损18.33美元)
    • Banner 1B:支出33.33美元,收入20美元(亏损13.33美元)
    • Banner 1C:支出33.33美元,收入60美元(盈利26.67美元)
  • Angle 2:支出100美元,收入120美元(盈利20美元)
    • Landing Page 2a:支出50美元,收入70美元(盈利20美元)
    • Landing Page 2b:支出50美元,收入50美元(盈利0美元)
    • Banner 2A:支出33.33美元,收入25美元(亏损8.33美元)
    • Banner 2B:支出33.33美元,收入40美元(盈利6.67美元)
    • Banner 2C:支出33.33美元,收入55美元(盈利21.67美元)

这位Affiliate遵循“砍掉所有不盈利的项目”的哲学,并没有考虑这些不同元素之间的相关性。但是如果Landing Page 1b是表现最好的LP呢?也许它从表现差的Banners 1A 和1B获得了更多的流量,从而导致整个ANGLE1的表现比ANGLE2差。过早过快地对很多的变量做优化,我们很可能得出错误的结论(为时过早的结论)。

对于同样的campaign,在第一天结束前,我会这样做:

  • OFFER A:支出100美元,收入140美元(盈利40美元)
  • OFFER B:支出100美元,收入75美元(亏25美元)
  • Angle 1:支出100美元,收入95美元(亏损5美元)
    • Landing Page 1a:支出50美元,收入40美元(亏损10美元)
    • Landing Page 1b:支出50美元,收入45美元(亏损5美元)
    • Banner 1A:支出33.33美元,收入15美元(亏损18.33美元)
    • Banner 1B:支出33.33美元,收入20美元(亏损13.33美元)
    • Banner 1C:支出33.33美元,收入60美元(盈利26.67美元)
  • Angle 2:支出100美元,收入120美元(盈利20美元)
    • Landing Page 2a:支出50美元,收入70美元(盈利20美元)
    • Landing Page 2b:支出50美元,收入50美元(盈利0美元)
    • Banner 2A:支出33.33美元,收入25美元(亏损8.33美元)
    • Banner 2B:支出33.33美元,收入40美元(盈利6.67美元)
    • Banner 2C:支出33.33美元,收入55美元(盈利21.67美元)

我做的唯一优化方案就是删除OFFER B,因为它的表现远远落后OFFER A。对于其他变量,我需要看更多的数据。

为什么把OFFER做为优先目标呢?经验告诉我OFFER的好坏是一个CAMPAIGN是否能成功的决定性因素。在有明显的信号表明一个OFFER比另一个OFFER好,那么优先删除不好的OFFER就是最好的选择,我不希望劣质OFFER影响我对数据的判断。

但是也有很多affiliates的操作刚好相反,优先考虑banners,他们认为理论上来说,一个盈利的banner可以对campaign整体ROI带来明显的提升。想像一个affiliates按下面的方法做优化:

  • OFFER A:支出100美元,收入140美元(盈利40美元)
  • OFFER B:支出100美元,收入75美元(亏损25美元)
  • Angle 1:支出100美元,收入95美元(亏损5美元)
    • Landing Page 1a:支出50美元,收入40美元(亏损10美元)
    • Landing Page 1b:支出50美元,收入45美元(亏损5美元)
    • Banner 1A:支出33.33美元,收入15美元(亏损18.33美元)
    • Banner 1B:支出33.33美元,收入20美元(亏损13.33美元)
    • Banner 1C:支出33.33美元,收入60美元(盈利26.67美元)
  • Angle 2:支出100美元,收入120美元(盈利20美元)
    • Landing Page 2a:支出50美元,收入70美元(盈利20美元)
    • Landing Page 2b:支出50美元,收入50美元(盈利0美元)
    • Banner 2A:支出33.33美元,收入25美元(亏损8.33美元)
    • Banner 2B:支出33.33美元,收入40美元(盈利6.67美元)
    • Banner 2C:支出33.33美元,收入55美元(盈利21.67美元)

这个affiliate是这样考虑的,只跑ROI接近100%(支出33.33美元,收入60美元)的Banner 1c,他投资在campaign钱就可以翻倍,可惜这种好事从未发生过。

我建议在做早期优化的时候,应该瞄准对campaign最有决定性作用的因素:

  1. 找到最好的OFFER
  2. 找到最好的ANGLE
  3. 找到最好的landing page
  4. 把表现糟糕的placement放进黑名单

在满足以上所有的四个条件之前,我认为优化banner或者landing page没有任何意义。

注意:你选用的流量源的质量越低,“把表现糟糕的项目放进黑名单”的重要性越高,甚至超过“找到最好的OFFER”,成为最重要的因素。理由是你不可能从一堆垃圾流量中获利,无论你在垃圾流量上跑什么OFFER。

现在我们假设允许上面的campaign再跑几天,积累一段时间的数据,这个campaign的表现会像下面这样:

  • Offer A:支出500美元,收入600美元(盈利100美元)
  • Angle 1:支出250美元,收入390美元(盈利140美元)
    • Landing Page 1a:支出125美元,收入210美元(盈利85美元)
    • Landing Page 1b:支出125美元,收入180美元(盈利55美元)
    • Banner 1A:支出83.33美元,收入80美元(亏损3.33美元)
    • Banner 1B:支出83.33美元,收入175美元(盈利91.67美元)
    • Banner 1C:支出83.33美元,收入135美元(亏 51.67美元)
  • Angle 2:支出250美元,收入210美元(亏损40美元)
    • Landing Page 2a:支出125美元,收入130美元(盈利5美元)
    • Landing Page 2b:支出125美元,收入80美元(亏损45美元)
    • Banner 2A:支出83.33美元,收入85美元(盈利1.67美元)
    • Banner 2B:支出83.33美元,收入70美元(亏损13.33美元)
    • Banner 2C:支出83.33美元,收入55美元(亏损28.33美元)

现在我们有充分的理由说Angle 1 是我们成功的最好希望所在。因此我们这样进行优化:

  • Offer A:支出500美元,收入600美元(盈利100美元)
  • Angle 1:支出250美元,收入390美元(盈利140美元)
    • Landing Page 1a:支出125美元,收入210美元(盈利85美元)
    • Landing Page 1b:支出125美元,收入180美元(盈利55美元)
    • Banner 1A:支出83.33美元,收入80美元(亏损3.33美元)
    • Banner 1B:支出83.33美元,收入175美元(盈利91.67美元)
    • Banner 1C:支出83.33美元,收入135美元(亏 51.67美元)
  • Angle 2:支出250美元,收入210美元(亏损40美元)
    • Landing Page 2a:支出125美元,收入130美元(盈利5美元)
    • Landing Page 2b:支出125美元,收入80美元(亏损45美元)
    • Banner 2A:支出83.33美元,收入85美元(盈利1.67美元)
    • Banner 2B:支出83.33美元,收入70美元(亏损13.33美元)
    • Banner 2C:支出83.33美元,收入55美元(亏损28.33美元)

我们想要专注于我们表现最好的Angle上,因我们知道能否找到这个因素是让campaigns获利的关键因素。当我们在优化时,我们会删除Banner 1A,因为它的表现明显不如Banner 1B 和Banner 1C。看起来Landing Page 1a 优于Landing Page 1b,但是对我来说,结果还不够充分确凿。鉴于他们都在获利,让每个Landing Page一起收集更多的表现没有坏处。

接下来会发生什么?我们已经有了一个盈利的campaign,这是个好消息。但是我们只有2个Banner。如果我们不更新Banner,用户就会对I的Banner视而不见,那么这个campaign的表现肯定会下降。既然我们知道这个Angle有效果,Banner已经产生最好的收益,所以下一步很明显,就是基于已知可行的元素创建更多的Banners。

一旦你的campaign进入维护的阶段,需要我们不断测试不同的banner、调整landing pages,有时甚至要测试同一个Offer的不同版本(X联盟VS Y联盟)。按照前面说的顺序执行操作很重要。你的Offer是最重要的因素,接着是Angle和Landing pages。如果在多个网站进行广告宣传,placements也很重要。

7.17 移动端优化的挑战

跑mobile campaigns 的Affiliates在优化时,要考虑很多全新的因素变量:

  1. 操作系统
  2. 型号
  3. 品牌
  4. 屏幕大小
  5. WIFI和移动运营商连接
  6. 手机性能等。

上面提到的细小的变量有可能对你的成功有决定性影响。如果iOS的表现远远胜过Android,但是你的campaign获得的流量80%来自Android,或者出现相反的情况。那么无论你怎么选Angle,都不太可能提高Campaign的效果。这就是我所指的移动端campaign优化难点。

我们很难预测一个移动端campaign是否会成功,因为这要求全面掌握关于手机、运营商、操作系统等相关方面的知识。

我们怎么能知道同一个campaign会在三星手机上会转化地像个恶魔一样,在HTC却转化地像个湿抹布?我们无从知道。因此在移动端广告在测试过程中,我们要有坚强的意志。因为即使你没有做错任何事,你也可能会亏钱。有利的一面是,如果你具备处理数据,发现获利组合的才能,你可获得巨大的收益。

面对移动端Campaigns(涉及大量细小的变量)的优化时,我的建议是谨慎建立黑名单。不要随意拒绝某个手机、某个操作系统、某个手机型号,除非在测试中明显发现你在赔钱。Angle对成功开展移动端Campaign具有巨大的发言权,应保持最高的优先级(和寻找一个好的Offer一起)。技术优化也是必不可少的,但是它们应该在后台实时运行并清除表现不好的因素。

注意:

你可以和AM沟通来缓解压力。比如和AM一起探讨哪个手机、运营商和操作系统的组合是最适合已选定的Offer的。任何有诚意的AM都会给你提供大量的数据,帮助你成功。

对于移动端campaign优化的最终建议:

尽可能科学的建立黑名单,越细越好。

我见过很多的Campaign,一开始以为是Android系统导致亏损,但在通过数据做深入的分析后,我会发现实际是只是某个手机的问题,而不是Android系统的问题。如果你知道单独把三星的手机剔除就可以让你重新盈利,那你把所有Android设备列入黑名单就是本可以财运滚滚的机会一念之间丧失掉。利用追踪系统的细分报告,找出导致转化率降低的真正原因。随着经验越来越丰富,这些决策过程会变得更加轻松、淡然、稳健。

接下来,我们看一个campaign的启动的模板,这是一份完整的检查清单。你可以依照这个清单来启动你的Campaign。


← 第 14 篇:Split Testing、流量备忘录和渐进式优化 | 全系列目录 | 第 16 篇:发布前的检查清单:一步步打造盈利的 Campaign →