本帖最后由 jesy 于 2018-3-1 23:14 编辑
% n3 }: T2 d; v* J' o
* |$ j0 j' x+ s& @# } N7 Q4 bDropship自己也做了一段时间,发觉做到一两万刀其实很容易,虽然大家看到很多人都在炫耀做到了几万刀,事实上,一个客单价40左右的产品,每天卖出10个,一天就有400刀,一个月也破万刀了,按照广告费30%,成本30%,利润30%来算,大概3000美金的利润。8 p7 b- u$ I* d7 b4 B/ f) I7 x
那你说一天10单算多嘛?这其实连真正的scale都算不上嘛。: C% E8 B) j, E% V6 H N
8 p0 d5 i$ h- { x9 M% l4 |& b
4 f8 X( O' S/ u8 m& j$ g. _! G! i3 F' Q0 o+ ?6 |' B
好了,逼装完了,给大家来点干货,自己跑广告时候的一点体会,PPE和WC的区别和使用场景。
$ [( y M) x4 E* I) |* R' ~% x+ P( t4 F9 @% {, U9 ~
无论是论坛还是youtube的视频教程,大家接触最多的两种广告形式应该就是PPE和WC了,他们有着迥乎不同的工作模式,但都能达到我们的目标:出单
" a N5 [8 j) B# t( a/ }$ q& @ 3 M# b0 g; t$ I
PPE 全称Page Post Engagment,即主页贴文互动,互动指的就是留言、点赞这些Social Proof,广告目标会找到最喜欢留言、点赞的用户,向他们投放广告。
7 o5 u. o6 f1 v" Z* i3 y( O大量的社交互动
/ [& ~& k+ j2 l2 e8 l这种广告的特点: , I! U% S0 I) c! u1 |5 Y! v& D$ _ P
价格便宜,这是优点同时也是缺点,价格便宜意味着你可以以很低的代价投放大量用户,注意,便宜同时也意味着这是低价值用户,转化的可能性低。如果WC有1%,那么PPE可能只有0.1%。
3 f7 R L8 o' ]
cpm只有0.6-1.8,便宜疯了 ; u0 K+ \8 A6 V" T F- ^) n$ b a
+ b5 i5 I ?/ t$ E( r4 D
意味着什么? - T* |- o1 z9 A
适合测试产品 因为PPE的价格便宜,在还未确定这个产品可行之前,可以用PPE以相对低的代价跑出数据。 (PPE可以做到千次覆盖成本5刀以下,也就是说每日5刀的预算可以覆盖1000人,相较于WC动辄20以上的CPM,PPE可以用更低的成本,更多的数据来佐证产品的可行性)
7 c! {9 }; t9 w3 S0 ^/ z N0 d% Q+ |4 y0 @* {
不要被天量的播放量唬住 大家可能动辄会刷出播放量上百万的视频广告,心里觉得真是厉害,这赚钱还不赚疯了? 其实不然,如果是PPE这种0.6左右的CPM下,覆盖100万的受众只需要600刀而已。所以真正赚钱与否只有自己心里清楚。 & {- J8 B( x" ^( B& U
WC WC全称Website conversion,即转化广告,即以转化为目标的广告,这里所说的「转化」可以是「View Content」「Add to Cart」「Purchase」等目标,当你选择「View Content」,FB就会帮你选择出最爱点击广告的用户。
6 Z" b. b; A) m- {: P+ F0 z. E3 z
/ I5 y/ z; S: T& M0 ]那以Purchase为目标是不是就会意味着会找到Purchase呢?
# _! c5 e' S# J5 x; X- C
并非如此 : b+ f) ^6 I* G! L, v
首先,找到「愿意点击的用户」远比找到「愿意加入购物车的用户」容易,「愿意加入购物车的用户」远比「愿意购买的用户」容易。 这也是为什么以View Content作为目标,fb的优化很容易出效果。 8 j* r& b$ X* p
而以「Purchase」作为优化目标则很难,需要配合足够高的预算才能累积出足够的数据。
/ a9 f! V: c4 W* W% z A4 G9 Q机器学习
: ^; X( i, F! ~- Q" s
WC独特于其他广告的机器优化意味着它可以积累之前的数据,并以已经得到的数据去找到更多类似的用户。 FB告诉我们,如果要启用FB的机器学习,必须在一周内积累50个转化,如果你的目标是「View Content」那么,就是50个「View Content」,如果是「ATC」那么就是50个「ATC」。 : ?, b' N$ ]; M
第三天可以发现购买成本极大降低 具体操作时的注意事项
( k* o/ D. b% Q, e机器学习阶段广告波动会很大
: P* V4 P; c. Q4 d- U; ~0 U) o
我们建议不要在系统的机器学习阶段对广告组作出大幅调整,因为这样可能会导致系统在还没有获得任何有意义的信息时重新开始机器学习阶段。
2 x( k) m% ]2 m2 M$ |" ]' R# ~不要频繁操作 4 `" x7 p9 P! w
频繁操作广告会打断FB的机器学习,如下操作属于较大变动,会打断干扰机器学习过程。 : `/ g- `; d' q( k: N! T
这些操作不属于大规模变动,不会影响FB的优化 ' K7 N- P* J' [. j) h& \7 l6 N
+ U" k, g) @9 C( |
机器学习结束后 机器学习不是万金油,也不代表任何时候都能成功,如果你积累了足够的数据,广告表现却没有变好,就应该果断放弃这个受众,转而换产品或者换受众。
" O# _- d$ w$ C" r, `0 U: {
FB的官方文档就介绍了很多关于WC的工作机制,看了很受用 https://www.facebook.com/business/help/112167992830700?helpref=search&sr=1&query=%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0 6 V4 @. H/ E8 Y% r7 N4 ~
更多dropship干货文章欢迎关注公众号
1 w4 G; B9 @1 Z) o4 B$ v# x/ R; o7 v Y" k2 a- ~2 z8 S3 R
|