media buy 进阶？

vta

以下内容是知乎看到的，转载过来。
+ V/ a) {  a" P7 L' b, h
感觉这个实现起来好像也不难。过完年折腾下。
2 |& [8 c4 B( m9 P* o% `5 a3 t
9 n. b1 _& \$ ~5 W- J0 C) J+ n~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
* T# Z( d" C# E8 V9 h) h# |  |这几个月在一家为客户在Facebook上做广告的加拿大公司工作。简单说说他们对于数据的态度吧。这是一家小型Startup公司，总共不到20个人。其中4个人（包括我）是技术，剩下的除了CEO都是Account Manager。当然CEO很多时候也在做Account Manager的事情。
8 [- l7 `1 _$ v
刚到这个公司的时候，觉得他们的code很烂，他们的数据库设计也很烂。后来才知道，当初startup的时候，是找了印度公司做外包的，他们对这个外包很不满意，所以一期项目搞定之后，就全部拿过来自己搞了。但是后遗症也留下了。

这个公司的数据模型很清楚，只要通过低于广告主给出的CPA价格能赚到钱，就想办法增加广告覆盖率。但是常识大家都明白，增加覆盖率很可能导致转化率下降。但是如果接受这个假设，那么就没有什么赚钱的机会了。恰恰是因为他们相信，除了常识之外，还有一些事情是经验之外的。

1 H& w& p4 R$ }. h0 v& Z! r比如说关键词……有些关键词对某些人有用，对另外一些人没用。如果不做数据挖掘，生想广告词或者关键词的组合，累死了也赚不到什么钱。

2 V, l# E9 @! W所以……这个公司在代码中设计了几个基本核心算法：
1. 一种止损的trigger，对于任何亏钱的广告，自动停止。
- ^: Q, n& E" s. ~, h2. 一个自动发布广告的cron，程序一直在扫描。一旦发现一些广告能赚钱，就自由组合这些广告元素再自动发布到广告系统里面。这样，就能出乎意料的发现一些更加赚钱的广告形式。
  |, `; s0 l  M- G2 b3. 做了很多广告更新的算法，搞了一个自动化的A/B测试策略来针对Facebook广告价格的浮动，来更新广告的价格。

通过阅读这些算法让我感受很深。所谓的数据分析，不是一个产品经理跑到运维，数据库管理员或者工程师那里说：我现在要跟踪什么什么数据，你帮我出一下吧。然后再对着跑出来的数据琢磨这些数据是否合理。

在这个公司里，只要发现一个数据模式对收入有影响，就会直接编码到系统里，变成自动执行的代码。基于这样的数据导向原则，代码面临无穷多次的重构，因为谁也不知道，下一个数据模式会发生在哪个层面，哪几个数据之间会发生关系。

我觉得国内的不少公司，还在以daily report分析数据，还在说数据只是为了验证产品经理想法的阶段。这动作是不是太慢了？
/ @% o5 A9 Y9 o% \! V
接下来的话，随便说说，不一定有参考价值：
, y* l* y) b$ g' w8 [; {; P
1. 对于大多数网站，如果你想用数据为导向，必须建立系统级的A/B测试机制。对于界面层面的重构，一个产品经理+一个工程师，一天用这个系统一天至少能做3-4个。系统级别的A/B测试要能够保证快速上线，第一时间看到数据，一旦超过临界值直接结束测试、保留数据并生成报告（直接邮件发送，而不是让产品经理想起来跑到后台再查）

3 ?2 t4 H% p1 u+ @0 Z! h7 ?. ]2. 对于做社交网站，或者有复杂用户数据模型的公司，要在界面呈现和用户数据之间建立匹配系统。这样产品经理可以设计几种呈现模式，丢到匹配系统中，过不了多久，就能发现用户对不同呈现的数据反映的不同，然后系统性地固化这种机制。
" v3 l3 ?( x# U3 j$ `2 @
- t1 r  a" J9 `: [) A+ P3. 通过cookie或者用户登录信息，建立针对不同用户的内部tag系统，看这些tag在系统2里有没有明显差异。如果有就可以固化下来，用来提高关键指标。
" S; v( ?( F) ~) j) |0 F" T
  \; {" U3 f7 }% f$ q/ b+ b, M所以，我现在对于数据分析的感觉是：
1.要提高一个数据指标，盯着它是没有用的。必须找到影响这个数据的另几个可操作性更强的数据指标，调整它们。
" G7 m/ z+ s, l! G+ U2.分析数据的可能性要充分，充分分析的基础是测试充分多的可能性。如果你想测试图标的颜色从绿色变成红色会不会更好。那为什么不测试一下蓝色，紫色和黄色呢？
  I' {! \1 Q( O4 ~3. 如果小规模数据已经可以说明问题，就没有必要延长测试时间，也没有必要扩大测试范围。
4. 要充分利用计算机来帮你做数据采集和分析，缩短数据分析的周期，降低数据分析的成本。
5. 有必要的时候，可以让计算机帮你找pattern，因为计算机没有偏见。
编辑于 2011-08-16

河小马

基本常识而已。。
) L5 q+ l0 W+ c! \& a. |
加了一些programmic buying。。。很老的东西了

狼行天下

感觉不错啊

vta

河小马 发表于 2015-2-15 23:49
1 U* H' j: D: j) _* x基本常识而已。。

加了一些programmic buying。。。很老的东西了

河马多分享点这些常识呗。。

这个确实老。11年写的了。估计现在更新几代技术了吧。。

河小马

vta 发表于 2015-2-16 01:08
, Q& r: _! z! [7 Y河马多分享点这些常识呗。。

% C/ W( l5 e) U这个确实老。11年写的了。估计现在更新几代技术了吧。。 ...

其实一直都没有什么变化
3 D0 k+ O% O9 w- T5 o" x/ q6 C
! @. T; E- ?0 S& _9 F2 U6 c无非就是加入 AI 以及更好的算法

cjyzpcl

我tm要哭了，实际上跑一个流量平台就只是跑出black list来而已。而且对搜索流量来说相对稳定，并不需要大量的scale，而且衰减也低。玩scale的上上pop啊，保证你脸跟菊花一样，哈哈哈哈哈

不知道他们对于creative是怎么处理的，广告创意无法自动化啊，难道全部都来自spy？

vta

augustye 发表于 2015-2-16 11:54
( m1 c( |6 g: e) x不知道他们对于creative是怎么处理的，广告创意无法自动化啊，难道全部都来自spy？ ...

" A: F. [; X; ^1 f6 o# t6 v2. 一个自动发布广告的cron，程序一直在扫描。一旦发现一些广告能赚钱，就自由组合这些广告元素再自动发布到广告系统里面。这样，就能出乎意料的发现一些更加赚钱的广告形式。

~~~~~~~~~~

看他的意思，就是提前做好大量的参数变量，随机组合。

vta

cjyzpcl 发表于 2015-2-16 09:14
我tm要哭了，实际上跑一个流量平台就只是跑出black list来而已。而且对搜索流量来说相对稳定，并不需要大量 ...

哈~~我也有玩 pop 啊~~

不过感觉 pop 的量不是很大啊~~

美国的量应该算大了吧？美国的 mobi pop，操作起来感觉每天最多只能到5k revenue 了。

老刘

烧钱收集数据，用程序也就减少人工，增加效率。
如果资金不大，还是人工靠谱

hudba

给小白看，非常高大上。