campaign优化系列 - 对黑白名单的理解

adzon

之前开发了针对低质量流量过滤的工具，一个多月过去了，从一个简单的过滤工具 Afilter，升级成了一个相对较完善的追踪 Afilter Tracker 。一个多月的时间，也积累了不少优化的经验，分享出来，抛砖引玉，希望大佬们多多指教

, o  l  k" ]$ ~0 H3 o2 {) q黑白名单是 Campaign 最简单的优化方式，基本上正常的流量平台都会提供黑白名单功能。
! E. e* K0 g0 @) _# b2 u" Q
简单说下我自己对黑白名单的理解，我将黑白名单生成的原因分为两种。
4 f% A3 T0 Y7 b9 S1 v
第一种是跟效果无关，仅评论这个网站带来的流量的好坏，是否使用代理，是否是刷子。使用了代理或者是刷子， Afilter Tracker 会将其标记上 BAD 标签。BAD 流量的占总网站流量的比例，我们定义为差品率。如果网站差品率过高，则说明该网站质量可能会很差。反过来，如果这个网站带来的流量，操作很多，比如说，有内页浏览，有鼠标移动，有页面滑动等操作， Afilter Tracker 会将其标上 GOOD 标签。 GOOD 流量占总网站流量的比例，我们定义为良品率。如果网站良品率较高，则说明该网站质量可能会很差。但差品率与良品率，仅仅针对流量好坏进行判断，无关效果，我认为这种黑白名单对于那些需要寻找大量高质量访客的用户会有很大帮助。但对于那些希望带来更多转化的用户来讲，可能意义并不是太大。

如图：



于是第二种黑白名单就出来了。直接与效果关联，不评论流量好坏，仅评论网站效果如何。大部分用户推广的目的，是希望获得转化。举例，比如我们在推广CPS类的offer。我们推广的最终目的，就是希望用户购买。但是用户在产生购买事件之前，还有产生很多前置事件，比如说，访问产品列表页、访问产品详情、添加购物车、注册账号、登录、提交订单、支付。而这些事件，是按倒金字塔的模式依次减少，如果仅跟踪最后一步的支付，判断黑白名单的成本会大大提高。但是，如果对这些前置事件进行监控，则能大大降低黑白名单成本，并能非常可靠的提升黑白名单的准确性。第二种黑名单，就是依据这些事件产生的。我们新建事件后，可以对访客每个事件进行跟踪，可以很清晰的计算出，网站总流量中产生某个事件的比例，以及每个事件的花费。基于这些数据产生的黑白名单，将直接与转化挂钩。
' g* ]$ u, S: |$ ?& q& a
6 Z. k2 d0 r( i拿我最近测试的一个 offer 举例，我将lp里面的某一个动作定义为一个事件，并将该事件回传到 Afilter Tracker ，效果如下图：
& r* A/ ?9 ?) A7 o2 }; U) ]


7 C' b5 V" h6 w* E  A0 [& w+ [& V该 offer 用 popads 做流量源，除了可以用来作为屏蔽参数的 website id 之外，其他参数同样可以依据回传事件来识别出黑白名单。



9 {3 g4 @, i6 L# a8 B比如说 Popads 的网站质量评分，我们可以很直观的看到，Popads 质量评分还是有一定的参考价值的。
. N# P9 o, D5 }9 A% E1 R4 J

4 c. q3 J1 y/ Q/ ^/ c  k
又比如说屏幕分辨率，我们同样可以看到哪些分辨率效果较好，哪些分辨率效果较差。



我们同样也可以依据访客的浏览器版本、国家、设备等进行更多的分析。

通过事件来产生的第二种黑白名单，对于 campaign优化 来讲，将更清晰更直观。

2 c3 r5 G3 u% C6 d# p$ `先写到这，后面我会继续完善。

kisscssy

66666666666666

yoonsik

这追踪器已经关闭了吗？