|
|
ky - 10月总结，工作量和贝叶斯算法。
#第一周：
延续上个月的测试方法，结果还是亏。
#第二周：
继续完善自己的测试方法，这时基本上开始止亏转盈利。
然后开展好几个国家，精力直接耗尽，一个人快搞不过来了。
#第三周：
素材较为稳定盈利，但是Bid 提不上来，加上有些事情耽搁很久，一直没来得及换新素材。
一套老素材不断的赚一点点。
#第四周：
最后修整一个最新的测试方式，停掉所有的旧 Campigan，全部重新修正，从最小的地方，重新开始。
总结：
本月前半月测试素材小亏， 后半月较为稳定，上上下下一直在 -20% ROI ～ 20% ROI 之间。
这个月基本上确定自己所有需要的 target，测试方法，也全都验证成功。
现在已经把研究问题转化为工作量问题了，接下来只需要测试素材就行了。
Target 建议：
# 一开始 Target 不要太广，可以范围小一点。
# Bid 要高，budget 要足。
# 注意砍掉一些微不足道的末尾，比如某些语言，基本不转化，但是又能烧掉你几毛钱或者几块钱，这个积累一多，亏的就多了。
Creative 建议：
# Banner angel 要进行充分了解投放的 Geo 的喜好，有些地方喜欢老的，有些喜欢嫩的，你懂的。
# Lander 要加 后退按钮，10%+ ROI 你要不要？
Offer 建议：
# 进去 Offer lander 好好看看，有些真的很丑的，有些完全不符合你的流量特质。
# 多找几个 Network 对比。
Test 建议：
# 测试的 Offer 多一点，Creative 也要多一点。
# 一定要做 A/B Test。
# 多关注 ECPC。
Bayesian 贝叶斯算法对测试的素材的意义：
# 贝叶斯算法是一类利用概率统计知识进行分类的算法。
# 假设有同个素材进入两个 Campaign，一个 bid 高，一个 bid 低， 用已知的 CTR， CR，求未来的CR，这样可以算出明天的数据，然后跟明天的数据做对比，再次求证后天的数据， 这样可以在短时间内判断素材的好坏。
# 不但可以和未来 CR 数据对比，也能和 高 Bid 低 Bid， 严格的 Frequency， 宽松的 Frequency 做对比。
# 没有 Bayesian 也是可以的，只是这样比较凭感觉，和凭经验，不太严谨，如果两者结合会更准确。
# 其实 Bayesian 我只看了一两天，目前也没办法应用在实际操作中，11月研究一下，争取能应用在实际上。
|
|
发表于 2018-11-2 14:59:19
发表于 2018-11-2 19:24:01
发表于 2018-11-3 11:11:36
