不想“出師”先倒在Google AC？一篇助力投放小白新品起量

2052 閱讀 0 評論 4 點贊

游戲和App廣告主們在每個階段的首要任務都是不同的，在游戲或App發布前需要投放預注冊廣告，在剛上線階段需要獲得更多的新客和安裝量，等到逐漸成熟后，還需要考慮用戶留存及用戶質量的問題，最終，還需要找到高價值客戶產生購買和架構等行為，實現再營銷和變現，如何根據不同的階段去進行廣告投放就成為了一個難題。

Google App Campaigns（AC）廣告系列是根據不同的推廣目標區分的，主要有AC1.0、AC2.0、AC2.5和AC3.0等廣告系列，廣告主們可根據不同的推廣目標自行選擇合適的廣告系列。

本期，四海就帶領各位廣告主們打開Google AC廣告系列的大門！

AC廣告的邏輯

AC（全名App Campaigns）是谷歌專門為移動應用打造的廣告產品，其主要運作流程分為三部分：

Step1：收集數據

數據上可以簡單的分為兩類，第一類是應用類數據，即產品內產生的標簽，用戶設備、喜好以及行為等等內容。第二類是來自谷歌20年來收集所收集的數據。

Step2：機器學習

第一步所收集到的數據耦合在一起，交給機器去做運算與匹配。

Step3：渠道曝光

在機器通過智能算法將數據處理之后，便會直接分配給相適應的頻道進行曝光，展現給算法所匹配上的不同人群。

AC廣告能夠做到的事情也可以分為三類：

Action（事件行動）是希望廣告能引導用戶完成的事件行為，譬如一款休閑游戲，希望廣告可以引導用戶下載即可，或是稍微重度一些的游戲，希望用戶可以達到某個等級，以此來觸發某一個數值的坑位需求。

Bidding, Budget（出價/預算）以及Creative（廣告素材）顧名思義。

AC一共有三個核心版本，也就是通常俗稱的1.0、2.0以及2.5。三個版本散布在從下載到質量的光譜之上。

AC廣告的區別

開頭四海講到，根據每一個產品的生命周期不同，每個階段的首要任務也就不同，因此不同階段匹配的廣告系列也就不同，而AC的廣告系列大致可以分為1.0、2.0、2.5和3.0四種類型。

1.0系列：以安裝量為目標，重點為拉新，AC for Installs，根據tCPI出價，在滿足特定CPI的前提下使下載量最大化，例如：新產品發行；
2.0系列：以產生應用內操作的安裝為目標，AC for Installs，Advanced，同樣是根據tCPI出價，在滿足特定CPI的前提下使APP內事件最大化，例如：工具類APP，目標位用戶獲取及留存；
2.5系列：以應用內操作為目標，AC for Actions，根據tCPA出價，完成目標CPA并使APP內事件最大化，例如：短視頻，優化用戶質量；
3.0系列：以有價值的應用操作為目標（沒接Firebase的不能用），會針對目標價值進行出價，更傾向于尋找高額付費用戶，來達到ROI的指標，因此，3.0更適合擁有高額付費體系的游戲系統；

1.0和2.0專攻下載，而2.5更加注重質量，3.0更加注重付費，對于廣告主而言，1.0和2.0其實很好理解，就是安裝下載使用；2.5和3.0通常會有很多廣告主難以準確使用到底用哪個？

從原理上來說，2.5是定義了付費事件之后，谷歌會幫助廣告主在競價區間內尋找有付費意愿的用戶，用戶群里被區分成了付費用戶和非付費用戶，2.5幫助廣告主尋找的是更多付費用戶的那一波，付費的金額不是主要的考量目標，付費的事件次數才是2.5在不斷優化的。

3.0作為價值優化，會基于已有用戶的付費情況和預估未來用戶的付費水平建立學習模型，尋找高價值用戶來匹配我們給到的期望回收目標，適合去撈大R。在這個過程中也不是目標設定的越高越好，而是目標設定的越合理越好。

以往AC 2.5只會關注付費的事件，并不會界定用戶花了多少錢，即便是僅僅充值價格最便宜的新手禮包，也算是完成了事件，但是這些低充值滿足不了ROI的目標。3.0的出現便是解決這個問題，將去根據特定的價值目標來做大最大化的獲取。

但是在實用性上，3.0更適合擁有高額付費體系的游戲系統，如果走的是“以小積多”的模式，那么可能更適合使用AC 2.0與2.5。如果游戲中有著很多大R（高付費玩家），那么就會更適合AC3.0。

對比兩者學習成功的條件來說，都有需要事件次數不低于10次/天的需求，所以出價or ROAS期望值設置的越符合當前條件下數據收集的要求，越有利于學習效率。對于不同類型的產品，有的產品對付費次數的要求比較高，有的對付費金額的要求比較高，適用的優化方式也就會有點輕微的差距，而且產品的目標設置也會在影響最終的效果。

AC模型的訓練

為了保證廣告主們可以擁有一個穩定的AC廣告，四海給出以下幾點建議：

1）減少頻繁的改動：頻繁改動將會使歷史數據無效，拉長學習期

在看到學習期“亂七八糟”的數據之后，相信不少人都會下意識的去進行“優化”，但是任何大幅度的改動，都會對學習框架進行破壞，延長學習期的“結束時間”。雖然這一點很違反人性，但是這是谷歌定下的規則，只能忍一時痛苦了。

2）提高數據量：數據量不足將影響模型學習，尤其使用AC2.5時，一定要保證數據量充足，在這方面，如果僅僅是使用便宜的AC 1.0問題不大，但是在面對AC 2.5這樣的行為目標付費時，如果指定事件過深，就可能出現預算滿足不了建立穩定模型所需量級的情況。

3）足夠的出價：順利起量，避免量級劇烈波動，最好在建立模型的第一天就給足預算

4）足夠的預算：給予模型足夠的買量信心，持續的預算受限將會導致用戶的質量參差不齊

最后，Google AC廣告不做人群的定向，只做行為的定向，因此在谷歌AC的邏輯上，只會關心關心用戶能不能完成給出的事件。例如，當你選擇事件為付費時，這個用戶究竟是小孩還是大人，是男是女都不重要，唯一區分接受與否的是能不能完成制定的事件。

以上即本次全部內容，希望能夠幫到各位廣告主，如有其他問題，請點擊文末閱讀原文咨詢。