出海小黑板最早是想?yún)⒖?span style="color: rgb(2, 30, 170);">Google黑板報，寫一些關(guān)于投放技術(shù)的內(nèi)容給內(nèi)部的研發(fā)看。后來因為自己的重心逐漸往風控轉(zhuǎn)移，所以投放的東西就寫的少了，關(guān)于風控的內(nèi)容多了起來。這幾天因為要給客戶做關(guān)于投放的分享，把自己以前寫的東西又回顧了一遍，那就順便寫一篇文章帶著大家一起把之前投放的內(nèi)容串一串。

我們投的廣告都屬于效果廣告（與此相反的：品牌廣告）。所以我們先要定義一下成效（Matrices）。對于App的廣告而言我們最直接的成效就是安裝（Install），我們使用的第三方廣告監(jiān)測工具（Media Measurement?Partner，簡稱MMP）按照Last?Click的原則把安裝 - 廣告關(guān)聯(lián)起來實現(xiàn)歸因。

如果你能看明白下面這張圖，那你就理解了：

1. MMP是如何進行歸因的

2. SAN（Self Attribution Network，比如Facebook/Google）是如何歸因的

3. 非SAN（比如Tiktok）是如何通過MMP做歸因的，以及為什么他的廣告效果一定比不過SAN廣告平臺

4. 為什么MMP和SAN的面板一定會有Discrepancy（數(shù)據(jù)差異）

如果看的不是很明白，可以復(fù)習一下這篇文章《從投放歸因到Cost Per Install》。

上面的文章看完后，你應(yīng)該就能理解《投放流量作弊的幾種姿勢》里提到的“搶歸因”（Hijacking）了，明白為什么不正經(jīng)的流量可以通過MMP做歸因時的漏洞來實現(xiàn)流量作弊，以及怎么通過Google Install Referrer API來識別這些垃圾流量（差不多就是自己內(nèi)部寫了個簡化版的Protect360）。這篇《Uber教你怎么做流量反欺詐》可以稱得上是教科書級別的流量反欺詐case，Kochava幫Uber做的。K家雖然Market Share不大，但是錘起人來是毫不手軟，2018年就錘了Che*tah和K*ka，Google調(diào)查一番后順手把Alt*Mob Ba*Mobi和Yea*Mobi（碼一下保平安）的網(wǎng)盟SDK也給干了，這三家真是吃著火鍋唱著歌莫名其妙就被KO了。

說完了安裝（我們用mmp_id代表一個安裝的唯一識別碼，每次刪除重裝會reset，更新不會），安裝完客戶注冊，那么我們就有了安裝mmp_id和用戶user_id的映射關(guān)系表。對于Server-to-Server上報的后端事件，比如風控通過或者放款成功，我們需要從映射關(guān)系標中取出user_id對應(yīng)的mmp_id，將Event Name - Event Value - mmp_id回傳給MMP，MMP再回傳給廣告平臺。那么在MMP的面板中，某一條廣告對應(yīng)的某一個Event數(shù)量+1，在廣告平臺中，某一條廣告對應(yīng)的額某一個Event數(shù)量+1，這個過程是靠mmp_id來進行關(guān)聯(lián)的。

所以當一個user_id對應(yīng)了多個mmp_id的時候，你在進行回傳的時候選擇哪一個mmp_id，對廣告Performance的影響是很大的。包的體量越大，投放的越久，影響越明顯。更詳細的內(nèi)容可以參考《廣告事件的設(shè)計與上報》。

在Lending行業(yè)我們一般用CPS（放款成功客戶的獲客成本）衡量廣告效果，因此如果你用First Install Attribution方法來實現(xiàn)后端事件上報，那么一定是越老的廣告ROI越好。以我目前了解到的情況，大部分的甲方都在使用First Install Attribution的方案，因為各家MMP的CSM都是這么教的。但是你需要清楚這個方案的問題：越老的廣告ROI越好，新的代理吃虧。這點何老師在《轉(zhuǎn)化差+成本高，可能得怪產(chǎn)品打點邏輯（甩鍋新思路）》里也提到了。

如果：

1. 你是一個甲方的投放負責人，之前一直是自投。最近想引入幾家代投的Agency來做ABTest，幾輪測試下來，發(fā)現(xiàn)Agency投的就是不如自己團隊。

2. 你是一家代投的負責人，新簽了一家客戶，但是跑了一段時間下來客戶反饋你的投放成本不如現(xiàn)在用的代理。

那么很有可能是打點的上報策略導(dǎo)致的。

效果（Performance）?=?花費（Cost）/ 成效（Matrices），所以我們先要獲取廣告的花費。

我在《如何搭建自己的投放監(jiān)控系統(tǒng)》我給了三種方式：

1. 從廣告平臺直接導(dǎo)出（低門檻，廢人）

2. 從MMP通過接口獲取（低門檻，廢錢）

3. 從廣告平臺通過接口獲取（有門檻，廢研發(fā)）

大家可以結(jié)合自己的實際情況按需選擇，不一定盲目地選Option3，其實Option1也是一個不錯的選擇。

我們可以從風險和成本的二維角度來把廣告系列的效果可視化，按照廣告系列落在象限中的不同位置來對廣告進行調(diào)整。通過把預(yù)算傾斜到風險好的廣告，以此來通過投放來優(yōu)化風險。

我們可以把Spend作為第三個緯度加進來，以此對每個廣告對整體的影響有一個直觀的判斷。

還可以再把bid作為第四個維度加進來（顏色的深淺）來了解不同廣告當前的出價。

上面是按照廣告系列（Campaign）維度的分析，除此之外我們是可以按照Media Source（廣告平臺） / Agency（代理） /?AdSet（廣告組）/ Ad（廣告）這幾個層級來進行breakdown。對于Google來說我是建議使用Campaign層級，因為Google是按照Campain和App兩個維度來進行優(yōu)化的。對于Facebook根據(jù)你創(chuàng)建廣告的方式不同，有按照Campaign來優(yōu)化和按照AdSet優(yōu)化兩種情況，所以你可以按照Campaign來進行分析，也可以按照AdSet來進行分析。

還有一點需要留意的是，Facebook因為Restricted的原因，Campaign成本會比Overall的成本高，在計算成本的時候要做一個外推，把Restricted的部分加回去。Restricted出現(xiàn)的原因可以參考系列文章《Facebook停止AMM之后（作者剪輯版）》《AMM停服倒計時1天》《AMM停服后續(xù)跟進1》《AMM停服后續(xù)跟進2》《AMM停服后續(xù)跟進3》《手把手教你解密FB Referrer信息》《Facebook Referrer 統(tǒng)計報告》。

除了《Lending行業(yè)廣告投放的事件設(shè)計與選擇》里提到的以外，我想在這里給一個簡單的決定邏輯。

頭部玩家，市場上所有的量都要：

• Install + AEO + VO。Install 20%預(yù)算，AEO 60%預(yù)算，VO 20%預(yù)算。

• AEO的部分里，風控通過or放款占60%預(yù)算，申貸占40%預(yù)算。如果投Google的話可以從申貸里挪20%給還款。

腰部玩家，風險穩(wěn)定，注重ROI：

• Install + AEO + VO。Install 10%預(yù)算，AEO 70%預(yù)算，VO 20%預(yù)算。

• AEO的部分里，風控通過or放款占70%預(yù)算，申貸占30%預(yù)算。如果投Google的話可以從申貸里挪20%給還款。
  

風險高，希望通過投放來優(yōu)化風險：

• AEO 100%。

• 多建點廣告，注冊、申貸、風控通過、還款幾個點都試，哪個廣告風險低就迅速傾斜預(yù)算。

怎么做歸因？兩個思路：

1. 在Web頁要求注冊，通過utm進行歸因。好處，準。壞處，要開發(fā)一個Web注冊接口（容易被攻擊）。詳細的方案參考《Web-App的歸因邏輯》

2. 通過MMP提供的方案。好處，開發(fā)量小。壞處，設(shè)備指紋（IP+UserAgent）方案會有的流失（歸因不上），盲猜30%-50%。

怎么做優(yōu)化？

1. 對每個客戶關(guān)聯(lián)fbcid和fbpid（類比mmp_id），通過conversion api，把event以pixel的形式回傳給廣告平臺（特指Facebook）

2. 回傳的時候建議帶上ip和user_agent，否則匹配率會很慘

3. 廣告投放的時候優(yōu)化pixel事件

4. 參考《Web-App的歸因和優(yōu)化邏輯》
   

效果好嗎？

1. 獲客成本比在架App廣告高，50%-100%

2. 新客風險比在架App廣告高，50%-100%

因為多了一個轉(zhuǎn)化環(huán)節(jié)，又是APK，客戶的逆向選擇現(xiàn)象還是比較明顯的。如果不是實在上不去架，不建議搞Web2Apk，當然這只是針對Lending品類的APK營銷，別的品類另外講，iOS另外講。

在英國劍橋一個夏日的午后，一群大學(xué)的紳士和他們的夫人們，還有來訪者，正圍坐在戶外的桌旁，享用著下午茶。在品茶過程中，一位女士堅稱：把茶加進奶里，或把奶加進茶里，不同的做法，會使茶的味道品起來不同。在場的一幫科學(xué)精英們，對這位女士的“胡言亂語”嗤之以鼻。這怎么可能呢？他們不能想象，僅僅因為加茶加奶的先后順序不同，茶就會發(fā)生不同的化學(xué)反應(yīng)。

然而，在座的一個身材矮小、戴著厚眼鏡、下巴上蓄著的短尖髯開始變灰的先生，卻不這么看，他對這個問題很感興趣。他興奮地說道：“讓我們來檢驗這個命題吧！”并開始策劃一個實驗。在實驗中，堅持茶有不同味道的那位女士被奉上一連串的已經(jīng)調(diào)制好的茶，其中，有的是先加茶后加奶制成的，有的則是先加奶后加茶制成的。

假設(shè)我們在兩個ad里，使用了同樣的素材，可以預(yù)見的是兩個ad的成效是有區(qū)別的，這個區(qū)別我們稱之為隨機性。

假設(shè)我們在兩個ad里，使用了不同的素材，那這時兩個ad的成效區(qū)別，是素材的優(yōu)劣引起的？還是隨機性引起的？還是別的因素引起的？

廣告是什么？廣告是把合適的內(nèi)容在合適的時間展示給合適的人。所以內(nèi)容（素材），時間，人群都是影響因子。這就是為什么所有的AM都建議我們使用Install廣告來測試素材，并且多看幾天，這是為了消除人群和時間對成效的影響。

但是Install廣告覆蓋的客群是最爛的客群（好客群會被AEO和VO廣告高價搶走）。爛客戶要什么？爛客戶要通過率。好客戶要什么？好客戶要額度、要利率、要服務(wù)、要品牌。所以Install廣告測試出的好素材能否移植到AEO和VO，我不確定。

然后說怎么衡量素材的效果，用CPI還是用CTR？我個人的角度，如果素材是為了吸睛，那么CTR更合理，因為CPI參雜了系統(tǒng)出價的因素。

最后說怎么判斷素材是真的好用，還是隨機性引起的？首先得把素材歸類，歸類成不同的主題，按照主題去分析。其次還是得量大，我一直覺得測試素材是個偽命題，隨機性太大。但是何老師說當你測試了上百個包以后，這就不是隨機了。我覺得他說的有道理。

設(shè)計實驗時的問題是，如果只給那位女士一杯茶，那么即使她沒有區(qū)分能力，她也有50%的機會猜對。如果給兩杯茶，她仍可能猜對。事實上，如果她知道兩杯茶分別以不同的方式調(diào)制，她可能一下子全部猜對（或全部猜錯）。同樣，即便這位女士能做出區(qū)分，她仍然有猜錯的可能。或者是其中的一杯與奶沒有充分地混合，或者是泡制時茶水不夠熱。即便這位女士能做出區(qū)分，也很有可能是奉上了10杯茶，她卻只是猜對了其中的9杯。

沒條件測素材的這么辦？去Adlibrary里找競品跑的久的廣告，大戶用真金白銀換回來的經(jīng)驗直接抄作業(yè)就好了。

我一定要建立自己的投放團隊嗎？

首先內(nèi)部一定要有一個負責投放策略的人，這個人負責把1-4的這些東西理清楚。需要這個人懂廣告，懂產(chǎn)品，懂研發(fā)（找一個100%match的人還挺難的）。

有了投放策略后，投放的執(zhí)行可以自投or代投，根據(jù)自己的實際情況來。目前我自己（幫客戶）盯的幾個盤子都是我來設(shè)計投放策略，具體的投放實施由自投+代投（比如何老師）共同執(zhí)行或者100%由代投執(zhí)行。

可以參考一個Benchmark：每天的投放花費不到2000美金的話，沒必要自己招聘優(yōu)化師。

--------- 分割線---------

大概就這么多，其中Part1和Part2是我上上周在Meta閉門會上分享的內(nèi)容，沒去的同學(xué)看文章也一樣。

寫了這么長一篇總結(jié)，最后插一篇硬廣吧（一則硬廣：菲律賓風控API）：菲律賓風控，API調(diào)用（不嵌SDK），有黑名單 首貸?復(fù)貸三個產(chǎn)品。如果你身邊有朋友用過，可以找他們打聽一下效果。如果你身邊沒人用過，歡迎前來免費測試。