《8-5 广告主视角下 SEM 广告的策略算法探索.pdf》由会员分享,可在线阅读,更多相关《8-5 广告主视角下 SEM 广告的策略算法探索.pdf(15页珍藏版)》请在三个皮匠报告上搜索。
1、广告主视角下的SEM广告策略算法探索韩波 快手 用户增长策略算法部 SEM负责人|01搜索引擎行业和快手投放业务背景020304目录 CONTENT|如何设计合理的评估体系助力算法优化的持续迭代策略算法在外投优化中的难点和发力点未来方向1.搜索引擎行业和快手投放业务背景量价质DAU、新回活量级、留存量、LT留存率、长留率、ARPU、LTVCPA、次留成本、ROI目标:约束:快手外投的业务背景:用广告投放为用户增长服务|业务背景 SEM(Search Engine Marketing)在通用搜索引擎上投放广告来达成营销目的;传统含义也包含SEO Steps Involved in Search
2、Engine Marketing Step 1 Define Effective Strategy.Step 2 Choose Right Keywords.Step 3 Optimize Your Website Content.Step 4 Submit Your Website for Indexing.Step 5 Add Quality Links to Your Website.Step 6 Manage Paid Search Advertise.Step 7 Measure Success of Advertise.百度是搜索领域主导者引自statcounter|1.搜索引擎行
3、业和快手投放业务背景SEM和搜索引擎行业情况 百度收入规模 代表SEM的百度和代表信息流的腾讯 广告收入规模接近;阿里、头条是前2,但阿里系、头条系快手能买的量比较少;|1.搜索引擎行业和快手投放业务背景 百度流量特点 MAU高:百度的MAU渗透率位居全网前3,高于头条系、快手系;时长低:百度系全网时长占比8%左右,是腾讯系的1/10,快手系的一半左右,去掉爱奇艺后更少;|1.搜索引擎行业和快手投放业务背景 百度的行业特性:相对擅长传统行业,应用推广类占比明显比腾讯低;|1.搜索引擎行业和快手投放业务背景 百度商业化总收入高,流量总价值高 MAU高、渗透率高,DAU、PV相对低,流量单价贵 传
4、统行业优势明显,在app下载行业有一定弱势 是投放业务必不可少的重要渠道 适合拉新回这种单价高的目标,不太适合拉活 APP投放对百度是有一定挑战的业务现象结论|百度搜索的渠道特点总结1.搜索引擎行业和快手投放业务背景 难点:线上链路长,中间指标多,涉及模块多,如何选择关键环节和关键指标?|2.策略算法在外投优化中的难点和发力点 相比站内算法优化,SEM优化者更像短视频生产者SEM推荐、商业化短视频生产者流量分配系统、规则是否自己定义非自己定义;百度商业化定义,不完全透明;自己定义;自己可以完全感知;非自己定义;短视频推荐团队定义,不完全透明;C端AB指标的收益,是否可准确衡量全部的收益不能;点
5、击率、cvr、相关性等的优化,还会通过媒体系统受到奖励或者惩罚,从而在流量上发生变化能;上游流量不会因为c端优化而显著变化;推全前后的收益体现在小流量的AB里;不能;完播率、点赞率等的变化,会很大程度影响推荐的流量分配;环境信息的完整度完整度低不清楚竞对情况,不清楚原始流量变化,不清楚平台规则细节;完整度高清楚用户、候选短视频队列的相对完整情况;完整度低不清楚其他主播对粉丝流量的竞争、平台的指标变化等;和主播一样都是薅平台流量的;合理利用平台规则获取流量;|2.策略算法在外投优化中的难点和发力点思考:SEM优化和站内算法优化、短视频生产者优化的异同 商业化生态的流量分配规则:形式:通过竞价排名
6、获取,ecpm pk 规则内涵:用户体验换钱 用户体验伤害少的,可以更便宜 核心公式:!cpm=1000)*+),+-./+1 2!3!#$%&=!()*+#!,.$*./*洞察:在获得同样展现的情况下,通过提升ctr、cvr、ueq 可以降低成本-系统的奖励 Impression 不变时,ctr、cvr优化,install增加;Ctr、cvr优化,ecpm增加,带来impression增加,install进一步增加;发力点:用户体验指标优化 ctr优化(创意优化)、cvr优化(落地页优化)用户体验指标广告主成本用户体验指标对Install增加的双重效应|如何聚焦重点商业化生态规则视角 创意优
7、化遇到的一个核心问题-无法做严格AB,评估结果不可靠 创意优化的操作维度是广告维度,而不是流量、用户维度,不是严格AB;问题的核心:严格的AB实验:是因果推断中的随机化实验,可以拿到某个改动的因果效应的标准方式;广告维度的实验:实验组、对照组流量有竞争关系,没有隔离;不满足因果推断的个体稳定性假设(SUTVA),得不到因果效应;实验的AB效果只受应因果效应影响,也会很大程度受媒体对竞争流量分配的算法影响;1.实验广告选择2.AB实验3.推全问题1:实验前AA长期能平的广告不好找问题2:AB实验效果和推全后效果差异很大AB实验结果推全结果实验1点击量+92%点击量+3%实验2点击量+87%点击量
8、+5%|3.如何设计合理的评估体系助力算法优化的持续迭代 如何解决:合理的组织广告,让广告的切分也是流量的切分,减少广告之间的流量竞争关系;举例:按关键词类别切分广告,按地域切分广告,按时段切分广告;衍生问题及解决方式:切分后验证AA,如何计算AB;使用平行趋势假设检验验证AA平,使用DID计算AB效果;效果:评估体系建立后,极大加速创意环节的迭代速度,有效支持创意方向的持续迭代,半年能累积拿到置信全量量级收益10%+;|3.如何设计合理的评估体系助力算法优化的持续迭代 落地页持续优化:难点:数据量少,query量级大、有大量稀疏query,视频语义理解困难、周边文本少;方案:复用快手站内数据、知识、能力,迁移学习;价格表达优化:#$%=1000#*+#,+#$-难点:内部考核标准不断迭代,和激活成本的相关性越来越小;方案:保持 高质量用户出高价,低质量出低价 共建出价策略:用户质量的定义跟随内部考核方式的变更,和百度不断共建升级出价算法|4.未来方向非常感谢您的观看|