面对“APP付费投放”， 不知该如何降本增效？本文作者结合亲历的工作实践， 将如何从0-1搭建APP的投放推广流程体系的经验与大家共同分享 。 同时涉及判断数据异常、分析原因及相关对策的方法论， 从而达到低成本、高质量的工作目标 。 推荐相关领域及感兴趣的童鞋阅读学习～
文章插图
在近几年做产品的过程中， 我经历了一个有趣的工作经验 。 经历了从对“APP付费投放”一无所知， 到从0-1搭起APP的投放推广流程体系 。 把获客单价降低了1.6倍， 也将投放的新用户次日留存率提升至自然新增渠道的1.4倍！
在这过程当中， 发现对投放数据的分析尤为重要， 也是“降本增效”的关键！即能不能花更少的钱， 带来更高质量的用户 。 故本文将我从一头雾水到理清工作思路， 然后拿到业务结果的过程中沉淀的工作经验进行总结分享， 希望能帮助到像那时的我一样， 处于入门中的朋友们 。
一、找准外投关键指标能不能花最少的钱， 带来更高质量的用户 。 因此产生两个关键指标：获客单价、获客质量 。
1. 获客单价即获得到你想要的用户， 需要付出多少钱 。 这里需要注意的是， 需要根据投放的目的来确认， 什么才算是你想要的用户 。
以我本次做APP付费投放为例：投放目的是拉新：即获得来使用该APP的新用户， 那么我的获客就定义为：使用APP并且是第一次使用我们APP的用户， 即激活新用户， 那些以前下载过， 或者是下载了但没有打开使用APP的用户均不算 。
那么获客单价就等于投放消耗金额/激活新用户人数 。
2. 获客质量【付费推广的数据分析 付费推广怎么做】即你获得用户， 他提供的价值如何 。 不同类型的APP有不同的衡量方式， 比如留存情况、付费情况、活跃情况等， 最终会通过这些关键指标来衡量用户的质量， 获客消耗的费用与投放带来这部分用户产生的价值相比来计算ROI 。
二、如何辨别数据异常在投放过长中， 需要时刻紧盯上文提到的关键指标及关联指标 。 但如果只看单独的数据值是没意义的， 感受不出它到底是正常还是异常， 必须是对整体数据进行对比， 查找差异， 主要有以下方法 。
1. 在时间维度上， 通常采用同比和环比两种方法比如：这一周的获客的成本是15元/人， 上周时候10元， 环比升高了50%， 说明是异常的数据 。 那为什么升高呢？
此时环比去年同期发现， 去年的这时候也升高了48%， 之后就回落正常了， 而去年分析得到的结论是， 当前月份刚好赶上618大促， 电商的广告力度较大， 竞价激烈， 导致其他品类获客成本升高 。 了解到这个情况后， 那么本次数据的异常是不是就有思路了呢？
2. 在维度和指标上， 分为横比和纵比方法（1）横比
是指同一维度级别， 分析不同维度成员的各个指标的分布并进行比较， 即分析广告投放数据在各个维度值是如何分布的 。
比如不同的渠道投放消耗的分布情况如何， 是否符合投放要求、哪个渠道的转化率最高、用户质量最好等情况 。
（2）纵比
是指同一维度成员的同一指标级别， 对不同时间维度的趋势走向进行比较 。 趋势是基于时间维度的数据走向 。
通过趋势可以看出广告投放中各个数据值的整体走向、数据波动和变化幅度， 发现异常点（异常是指异于平常数据， 可能是好的数据发展， 也可能是坏的数据发展） 。
三、如何分析异常原因并优化发现了数据的异常， 需要进一步针挖掘异常产生的原因进行优化， 常见的投放数据分析方法为细分、归因 。
1. 细分细分即发现异常数据后， 需要找出与该指标关联的其他指标进行拆解， 分析 。
比如， 某天的效果数据比前一天差， 是什么原因呢？
就需要进一步细分不同维度查找原因， 是哪个渠道的数据变差？是哪个小时的数据变差？是哪个人群的效果数据变差？又或者是不是因为调整了某个投放策略导致效果数据变差？
细分是为了更合理的对比， 在不同细分类别进行比较得出来的数据更加客观公正 。
比如， A媒体比B媒体的转化效果好并不代表A媒体比B媒体好 。 细分可能发现A媒体的某人群效果差导致拉低了整体转化效果水平， 可以考虑通过过滤该人群进行优化调整， 或者进一步分析该人群是由哪些细分维度导致转化效果差， 通过层层细分进行维度关联， 从而挖掘优化空间 。
推荐阅读
- aso广告优化的方案及趋势 什么是aso广告优化
- 运营工具的指导手册 什么是运营工具
- 视频广告制作的要求和标准流程 视频广告如何制作
- 最新某宝购买的国服UU加速器
- 搞笑欠揍的网名笑死人，让人笑喷的网名大全精选
- 家人幽默群名，幽默开心的群名
- 家庭群昵称幽默有爱，让人感觉温暖的群名字
- 一群损友搞笑的群名，群聊名称搞笑精选
- 跟随文章了解广告的含义 广告是什么？
- 推荐19年最火的10大创意广告公司 你知道的创意广告公司有哪些？