信息流广告投放监测工具
信息流广告是什么
“今日头条和百度必有一战”，相信不少的互联网人在过去几个月都听到过类似的断言。定位于信息分发平台的今日头条和主营搜索业务的百度会产生如此大的利益冲突，最核心的点其实就是信息流广告。
信息流广告指的是在用户使用互联网产品或服务时，根据搜索数据、社交关系和用户属性对人群进行智能推送，并与原有信息内容混排在一起的广告。简单来说，就是把广告隐藏在资讯和信息流之中，混淆广告与信息之间的界限，让广告越来越不像广告。
上世纪80年代在美国风头正劲的连锁超市Target，就曾经尝到了信息流广告的甜头。当时的Target非常重视数据驱动运营的理念，他们成立了专门的数据统计部门，分析出了最有价值的消费人群——孕妇。孕妇们在怀孕期前后的花费往往是平时的数倍，她们最常买的商品也很好定位——奶粉，婴儿车，尿布等等。Target的数据人员根据以上信息，把超市会员中处在怀孕年龄段的女性筛选出来，给她们邮寄母婴类的优惠券。理想中这种方法的效果应该非常好，因为他们精准定位到了自己的目标客户。但结果却不尽如人意，超市收到了大量投诉，很多消费者认为自己的信息被泄露了，他们感到不安甚至恐慌。反复考虑后，超市采取了新的策略，他们把母婴类优惠券夹杂在其他不相关的优惠券中，再一起邮寄给自己的目标客户。在消费者收到的大量优惠券中，只有少数几张是超市真正想寄的母婴类优惠券。消费者恐慌情绪降低的同时，优惠券的促销效果也越来越好。
信息流广告就是这样的模式，虽然它可以把用户定位得非常精准，但还是会将自己隐藏在很多不相关的信息之中，降低用户对于数据被泄露的恐慌。它不但继承了DSP广告的精准定向，还不会破坏所投放平台带给用户的浏览体验。在不引起消费者反感的同时，实现品牌宣传和营销落地。
未来我们会大量接触信息流广告，或者以信息流为核心的广告形式。
主流信息流广告的模式和目前存在的缺陷与不足
瞎设计，瞎投放，瞎优化——这可能是现阶段信息流广告存在的最大问题之一。很多时候受限于资历和经验，广告投放和优化人员不能在一开始就判断出最核心的效果指标并制定出科学有效的优化流程。缺乏经验的同时又承担着来自甲乙双方的巨大压力，很多相关从业者还没有考虑好广告创意是否优质和投放平台是否合适就匆忙上线，然后开始一轮轮没有头绪的优化。
我们先看看主流信息流广告的产品机制：
eCPM（预分配曝光）=出价*质量度（CTR）
当用户在信息平台打开一个资讯时，会立刻产生相应的广告请求。首先，系统会进行广告检索，把适合投放的广告挑选出来。然后，系统会对这些广告进行预分配曝光。根据上述公式，预分配曝光（eCPM）等于你的出价乘上质量度（CTR）；而这个CTR，又取决于你的账户一贯表现。通过预分配曝光对广告进行高低排序之后，再滤掉一些广告主要求的频次，就可以实现真正的广告曝光。此时用户点击广告，便产生了广告计费。
在上述产品机制中，我们最有可能干预的部分就是CTR。在竞争激烈，预算有限的商业环境下，我们的出价不可能无限高。通过人为干预让系统给我们判定一个较高的CTR，这样才能用更低的出价，拿到跟对手持平甚至更高的曝光。
理想的CTR优化正循环：广告创意有高点击率，被评判为高CTR，得到很高的预分配曝光，从而有很高的广告曝光，好的表现会累积到账户的历史数据。此时添加新的广告创意，得到的CTR又会很高，从而再次得到高曝光，周而复始以达到理想的CTR优化正循环。
缺陷和不足：无法判定新创意是否优质，不能保证持续获得高CTR。
实际循环：广告创意的优化没有方向，始终不能获得高CTR，迫于时间压力匆忙上线，缺乏反思和高效的优化流程，最终变成恶性循环。
上图是匡威的广告创意：大胆创新的设计看似不美观，有时候反而能吸引用户的好奇，引来不少流量。像这类比较新颖的创意设计，没有投放结果作指导，仅凭设计图我们很难判断创意的好坏。
以监测为核心的信息流广告优化模型
以监测为核心，以数据为依据。对大多数广告从业者来讲，要想避开资历和经验的限制，建立起高效科学的优化流程，必须以数据监测为中心，来指导关键词优化、创意优化和设计优化。
下面我们用一个真实案例，来介绍如何利用数据监测优化广告创意。大多数同城交友类软件为了引导用户注册，会在首页放置大量的照片吸引用户点击。对于照片的选择，有两种创意设计一直相持不下。一种是使用漂亮但不够真实的图片，另一种是使用真实但不够漂亮的图片。
甲方从软件运营的角度考虑，为了凸显交友软件的真实性，希望使用那些非常真实但不够漂亮的图片。乙方则更多地从用户属性考虑，希望在一开始就用很漂亮但并不真实的图片过滤掉那些不会注册的人，剩下的用户也就更容易被转化为付费。
两边的考虑都有着各自的出发点，此时我们很难再凭经验去判断这两种创意设计的优劣，只能采取数据监测的方式，观察两种创意的投放效果，再来指导创意设计的优化。需要注意的是，创意优化的过程，除了考虑图片，还有文案和图文的搭配使用等等。数据驱动的优化体系，它的精细和复杂程度已经远远超越了以往的广告优化，单凭经验不可能再一击中的。
常规的数据监测，通常是把监测做到安装包/落地页层级，不同落地页对应不同安装包，再把它们分给不同的推广来源。但这样做只能判断某一个页面上那一类创意的好坏，不能实现更为精细的数据追踪。为了解决这一难题，我们使用了数据监测工具ptengine来生成广告链接，通过细化utm参数（详细标注创意的名称、来源、媒介、关键词、内容等），从而下沉到创意层级进行数据追踪。
通过上述的参数设置方式，我们可以实现图文分开，在创意层级实现精细化数据监测。针对同样图片使用不同文案，再针对同样文案使用不同图片，从而实现创意的交叉对比（下图所示）。这样我们可以分别了解效果最好的文案和效果最好的图片，也可以知道哪一组文案和图片结合的效果最好。
在细分不同创意时，我们首先根据颜值，从3分到7分对所有图片进行分类， 每一个分数下又分为素颜、淡妆和浓妆。如果使用同一个人的三张照片，我们规定为套图。开始投放前，我们为每一个创意都设置了链接，每条链接都对应了相关的流量数据（浏览量、退出率、平均停留时间等）。点开每一个链接后，还可以将“点击下载”按钮设置为一个事件进行追踪。这样我们就能清楚知道每一个创意把流量带到落地页之后的互动情况，预估最后的下载量。
在我们不能将创意与转化效果直接联系时，通过将“点击下载”按钮设置为事件进行追踪，对转化情况进行了很好的预估。经过一段时间的数据采集后，我们将每个创意前端的花费与后端“点击下载”按钮的互动点击数结合，算出了互动点击成本。
根据“互动点击数较多，成本相对较低”的原则对所有创意进行比较，我们分别找出了最佳图片创意、最佳文案创意和最佳图文组合创意（下图中已用黄色标注）。这些创意采用的元素和设计，就是未来新创意的大体设计方向。
下面我们再介绍一个案例，看看如何利用热图监测优化落地页的设计。热图分析工具在做营销和信息流推广时可以帮助我们分析用户访问落地页后的行为，查看落地页的设计是否合理，以数据驱动落地页的优化。当我们没有办法直接监测最后的转化结果时，落地页作为中间环节，也是预估转化效果的重要凭证。
例如：我们可以看到用户在哪些位置产生了点击，有些按钮设置是否会引起用户的误会；用户在哪些区域停留，他们最感兴趣的内容是什么；用户随页面滚动的流失状况，当前的落地页是否太长导致用户失去了耐心等等。通过不断改善落地页的设计，提升用户体验，促进转化。
实际的落地页优化过程中，我们常常面临【先有对比测试，才有数据】和【没有数据，难以推动落地页改动】的两难困局。此时优化人员就需要引入A/B测试，通过快速对落地页进行小调整，分流测试得出优化效果，再返回指导落地页的设计以实现数据驱动的迭代优化。需要注意的是，常规条件下的数据监测还不够细化，我们无法判断是哪个因素引起了数据的变化。因此在A/B测试时，每次只设一组变量，尽可能细致地进行测试和对比，才能科学有效的达到优化的目的。
以数据和热图监测为核心的信息流广告优化，真正实现了以创意为单位、以数据做驱动，从设计到展现、点击，再到落地页互动的全过程精细化监测。与其他广告形式相比，信息流广告精准性很高、打扰性较低，与用户浏览环境融合度非常高；再结合数据监测驱动的优化模式，使得广告从业者的工作更加科学高效，更加流程化。
未来的广告投放，信息流广告平台的选择和数据监测工具的使用将起到愈发关键的作用。选择一款优秀的数据和热图监测工具，对设计广告创意、选择投放渠道、提升工作效率和建立高效的优化流程都能起到事半功倍的作用。特别是经验不太丰富的广告从业者，数据运营的工具将会成为他们最好的左膀右臂。
