渠道推广:如何用更少的钱,带来更优质的量?

渠道推广

 

“互联网下半场”的概念在2016年由美团CEO王兴提出,大概意思是,中国互联网人口红利吃了二十多年,也该吃光了,互联网公司的发展的方式已经由上半场的“速度和流量”,转变为“深度和创新”。

如果以2016年作为互联网的上下半场分界线,那么下半场已经到了第3个年头了,好多人到现都还没摸透上半场规则,我们便赶鸭子上架般的来到下半场了。

上半场可以追溯至1995年,到2016年已经走过了21个年头,若按照足球比赛来讲,上下半场时间相同,可事实真的如此么?

我唯一能够确定的是留给我们的时间真的不多了,艰难程度堪比国足出现。

我们都看过了ofo完成E2-1轮融资8.66亿,也看过了退款人数超过千万;

看过了拼多多一夜爆红,也看过了一夜被“盗”千万;

人们都认定互联网就是烧钱的行业,烧钱不一定成功,但不烧钱一定不会成功。

上半场我们就是这么走过来的,不管孰对孰错,接下来我们关心的是,应该做什么,做什么才能活下去,不被时代所淘汰。

于是乎,更多的人恍然大明白,认识到了用户增长的重要性,没错,下半场我们的课题就是用户增长。

个人理解,能用钱办到的事那都不叫事儿,也不叫增长,换谁都能做。但如何用更少的钱(不花钱)带来更优质的量,那才叫用户增长,才叫学问,也是下半场的核心玩法。

今天我们围绕渠道,分享一些用户增长的心得,具体内容如下:

1.渠道现状

2.模型概述

3.模型算法

4.模型的应用

5.模型的推广

一、渠道的现状

“下半场”渠道三大难题:

  1. 获取用户流量难

  2. 投放资金少

  3. 用户留存难

现在渠道流量难题可用一句话描述:预算少、求用户、质量差。

更恶劣的是,渠道流量作弊现象十分猖獗,虚拟机、设备重复激活、异常设备等刷量普遍存在。

如何在这种困难模式的大环境下,还能保证渠道投放精细化运营,做到用户增长呢?我们今天就来聊一下渠道评估模型,通过多维度评估渠道流量质量,把钱花在刀刃上。

在讲模型前,先简单的介绍几种常见的渠道投放的结算方式:

  1. CPA:cost per action按用户激活付费
  2. CPC:cost per click按点击收费
  3. CPD:(1)cost per download 按下载计费(2)cost per day 按天计费
  4. CPS:cost per sale按销售额计费
  5. CPT:cost per time按时间计费
  6. CPM:cost per mille按千人展示计费

通常互金行业用的比较多的方式是CPS,而像汽车之家、易车网等咨询类平台多用CPC、CPD的方式进行结算。

互金行业的拉新相对水分较小(只是相对哈),互金商业模式加上CPS的结算方式,需要用户手机号、身份证等信息,还要进行实际的投资,所以使得渠道新增作弊成本较高。

对渠道后续评分也相对简单,多以转化、首投金额(GMV)、购买产品期限、产品交叉购买、复投率、资金复投率等指标来综合判断渠道拉新用户质量。

咨询类平台多以CPC、CPD结算,相对水分就很大了,因为没有强制用户注册登录,可以用访客身份登录,致使许多用户的关键信息是抓取不到或者抓取不全的。

所以无论是机器刷还是人刷的现象超乎你的想象,加上后期留存、GMV、UGC、有效行为等等问题,需要多维度因素评估渠道质量。

举个简单的例子,某咨询类APP,渠道A的结算方式是CPD,即按下载收费,会出现以下几种情况:

(1) 花了很多钱,用户只是下载,但没打开过APP

(2) 花了很多钱,用户下载打开APP,但留存差到爆炸

(3) 花了很多钱,用户下载打开APP,留存也ok,但没有任何其他有效行为

(4) 花了很多钱,用户下载打开APP,留存有效行为都ok,但是发现是虚拟机、设备异常或者重复激活(卸载APP再重新安装)

(5) 用户下载打开APP,留存有效行为都ok,机器也ok,但花了很多很多钱

上述只是简单的罗列了几种情况,其实实操起来问题更多。

什么是好渠道,什么是坏渠道,不是简简单单的留存高、用户行为好、成本低或者是GMV高就能说这个渠道质量好,怎样综合考虑渠道质量,今天就给大家介绍渠道评估模型。

模型就以困难模式下的咨询类渠道拉新为例讲解,我相信这类渠道评估模型要是玩明白了,其他类型平台应该是得心应手。

二、模型概述

先把成品给大家展示一下,让大家对这个模型有个初步印象,接下来再具体讲解细节。

 广告营销,姜頔,营销,广告营销,推广

模型首页展示图

 广告营销,姜頔,营销,广告营销,推广

算法页图

 广告营销,姜頔,营销,广告营销,推广

算法页放大图

简单的讲就是,模型是通过算法页的不同变量(指标)对渠道进行标准化打分,再根据各项指标不同的权重,汇总一个总得分,各项指标可以向下拆分一级、二级或更多级指标。

在样例模型中:

渠道总得分=

数量得分权重1+行为得分权重2+商业得分权重3+成本得分权重4+质量得分*权重5

大体模型介绍完毕,下面来深入讲解模型算法

(如果对于算法不感兴趣的朋友,可以跳过第三章,直接看第四部分的模型应用和模型推广)

三、模型算法:

纳入评级库标准:

(1)所有新增渠道

(2)数据异常无法获取正确信息的渠道不参与评分

打分方法:

(1)各项一级指标、二级指标在0到100分范围内打分,无及格分数线

(2)对于可获取数据的定量指标,采用标准化的方式打分;若数据量级相差较大,可以先取对数,再进行标准化(减小量级差异造成的影响)

(3)从公司角度考虑,设置正向和反向指标,如新增人数为正向指标,成本为反向指标,即成本越高得分越低。

以新增得分为例:

 广告营销,姜頔,营销,广告营销,推广

其中,Qi为某个渠道的新增人数,Q为库中所有渠道新增人数的最大值,或者Q也可以为预设的上限值。

以成本为例:

 广告营销,姜頔,营销,广告营销,推广

其中,Gi为某个渠道的成本,MAX( G )为库中所有渠道人均成本的最大值,或者MAX( G )也可以为预设的上限值。

比如G设定为10,那么高于10元的用户此项得分会被评为0分。

MIN(G)为库中所有渠道人均成本最小值,或者MIN(G)也可以为预设的下限值。

权重确立方法 层次分析法(AHP)

介绍一下层次分析法(AHP),AHP能把复杂系统的决策思维进行层次化,将决策过程中定性和定量的因素相结合。

通过判断矩阵的建立、排序计算和一致性检验得到的最后结果具有说服力,避免由于人的主观性导致权重预测与实际情况相矛盾的现象发生,在多目标规划领域具有广泛的应用价值。

首先我们确立5项一级指标:数量得分,行为得分,商业得分,成本得分,质量得分,计算主要步骤如下:

构造判断矩阵

 广告营销,姜頔,营销,广告营销,推广

(PS:层次分析法的软件也可以从网上下载免费版本)

所以有下图一级指标权重

 广告营销,姜頔,营销,广告营销,推广

权重分配图

二&三级指标筛选(聚类)

1. 盲选:将根据经验得到的、现有的备选聚类变量全部纳入模型,暂时不考虑某些变量是否合适。

2. 贡献量分析:通过方差分析,观察分类是否存在显著差异,踢出对模型聚类没有贡献的变量。

3. 相似矩阵分析:输出相似性矩阵,对相关系数进行分析,若两变量相关系数接近1,说明两个变量可以互相替代,踢出一个变量以达到降维目的。

  1. 通过上述3步对变量进行筛选,既能踢出贡献度较低变量,又将相关性将强的变量进行整合,最终输出相互间属性独立的变量。

各项二、三级指标的权重也参照一级指标一样,层次分析法进行权重分配,最终得到指标骨架图,如下图所示。

模型指标骨架

 广告营销,姜頔,营销,广告营销,推广

模型指标骨架图

骨架填充与BI展示

将数据填充到骨架中,再按照自己想看的维度去做相应的BI展示,本文按周和月监控渠道,也可以按照日为最细颗粒度进行监控。接下来的第四章讲解一些BI展示与应用。

四、模型的应用

使用模型后,就可以全面评估渠道的优劣,就好比料理要色、香、味俱全,渠道也要数量、行为、商业、成本和质量综合评价。

模型制作完毕,接下来就到了应用环节,俗话说得好,一切不能将策略落地的数据分析都是耍流氓。

下面抛砖引玉的介绍一些基础BI展示及应用,其实可深挖的东西很多,待各位读者继续深究。

 广告营销,姜頔,营销,广告营销,推广

最细颗粒度渠道总得分 展示图(一)

各渠道近几周(月)的走势图、本周得分、上周得分和环比值,同时在上方有按月和周切换按钮,可以分不同时间维度观测渠道。

简单明了地将渠道最细颗粒度展示出来,劣质渠道关闭或者缩量,将预算转移到好渠道上,使得优势最大化。

 广告营销,姜頔,营销,广告营销,推广

付费渠道大盘 展示图(二)

付费渠道总体走势图,按周和月监控所有付费渠道的情况,可以看出大盘的情况。

比如双十一获客非常难,成本偏高、用户停留时间变短、GMV降低等,都可以从总结得出结论,针对618、双十一、双十二等节日做战略性投放。

 广告营销,姜頔,营销,广告营销,推广

渠道总得分拆解图 展示图(三)

除了渠道总分,还可向下拆分看一级二级和三级指标情况,以便更好的了解渠道的属性特点,针对不同渠道特性做精细化运营。

要新增量时候投什么渠道,因为有些渠道虽然优秀,但新增数量会遇到瓶颈,渠道的同事经常跟我说钱花不出去,就是这么个道理;

要商业转化的时候投什么渠道,有的量够留存也好,但在商业转化这方面表现一般。

这都是渠道的属性,摸透了渠道会事半功倍,还能捎带手的把KPI完成,岂止一个“稳”字了得。

 广告营销,姜頔,营销,广告营销,推广

付费&自然用户对比图 展示图(四)

付费和自然用户对比画像,可以看得出自然用户的行为A、行为B、留存和传播系数K因子要高于付费用户,而付费用户的行为C、行为D和商业转化高于自然用户。

利用用户增长思维,可以继续挖掘,行为A、行为B是否会影响用户的留存和传播系数;行为C、行为D是否会影响用户的商业转化。

就举个Twitter成功案例,Twitter发现新用户在30天内关注了30个好友,这些用户的留存率会非常高,新增的30天和关注30个好友就成为魔法数字,就是你的行为ABCD或者是还未发现的行为EFG,找到它便打开了用户增长的大门。

五、模型的推广

该模型不只局限于渠道评估,还可以做活动评估、用户质量评估、用户积分评级系统等等。把相应的指标替换,赋予相应权重,便可套用此模型。

 广告营销,姜頔,营销,广告营销,推广

用户评分 示例

至此,整个模型流程已经介绍完毕,后续还有许多种分析方法以及策略,在这里只是抛砖引玉,就不多赘述了。

最后我们就把今天分析的过程捋一捋:

 广告营销,姜頔,营销,广告营销,推广

流程鱼骨图

(1) 模型确立

(2) 纳入数据库标准确立

(3) 打分标准确立

(4) 权重计算

(5) 变量指标筛选与调试

(6) 结果展示

(7) 分析并制定策略

今天给大家介绍的标准化评级模型就到这里,评级模型常用的有本文介绍的标准化模型,除此之外回归模型也有着广泛的应用,今后也会和大家详细的分享另一类模型在实际业务中的使用方法。

写在后面:希望这篇文章可以帮助广大的运营人士,也能够让用户了解平台运营方式,同时欢迎同行与爱好者一起交流学习,提出您宝贵的意见。

 

作者:姜頔,授权青瓜传媒发布。

来源: (niaoge8)

扫一扫 微信咨询

联系我们 青瓜传媒 服务项目

商务合作 联系我们

本文经授权 由青瓜传媒发布,转载联系作者并注明出处:https://www.opp2.com/121904.html

《免责声明》如对文章、图片、字体等版权有疑问,请联系我们广告投放 找客户 找服务 蘑菇跨境
企业微信
运营大叔公众号