以頭條系投放為例，用已知信息去推斷賬戶投放邏輯｜三里屯信息流

量級、成本、次留，數(shù)據(jù)波動不可怕，就怕甲方要你歸因沒啥話。不論是老運營還是新人，都會面臨這樣的問題；但歸因往往不準確，調(diào)控效果甚微。因此，本文將嘗試用已知信息去推斷賬戶投放邏輯，同時伴有大量舉例說明。（本文通篇以頭條系投放為例）

01

假設前提

綜述：本文假設用戶擁有10個行為興趣標簽（真實情況可能數(shù)百上千個），標簽相似用戶在同一時間節(jié)點發(fā)出的廣告請求形成大盤，大盤流量會有波動，相同創(chuàng)意過多投放給大盤（用戶）將會被系統(tǒng)頻控。

1.用戶自帶行為興趣標簽，每一個用戶所帶標簽是一個子集，當兩個用戶擁有較多（一定比例）相似的行為興趣標簽時，可以判定為同一行業(yè)領(lǐng)域用戶（目標用戶）。

2.用戶帶有的標簽應具有一定數(shù)額，本文假設為10左右的細分標簽。

3.相似行為興趣類型用戶在某個時間點發(fā)出的廣告申請數(shù)形成大盤?？梢杂眯畔⒘髁髁糠治龉ぞ咧械牧髁恐笖?shù)表示。

4.同一時間點，被劃分到同一行業(yè)領(lǐng)域的活躍用戶數(shù)是一定的，數(shù)量隨流量高峰變化而變化。

5.系統(tǒng)會監(jiān)測投放給大盤流量的廣告計劃，當某一創(chuàng)意重復多次投放給用戶、或被用戶dislike時，系統(tǒng)會啟動頻控措施。

02

新戶如何迅速跑出并提量

解決辦法可分為兩個大方向，要么與大盤競爭：

（1）競爭搶量，新計劃采用一鍵繼承老戶模型+高出價+搭配跑量素材文案，鋪開高質(zhì)量創(chuàng)意。

（2）提高賬戶創(chuàng)意豐富度，盡可能保證開投初期賬戶內(nèi)每條計劃創(chuàng)意都不同且優(yōu)質(zhì)。提高計劃跑出率，保證計劃點擊轉(zhuǎn)化率高于大盤。

要么另辟蹊徑起量：

（3）與大盤做區(qū)分，更改創(chuàng)意分類、創(chuàng)意標簽，更改基礎(chǔ)定向，分析優(yōu)質(zhì)賬戶后端用戶畫像，錨定潛在人群標簽，用新戶進行人群拓新，積累全新模型。

（4）以遠低于大盤、或遠高于大盤的出價的激進方式進行投放，探索完全不同流量池（因為出價與大盤相似可能會被系統(tǒng)劃分到同一行業(yè)領(lǐng)域內(nèi)）。

想了解為什么起量困難，為什么老戶要比新戶好跑，就繼續(xù)往下看。

下面是原理分析，要知道如何提量，首先需要了解賬戶是如何找到目標用戶。

這里簡單定義一下，賬戶模型是指：

在一個擁有所有用戶標簽集合里，計劃通過學習期間充分探索帶有特定標簽的人群進行轉(zhuǎn)化，并形成標簽模型，再根據(jù)這些已有標簽去探索類似可轉(zhuǎn)化的群人。

計劃探索出的模型可以賦予給整個賬戶，越多的數(shù)據(jù)，跑出模型越穩(wěn)定。計劃的ecpm值是模型最終的結(jié)果，表現(xiàn)為當前創(chuàng)意本身帶來的預估點擊率、轉(zhuǎn)化率的高低，這種波動同樣也會伴隨著用戶自帶標簽屬性的不同而不同，因此競價能力也將有所波動。

假設計劃（在學習期）已轉(zhuǎn)化的用戶都具有（A，B，C，D，E）這五個標簽。計劃渡過學習期時已初步構(gòu)建起模型，后續(xù)計劃更有可能探索出帶有標簽（A，B，C）、（C，D，E）或（A，B，C，E）等的人群進行展現(xiàn)。當大盤多數(shù)計劃都在探索類似標簽人群時，會造成起量困難，競爭激烈。既然需要競爭，誰能跑出？

賬戶積累數(shù)據(jù)量or計劃積累數(shù)據(jù)量將作為第一個參考點。

比如，我們假設兩條創(chuàng)意相似的計劃，都探索到了擁有標簽（A，B，C，D）的用戶，計劃1是老計劃，之前探索過擁有相同標簽用戶的轉(zhuǎn)化數(shù)量是500，轉(zhuǎn)化率是35%，計劃2是新計劃，相同用戶轉(zhuǎn)化數(shù)是50，轉(zhuǎn)化率35%。

這時我個人認為系統(tǒng)會提高計劃1的ecpm值讓其展現(xiàn)，因為數(shù)據(jù)更多，能夠確保該用戶有35%的機會被轉(zhuǎn)化，而計劃2數(shù)據(jù)量少，可參考性低，展現(xiàn)后不轉(zhuǎn)化的風險更大。 因此成熟計劃的競價能力將更大，進而，成熟賬戶的競價能力也會高于新開戶。

第二個參考點是計劃的ecpm值，代表了計劃本身的核心競爭力。

當某一時段擁有類似標簽（A，B，C，D，E）的用戶集中發(fā)起廣告請求時（某領(lǐng)域大盤流量指數(shù)上升），相似模型的計劃表現(xiàn)為當前時段競價能力變強，跑量能力變強。

具體提升的維度可能是通過bid更改計劃實際出價提升競爭力（晚高峰期間成本上漲）、預估計劃點擊率（轉(zhuǎn)化率）或?qū)嶋H點擊率（轉(zhuǎn)化率）提升進而提高計劃ecpm值實現(xiàn)，這里ecpm值漲幅的大小將決定計劃是否能獲得更多展現(xiàn)進而快速提量（系統(tǒng)評估競爭力強弱的邏輯將與成本一起探討）。

競價能力ecpm值將隨著用戶標簽與計劃探索標簽人群的匹配度上升而上升，同時計劃在同一競價流量池的排名也將上升。

排名增長與跑量能力應為指數(shù)型函數(shù)對應關(guān)系（計劃詳情內(nèi)的診斷可以觀察單個計劃的ecpm值，計劃跑量顯著變快時，競爭計劃排名應低于40，因行業(yè)不同人群不同而不同），競爭排名為20的計劃跑量一定比排名40的快嗎？其實也不必然，均值高不代表峰值能勝過大盤。

當某一時段的ecpm均值與大盤競爭勝出的ecpm均值差異過大時，考慮有以下幾點原因。

（1）某一類標簽用戶發(fā)出廣告請求短時間內(nèi)激增，計劃還未完全參與競價，觀察是否需要提價刺激。

（2）計劃探索人群標簽模型可能與大盤計劃有差別（模型跑偏了）（大盤相似計劃定義：全量在投廣告中，與當前廣告計劃的行業(yè)、廣告標的、轉(zhuǎn)化目標相同，設置相似 (定向、廣告形式、出價等) 的廣告計劃），模型跑偏可能需要重點關(guān)注以防造成數(shù)據(jù)波動。

（3）計劃積累數(shù)據(jù)量少，系統(tǒng)判斷該計劃缺乏可信度，導致競價能力張力小。

（4）計劃某一時段連續(xù)探索低質(zhì)用戶，如點擊率偏低，導致系統(tǒng)給到計劃的權(quán)重降低。

清楚以上幾點原因，并及時做出相應調(diào)整，才能在短時間內(nèi)迅速拿量。雖然人為無法干預計劃具體探索哪個人群（或許行為興趣定向可以做到），但優(yōu)化師可以及時制止計劃模型跑偏。當我們開新戶（新計劃）始終無法起量，競價困難的時候，本段開頭提到的辦法便可以嘗試。

（1）競爭搶量，新計劃采用一鍵繼承老戶模型+高出價+搭配跑量素材文案，鋪開高質(zhì)量創(chuàng)意。目的是在相同模型的基礎(chǔ)下通過優(yōu)質(zhì)創(chuàng)意+出價提高競爭力，核心還是在于提高競爭力。

（2）提高賬戶創(chuàng)意豐富度，盡可能保證開投初期賬戶內(nèi)每條計劃創(chuàng)意都不同且優(yōu)質(zhì)。提高計劃跑出率，保證計劃點擊轉(zhuǎn)化率高于大盤。核心在于從賬戶維度提高競爭力，讓系統(tǒng)判斷該賬戶為優(yōu)質(zhì)賬戶

（3）與大盤作區(qū)別，更改創(chuàng)意分類、創(chuàng)意標簽，更改基礎(chǔ)定向，更改定向設置，用新戶進行人群拓新，積累全新模型。目的是避免缺乏轉(zhuǎn)化數(shù)據(jù)而與大盤競爭中處于不利地位，前文提到了定向、出價等設置相似都有可能被系統(tǒng)歸于同一行業(yè)領(lǐng)域的計劃并參與競爭。

（4）考慮以遠低于大盤、或遠高于大盤的出價的激進方式進行投放，探索完全不同流量池。目的也是在于減少于大盤老戶的競爭。

這里還需要了解到的是，計劃探索的流量池是被提前劃分好的。假設抖音版位當前有1000萬條計劃在投，一個用戶發(fā)起申請時，不可能一千萬條計劃都參與一次競價計算，因此系統(tǒng)會歸類相似計劃，并納入對應帶有某些標簽的用戶流量池內(nèi)。

大盤探索的人群標簽與潛在目標人群標簽可能會存在一定差別，二者應是包含關(guān)系；因此前文提到的與大盤模型做出區(qū)別是具有一定可行性的。

上述辦法可能會導致成本次留的不穩(wěn)定，但往往我們投放需要的是整體賬戶達標，因此低出價低成本跑出相對劣質(zhì)人群雖會拉低次留，但同樣可以降低成本。參考項目當前欠缺什么，再對投放比例的合理把控也能夠讓整體數(shù)據(jù)達標。

03

數(shù)據(jù)波動如何歸因并調(diào)整

本段不僅會對成本次留波動進行歸因，還會深入解析ecpm模型如何影響二者。

先說成本波動歸因分析， 成本波動時，如何判斷賬戶內(nèi)出現(xiàn)什么問題：

（1）若某時段成本較高，判斷該時段是否是你的高質(zhì)目標用戶（高轉(zhuǎn)化率or高次留率）集中出現(xiàn)的時間，如果某些不合理的時間出現(xiàn)成本高的情況就需要及時控?；蚶眨乐鼓Ｐ团芷?。

比如你的高質(zhì)用戶歲數(shù)是50+，凌晨1點突然成本上漲（正常消耗、展現(xiàn)的情況下），顯然并不符合常規(guī)。

（2）若某時段成本較高，觀察計劃歷史點擊率轉(zhuǎn)化率與今日有何區(qū)別，若點擊率偏低可能是由于該時段人群質(zhì)量較低，需要拉空該時段，若判斷為轉(zhuǎn)化率低，則需要檢查是否有劣質(zhì)評論影響。這些前提都是建立在具有一定量級且分時展現(xiàn)正常的情況下。

（3）若計劃表現(xiàn)為全天成本較高，且量級較?。▍⒖疾煌椖浚?0個轉(zhuǎn)化以內(nèi)），觀察千展成本是否顯著高于賬戶均值，若是，則考慮為低質(zhì)計劃，ecpm值低，競價困難，只能以更高出價進行展現(xiàn)，若不是，則考慮為計劃模型跑歪。兩者建議都及時控停。

（4）若計劃屬于跑量計劃，但某日成本較高，判斷可能為模型異常、流量波動引起，這時需要盡可能通過限制計劃預算進行調(diào)整而不傷害計劃模型；持續(xù)幾日走高考慮為出價略高，可以適當下壓出價，成本走高+量級減小，考慮為計劃衰退，建議直接關(guān)停并復建。

次留波動時，如何判斷賬戶內(nèi)出現(xiàn)什么問題：

（1）若單條跑量計劃次留連續(xù)幾日不達標，則考慮為計劃模型有偏差，建議人為干預提高次留系數(shù)重新計算模型。

（2）若賬戶計劃某日次留產(chǎn)生波動，建議排查消耗時段是否符合常規(guī)。

（3）對比次留成本與轉(zhuǎn)化成本，看是否是某一時段投放的用戶是否為高質(zhì)目標用戶，若轉(zhuǎn)化成本與次留成本相差過大，則說明投放用戶普遍較為低質(zhì)，相差小則說明觸達用戶更為高質(zhì)。以此在后續(xù)投放中減少對某低質(zhì)用戶時段的投放、減少該異常計劃（計劃模型）的預算等。

（4）新戶次留波動不建議調(diào)整。數(shù)據(jù)積累不足，次留波動很正常，盡量少調(diào)整出價or次留系數(shù)，建議一開始制定策略時就保證跑出數(shù)據(jù)是可以達標狀態(tài)（參考已有賬戶的設置），次留出現(xiàn)波動可以優(yōu)先限制預算，減小對單條計劃模型的傷害。

這里主要描述判斷“次留”概率的邏輯，可同等替換成“轉(zhuǎn)化率”。

當我們設置次留出價時（后文都以次留系數(shù)代替），系統(tǒng)會判斷某一用戶在擁有ABCD標簽時，其次日留存概率。這里的概率不是絕對的，如假設我們次留系數(shù)設置為25%，即要求計劃投放的次留率達到25%，系統(tǒng)并不只會將廣告展現(xiàn)給被判斷為次日留存概率為25%+的用戶，而是在一定范圍區(qū)間進行波動。

如何判斷帶有特定標簽用戶的次留概率？

假設目標用戶擁有ABCD四個標簽時，用戶次日留存的概率為50%+（基于已轉(zhuǎn)化的人群標簽），粗略判斷一下，當我們需要該計劃達到25%的次留，則計劃探索的人群最好是自帶ABCD四個標簽中的兩個左右。

當然不同標簽權(quán)重自然不同，可能A標簽出現(xiàn)后次留概率將會上升40%，而C標簽出現(xiàn)后次留概率只會提升5%，這里需要大量的機器學習跑出的數(shù)據(jù)模型才足夠置信（次留概率=α標簽A+β標簽B+…）。

所以，最終穩(wěn)定的賬戶模型在參考大量用戶數(shù)據(jù)并不斷修正后，針對用戶的每一個標簽都會有特定的次留概率以及相應需要提高的出價去匹配。

設定次留系數(shù)之后，系統(tǒng)會依據(jù)當前系數(shù)判斷針對下一個用戶，是否需要提高相應ecpm值從而展現(xiàn)出去。這里會表現(xiàn)出系統(tǒng)的偏好，設定35%，跑出來就是低2個點，設定30，跑出來就是高兩個點。這就需要考慮可能并非是你設定的問題而是產(chǎn)品本身或者用戶本身的影響。

成本波動是如何發(fā)生的？

假設某一用戶是ABC的標簽，高度符合計劃模型，轉(zhuǎn)化率可能達到90%，次留概率可能達到75%（遠超過25%的考核），這里系統(tǒng)顯然愿意將廣告展現(xiàn)給這個優(yōu)質(zhì)用戶。但是別忘了，大盤其他賬戶可能也探索出了類似的模型，其他賬戶也認為帶有ABC標簽的用戶是高轉(zhuǎn)、高次留用戶（甚至給出的概率更高）。

顯然針對這一用戶各個計劃想要展現(xiàn)必須嚴格比較ecpm值，當創(chuàng)意豐富度類似時，更多需要參考的是出價，顯然展現(xiàn)給這樣一個高質(zhì)用戶的成本會上升。

但高質(zhì)用戶未必好， 比如一個高質(zhì)用戶展現(xiàn)費用是3塊，轉(zhuǎn)化率是40%，而一個普通用戶展現(xiàn)費用是1塊，轉(zhuǎn)化率時20%，顯然過多投放給高質(zhì)用戶將會導致計劃表現(xiàn)出高空耗、高成本的情況，成本上漲便開始出現(xiàn)。

這里可能有人會質(zhì)疑為什么費用差別會如此巨大，你這個舉例完全不合理，這里可以從計劃的ecpm值層級看到，計劃平均ecpm值與勝出的ecpm均值相差3-6倍甚至更多，而創(chuàng)意本身的點擊率和轉(zhuǎn)化率不會太大變動，因此只能從出價或者人群標簽不同導致的點轉(zhuǎn)率不同進而去影響該計劃的ecpm值。

高成本帶來的是高次留，同樣我們可以降低出價告訴賬戶，我不需要高成本高次留，我需要你成本降低一點。難道沒有成本適中高次留的情況嗎？

當然有，那就是ecpm值模型，假設我的模型判斷某一特定用戶的轉(zhuǎn)化率次留率遠高于大盤其他計劃，那顯然我不需要增加多少價格便能獲得展現(xiàn)。因為系統(tǒng)更愿意將廣告投放給能夠為系統(tǒng)本身帶來收益的用戶。

因此再回到本段開投提到的結(jié)論，相關(guān)歸因分析就有依據(jù)。

成本波動時，我們就需要判斷是否為劣質(zhì)素材競價能力不足導致的，或者為該時段人群不符合賬戶所需。次留波動時，同樣需要排查時段人群是否為高質(zhì)人群以此判斷計劃模型是否跑偏。

同樣基于上述分析，我們可以還可以推斷， 賬戶想要提升競爭力，必須先跑出數(shù)據(jù)做積累,越多數(shù)據(jù)競爭力就越強。

我們還可以做這樣一個假設，假如當前我們考核35%，我新戶次留設置10%讓賬戶迅速跑出（顯然這里跑量能力高于大盤）當積累一定數(shù)據(jù)后，次留逐步調(diào)整回35%進行，跑量能力削弱的同時次留應該會穩(wěn)步提升，因為不論是10%還是35%，肯定都能積累到高次留概率標簽的人群并作為賬戶模型。

當然我自己曾經(jīng)也意外嘗試過（當然是運營事故，不推薦各位作死），次留率設置極低后，跑量提升巨大，而且使用的是從未跑出過的新素材，但后續(xù)提高次留設置并重新開啟投放后完全無法展現(xiàn)，因為計劃只跑了一個晚上，數(shù)量上完全不足，當然也無法準確計算出更高次留人群的標簽應該是哪些。

對信息流的分析還在繼續(xù)，下面是一些小測試。

比如我嘗試使用多元回歸去建立計劃預估ecpm值的模型（實際的ecpm模型可能是logit模型？），得出的結(jié)論有時候令人匪夷所思，比如價格的系數(shù)是負數(shù)，也就是出價越高ecpm值越低，顯然不合常理；

也比如點擊率的系數(shù)是轉(zhuǎn)化率的數(shù)十倍，這可能要求我們更多的將重心放到素材創(chuàng)意上而非落地頁上；也有時得出價格為常數(shù)（當然都是因為選取數(shù)據(jù)維度不同），如果是基于這樣一個結(jié)果，可以引申出的結(jié)論是，對于低考核成本的項目，更多需要關(guān)注素材、文案等創(chuàng)意本身提高競爭力；對于高考核成本項目，更多需要提升價格。

也探尋過素材與落地頁是否匹配對預估轉(zhuǎn)化率的影響，如果是有影響的這里便有說法了（是否因為畫面的顏色，文字有相似才會使得預估轉(zhuǎn)化率更高？），當然一切都因為數(shù)據(jù)量實在太少、且外部因素（賬戶卡預算、計劃卡預算、改出價、拉時段等等）太多導致難以進行統(tǒng)計分析。

后續(xù)還想嘗試一下計劃跑出后的數(shù)據(jù)（實際點擊率、轉(zhuǎn)化率）對預估ecpm值的影響，以及系統(tǒng)如何評估素材與文案的相關(guān)性等問題。

總之有結(jié)果再寫吧，感謝你的觀看～