情報フロー広告事例分析（情報フローデータ分析事例参考）

情報フローデータ分析事例紹介

情報フロー型広告は成果型広告とも呼ばれ、短期間でデータを通じて効果が直接わかる広告です。最適化担当者は毎日データを扱い、時間別、日別、週別のレポートを作成する必要があります。アカウントの調整はデータ分析に基づいて行う必要があります。今日はデータ分析の基本的な考え方を見て、簡単な数式と事例を紹介します。

私はToutiaoをよく知っていて、慣れています。アカウント レベルでは、引き続き「アカウント グループ プラン クリエイティビティ」という用語を使用します。

01 データ分析における主な課題

データが多すぎます。

1 つ目は、広告に関するデータが多すぎることです。メディアは、表示、クリック、ダウンロード、アクティベーション、コンバージョン、動画再生率、いいね数、共有数など、約 100 次元のデータを提供します。さらにバックエンド データも提供しますが、どのように分析すればよいでしょうか。全部見ることもできません！

ではどうすればいいでしょうか？

02 重要な指標があるはずです!

重要な指標が必要ですが、その数は少ないほど良く、できれば 1 つだけにしてください。これには2つの利点があります。 1 つは、何が良い計画であるかを判断するのに非常に便利になるということです。もう 1 つは、この 1 つの指標だけを見ると、「猫が黒か白かは関係なく、ネズミを捕まえることができれば良い猫である」という効果が得られるということです。 2つのケースを見てみましょう。

ある日、私はこのことについてクラスメイトのジと話し合いました。

彼女は言いました。「良い計画とは何と呼べるでしょうか？」

私は「コストは適切であり、量が多い」と言いました。

「それで、コストについての判断はどうですか？」彼女はローン商品を扱い、信用を評価します（信用とは、ユーザーの信用限度額が承認され、ユーザーがいつでもお金を引き出せることを意味します）。

「最終評価の費用に応じて」

「登録コストは非常に低いが、クレジットコストは非常に高いプランがあったらどうなりますか？」
「そうであれば、それは良い計画ではありません。最終評価のコストが低い場合にのみ機能します。」

Xiaoxi 氏は、深いコンバージョンにつながる見出しの CPM が信じられないほど高いことに気づいたと述べました。私は「どれくらい高いですか？40 または 50 CPM ですか？」と尋ねました。彼女はいくつかの主要な素材の平均 CPM を見せてくれましたが、その中で最も高いものは 300 近くありました... 私はショックを受けました。

Xiaoxi は主に、効果的な顧客獲得につながるローン商品に投資しています。コンバージョン率が非常に高い（コンバージョン率20％以上とは、4～5回のクリックごとに1回のコンバージョンがあることを意味します）ため、このような高いCPM顧客獲得コストでも問題ありません。

主要な指標のみに着目することで、プロセスコストを緩和したり、無視したりすることもできます。登録コストが高いか安いか、あるいは CPM がいかに高いかに関係なく、あまり気にする必要はありません。希望する最終ステップのコストが問題なければ、それは良い計画です。 OKでなければ、それは良い計画ではありません。

「データ指標は何千もありますが、そのうちの1つが良ければ利益が出ます！」広告の核心はコストと量です。 1 つの指標を特定できれば、その 1 つの指標に基づいてコストとボリュームに取り組むことができます。

主要な指標により、データ分析で何に注目すればよいかが明確にわかります。次に、具体的な分析プロセスを見てみましょう。

03 データ分析の前提条件: データサンプルは十分に大きくなければならない

データ サンプルは、分析するデータの部分です。サンプルサイズが十分に大きくない場合、分析は無意味になります。

たとえば、記者が 3 人の女の子に「一番好きな口紅の色は何ですか?」と質問しました。女の子1は「緑」、女の子2は「私も緑だと思う」、女の子3は「やはり緑」と答えたので、記者は「すごい！今年は口紅の色に新しいトレンドがあり、一番人気の口紅の色は実は緑なんです！」と結論づけました。

馬鹿げているとは思いませんか？たった数人の人々に基づいてどうやって結論を導き出せるのでしょうか?データ量に関しては、専門用語では「データ信頼性」と呼ばれます。データサンプルが非常に小さい場合、信頼性が低く、結論を導き出せないことは理解しています。

このような状況は広告ではよく発生します。たとえば、クリック数が 8 回しかなかったのに、コンバージョン数が 4 回で、コンバージョン率が 50% に達したというプランなどです。これは天才的な計画ではないでしょうか?すぐに予算を無制限に増やすべきでしょうか?

消費量を見てください、友人たち、たったの2.2元です。このプランのコンバージョン率は50%で安定できますか？とんでもない。たとえデータが今驚くべきものであっても、予算を一度に増やしすぎることはできません。予算をかけすぎるとコンバージョン率が下がる可能性が高く、そうなると愚かなことになるからです。同様に、コストが非常に高い場合、たとえば必要なコストが 5 元で、15 元を費やしたのにコンバージョンがない場合、データも改善される可能性があるため、単にオフにすることはできません。

したがって、最初のポイントを覚えておいてください。データ サンプルが非常に小さい場合は、判断を下さないでください。データサンプルが十分に大きければ、広告効果を分析できます。では、「大きい」とはどういう意味でしょうか?大まかな参考値を出すには、クリック数100回以上/インプレッション数2,000回以上/消費量50回以上のうち、少なくとも1つの条件を満たす必要があります。変換コストが高い場合は、これらの参照値も増やす必要があります。

データ分析の前提条件を満たした後、データ分析のアイデアを見てみましょう。覚えやすい記憶術をまとめてみました。

04 データ分析のヒント

データ分析を行うことは、事件を調査することと似ています。手がかりを追って少しずつ問題を探さなければなりません。

大きなカボチャのつる

メロンは蔓に実ります。蔓を辿って少しずつ感じてみてください。どうやって触るんですか？ 「大きいものから小さいものへ、多いものから少ないものへ、1 日から数日へ」という公式に従うことができます。これを事例で見てみましょう。

「大きいものから小さいものへ」とは、「まずアカウント全体を見て、次にアカウント全体をグループ、計画、創造性に分け、個別に見る」ことを意味します。まず、アカウントの全体的なコストとボリュームを確認し、合計を算出します。合計数によってアカウントの全体的な状況を判断し、それを念頭に置いて考えます。合計を確認した後、内訳を確認します。アカウントは多くの広告プランで構成されています。したがって、アカウントのコストが高い場合は、一部の広告プランのコストも高いはずです。したがって、どのプランがより高価になったかを調べる必要があります。運用は主に計画レベルであるため、問題を解決するための計画を見つける必要があります。全体像だけを見ても問題はわかりません。

次に、2 番目の文「from more to less」を使用する必要があります。 「より多くからより少なく」とはどういう意味ですか?たとえば、アカウントに 100 のプランがあり、それを 1 つずつ確認するには午前中いっぱいかかる場合、最初にどのプランを確認すればよいでしょうか。もちろん、まずはリーダーを捕まえて、最初にもっとお金を使う人を見極めるべきです!消費量の降順で並べ替え、アカウントのコストに最も大きな影響を与える消費量が最も高いものを探します。数ドルしか使えない小物は、大きな成果を上げることはできず、何の影響力も発揮できません。 「より多くからより少なく」とは、「より多くからより少なくお金を使う」という意味です。アカウント全体のデータを消費量の降順で並べ替えた後、KPI を基準にして、明らかにコストが高いプランや明らかにコストが低いプランを見つけます。これが私たちが注力すべき計画です。 「ああ、分かりました。昨日最も多く消費したプランのコストが 2 倍になりました。アカ​​ウント全体のコストが増加しました。なぜ増加したのですか?」

通常、データは変動するため、1 日のデータだけを見て結論を導き出すことはできません。そのため、「1 日から数日」にわたって、過去数日間のデータを調べる必要があります。それは、容疑者を特定したときに、その容疑者の最近の居場所を調べ、容疑者の最近の計画に関するデータを引き出して判断を下す必要があるようなものです。この時点で、費用が急に上がったのか、それともずっと高かったのか、新しいプランなのか、補償期間内なのかなどが大まかに判断できます。

ある日のデータに問題があったことが分かりましたが、原因がまだ分かりません。どうすればいいですか？

このとき、より細心の注意を払う必要があります。主要な指標だけを見ることはできません。主要な指標から逆算して作業する必要があります。どの指標にも 2 つの影響要因 (前のステップと、このステップへのコストと変換率) があります。一歩ずつ逆方向に作業を進めます。

ボリュームが急激に減少したり、コストが急激に増加したりした場合は、「対応する操作ログのタイムシェアリングデータを見る」ことで、操作後にデータに明らかな変化があるかどうかを確認する必要があります。 Toutiao の最新レポートを賞賛せざるを得ません。アップデート後しばらくは使わないのですが、データの傾向に線を引いて、計画レベルから「詳細」をクリックし、データを開いていつ操作が実行されたかを確認すると、操作後のデータの傾向が直感的にわかるという、この機能は間違いなく好評です。

05 例分析

上記のアイデアがどのように適用できるかを確認するために、オプティマイザーのフォレスト・ガンプによるアカウント分析を例に挙げてみましょう。

最初のステップは「大きいものから小さいものへ」で、まずアカウントの全体的な状況を確認します。

重要な指標は最終登録コストです。昨日の総消費量は15万元で、コストは27元で、顧客の要求額28元を下回りました。全体的なコストには問題はありませんが、規模については改善が必要です。

アカウントのデータを抽出してサブプランの状況を確認します。

消費量の降順で「多い順から少ない順」に見ていき、まずは消費量が比較的多いものを探します。これが良さそうです。次に、 KPI を基準として使用し、 KPI よりも低いものと KPI よりも高いものを見つけます。

分析：

• 最初の4つのプランは比較的高価ですが、自由に投資できます。

• さらに下を見てみると、項目 5 のように KPI が 28 であるにもかかわらず、実際には 22 または 23 にしか達していない、非常にコストが低い項目がいくつか見つかりました。これは本当に驚きです。計画のこの部分を赤でマークし、さらにお金を使う方法があるかどうかを詳しく調べます。
• 他に 2 つのプランがあり、コストが非常に高く、それぞれ 35 と 39 に達し、KPI を大幅に上回っています。これらは問題のある計画であり、黒枠でマークして、後で確認する必要があります。

非常に低コストのプランと非常に高コストのプランはすでに特定されており、これらに重点を置く必要があります。アイデアは「1日から数日」なので、プラン14から始めましょう。プラン14の最近の数日分のデータを取り出します。

このプランはまだ始まったばかりで、最初の数日間は消費量が非常に少なく、コストが非常に高かったことがわかりました。この点では問題はありませんが、さらに詳しく検討する必要があります。

コストが高い場合は、まず価格を確認する必要があります。アカウントのバックエンドのコンバージョン目標は、評価から登録までのアクティベーションであり、その間にコンバージョン率のステップがあります。また、登録費用は翌日にしか確認できないため、アカウントの調整にはある程度の推測が必要になります。

コンバージョン入札は 11 で、昨日のコストは 10.5 でした。これは基本的に入札に近い値です。そして、登録費用からみると、登録率は約30％となり、全体のアカウントの中では高くも低くもありません。発動コストは10.5と比較的高めです。

消費速度はどうですか？昨日は5,000元以上使いました。今日のリアルタイムデータを見ると、これまでに3,000元以上を費やしています。昨日よりも早くお金を使うようになったので、購買力は悪くないです。

したがって、当面は、今日の予算を管理し、コストが高ければあまりお金を使いすぎないようにする必要があります。支出できる金額は、アカウントの全体的なコストによって異なります。他のプランのコストがKPIより低ければ、このプランでは10,000程度のコストで済みます。長期的にはこのプランの登録率は上がらないと思われるので、価格を下げます。価格を 9.5 程度に下げて、登録コストが下がるかどうかを確認します。

これはプラン 15 のデータを含む、非常に高価なプランです。どのように調整しますか?

合計で4日間の投資となり、費用は2,000元未満でした。データサンプルのサイズは許容範囲内です。

コストを見ると、アクティベーションコストは正常ですが、登録率はわずか20％で、平均レベル（平均32％）を大きく下回っています。現在の登録率によると、登録コストが要件を満たすには、アクティベーションコストは 5.5 にする必要があります。入札額は10元で、低すぎる入札になりやすく、目標額に達することは基本的に不可能です。今すぐ閉鎖することもできますし、再度投資して登録率が上がるか確認することもできます。

私は通常、プランに余裕を持たせており、当時のアカウントコストは比較的低かったため、プランを閉鎖しませんでした。その後、量が増えて登録率も上がりましたが、コストは依然として高かったです。 4月3日に閉鎖されました。

このような体系的な分析を通じて、各計画の状況を明確に判断し、計画のパフォーマンスに基づいて的を絞った調整を行うことができます。

今日の最適化体験

• 要約すると、データ分析の基本的な考え方は次のとおりです。
• 1.データ指標は何千もあり、そのうちの 1 つが優れていれば、利益が得られます。
• データには多くの次元がありますが、最も重要な次元にのみ焦点を当てる必要があります。これにより、ボリュームを増やすことができます。恋人を探す少年のように、優しくて、徳が高くて、見た目も良い女性を見つけたい...そうすると、嫦娥しかいない、嫦娥はどこにいるの？空を見上げることしかできない。ハンサムな人を見つけたいと直接言うと、ドラマチックな展開になります。あまり多くを求めないで下さい、友よ。
• 2.データ分析の前提は、データサンプルが十分に大きいことです。
• 3 人が何かが良いと言ったからといって、すぐに結論を出すことはできません。それは賢明ではありません。 20元を費やす前に広告プランの質を判断することはできません。一時停止したり予算を増やしたりする前に、しばらく観察する必要があります。
• 3.データ分析のモットーは「大きいものから小さいものへ、多数から少数へ、1日から数日へ」
• 根気よく「蔓を辿ってメロンを探す」ように少しずつ探せば、必ず「メロン」が見つかると固く信じています。
• データを見るときは、まず全体像を見て、次にサブプランを見ます。これは顧客にデータを報告するときの順序でもあります。アカウント全体に問題がある場合は、サブプランを確認してください。計画を見るときは、まず「ボス」を見つけ、消費量を最も多いものから最も少ないものの順に見て、KPI を基準にして明らかに高いコストと明らかに低いコストを見つけます。異常な「容疑者」を見つけた場合は、最近数日間の所在を確認してください。それでも問題が解決しない場合は、「監視ビデオ」を見て、自分の経験に基づいて問題を分析する必要があります。これらすべてを実行しましたが、まだ何が起こっているのかわかりません。それでは「メディアトラフィックの変動」についてお話ししましょう

著作権は著者に帰属します。このサイトはCC0規約に従って転載が許可されています

商用複製の場合は、著者に連絡して許可を得てください。非営利目的での複製の場合は出典を明記してください

連絡先: [業務関連] 編集者