信息流媒体的投放效果稳定不下来，是我的人品差么？

　　本文4000字，阅读大概需要10分钟。作为市场推广团队的你，因信息流媒体投放效果不稳定，而常常做背锅侠，不妨静下心来用这10分钟充充电。

　　问题与现象：

　　信息流媒体投放好好的，突然就没流量了，而素材、文案、定向、出价等都没变化；

　　同样的素材、创意、定向，在某些信息流渠道表现成本稳定、流量稳定，但到了xx信息流就完全不行；

　　流量持续有、转化有，但表单质量是持续的、小幅地下降，从香饽饽变成鸡肋……

　　信息流媒体以上这些典型情况，甚至连超级广告主也不能逃脱。

　　哪些效果不好的问题不在本次讨论之中？如：

　　信息流基本玩法还没掌握的；

　　创意与媒体调性不符合，例如朋友圈的广告创意，直接放在快手做投放的；

　　创意疲劳，长时间不更新创意的；

　　明知双十一到了，还跟天猫、京东、拼多多抢曝光的……

　　总之，信息流媒体广告投放者自身原因导致的效果差，不在本次讨论之中。本次，我们专门讨论，让信息流投放老手都迷惑的现象。

　　搞不清楚这些现象发生的原因的，其惨痛代价是市场部充当背锅侠，所以这背后的原因，你不得不深刻掌握。

　　信息流投放时，虽然市场动态瞬息万变，但是也有一些可以掌握的基本信息：

　　媒体类相对不变的因素：媒体流量大小、人群水平、人群地域、媒体内容调性；

　　由于信息流媒体内容调性，进而决定了平均每人每天在这个媒体内观看多少条信息；

　　对于特定人群（不同行业广告主的定向），平均每人每天在这个媒体内观看多少条信息各有不同，但在一段时间内是相对稳定的值；

　　一段时间内特定人群的特定需求，在全网范围内也是有限的，比如：理财存款、消防师报考、手机换代升级、3年级小朋友英语学习培训等。

　　基于上述这些不变因素，信息流媒体提升流量变现效率：

　　1.广告展示机会：广告load决定了每N条信息间插播一条广告，进而决定了平均每人每天在这个媒体内有多少次广告曝光的机会。

　　2.信息流广告是按点击计费的，即需要大数据/机器学习/AI，总之是要预估每一条曝光广告被点击的概率--pCTR。

　　3.每一条广告背后有广告主的出价，即当有广告被点击时媒体产生收益。媒体对每一次广告曝光，背后都有精信息流媒体密的计算。在诸多竞价中的广告中，媒体对每一条广告如果被展示可能为媒体带来的收益做出预估：约等于广告主出价x曝光广告被点击的概率（为计算简单，暂不加入二阶竞价因素）。

　　已知不变的因素

　　不变的因素：对特定人群的广告曝光机会，是有限的。

　　变化的因素：多少广告主参与竞价，他们的出价是多少？其他广告的广告创意会不会更吸引人？（影响媒体侧的信息流媒体点击率预估和媒体收益预估，进而争取更多广告曝光）

　　基于上述两点，我们可以解释下面两个现象：

　　现象1：媒体红利期流量大、竞争小、广告ROI很高

　　原因：针对同一批人群的广告曝光机会，参与竞价的广告主少；在不需要出高价的情况下，广告就有曝光机会。这个时期，媒体的角度称“广告填充不足”

　　现象2：投放好好的，突然就没流量了，而素材、文案、定向、出价等都没变化

　　原因：大概率是参与竞价的广告主中突然出现了超级大家伙。对于目前“你”的广告目标受众，“你”和“你的竞争对手们”出价在一个相对的稳定竞争态，都能获得一定量的广告曝光；信息流媒体而这个超级体量的闯入者，带着他的大批广告物料，和远高于“你们”之前竞争水平的广告出价，获得大量的广告曝光机会。而“对特定人群的广告曝光机会，是有限的”这一点不变，所以导致“突然就没量了”。

　　事实上，造成“投放好好的，突然就没信息流媒体流量了，而素材、文案、定向、出价等都没变化”的原因，还不止上面这个，且听我继续说。

　　更多未知的变化因素

　　在上面的讨论中，我们竟然没有考虑最重要的变量因素之一：媒体的点击率预估模型。

　　为什么“媒体的点击率预估模型”对媒体而言，非常非常非常重要？在理想情况下，假使面对同一个住在北京海淀区中关村地区、家有3年级男孩的35-40岁的女性，有20个广告来自不同行业、有着不同广告诉求、带着不同的出价，他们中有少儿英语培训、有少儿编程、有成人英语培训、有理财、有健身、有小游戏、有零售电商，假使这位女性平均一天有5次看到广告的机会，如果媒体可以100%准确地预估出该女性点击每一条广告物信息流媒体料的概率，那么根据公式--点击率x该广告出价将预估的收益排序，就可以在这20条广告挑出预估收益最大的5条广告来。

　　从整个媒体的宏观角度看，有很多个地域的很多个妈妈、爸爸、爷爷、大哥哥、小朋友，他们的偏好各不相同；以及有很多个行业的广告主，他们针对不同地域、不同人群准备了不同出价的不同广告物料。

　　假如媒体可以做到对每个人的广告点击率预估是100%准确，即媒体完全有能力在某段时间内，为有需求的用户，挑出能让信息流媒体媒体方收益最大化的那些广告。

　　当然，实际情况要更复杂些。还有若干限制条件，比如还要考虑每位广告主的日预算/时段预算、广告展示频率控制等。总之，这就是一个在指定条件下求最大值的数据问题而已。

　　包括媒体方推出的OCPX投放，本质都是基于媒体对广告收益预估的基础之上，增加考虑广告主转化效果作为新增的限制条件，让媒体方、广告主都尽量收益的多种广告流量分配策略。底层基石都是基于“媒体的点击率预估模型”。

　　一旦“媒体的点击率预估模型”出现了偏差，媒体收益一定不再是最大化。偏差越大，媒体收益距离理想的收益越是遥远，同时广告主们更会叫苦连天。为了这个崇高的“理想”，媒体方面会使出吃奶的信息流媒体劲儿，也要无限追求更准确的“媒体的点击率预估模型”。

　　在追求更准确的“媒体的点击率预估模型”的道路上，模型算法在不断的优化，不断的迭代，进化速度之快，令人咋舌。因为背后的动力来自于极丰厚的商业回报。

　　很不幸，“投放好好的，突然就没流量了，而素材、文案、定向、出价等都没变化”就在这个时候，也许就会发生了。

　　媒体算法升级：也许之前的预估模型中，“你"的广告被预估收益很不错，而在媒体广告策略升级之后“你"的广告被预估收益可能却会不怎么样了。这时候再去竞争“不变的因素--“特定人群的有限次广告曝光机会信息流媒体”时，当然就吃了亏，拿不到之前的曝光机会。

　　换个角度，也许在之前的预估模型下，“你”的广告就是占了便宜的那一方，所以之前的效果很好；也许在新的预估模型下，“你”的广告是被冤枉的一方。

　　关键的是，媒体方的预估模型，不是你我能控制的。总之，遇到这种情况，没什么办法，只能通过对“素材、文案、定向、出价”等因素的调整，影响媒体对“你”新换的广告预估，尝试从“吃亏”的预估回到“正常或占便宜”的预估区间。

　　小流量测试：一般媒体的策略升级，信息流媒体不会直接“推全”，一定有小流量测试，就是选取会被新的广告策略影响的一小部分广告主&一小部分广告物料进行测试。如果“你”和“你的广告物料”被抽中了，投放效果也许就会产生波动了。

　　媒体的每一次新策略的小流量测试，不一定都成功达到预期，所以有时候上线了若干时间之后又被撤回了。对于广告主的表现则是被抽中的“你”和“你的广告物料”推广效果又莫名其妙地恢复了。

　　广告策略的缺陷：前面我举例的时候是大大简化的信息流广告竞价，真实情况是一条广告被展示，中间要经历若干环节：考虑广告创意审核，考虑当前广告受众的历史兴趣、历史搜索词、实时兴趣、实时搜索词、性别年龄地域等社会属性，进入广告候选集考虑广告与当前受众的相关性，基于当前受众的多种标签考虑让那些广告主的广告进入候选集即广告的多样性、广告候选集还有粗选和精选。

　　对于一个广告受众，通过层层选拔，从几万几十万的广告库中精选了几百几千条广告候选集，这才到广告点击率预估的环信息流媒体节。在前面众多环节中，如果有任何环节“你的广告”不幸被淘汰了，“你”都没机会参与对这名受众的广告竞价。

　　媒体的策略不断升级，不仅仅在于广告点击率信息流媒体预估，前面这些环节（媒体方称之为“广告策略”）都在不断的优化的迭代。对于更多广告主来说是优化，而对于另一小部分广告主则是灾难。

　　不变的因素也会变化

　　原本不变的因素，开始变化了！媒体流量大小、人群水平、人群地域、媒体内容调性，这些因素永远不会变化？

　　媒体流量大小、人群属性、人群地域，有可能在短期内发生变化。背后的原因是媒体也需要不断采买新流量，进而保持媒体流量增长。新采购的流量和原媒体流量结构不完全一致，从而影响了“人群属性、人群地域”。

　　这个变化的体现很可能就是“流量持续有、信息流媒体转化有，但表单质量是持续的、小幅的下降”。

　　投放的媒体本身的流量结构在流量采买过程中，发生了变化。新采购的流量中，匹配“你”家业务的广告受众人群占比远不及原来的媒体流量。

　　面对这种现象--“流量持续有、转化有，但表单质量是持续的、小幅的下降”，广告主们常常吐槽“媒体充水”，但也不能一刀切的做判断。

　　举个例子：原来的媒体DAU在1000万时，信息流媒体活跃人群集中在北上广；而该媒体不断采购新流量过程中，媒体流量结构发生变化。当DAU到达3000万时，活跃人群中60%来自于三四五线城市的新增。

　　假设“你”的广告是学历教育，定向是18-25岁人群，这时候，“你”感觉可能就是“流量持续有、转化有，但表单质量是持续的、小幅的下降”，而原因有可能是因为不同地域的人群的需求强烈程度不同--在北上广深的一线城市的就业，对于学历的要求更高，而在三四五线城市对于学历需求是加分项而不是必选项。

　　媒体内容调性也是可能在几个月内产生变化的。举个例子：在2018年-2019年，抖音和快手的内容都有了大的变化，从完全不同的两个世界，到内容相互借鉴的同时保留各自特色。

　　媒体内容调性，会影响该媒体的人群属性的变化，以及APP的使用时长，进而影响“平均每人每天在这个媒体内观看多少条信息”。

　　当“你”对信息流媒体的信息流媒体广告策略了解的越多越深，无助感反而会越强烈。因为“你”越来越清楚，投放效果不稳定，真心不全是由自己的努力能决定的。

　　应对策略—守住底线

　　面对随时调整的媒体广告策略、面对广告点击率预估的黑盒子、面对公司领导对推广团队的压力，我们要做的是--守住底线，大道至简：

　　认清信息流媒体策略不是“你”能影响的黑盒子的同时掷更多次的骰子，让“你”连续三个6的机会的更多一些。更多的“素材/文案/定向/出价”的组合，有更多被媒体“预估收益很不错”的机会。

　　“你”能做的就是勤快再勤快些，用更多信息流媒体“素材/文案/定向/出价”的组合，平摊媒体策略变化带来业务波动。

　　转化效果监测+数据准确度95%，则任抖音拍摄媒体流量变化、媒体竞价水位变化，即使广告物料数量增长10倍，也能将每一条广告物料对应的推广效果监测得清清楚楚。