信息流廣告投放常常會遇到賬戶各種問題，卻不知道如何有效的去排除和解決，只能簡單操作，比如：控制計劃預(yù)算，調(diào)整計劃的出價，頻繁新建計劃，直接暫停計劃，等等，而只有少部分的人知道自己為什么這樣操作，這么操作會帶來什么影響。

這就是為什么很多投放專員工作了很多年，卻成為不了一名優(yōu)秀的廣告優(yōu)化師，僅僅只是一個后臺投放員的原因。而這個問題出現(xiàn)，就在于我們操作之前沒有數(shù)據(jù)支撐或者說沒有一個基本的數(shù)據(jù)分析思維。

那下面問題來了，對于廣告投放員來說，后臺操作已經(jīng)熟悉得不能再熟悉了。我們在操作的時候，有沒有在腦海里思考以下幾個問題？

? 賬戶有那些問題？

? 這樣操作的目的是為了什么？

? 為什么一定要這么操作？

? 操作完之后會帶來什么影響？

上述的種種現(xiàn)象，我想說有的人肯定沒有思考過，所以才有接下所說的內(nèi)容，信息流的數(shù)據(jù)分析基礎(chǔ)思路。步驟是我們提出有效的問題→建立合理的假設(shè)→尋找支撐的數(shù)據(jù)→整合分析數(shù)據(jù)→驗證分析結(jié)果（以巨量引擎為例，述說說明）。

一、提出有效的問題

在發(fā)現(xiàn)計劃異常后，根據(jù)計劃生命周期不同階段鎖定問題，一般分為三個時間段，學(xué)習(xí)期，穩(wěn)定期，衰退期。

1、學(xué)習(xí)期，是一個系統(tǒng)正處于學(xué)習(xí)探索潛在的目標(biāo)用戶過程，這個時期會有以下問題，比如新建計劃沒有展示量或展示量很少？新建計劃一直沒有點擊或點擊率低？新建計劃一直沒有轉(zhuǎn)化？等等問題……

2、穩(wěn)定期，是系統(tǒng)已收集到一定量的轉(zhuǎn)化人群，可以比較準(zhǔn)確地找到目標(biāo)人群的過程。這個時期會有以下問題，實際出價過高，點擊率突然升高/降低，轉(zhuǎn)化率偏低，轉(zhuǎn)化成本高。等等問題……

3、衰退期，是當(dāng)計劃出現(xiàn)突然性的展示量變小，轉(zhuǎn)化率降低，轉(zhuǎn)化成本升高，轉(zhuǎn)化量降低的預(yù)兆，且持續(xù)幾天都是這樣情況的時候就說明此計劃開始進入衰退期。這個時期有以下問題間斷性的不穩(wěn)定，比如展示量變小，轉(zhuǎn)化成本偏高，消費能力直線下降，等等問題……

二、建立合理的假設(shè)

如學(xué)習(xí)期中新計劃沒有展現(xiàn)量怎么辦？

第一步我們要思考哪些影響因素，列舉1、2、3、4等原因出來。比如：

1、非投放時間

2、受到流控限制

3、出價低

4、定向窄或錯誤

……

第二步，這些列舉出來因素的產(chǎn)出原因是怎樣的。

非投放時間：那可能是投放時段我們只勾選晚間投放，白天未到投放時間，或者是勾選某一天投放，或者是投放已完成，等等…產(chǎn)出原因。再比如，定向窄或錯誤：那可能是錯選過濾地域，多重定向交叉，勾選某個非常窄的定向等等…產(chǎn)出原因。

那第三步，根據(jù)產(chǎn)出原因進行逐個排查。是否對投放推廣時間做了設(shè)置，是否是因為預(yù)算卡得太少，而出價較高，導(dǎo)致廣告觸發(fā)流控，影響展示，是否出價和行業(yè)均值相比過低，是否定向的覆蓋人群過窄。

三、尋找支撐的數(shù)據(jù)

找到可以支持結(jié)論的數(shù)據(jù)作為證據(jù)支持假設(shè)，獲取數(shù)據(jù)的常見渠道如：

1、數(shù)據(jù)報告/計劃診斷

比如是否在非投放時間可以從巨量引擎的編輯廣告計劃或者點擊廣告計劃的詳情里看到具體的投放時間。

是否出價過低也可以從巨量引擎工具中找到賬戶診斷中看到行業(yè)分析或者計劃診斷。

這兩圖基本看出計劃的質(zhì)量度和出價是否在行業(yè)平均值中

2、監(jiān)測跟蹤（應(yīng)用下載API/深度轉(zhuǎn)化SDK與數(shù)說/平臺落地頁監(jiān)測（頁面洞察））

3、第三方平臺

4、行業(yè)權(quán)威數(shù)據(jù)

四、整合分析數(shù)據(jù)

在獲取數(shù)據(jù)后需要對數(shù)據(jù)進行整合和分析，可在獲取數(shù)據(jù)時同步完成，有時需要使用工具進行進一步整合分析。

1、廣告投放管理平臺（數(shù)據(jù)報告/人群洞察、計劃診斷工具）

巨量引擎三大類報表整合優(yōu)化，廣告報表：賬戶/組/計劃/創(chuàng)意報表，受眾分析：投后用戶畫像，廣告產(chǎn)品：程序化創(chuàng)意/視頻廣告/分素材統(tǒng)計等。多種可視化圖表，提供時間趨勢（折線圖）、累計對比（柱形圖）、占比分析（扇形圖）多種圖表類型。

2、數(shù)說平臺

3、第三方數(shù)據(jù)平臺

五、驗證分析結(jié)果

最后會出現(xiàn)兩種結(jié)果：

第一種數(shù)據(jù)驗證與結(jié)果一致，當(dāng)然這時候皆大歡喜，因為方向是正確的，前面的過程花了很多時間和精力，努力最終沒有白費。

別高興的太早，當(dāng)然還有另一種情況，數(shù)據(jù)驗證與結(jié)果不一致，oh my god，那可能需要我們重頭排查其他我們還未排查過的原因，也有可能是我們用的數(shù)據(jù)計算錯了，優(yōu)化本身就是一件不斷提出問題→假設(shè)原因→尋找數(shù)據(jù)→分析數(shù)據(jù)→驗證結(jié)果反復(fù)的事，所以我們還得在優(yōu)化路上越走越遠。

作者：艾奇SEM

來源：艾奇SEM