出海小黑板最早是想参考Google黑板报，写一些关于投放技术的内容给内部的研发看。后来因为自己的重心逐渐往风控转移，所以投放的东西就写的少了，关于风控的内容多了起来。这几天因为要给客户做关于投放的分享，把自己以前写的东西又回顾了一遍，那就顺便写一篇文章带着大家一起把之前投放的内容串一串。

01 定义你的广告成效

我们投的广告都属于效果广告（与此相反的：品牌广告）。所以我们先要定义一下成效（Matrices）。对于App的广告而言我们最直接的成效就是安装（Install），我们使用的第三方广告监测工具（Media Measurement Partner，简称MMP）按照Last Click的原则把安装 - 广告关联起来实现归因。

如果你能看明白下面这张图，那你就理解了：

1. MMP是如何进行归因的

2. SAN（Self Attribution Network，比如Facebook/Google）是如何归因的

3. 非SAN（比如Tiktok）是如何通过MMP做归因的，以及为什么他的广告效果一定比不过SAN广告平台

4. 为什么MMP和SAN的面板一定会有Discrepancy（数据差异）

如果看的不是很明白，可以复习一下这篇文章《从投放归因到Cost Per Install》。

上面的文章看完后，你应该就能理解《投放流量作弊的几种姿势》里提到的“抢归因”（Hijacking）了，明白为什么不正经的流量可以通过MMP做归因时的漏洞来实现流量作弊，以及怎么通过Google Install Referrer API来识别这些垃圾流量（差不多就是自己内部写了个简化版的Protect360）。这篇《Uber教你怎么做流量反欺诈》可以称得上是教科书级别的流量反欺诈case，Kochava帮Uber做的。K家虽然Market Share不大，但是锤起人来是毫不手软，2018年就锤了Che*tah和K*ka，Google调查一番后顺手把Alt*Mob Ba*Mobi和Yea*Mobi（码一下保平安）的网盟SDK也给干了，这三家真是吃着火锅唱着歌莫名其妙就被KO了。

说完了安装（我们用mmp_id代表一个安装的唯一识别码，每次删除重装会reset，更新不会），安装完客户注册，那么我们就有了安装mmp_id和用户user_id的映射关系表。对于Server-to-Server上报的后端事件，比如风控通过或者放款成功，我们需要从映射关系标中取出user_id对应的mmp_id，将Event Name - Event Value - mmp_id回传给MMP，MMP再回传给广告平台。那么在MMP的面板中，某一条广告对应的某一个Event数量+1，在广告平台中，某一条广告对应的额某一个Event数量+1，这个过程是靠mmp_id来进行关联的。

所以当一个user_id对应了多个mmp_id的时候，你在进行回传的时候选择哪一个mmp_id，对广告Performance的影响是很大的。包的体量越大，投放的越久，影响越明显。更详细的内容可以参考《广告事件的设计与上报》。

在Lending行业我们一般用CPS（放款成功客户的获客成本）衡量广告效果，因此如果你用First Install Attribution方法来实现后端事件上报，那么一定是越老的广告ROI越好。以我目前了解到的情况，大部分的甲方都在使用First Install Attribution的方案，因为各家MMP的CSM都是这么教的。但是你需要清楚这个方案的问题：越老的广告ROI越好，新的代理吃亏。这点何老师在《转化差+成本高，可能得怪产品打点逻辑（甩锅新思路）》里也提到了。

如果：

1. 你是一个甲方的投放负责人，之前一直是自投。最近想引入几家代投的Agency来做ABTest，几轮测试下来，发现Agency投的就是不如自己团队。

2. 你是一家代投的负责人，新签了一家客户，但是跑了一段时间下来客户反馈你的投放成本不如现在用的代理。

那么很有可能是打点的上报策略导致的。

02 监控你的广告效果

效果（Performance） = 花费（Cost）/ 成效（Matrices），所以我们先要获取广告的花费。

我在《如何搭建自己的投放监控系统》我给了三种方式：

1. 从广告平台直接导出（低门槛，废人）

2. 从MMP通过接口获取（低门槛，废钱）

3. 从广告平台通过接口获取（有门槛，废研发）

大家可以结合自己的实际情况按需选择，不一定盲目地选Option3，其实Option1也是一个不错的选择。

我们可以从风险和成本的二维角度来把广告系列的效果可视化，按照广告系列落在象限中的不同位置来对广告进行调整。通过把预算倾斜到风险好的广告，以此来通过投放来优化风险。

我们可以把Spend作为第三个纬度加进来，以此对每个广告对整体的影响有一个直观的判断。

还可以再把bid作为第四个维度加进来（颜色的深浅）来了解不同广告当前的出价。

上面是按照广告系列（Campaign）维度的分析，除此之外我们是可以按照Media Source（广告平台） / Agency（代理） / AdSet（广告组）/ Ad（广告）这几个层级来进行breakdown。对于Google来说我是建议使用Campaign层级，因为Google是按照Campain和App两个维度来进行优化的。对于Facebook根据你创建广告的方式不同，有按照Campaign来优化和按照AdSet优化两种情况，所以你可以按照Campaign来进行分析，也可以按照AdSet来进行分析。

还有一点需要留意的是，Facebook因为Restricted的原因，Campaign成本会比Overall的成本高，在计算成本的时候要做一个外推，把Restricted的部分加回去。Restricted出现的原因可以参考系列文章《Facebook停止AMM之后（作者剪辑版）》《AMM停服倒计时1天》《AMM停服后续跟进1》《AMM停服后续跟进2》《AMM停服后续跟进3》《手把手教你解密FB Referrer信息》《Facebook Referrer 统计报告》。

03 事件的选择

除了《Lending行业广告投放的事件设计与选择》里提到的以外，我想在这里给一个简单的决定逻辑。

头部玩家，市场上所有的量都要：

• Install + AEO + VO。Install 20%预算，AEO 60%预算，VO 20%预算。

• AEO的部分里，风控通过or放款占60%预算，申贷占40%预算。如果投Google的话可以从申贷里挪20%给还款。

腰部玩家，风险稳定，注重ROI：

• Install + AEO + VO。Install 10%预算，AEO 70%预算，VO 20%预算。

• AEO的部分里，风控通过or放款占70%预算，申贷占30%预算。如果投Google的话可以从申贷里挪20%给还款。
  

风险高，希望通过投放来优化风险：

• AEO 100%。

• 多建点广告，注册、申贷、风控通过、还款几个点都试，哪个广告风险低就迅速倾斜预算。

04 Web 2 Apk

怎么做归因？两个思路：

1. 在Web页要求注册，通过utm进行归因。好处，准。坏处，要开发一个Web注册接口（容易被攻击）。详细的方案参考《Web-App的归因逻辑》

2. 通过MMP提供的方案。好处，开发量小。坏处，设备指纹（IP+UserAgent）方案会有的流失（归因不上），盲猜30%-50%。

怎么做优化？

1. 对每个客户关联fbcid和fbpid（类比mmp_id），通过conversion api，把event以pixel的形式回传给广告平台（特指Facebook）

2. 回传的时候建议带上ip和user_agent，否则匹配率会很惨

3. 广告投放的时候优化pixel事件

4. 参考《Web-App的归因和优化逻辑》
   

效果好吗？

1. 获客成本比在架App广告高，50%-100%

2. 新客风险比在架App广告高，50%-100%

因为多了一个转化环节，又是APK，客户的逆向选择现象还是比较明显的。如果不是实在上不去架，不建议搞Web2Apk，当然这只是针对Lending品类的APK营销，别的品类另外讲，iOS另外讲。

05 素材的测试

在英国剑桥一个夏日的午后，一群大学的绅士和他们的夫人们，还有来访者，正围坐在户外的桌旁，享用着下午茶。在品茶过程中，一位女士坚称：把茶加进奶里，或把奶加进茶里，不同的做法，会使茶的味道品起来不同。在场的一帮科学精英们，对这位女士的“胡言乱语”嗤之以鼻。这怎么可能呢？他们不能想象，仅仅因为加茶加奶的先后顺序不同，茶就会发生不同的化学反应。

然而，在座的一个身材矮小、戴着厚眼镜、下巴上蓄着的短尖髯开始变灰的先生，却不这么看，他对这个问题很感兴趣。他兴奋地说道：“让我们来检验这个命题吧！”并开始策划一个实验。在实验中，坚持茶有不同味道的那位女士被奉上一连串的已经调制好的茶，其中，有的是先加茶后加奶制成的，有的则是先加奶后加茶制成的。

假设我们在两个ad里，使用了同样的素材，可以预见的是两个ad的成效是有区别的，这个区别我们称之为随机性。

假设我们在两个ad里，使用了不同的素材，那这时两个ad的成效区别，是素材的优劣引起的？还是随机性引起的？还是别的因素引起的？

广告是什么？广告是把合适的内容在合适的时间展示给合适的人。所以内容（素材），时间，人群都是影响因子。这就是为什么所有的AM都建议我们使用Install广告来测试素材，并且多看几天，这是为了消除人群和时间对成效的影响。

但是Install广告覆盖的客群是最烂的客群（好客群会被AEO和VO广告高价抢走）。烂客户要什么？烂客户要通过率。好客户要什么？好客户要额度、要利率、要服务、要品牌。所以Install广告测试出的好素材能否移植到AEO和VO，我不确定。

然后说怎么衡量素材的效果，用CPI还是用CTR？我个人的角度，如果素材是为了吸睛，那么CTR更合理，因为CPI参杂了系统出价的因素。

最后说怎么判断素材是真的好用，还是随机性引起的？首先得把素材归类，归类成不同的主题，按照主题去分析。其次还是得量大，我一直觉得测试素材是个伪命题，随机性太大。但是何老师说当你测试了上百个包以后，这就不是随机了。我觉得他说的有道理。

设计实验时的问题是，如果只给那位女士一杯茶，那么即使她没有区分能力，她也有50%的机会猜对。如果给两杯茶，她仍可能猜对。事实上，如果她知道两杯茶分别以不同的方式调制，她可能一下子全部猜对（或全部猜错）。同样，即便这位女士能做出区分，她仍然有猜错的可能。或者是其中的一杯与奶没有充分地混合，或者是泡制时茶水不够热。即便这位女士能做出区分，也很有可能是奉上了10杯茶，她却只是猜对了其中的9杯。

没条件测素材的这么办？去Adlibrary里找竞品跑的久的广告，大户用真金白银换回来的经验直接抄作业就好了。

06 团队配置

我一定要建立自己的投放团队吗？

首先内部一定要有一个负责投放策略的人，这个人负责把1-4的这些东西理清楚。需要这个人懂广告，懂产品，懂研发（找一个100%match的人还挺难的）。

有了投放策略后，投放的执行可以自投or代投，根据自己的实际情况来。目前我自己（帮客户）盯的几个盘子都是我来设计投放策略，具体的投放实施由自投+代投（比如何老师）共同执行或者100%由代投执行。

可以参考一个Benchmark：每天的投放花费不到2000美金的话，没必要自己招聘优化师。