广告投放策略：潜力广告

广告投放策略：潜力广告

2020年｜类型：策略产品｜标签：设计服务效果｜角色：交互设计

背景

在电商大促时，优化师按照消耗筛选出“不花钱”或者“花钱慢”的广告，提升 5%～20% 的出价来获得更多曝光机会。在这个过程中，广告主期望能够快速识别到这些广告，并对其进行批量提价，以保证优质广告能获得更多曝光机会。

新广告冷启动

冷启动，即机器学习期。新广告没有训练样本或者训练样本稀疏，模型预估不准确（难以判断广告优劣、找不到高转化率人群），或者高转化率人群得不到曝光，或者低转化率人群被高估而超成本等等。导致新广告拿不到足够曝光，进而模型没有足够的样本进行学习，从而广告冷启动失败。

为此，冷启动的目标就是帮助新广告获得曝光，拿到足够的正样本让模型学习，挖掘优质广告、广告的优质人群，以期撬动广告主预算，提升长期收益。冷启动状态流转判定：

边界时间长度：新广告上线后 24 小时，次留广告 48 小时；
转化起量条件：在边界期内达到指定转化数；（浅层达到 6 个转化）
成本达成条件：转化 ≧ 6，且成本偏差在 30% 以内；
关停判断条件：成本极差、指纹过滤、聚拢关停、一键起量失败、长时间无曝光无点击等等。

成本极差：0 转化，上线时间超过 X，消耗达到 Y 倍 taerget_cpa；非 0 转化，上线时间超过 X，成本偏差大于 Z；（分段阈值：不同优化目标下，上线 3、6、9、12 小时内的 Y 和 Z）
指纹过滤：首次检索满 3 小时，参与检索次数超过 10,000，且近 3 小时指纹过滤比例超过 90%；
聚拢关停：首次检索满 3 小时，参与检索次数超过 10,000，且近 3 小时优选过滤比例超过 90%；
其他：一键起量失败；长时间无曝光无点击(上线时间满 12 小时，检索次数超过 1,000，且点击量为 0)等等。

产品定位

如何识别这些广告？

成功度过冷启动且消耗偏低、竞争力偏低的广告。

潜力广告定义

当广告度过机器学习周期后，基于实时竞争环境，针对当前出价偏低导致竞争力不足的广告，以及当前广告成本在预期内但消耗不足的广告。系统通过识别 1 小时之前的竞争环境，对 1 小时之后的竞争环境进行预估。如果判断曝光提升度/出价提升度大于 2，则会被系统认定为下 1 小时周期内的潜力广告。通过提升出价获得更多曝光机会。

潜力广告特征选取

潜力广告的特征，除了广告创建的基础特征以外，还包括第 n 小时和第 (n-1) 小时在 10min 粒度下的曝光量、精排模型预估提价 5%、10%、15%、20% 的曝光提升度，以及通过预测“第 (n+1) 小时的曝光提升度是否超过出价提升度的 2 倍”的标签。

设计思路

潜力广告是典型的出价策略产品，而策略产品需要具备一定的容错性。为此，在 0 至 1 的阶段，我们通过构建 MVP 的方式快速跑通流程，结合在 MVP 中制订的指标体系推进优化方向。

MVP ( 1.0 版本)

现状

从 0 至 1 构建潜力广告最小单元的产品体验及其指标体系，经产研讨论，MVP 阶段支持 10%、20% 两档系统推荐提价。

潜力广告初始设置

预估转化大于1的广告中，在10%和20%两个档位中寻找曝光提升度/出价提升度最高的广告。

设计目标

帮助广告主了解什么是潜力广告，并快速识别并选择潜力广告；
帮助广告平台了解潜力广告的使用和效果；

设计策略

因潜力广告是出价策略产品。在创建广告后涉及到出价、调整出价的主要触点即在「推广-广告列表」。且需要在一定条件及周期内触发并显示。在 MVP 阶段，我们可以尝试：

推广-广告列表：出价列、深度目标出价列新增潜力广告徽标；
推广页面：新增新手引导；

设计方案

界面

触发潜力广告的位置

指标体系

潜力广告数：所有被标记为潜力广告的广告数
潜力广告曝光提升率：(提升出价后曝光量 / 提升出价前曝光量) - 1
潜力广告消耗提升：提升出价后消耗 - 提升出价前消耗
潜力广告消耗提升率：(提升出价后消耗 / 提升出价前消耗) - 1
潜力广告使用量：使用系统推荐出价广告数 + 使用自定义提升出价广告数 + 使用API提升出价归因后广告数
潜力广告使用率：(使用系统推荐出价广告数 + 使用自定义提升出价广告数 + 使用API提升出价归因后广告数) / 潜力广告数
潜力广告投放端使用量：使用系统推荐出价广告数 + 使用自定义提升出价广告数
潜力广告投放端使用率：(使用系统推荐出价广告数 + 使用自定义提升出价广告数) / 潜力广告数
潜力广告投放端采纳量：使用系统推荐出价广告数 + 使用自定义提升出价且价格等于系统推荐出价的广告数
潜力广告投放端采纳率：(使用系统推荐出价广告数 + 使用自定义提升出价且价格等于系统推荐出价的广告数) / 潜力广告数
潜力广告精确率：使用后曝光提升大于2倍出价提升的潜力广告数 / 潜力广告使用量
潜力广告召回率：使用后曝光提升大于2倍出价提升的潜力广告数 / 所有提升出价且曝光提升大于2倍出价提升的广告数
接口调用成功率
接口延时
服务可用性

1.1 版本

问题

潜力广告使用量不够，广告主感知不到；
两档阶梯过于激烈，导致广告主不敢用；
采纳系统推荐出价后转化为零或者不变。

潜力广告设置

1.0 版本中，通过预估转化大于1的广告来触发判断可能导致采纳后转化效果并不好。在 1.1 版本中，我们尝试在预算和消耗可控的范围内，通过衡量整体成本达成来标记潜力广告。同时，将 10% 和 20% 两个档位，扩充至 5%、10%、15%和20% 四个档位。

定义潜力广告

解决方案

提升广告主对潜力广告的感知；
支持四档阶梯出价预估；
提升潜力广告精准率，提升潜力广告对于转化预估的权重。

设计目标

全面覆盖触点。

设计策略

概览：广告统计新增潜力广告。
推广-广告列表：新增批量操作、广告详情出价新增潜力广告徽标。
推广-创意列表：广告详情出价新增潜力广告徽标。

设计方案

当选中项全部为潜力广告时，选中「系统推荐」；当选中项至少有一个非潜力广告时，选中「自定义」；使用「系统推荐」时会过滤已优化的潜力广告，只剩下待优化的潜力广告。

修改出价

完善概览、广告列表和广告创意列表内的触点。

修改出价的其他触点

1.2 版本

效果

结合教育行业2021年11月16日至2021年11月19日的试点效果，在 oCPX 广告上，我们可以看到：

潜力广告试点效果

在教育行业，当前潜力广告精确率75%左右，有进一步提升。改价前后 8 小时无转化的广告（空耗广告），需要通过实验来优化特征。

在提价幅度的占比上，我们可以看到：

不同提价幅度下的使用

在教育行业，当前优化师偏好激进提价获量。

潜力广告设置

维持 1.1 版本。

问题

潜力广告跟随“出价”和“深度目标出价”，双目标广告的潜力广告使用量偏低。通过回访，了解到广告主在推广列表中没有看到”深度目标出价“列。教育行业里有40%账户没有开启这两列。

解决方案

进一步提高策略产品的触达。

设计目标

优化“出价”列和“”深度目标出价“列的前端呈现规则，引导用户按实际场景开启“出价”列和“深度目标出价”列。

设计策略

前置“出价”列和“深度目标出价”列。
自定义列中新增潜力广告徽标。

设计方案

仅为前端优化，可直接修改。

1.3 版本

效果

潜力广告日均消耗已超过 1200 万，潜力广告投放端采纳率接近 70%。

潜力广告设置

维持 1.1 版本。

问题

修改“深度目标出价”时未同步修改“出价”，影响了非微信流量上的预估模型的精确率。（微信流量属于分阶段优化“浅层目标”和“深层目标”，非微信流量属于同时优化“”浅层目标”和“深层目标”。）

解决方案

有“出价”，无“深度目标出价”：保持不变；
有“出价”，有“深度目标出价”且深度优化目标不为次留、ROI相关：双向支持同步修改、双向支持异步修改、支持单改；
有“出价”，有“深度目标出价”且深度优化目标为次留、ROI相关：仅支持修改“出价”；

设计目标

帮助广告主快速同步修改出价。

设计策略

潜力广告：在出价、深度目标出价触点上新增同步改价。
出价：在出价、深度目标出价触点上新增同步改价。

设计方案

潜力广告在“出价”和“深度目标出价”。

通过徽标同步修改

出价在“出价”和“深度目标出价”。

通过编辑图标同步修改

1.4 版本

效果

潜力广告当前日均消耗接近 1500 万。

潜力广告设置

维持 1.1 版本。

问题

四档阶梯出价中，5% 档的潜力广告投放端采纳率是最高的，但并不是系统推荐的最佳出价点。

最佳采纳率和最佳出价点的矛盾

解决方案

分场景支持不同阶梯出价的潜力广告。

设计目标

明确告知广告主不同出价点的收益，让广告主感知到系统推荐出价为当前最佳出价。

设计策略

明确披露系统推荐分档出价点及最佳出价点。

设计方案

潜力广告在“出价”和“深度目标出价”，披露最佳出价点。

通过徽标披露最佳出价点

出价在“出价”和“深度目标出价”，披露最佳出价点。

通过编辑图标披露最佳出价点

写在最后

在项目人力交叉支撑的前提下，潜力广告在 2 个月内发了 5 个版本。配合教育行业对策略产品进行小范围的试验、调研与优化。整体上，潜力广告设计，为后续提供了可参考的产品推进路径。

方向明确。潜力广告的定位是为广告主快速找到通过小幅提价即可获得更多曝光机会的广告。后续各版本的演进都围绕着这一方向不断拓展。
演进清晰。在第一阶段建立MVP和指标体系，为后续产品演进提供了洞察空间和数据支撑的能力。
重点有据。在指标体系中，我们按照规模×效果×用户体验×模型评估×性能对潜力广告进行评估。从最开始完善触点解决使用量的问题，到解决双目标出价的模型精确率的问题，到完善用户体验增强用户信任的问题。在每个版本的决策上，做到有的放矢。

也有做的不是很完善的地方。比如涉及到批量操作的地方，低估了研发工作量，导致批量操作没有完全实现。以及，在起初其实搭建指标体系的时候，并未对潜力广告的机器资源指标和性能指标进行评估。这两者是通过后验的方式得以发现。潜力广告对内存的需求并不高，但从严谨性而言还是需要实施内存监控。同时，因为引入了新字段增加了性能风险。增量更新取平均6万行数据执行 diff 命令，耗时 27s 左右；全量更新约为 9 万行数据，耗时 37s 左右；索引表中全量查询潜力广告，耗时 7～9s；全量耗时合计 45s 左右。这些都为以后的策略产品设计构建指标体系提供新的思考。