信息流数据分析的基本思路

信息流广告投放常常会遇到账户各种问题，却不知道如何有效的去排除和解决，只能简单操作，比如：控制计划预算，调整计划的出价，频繁新建计划，直接暂停计划，等等，而只有少部分的人知道自己为什么这样操作，这么操作会带来什么影响。

这就是为什么很多投放专员工作了很多年，却成为不了一名优秀的广告优化师，仅仅只是一个后台投放员的原因。而这个问题出现，就在于我们操作之前没有数据支撑或者说没有一个基本的数据分析思维。

那下面问题来了，对于广告投放员来说，后台操作已经熟悉得不能再熟悉了。我们在操作的时候，有没有在脑海里思考以下几个问题？

• 账户有那些问题？

• 这样操作的目的是为了什么？

• 为什么一定要这么操作？

• 操作完之后会带来什么影响？

上述的种种现象，我想说有的人肯定没有思考过，所以才有接下所说的内容，信息流的数据分析基础思路。步骤是我们提出有效的问题→建立合理的假设→寻找支撑的数据→整合分析数据→验证分析结果（以巨量引擎为例，述说说明）。

在发现计划异常后，根据计划生命周期不同阶段锁定问题，一般分为三个时间段，学习期，稳定期，衰退期。

1、学习期，是一个系统正处于学习探索潜在的目标用户过程，这个时期会有以下问题，比如新建计划没有展示量或展示量很少？新建计划一直没有点击或点击率低？新建计划一直没有转化？等等问题……

2、稳定期，是系统已收集到一定量的转化人群，可以比较准确地找到目标人群的过程。这个时期会有以下问题，实际出价过高，点击率突然升高/降低，转化率偏低，转化成本高。等等问题……

3、衰退期，是当计划出现突然性的展示量变小，转化率降低，转化成本升高，转化量降低的预兆，且持续几天都是这样情况的时候就说明此计划开始进入衰退期。这个时期有以下问题间断性的不稳定，比如展示量变小，转化成本偏高，消费能力直线下降，等等问题……

如学习期中新计划没有展现量怎么办？

第一步我们要思考哪些影响因素，列举1、2、3、4等原因出来。比如：

1、非投放时间

2、受到流控限制

3、出价低

4、定向窄或错误

……

第二步，这些列举出来因素的产出原因是怎样的。

非投放时间：那可能是投放时段我们只勾选晚间投放，白天未到投放时间，或者是勾选某一天投放，或者是投放已完成，等等…产出原因。再比如，定向窄或错误：那可能是错选过滤地域，多重定向交叉，勾选某个非常窄的定向等等…产出原因。

那第三步，根据产出原因进行逐个排查。是否对投放推广时间做了设置，是否是因为预算卡得太少，而出价较高，导致广告触发流控，影响展示，是否出价和行业均值相比过低，是否定向的覆盖人群过窄。

 找到可以支持结论的数据作为证据支持假设，获取数据的常见渠道如：

1、数据报告/计划诊断

比如是否在非投放时间可以从巨量引擎的编辑广告计划或者点击广告计划的详情里看到具体的投放时间。

是否出价过低也可以从巨量引擎工具中找到账户诊断中看到行业分析或者计划诊断。

这两图基本看出计划的质量度和出价是否在行业平均值中

2、监测跟踪（应用下载API/深度转化SDK与数说/平台落地页监测（页面洞察））

3、第三方平台

4、行业权威数据

在获取数据后需要对数据进行整合和分析，可在获取数据时同步完成，有时需要使用工具进行进一步整合分析。

1、广告投放管理平台（数据报告/人群洞察、计划诊断工具）

巨量引擎三大类报表整合优化，广告报表：账户/组/计划/创意报表，受众分析：投后用户画像，广告产品：程序化创意/视频广告/分素材统计等。多种可视化图表，提供时间趋势（折线图）、累计对比（柱形图）、占比分析（扇形图）多种图表类型。

2、数说平台

3、第三方数据平台

最后会出现两种结果：

第一种数据验证与结果一致，当然这时候皆大欢喜，因为方向是正确的，前面的过程花了很多时间和精力，努力最终没有白费。

别高兴的太早，当然还有另一种情况，数据验证与结果不一致，oh my god，那可能需要我们重头排查其他我们还未排查过的原因，也有可能是我们用的数据计算错了，优化本身就是一件不断提出问题→假设原因→寻找数据→分析数据→验证结果反复的事，所以我们还得在优化路上越走越远。

最后想说的是，每一次的假设、收集、分析，都是如同自我的总结与提升，阶段的沉淀与升华。