{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1515056452',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://www.xiaopingtou.cn//data/attach/topic/topicKPo7gB.jpg', '推荐 chenkui456 的文章《曲海佳：我是如何用PTENGINE提升信息流广告投放效果的》','https://www.xiaopingtou.net/article-81080.html','页面编码gb2312|utf-8默认gb2312'));){kind=link}
以下内容详细介绍信息流广告优化的逻辑、本质及探索示例，共计5000字，可能需要花费您10分钟的时间。
曲海佳，信息流广告/DSP广告权威专家，现任致维科技营销总监。横跨中西互联网广告领域，擅长各大互联网平台推广。曾就任于Google以及全球最大移动DSP平台MdotM；近年来转战百度营销推广领域，是国内为数不多的百度认证营销专家（百度高级）证书的持有者。精通教育、金融、社交、网服等领域，服务过包括BAT、小米、领英、猎豹、华夏保险等诸多客户，著有《互联网DSP广告揭秘–精准投放与高效转化之道》，2017年即将出版国内第一本信息流广告投放领域的实战指南！
鉴于信息流广告投放在整个数字广告市场的重要性不断提升，优秀信息流广告投放优化人才呈现供不应求的趋势，在常规投放优化思路的基础上探索出一套合理简单易上手并可发展的进阶优化思路十分必要。本文在多个信息流渠道推广经验的基础上，总结现有信息流广告常规投放优化思路中可借鉴元素及其局限性，借助Ptengine这个强大的监测工具，通过真实案例进行实验性投放和数据采集分析，进而得出适用于绝大多数信息流广告平台的差异化优化思路。
首先简单介绍下Ptengine（铂金分析），Ptengine是上线于2011年的秒级实时数据监测工具，之前主要的业务重心是在欧美和日本，目前工作重心逐渐转向国内。借助这个工具除了能够完成基础的流量数据监测和流量质量评估之外，其易用性极强的热图报告对于改善网站的布局合理性和提高用户体验也有莫大的帮助，而今天，我主要想讨论的是如何借助Ptengine工具生成的广告推广url，巧用utm参数和事件转化的设置来优化信息流广告的投放。
首先，我们先来回顾下市面上的常规信息流广告投放优化的思路。
现有信息流广告渠道的常规主流推广和优化方法往往遵循以下几个步骤：
其中预估CTR受账户历史表现影响较大；广告排序就是eCPM排序，而eCPM≈质量度*出价。而在很多信息流广告平台上，质量度≈预估CTR，在这个规则之下主流优化方法就变成不断凭经验和部分数据添加预估点击率较高的新创意，再通过较好的数据表现（高点击率）获取较高的整体账户质量度，通过质量度提升eCPM获得高排序和高曝光，进而再为后续新创意获取较高预估CTR，循环往复来形成创意点击率的正循环：
正因为如此，创意的点击率才成为了主流信息流广告优化过程中的重中之重。尽管这一套逻辑相对好上手且已经很成熟，但其实这个逻辑具有很大的不足和局限性，很多时候，整个正向循环根本无法实现。
首先，A/B测试本身就具有一定的局限性。因为A/B测试本质上来说是一种“先验”的实验体系，属于预测型结论，参与对比测试的两个或多个样本在设计制作之初，往往是通过主观臆断其是否合格和人为选择的样本，所以容易出现效率偏低或与“后验”的归纳性结论差别巨大的情况。
其次，A/B测试的理想状态是在保持绝大多数的元素一致的前提下，针对两个样本或多个样本之间的某一个元素进行对比测试，而不是对在多个方面都截然不同的样本进行对比测试，因为这样很难对究竟是哪一个元素影响了最终的数据表现得出可信结论。而不幸的是对比新旧创意素材或者同时上传的多套创意素材往往属于后者。所以针对信息流广告创意的很多A/B测试其实是“伪”A/B测试，因为有太多的元素不同，例如主题颜 {MOD}和文案的详略程度，再加上投放中可能的曝光的时间，曝光的上下文环境，所获得的流量的质量。过多的元素差异导致无法判断哪个元素才是对结果影响最大的因素，进而无法提供优化的方向，哪怕是接下来图片和文案的设计方向。
在排除其他影响因素的前提下，因为无法判断到底是不是因为某个设计元素或某个文案的措辞影响了信息流广告投放的效果，导致无法比较确信地延续某一设计作为指导下一步新创意制作的参考依据。加之广告设计人员或美工的个人经验和业务能力难以统一和标准化，导致图片的设计和文案的撰写没有明确统一的标准。在优化人员与创意制作人员存在分工的情况下，优化人员与创意制作人员沟通成本较高，新创意往往经过多次没有方向的反复修改，效率低下。
同时因为创意的沟通设计的时间成本非常高，在耗费大量时间制作完成并通过审核之后，就急于投放和放量，很多时候并没有进行进一步A/B测试，哪怕是不完美的A/B测试。新创意基本没有过往类似创意的投放数据作为参考，处于一种无控制的状态，其实相当于在碰运气。最后效果好也无法准确总结，效果不好的话迫于时间压力，甚至没时间反思，就又马不停蹄地投入到下一批次新创意的低效沟通当中，形成如下的恶性循环：
最终的结果导致以“优化创意点击率”为核心的主流信息流广告优化逻辑因为没有可信、可靠的依据而无法真正地落实。
所以，片面单纯追求点击率的优化思路其实是有失偏颇的，取而代之的应该是从优化创意点击率向优化创意乃至设定的转化率去转变，但这同样有难度，譬如不是所有投放的账户都能有足够的技术力量通过与媒体平台API对接实现前后端数据的打通，大多数情况下，哪个创意或哪种设定对于效果转化贡献更大根本无从知晓。而想要打破这一局限的关键切入点，在于监测。
以下是我的做法：
首先，我所理解的信息流广告的总体投放思路应为：在充分市场调研的前提下，通过合理搭建账户来定位精准目标人群，用准确的内容及创意触达受众，实现目标转化，通过不断完善优化创意的设计，佐以正确的媒体定向策略，不断提升转化和降低转化成本，而这一切，又都是以创意和落地页监测为基础的效果衡量为起始与核心，通过把监测维度落实到创意层级，即明确知道具体哪个推广单元的哪个创意有效果或效果好，然后结合时效性，先明确哪个设计方向或风格的创意（图片+文案）效果好和哪些关键词（单元层级）带来的流量效果好，创意和确定关键词后再测其他设定，最后再测试改进落地页。即：
因为定向策略和创意设计方向的不同导致了不同推广单元的流量大小和流量质量都不尽相同，所以每一条创意（图片+文案）都应看作是一个独立的个体，哪怕是处在不同推广单元里完全相同的图片和文案。所以对于创意的监测必须落地到单个层级，方法就是为每个创意设置带有Ptengine的utm参数的独立推广链接。
而utm参数的设置其实非常的简单，只不过我发现在这个简单的工具上可以实现一些比较复杂的玩法儿而已。
当我们拿到一个新的推广项目的时候，一般会有这样几个步骤：
因为推广url太长了，截图没有完全展示出来，但是每一个都是不一样的，为了方便匹配，可以通过分列操作把前面多余部分都去掉，只保留utm_content参数之后的内容，比如只剩20170722001到20170722100。
在这里我们发现只是简单的展点消数据，转化数据如果没有对接好API，在这张报告里是没有的，所以还需要借助监测工具获得这些utm_content参数所对应的转化数据（如果没有转化数据，就通过在落地页上设置事件转化的方式获得事件转化数据作为参考）。
Ptengine上的数据就像这样：
其中每一个具体的url（对应一个独立的创意）都可以点击进去查看这个创意所带来的流量在落地页上的互动点击或设置好的事件转化的数量（因为是一个真实客户，不方便暴露真实落地页，所以截图欠奉），这样的查看效率当然不高，但是Ptengine可以借助DataDeck这个工具的帮助把所有创意所对应的效果数据下载下来：
在DataDeck上这些转化效果数据如下：
下载完成后，因为有共同的一列，也就是utm_content参数，我们可以用vlookup把两个数据合在一起，这样就知道每个创意带来的转化（或事件转化）的数字，并且也可以用展点消数据和转化数据来计算转化成本了，也就是每一个创意对于效果的贡献。
然后因为我在创意名字这一列有特殊的设置，比如两个文案和两套套图，就可以生成4套创意，分别是文案1+组图1，文案1+组图2，文案2+组图1和文案2+组图2，所以我还可以按照文案和组图把展点消和转化数据通过透视表汇总起来，总体评价文案和组图的贡献。有了这些数据之后，无论是现有创意的存废，还是后续新创意的设计撰写，就都有相对明确的参考方向了。这么设置的主要原因就是单个创意的表现没有办法和转化对应起来，所以通过在落地页加监测和设置事件转化，或纯粹监测互动点击的方式，来收集数据作为评价创意表现好坏的参考。
后续计算的话，用真实转化数除以落地页上的事件转化数或互动点击数，就是落地页的转化率。而用落地页上的事件转化数或互动点击数除以转化数在某些情况下则可以作为预估留存与更后端投入产出汇报的指标。
用我的话说，就好比做几何题的时候画上辅助线，可以让事情容易很多。
后来在utm_content参数用得很熟练了之后，我又开始动起了utm_medium参数的脑筋，我把它设置成广告组或广告单元的名字，这样和utm_campaign相结合就计划和单元都有了。甚至也可以在没有关键词的前提下使用utm_term参数去标注细微的定向区别。
最后我发现其实所有参数都可以不按照原本的规则来填写，而是随便填写，因为任何一个参数都可以通过工具来筛选，有法变无法。
【例如】
http://www.example.com/?utm_campaign=landingpage1&utm_source=baidu&utm_medium=adgroup1&utm_term=male&utm_content=20170714001这个url就可以同时检测到落地页1，仅投放男性的2017年7月14日上传的第一号素材在百度上投放的广告单元1的效果。广告单元1可以代表一系列定向，也可以代表一组关键词或兴趣等等，随便大家设置都可以。这种设置方式对于审核是不会有任何影响的，因为是在落地页url后面加参数的方式，只要与开户主域名一致就行。
这就是我目前在借助Ptengine的帮助下提高信息流广告投放效果上的探索，抛砖引玉，供大家参考。
Ptengine（铂金分析）是铂金智慧的网页优化分析产品，其核心是分析热图（宋星老师文章“运营优化的秘密武器：重新认识热图的力量”有提到），当前已服务全球10w+企业，具体详情了解可咨询010-57280493，关注官方微信：铂金智慧Ptmind；登陆官方网站：www.ptengine.cn
Datadeck是铂金智慧的数据整合可视化平台产品，支持快速连接与整合多种数据源,通过简单拖拽完成Dashboard及报表制作,并且方便用户基于数据展开协作,帮助各部门不同成员快速落实项目目标；具体详情了解可添加咨询：010-57280493 登陆官方网站：www.datadeck.cn
首先简单介绍下Ptengine（铂金分析），Ptengine是上线于2011年的秒级实时数据监测工具，之前主要的业务重心是在欧美和日本，目前工作重心逐渐转向国内。借助这个工具除了能够完成基础的流量数据监测和流量质量评估之外，其易用性极强的热图报告对于改善网站的布局合理性和提高用户体验也有莫大的帮助，而今天，我主要想讨论的是如何借助Ptengine工具生成的广告推广url，巧用utm参数和事件转化的设置来优化信息流广告的投放。
首先，我们先来回顾下市面上的常规信息流广告投放优化的思路。
现有信息流广告渠道的常规主流推广和优化方法往往遵循以下几个步骤：
- 先理解平台竞价机制及基本算法；
- 然后按照营销需求创建账户结构和进行基础设定；
- 最后通过所谓“A/B测试”的方式不断上传新创意（文案+图片）、对比测试不同创意效果并保留点击率较好的创意，借此维持较高的整体账户点击率。
其中预估CTR受账户历史表现影响较大；广告排序就是eCPM排序，而eCPM≈质量度*出价。而在很多信息流广告平台上，质量度≈预估CTR，在这个规则之下主流优化方法就变成不断凭经验和部分数据添加预估点击率较高的新创意，再通过较好的数据表现（高点击率）获取较高的整体账户质量度，通过质量度提升eCPM获得高排序和高曝光，进而再为后续新创意获取较高预估CTR，循环往复来形成创意点击率的正循环：
正因为如此，创意的点击率才成为了主流信息流广告优化过程中的重中之重。尽管这一套逻辑相对好上手且已经很成熟，但其实这个逻辑具有很大的不足和局限性，很多时候，整个正向循环根本无法实现。
首先，A/B测试本身就具有一定的局限性。因为A/B测试本质上来说是一种“先验”的实验体系，属于预测型结论，参与对比测试的两个或多个样本在设计制作之初，往往是通过主观臆断其是否合格和人为选择的样本，所以容易出现效率偏低或与“后验”的归纳性结论差别巨大的情况。
其次，A/B测试的理想状态是在保持绝大多数的元素一致的前提下，针对两个样本或多个样本之间的某一个元素进行对比测试，而不是对在多个方面都截然不同的样本进行对比测试，因为这样很难对究竟是哪一个元素影响了最终的数据表现得出可信结论。而不幸的是对比新旧创意素材或者同时上传的多套创意素材往往属于后者。所以针对信息流广告创意的很多A/B测试其实是“伪”A/B测试，因为有太多的元素不同，例如主题颜 {MOD}和文案的详略程度，再加上投放中可能的曝光的时间，曝光的上下文环境，所获得的流量的质量。过多的元素差异导致无法判断哪个元素才是对结果影响最大的因素，进而无法提供优化的方向，哪怕是接下来图片和文案的设计方向。
在排除其他影响因素的前提下，因为无法判断到底是不是因为某个设计元素或某个文案的措辞影响了信息流广告投放的效果，导致无法比较确信地延续某一设计作为指导下一步新创意制作的参考依据。加之广告设计人员或美工的个人经验和业务能力难以统一和标准化，导致图片的设计和文案的撰写没有明确统一的标准。在优化人员与创意制作人员存在分工的情况下，优化人员与创意制作人员沟通成本较高，新创意往往经过多次没有方向的反复修改，效率低下。
同时因为创意的沟通设计的时间成本非常高，在耗费大量时间制作完成并通过审核之后，就急于投放和放量，很多时候并没有进行进一步A/B测试，哪怕是不完美的A/B测试。新创意基本没有过往类似创意的投放数据作为参考，处于一种无控制的状态，其实相当于在碰运气。最后效果好也无法准确总结，效果不好的话迫于时间压力，甚至没时间反思，就又马不停蹄地投入到下一批次新创意的低效沟通当中，形成如下的恶性循环：
最终的结果导致以“优化创意点击率”为核心的主流信息流广告优化逻辑因为没有可信、可靠的依据而无法真正地落实。
所以，片面单纯追求点击率的优化思路其实是有失偏颇的，取而代之的应该是从优化创意点击率向优化创意乃至设定的转化率去转变，但这同样有难度，譬如不是所有投放的账户都能有足够的技术力量通过与媒体平台API对接实现前后端数据的打通，大多数情况下，哪个创意或哪种设定对于效果转化贡献更大根本无从知晓。而想要打破这一局限的关键切入点，在于监测。
以下是我的做法：
首先，我所理解的信息流广告的总体投放思路应为：在充分市场调研的前提下，通过合理搭建账户来定位精准目标人群，用准确的内容及创意触达受众，实现目标转化，通过不断完善优化创意的设计，佐以正确的媒体定向策略，不断提升转化和降低转化成本，而这一切，又都是以创意和落地页监测为基础的效果衡量为起始与核心，通过把监测维度落实到创意层级，即明确知道具体哪个推广单元的哪个创意有效果或效果好，然后结合时效性，先明确哪个设计方向或风格的创意（图片+文案）效果好和哪些关键词（单元层级）带来的流量效果好，创意和确定关键词后再测其他设定，最后再测试改进落地页。即：
因为定向策略和创意设计方向的不同导致了不同推广单元的流量大小和流量质量都不尽相同，所以每一条创意（图片+文案）都应看作是一个独立的个体，哪怕是处在不同推广单元里完全相同的图片和文案。所以对于创意的监测必须落地到单个层级，方法就是为每个创意设置带有Ptengine的utm参数的独立推广链接。
而utm参数的设置其实非常的简单，只不过我发现在这个简单的工具上可以实现一些比较复杂的玩法儿而已。
当我们拿到一个新的推广项目的时候，一般会有这样几个步骤：
- 确定要使用的推广落地页；
- 在监测工具上为这个落地页建档；
- 将生成的JS代码加装到需要监测的落地页里；
- 为推广设置带有utm参数的推广url；
- 将推广url用于投放广告；
- 结合监测工具上监测到的数据进行分析，改进，优化推广账户的效果。
因为推广url太长了，截图没有完全展示出来，但是每一个都是不一样的，为了方便匹配，可以通过分列操作把前面多余部分都去掉，只保留utm_content参数之后的内容，比如只剩20170722001到20170722100。
在这里我们发现只是简单的展点消数据，转化数据如果没有对接好API，在这张报告里是没有的，所以还需要借助监测工具获得这些utm_content参数所对应的转化数据（如果没有转化数据，就通过在落地页上设置事件转化的方式获得事件转化数据作为参考）。
Ptengine上的数据就像这样：
其中每一个具体的url（对应一个独立的创意）都可以点击进去查看这个创意所带来的流量在落地页上的互动点击或设置好的事件转化的数量（因为是一个真实客户，不方便暴露真实落地页，所以截图欠奉），这样的查看效率当然不高，但是Ptengine可以借助DataDeck这个工具的帮助把所有创意所对应的效果数据下载下来：
在DataDeck上这些转化效果数据如下：
下载完成后，因为有共同的一列，也就是utm_content参数，我们可以用vlookup把两个数据合在一起，这样就知道每个创意带来的转化（或事件转化）的数字，并且也可以用展点消数据和转化数据来计算转化成本了，也就是每一个创意对于效果的贡献。
然后因为我在创意名字这一列有特殊的设置，比如两个文案和两套套图，就可以生成4套创意，分别是文案1+组图1，文案1+组图2，文案2+组图1和文案2+组图2，所以我还可以按照文案和组图把展点消和转化数据通过透视表汇总起来，总体评价文案和组图的贡献。有了这些数据之后，无论是现有创意的存废，还是后续新创意的设计撰写，就都有相对明确的参考方向了。这么设置的主要原因就是单个创意的表现没有办法和转化对应起来，所以通过在落地页加监测和设置事件转化，或纯粹监测互动点击的方式，来收集数据作为评价创意表现好坏的参考。
后续计算的话，用真实转化数除以落地页上的事件转化数或互动点击数，就是落地页的转化率。而用落地页上的事件转化数或互动点击数除以转化数在某些情况下则可以作为预估留存与更后端投入产出汇报的指标。
用我的话说，就好比做几何题的时候画上辅助线，可以让事情容易很多。
后来在utm_content参数用得很熟练了之后，我又开始动起了utm_medium参数的脑筋，我把它设置成广告组或广告单元的名字，这样和utm_campaign相结合就计划和单元都有了。甚至也可以在没有关键词的前提下使用utm_term参数去标注细微的定向区别。
最后我发现其实所有参数都可以不按照原本的规则来填写，而是随便填写，因为任何一个参数都可以通过工具来筛选，有法变无法。
【例如】
http://www.example.com/?utm_campaign=landingpage1&utm_source=baidu&utm_medium=adgroup1&utm_term=male&utm_content=20170714001这个url就可以同时检测到落地页1，仅投放男性的2017年7月14日上传的第一号素材在百度上投放的广告单元1的效果。广告单元1可以代表一系列定向，也可以代表一组关键词或兴趣等等，随便大家设置都可以。这种设置方式对于审核是不会有任何影响的，因为是在落地页url后面加参数的方式，只要与开户主域名一致就行。
这就是我目前在借助Ptengine的帮助下提高信息流广告投放效果上的探索，抛砖引玉，供大家参考。
Ptengine（铂金分析）是铂金智慧的网页优化分析产品，其核心是分析热图（宋星老师文章“运营优化的秘密武器：重新认识热图的力量”有提到），当前已服务全球10w+企业，具体详情了解可咨询010-57280493，关注官方微信：铂金智慧Ptmind；登陆官方网站：www.ptengine.cn
Datadeck是铂金智慧的数据整合可视化平台产品，支持快速连接与整合多种数据源,通过简单拖拽完成Dashboard及报表制作,并且方便用户基于数据展开协作,帮助各部门不同成员快速落实项目目标；具体详情了解可添加咨询：010-57280493 登陆官方网站：www.datadeck.cn