广告投放的排期要素管理——选自《电商流量数据化运营》

4.4.1 广告投放的排期要素管理概述

排期要素包括周几、月份、季度、是否工作日等按日产生的因子,这是本节的重点内容。

提示 除了日期类要素外,还有更细化的时间性要素,例如小时、分钟等。大多数渠道能控制的粒度主要是日期,并且按小时分钟的汇总分析逻辑类似,因此本节不做介绍。

在营销渠道中,除了部分硬广告在媒介采买时就已经确定了投放日期和时间外,其他硬广告、信息流、SEM广告可根据企业营销需求进行日和时间控制,因此该节内容的应用主要集中于可控制投放日期和时间的硬广告、信息流和SEM等广告渠道。其他渠道例如CPS、MCN、社群媒体、会员等也可参照本节的方法来管理运营日期和时间。

4.4.2 不同日期维度下的影响分析

本节案例以Google Ads投放数据为例,说明如何对日期性要素进行评估。源数据在附件Excel“第4章”-“4-4”中。原始导出的数据包括日期、时段、点击次数、展示次数和点击率。

第1新增衍生日期字段

本步骤通过Excel函数实现基于日期的衍生信息,包括周几,是否工作日,月份,季度,月内第几天,月内上、中、下旬,以便多维度分析日期性因子。计算过程如图4-11。

图4-11 计算日期衍生字段

图4-11中,所有日期特征衍生都基于A列以及A列的衍生列产生:

  • F列表示周几,值从1-7分别表示星期一到星期日,函数公式为:=WEEKDAY(A2,2),其中第二个参数2表示一周从星期一开始,如图中①。
  • G列表示工作日,判断逻辑为如果周几(F列)的值在1-5之间就属于工作日,否则(6/7)就属于休息日,函数公式为:=IF(AND(F2>=1,F2<=5),1,0) ,如图中②。
  • H列为月份,值从1-12表示1月到12月,函数公式为:=MONTH(A2) ,如图中③。
  • I列为季度,值从1-4表示第一季度到第四季度,由于Excel暂时没有季度函数,这里通过月份计算得到,函数公式为:=INT((H2+2)/3) ,如图中④。
  • J列为月内第几天,默认从1-31,函数公式为:=DAY(A2) ,如图中⑤。
  • K列为月内上、中、下旬,直接使用字符串表示含义,这里基于月内第几天产生,默认逻辑是前10天为上旬,中间10天为中旬,后面为下旬,函数公式为:=IF(J2<=10,"上旬",(IF(AND(J2>10,J2<20),"中旬","下旬"))),如图中⑥。

第2新建透视表并分析不同日期维度下的效果

由于本书之前已经多次介绍新建透视表的过程,因此这里直接展示透视表配置和完成后的结果。读者可翻看“4.3.2 基于方差分析确定媒介效果的差异性”第1步查看新建过程。配置如图4-12。

图4-12 日期性分析透视表

透视表中将“周几”拖入“行”,将“点击次数”和“展示次数”拖入“值”,然后按照“4.3.2 基于方差分析确定媒介效果的差异性”中第2步的方法,新增计算字段,定义新的点击率计算公式。

分析周几对点击率的影响

上述操作完成后,周几的点击率分布数据如表4-3。数据中:从周一到周五点击率逐渐提升,并在周五时达到顶峰;周末的点击率效果极差,远低于周一到周五。因此后续投放时可针对性调整周几的投放排期、预算控制或出价等。

表4-3 周几点击率分布

行标签 求和项:点击次数 求和项:展示次数 求和项:点击率_new
1 3787482 491375322 0.77%
2 4532615 570987019 0.79%
3 5194806 652704953 0.80%
4 5023074 605871528 0.83%
5 5031923 573951628 0.88%
6 1464303 234327343 0.62%
7 1147983 217434308 0.53%
总计 26182186 3346652101 0.78%

按照相同的操作,以下分别分析其他日期性因素对点击率的影响。

分析工作日对点击率的影响

表4-4显示了工作日的点击率远高于休息日,这点与表4-3的数据结论方向一致。

表4-4 工作日点击率分布

行标签     求和项:点击次数 求和项:展示次数 求和项:点击率_new
0 2612286 451761651 0.58%
1 23569900 2894890450 0.81%
总计 26182186 3346652101 0.78%

分析月份对点击率的影响

表4-5显示了月份对点击率的影响,其中3月、4月、5月效果非常差,这可能与农历新年之后的“消费后遗症”有关,即年前已经完成提前消费或透支消费,年后短期内消费疲软是整个行业的现状。月份中的6月、11月的点击率达到顶峰,这与行业特性有关(618、双11)。不同行业在月份上可能有不同的规律。由于广告投放时,一般很少调节到月份粒度的周期,因此一般会在这些月份下,手动削减预算或进一步优化人群来降低广告支出,而不是暂停账户投放。

表4-5 月份对点击率的影响

行标签求和项:点击次数 求和项:展示次数 求和项:点击率_new
1 1888647 180324607 1.05%
2 540450 32124410 1.68%
3 730555 120640749 0.61%
4 11323516 2192976815 0.52%
5 1238719 155053933 0.80%
6 896143 40846854 2.19%
7 908426 43853386 2.07%
8 681622 41842636 1.63%
9 2430271 196628298 1.24%
10 2459629 141051326 1.74%
11 1298804 64083621 2.03%
12 1785404 137225466 1.30%
总计 26182186 3346652101 0.78%

分析季度对点击率的影响

表4-6显示了上半年(尤其是第二季度)的效果较差,下半年的效果提升迅速,从第三季度开始到第四季达到顶峰,这点与表4-5的数据结论方向一致。

表4-6 季度点击率分布

行标签  求和项:点击次数 求和项:展示次数 求和项:点击率_new
1 3159652 333089766 0.95%
2 13458378 2388877602 0.56%
3 4020319 282324320 1.42%
4 5543837 342360413 1.62%
总计 26182186 3346652101 0.78%

分析月内第几天对点击率的影响

使用趋势图展示月内第几天点击率分布。图4-13显示了,当前1号到8号以及29号左右的点击率效果较好,中间部分的点击率较差,因此应该着重把精力放在月度的收尾时间上做优化。

图4-13 月内第几天点击率趋势

分析月内上、中、下旬对点击率的影响

表4-7显示了上、中、下旬对点击率的影响,发现上旬效果较好,下旬和中旬效果一般,这点与图4-13的数据结论方向一致。

表4-7 季度点击率分布

行标签  求和项:点击次数 求和项:展示次数 求和项:点击率_new
上旬 7444346 741805537 1.00%
下旬 9012733 1216327313 0.74%
中旬 9725107 1388519251 0.70%
总计 26182186 3346652101 0.78%

4.4.3 通过日历标记管理日期性要素

通过“4.4.2 不同日期维度下的影响分析”得到的日期规律,无法(也没有必要)通过人脑记住。使用日历法标记法可以有效管理。其中6个日期因素可使用最细粒度的三个因素表示:周几、月份、月内第几天,其他要素都基于这三个要素产生。

第1建立未来日期日历记录

在新的工作薄中,建立新的日期。然后分别使用WEEKDAY(不要忽视参数中设置将星期一作为第一天)、MONTH、DAY函数得到星期几、月份和月内第几天。结果示例如表4-8。

表4-8 未来日期日历

日期          周几 月份 月内第几天
2021/6/1 2 6 1
2021/6/2 3 6 2
2021/6/3 4 6 3
2021/6/4 5 6 4

第2复制权重到单元格

将4.4.2中“第2步 新建透视表并分析不同日期维度下的效果”中的三个日期的点击率复制到单独的单元格,作为日期要素的权重。结果示例如表4-9。

表4-9 三个日期要素的点击率权重

周几周几点击率权重 月份月份点击率权重 月内第几天 月内第几天点击率权重
1 0.007707921 1 0.010473596 1 0.010132419
2 0.00793821 2 0.016823655 2 0.009145429
3 0.007958889 3 0.006055624 3 0.007469664
4 0.008290659 4 0.005163537 4 0.01183399
5 0.008767155 5 0.007988956 5 0.01155092
6 0.006248963 6 0.021939095 6 0.014226337
7 0.005279677 7 0.020715071 7 0.012608411

第3匹配权重到未来日期记录

使用Vlookup函数,将周几、月份和月内第几天的权重匹配到未来新的日期记录。如图4-14,以E3单元格为例,=VLOOKUP(B3,I:J,2,0)表示:为B3单元格(周几),到I:J两列中查找匹配记录,返回I:J的第2列(J列)匹配结果,匹配模式为近似匹配(或模型匹配)。

图4-14 匹配权重到未来日期记录

上述操作完成后,得到三列新的基于点击率匹配的权重,在最后一列新增名为“均值”的列,使用AVERAGE 函数计算三个权重的均值,以H3为例,公式为:=AVERAGE(E3:G3)。由此得到未来每日的日期性要素的权重。

第4基于权重标记未来日期

计算得到均值权重后再将不同日期标记出来,目的是根据权重标记来确定不同日期的重要性,重要性越高就应该投入更多精力进行投放管理。这里使用Excel自带的“条件格式实现”。

图4-15 使用条件格式标记权重

如图4-15,先点击单元格的H列选中该列所有数据;点击顶部菜单“开始”-“条件格式”,选择“色阶”,并从右侧窗口中选一种色阶模式。“均值”列通过颜色来区分权重,颜色越深表示值越大。在对应日期下就应该加大投放资源,例如增加预算、延长投放时间等。这种可视化方式便于按日期进行管理,且整合了不用日期性因素的影响,相比单个要素的调节和控制更加科学。该结果在附件Excel“第4章”-“4-4_date”中,读者可查看详细信息。

4.4.4 知识拓展:基于组合媒体的排期管理

广告排期决定了广告展示的时间和周期,除了从单一渠道效果进行媒体排期管理外,还可以基于多个渠道的实际组合转化路径安排整体排期策略。图4-16网站分析工具中统计到的转化路径数据,该路径转化量最多且占比较高,排期时需要综合考虑用户的实际媒体衔接模式和行为习惯。

图4-16 根据用户转化路径的组合排期

图中路径包含3个媒介,分别是ad1/ad2/ad3。在用户在3之间的访问间隔大概是4天、3天。在安排广告投放时需要兼顾到3个媒体的广告访问间隔。广告排期大致如表4-10:

表4-10基于用户转化路径的媒体组合与排期

在表4-10所示的排期策略上,当7-1的ad1曝光后,同步从7-1到7-5需要跟上ad2进行投放且投放时间要持续在4天左右;在ad2之后曝光后,从7-5到7-8要衔接ad3的广告,同时需要大概3天左右的广告排期。由于在广告曝光后无法保证用户一定会点击广告,因此还需要根据实际的广告点击率预估根据广告曝光频次或曝光周期,以最小的曝光成本确保用户发生点击。 这种基于媒体组合的排期策略,广泛适用于企业站点中多个渠道共同发挥作用的场景,该数据可在网站分析工具的多渠道转化路径(或热门转化路径)中获取。当然,为了更好的梳理渠道组合规则,可以将多渠道的组合拆分为两两渠道间的组合,读者具体可参考“3.7 基于用户行为模式的渠道组合管理”的方法。


====================【好书推荐,我为自己代言】====================

《电商流量数据化运营》出版了!

  • 10余年业务经验总结:将我在甲方和乙方,跨企业和跨行业的经验总结起来,供大家快速提升,少走弯路。
  • 流量运营教科书:内容围绕流量数据化运营的全流程展开,涵盖渠道策略与计划管理、媒体投放与执行管理、渠道投放效果评估与分析、流量运营监控与效果复盘等各个环节。
  • 有用、实用:不讲数据分析理论,不讲数据分析工具使用,所有方法均可在工作中直接使用,而且围绕流量数据化运营的常见问题展开。
  • 易用、易读:不要求会Python,会用Excel就行,无晦涩难懂的理论和复杂的推导过程。
  • 以场景应用为核心:以业务场景为切入点,内容上围绕业务问题、数据支持方案、实用工具实操的思路,用数据解决每个具体业务问题。
如果你对本书感兴趣,请点击这里查看更多信息!当然,你也可以先加我微信了解一下。

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注