我们采用简单的三步流程:
- 填写广告系列制定表格
- 我们与您举行会议,确认广告系列的制定详情,获取相关的资产信息(KPI,基准,跟踪链接,广告素材资源,设备 ID)
- 我们启动您的广告活动
整个启动制定过程可能需要几天到 1-2 周的时间,具体时间取决于我们确认广告系列制定和获取广告系列资产信息的速度。
CPI:找出下载您的APP的用户群
CPA:找出在您的APP中采取行动的用户
CPR:确定为您的应用程序带来最多收益的用户(ROAS)
不可以。我们的机器学习只能针对一个目标进行优化,因为 CPI 和 CPA/ROAS 之间为负相关的关系。
不可以。我们需要机器学习收集不同供应商之间的数据,确认谁是您的最佳用户。
限制机器学习的会影响其长期提升您表现的能力。
提示:机器学习的智能程度,取决于其学习的数据智能水平。
如果对机器学习设置上限,让其通过低质量的数据库进行学习,会导致用户饱和和规模限制。
建议您将每日预算设置为 $250-350。
预算超过每日 $350可能会导致机器学习在很短的时间内学习的太快,导致无法反映真实的市场情况
这指的是我们优化的目标,从安装到目标 A 事件的用户流程。
举例:安装>注册>添加到购物车>购买
为广告活动制定正确的顺序是成功的关键。
这是与您的目标 KPI(ROAS 或 CPA)相关的目标 A 事件。
举例:目标:CPA
目标 A 事件:购买
什么是中介 A 事件?
举例:如果您的目标 A 事件是“购买”,那么您的中介 A 事件可能就是“添加到购物车”。
“添加到购物车”事件发生的越多,“购买”事件发生的可能性就越大。
提示:针对中介 A 事件进行优化可以加速提升您的表现,特别是对于用户流较长的应用程序而言更是如此。
重复事件是指用户多次完成同一事件。
举例:用户 A 进行了 3 次购物
这是一个时间窗口,您可以用来评估成效。
举例:安装在第 1 天进行,购买在第 3 天进行
非同类群观察:购买归因于第 3 天
安装后 7 天的同类群观察:购买将归因于第 1 天安装
提示:同类群观察可帮助您确定用户行为模式,这些信息可用于您制定应用内营销和再营销策略。
它的重要性在于,这是我们进行优化的窗口。
举例:客户的 CPA 目标是在 7 天的购买窗口内进行购买,那么我们就会在安装后的 7 天内针对购买进行优化
加载空白列表后,机器学习将把您的广告支出集中于尚未安装您应用程序的用户。
举例:加载空白列表:针对尚未安装您应用程序的用户进行机器学习投入
未加载空白列表:对所有用户(包括可能已安装了您应用程序的用户)进行投入
您知道吗?
Liftoff 客户加载空白列表后,其表现要比未加载列表的客户提高 39%。
启用所有回传可以将表现提高 X%。
因为它可以让机器学习将支出集中在尚未安装您应用程序的用户之中。
未启用回传:
机器学习专注于所有用户,包括已经安装了您应用程序的用户
机器学习无法判断一点:未在您应用程序中转换的用户,可能还包括已经安装您应用程序的用户
启用回传:
机器学习将支出侧重于未安装您应用程序的用户
机器学习会判断一点:因为未安装过您应用程序而未在您广告中转化的用户
启用收入回传可帮助机器学习为产生最大收益的用户进行优化。
没有这项数据,我们就只能进行猜测,并且实现您设置的 ROAS 目标也会变得更有难度。
View-through attribution 的属性可让您了解整体的广告表现,包括点击和浏览的数量。
举例:用户 A 看到广告并点击以及下载APP
用户 B 看到广告但没有点击,不过稍晚后才做了安装
提示:Google 和 Facebook 会自动启用 view-through attribution 的功能。
如果您希望获得最准确的成效比较,建议您对所有的渠道设置相同的设置