情報フロー動画広告のトラフィックパターン！

長年広告業界で働いてきた私が、周りの多くのオプティマイザーにオプティマイザーにとって最も重要な能力は何かと尋ねたところ、皆が共通して挙げる点は2つでした。1つは大量の素材を創り出す、あるいは敏感に察知する能力、そしてもう1つはデータ分析能力です。

しかし、具体的にデータ分析をうまく行うにはどうしたらよいか、またどのようなデータを分析する必要があるかを尋ねると、ほとんどすべての人の答えは似通っており、クリック率、コンバージョン率、CPM、コスト...どのように最適化するか？クリック率が低い場合は、素材の魅力を最適化します。コンバージョン率が低い場合は、ランディングページを最適化します...少数の最適化担当者は、3秒再生率や完了率などの指標も重要であると言及しますが、さらに一歩進んで、3秒再生率は実行量にどの程度の影響を与えるのでしょうか？どのような影響がありますか?多くの人が混乱するかもしれません。

01. 従来の情報フローデータ分析

ここでは、従来の情報フローデータ分析がどのようなアクションを取る可能性があるかを簡単に説明します。

①クリック率、コンバージョン率、再生率、CPCなどを見て、素材の質を大まかに分析します。

②コンバージョン率、直帰率、閲覧進捗状況などを見て、ランディングページの魅力度を確認します。

③ 時間的傾向と期間データを確認し、規模とコストの傾向と組み合わせて分析します。

④人口レポート、年齢、性別、地域分布などを見て、質の高いコンバージョン人口を決定します。

⑤……

上記はすべて正しく、具体的な詳細化も非常に体系的なデータ分析です。

しかし、ビデオ素材が一定のボリュームに達しない場合、または素材が一定のボリュームに達した場合、データの観点から見たパフォーマンスはどうなるでしょうか?データ分析において他にどのようなブレークスルーが見つかるでしょうか?

巨大なバックグラウンドレポートでビデオ分析テーブルをエクスポートすると、非常に多くのコンテンツが表示されます

こんなに大量のデータがある場合、従来の表示、クリック、消費、変換以外にどのように活用できるのだろうかと考えていました。確かに、従来のデータを長い間研究した結果、それらが歪んでいることがよくわかりました。クリック率やコンバージョン率が高いからといって、必ずしもボリュームが大きいわけではなく、インプレッション数が多いからといって、必ずしもボリュームが大きいわけではありません。ボリュームが大きいことに関して、さまざまな指標は特別な利点を持っているようには見えません...「配信は形而上学だ」と言う人がいるのも不思議ではありません。

02. ランニングボリュームの総合的な指標を持つことは可能ですか？

その後、一連の調査を行った結果、以下の指標がランニング量に影響を与える可能性があり、データ分析の際に考慮できることがわかりました。

1. 入札指標: クリックスルー率、コンバージョン率、入札、ecpm... 誰もが知っていることですが、

2. 完了指標：3秒再生率、有効再生率、99%再生完了率など

3. インタラクション指標: コメント数、シェア数、いいね数

4. マイナスの指標: 報告、関心の欠如。多くの人がこれに気づいたかもしれません。

しかし、これらすべてを考慮し、上記 4 つの指標を単純に計算して「総合指標」を導き出す公式はあるのでしょうか。総合指標が高ければ高いほど、数量成長が達成される可能性が高くなるのでしょうか。 理論的には、そうではありません。システムの観点からは、影響を与える指標はもっと多く、アカウントの重み、群衆の属性、競争環境、人間の介入、低品質の素材のフロー制限など、私たちには見えない要因があるからです（「どのような素材が低品質と判断されるか」という点だけがブラックボックスであり、これはメディアにおける大まかな選別と細かい選別のプロセスです）。

ここで、広告が表示されるまでに 10 個のプロセスがあることを知らない最適化担当者もいるかもしれないことをお伝えしたいと思います。

1. このトラフィックレベルでユーザーが開始した広告リクエストの数

2. 広告ターゲティング範囲外のユーザーリクエストを除外した後に残っている広告リクエストの数

3. 同じ種類の広告を何度も閲覧したユーザーからのリクエストを除外した後の残りの広告リクエストの数

4. 広告への関心が低い、または素材のスタイルが不適切などの理由で除外された後に残っている広告リクエストの数。

5. 利用可能な予算と残高が十分でない広告を除外した後の残りの広告リクエストの数

6. 大まかなランキングを入力した後に、正常に配置される確率を推定する

7. 改良されたランキングに入った後に、正常に配置される確率を推定する

8. ECPMランキングに参加する

9. ECPMの入札が勝利

10. ユーザーコンテンツとミックスした後、ECPM入札が勝利

ここで、粗いソートと細かいソートの両方を最適化を通じて直接制御および調整することは困難です。相対的に言えば、上で述べた 4 つの指標は最適化担当者にとって目に見えるものであり、比較的制御可能です。

強調すべきもう 1 つの点は、最終的にどのような指標を分析しても、その材料が大量に流通しているかどうかの「答え」を示すものではないということです。アルゴリズム レベルでは、データ分析による量への影響は限られているという意見には私も非常に同意しますが、最適化は依然として「最善を尽くして、あとは運命に任せる」仕事であり、見える範囲で最適化するために最善を尽くす必要があります。

03.情報フロー動画広告の実行ボリューム指標を調べるには？

では、他の要因（ブラック ボックス要因）が同様であると仮定すると、同様の実行ボリューム指標を見つけることは可能でしょうか?私のアイデアは、実行ボリュームの結果を使用して逆方向に作業することです。まず、すべてのビデオ素材の配信データをエクスポートし、各素材のさまざまな指標を比較します。各素材の最終的に計算された総合指標も降順に分布している場合（完全に一致する方法はなく、この傾向を示すことしかできません）、"おそらく正しい"式が見つかりました。

以下は、私が独自の調査中に使用した式の例です。

入札指数 = クリック率 * コンバージョン率 * 2 と仮定します。

（私がテストしたアカウントでは入札に明らかな違いはなく、自動入札も開始されていなかったため、比較する際に入札係数は考慮しませんでした）

インタラクション指数 = (コメント + シェア + いいね) / 有効再生数 * 1000 / 4 と仮定します。

総合指数 = 入札 + 完了 + インタラクション - マイナス * 2 と仮定する

これらの数式はどこから来たのでしょうか? なぜ 2 倍にして 4 で割る必要があるのでしょうか? 実際には、これは単なる大胆な仮定 + 検証です。 このプロセスでは、パラメーターと計算方法を繰り返し調整し、最終的に総合指標の結果を実行量の結果と可能な限り一致させる必要があります。

そして、調整の過程では、どの要因が実行量に大きな影響を与えるかを考える必要があります。たとえば、競合指標は非常に重要であり、より高い重み付けが必要だと思うので、2倍にします。相互作用指標はそれほど高い重み付けが必要ではない可能性があるため、4で割って指標を下げます。

同様に、再生インジケーターの計算方法もテストできます。3 秒の再生の方が重要ですか?それとも、99% の再生進行の方が重要ですか?それとも実効再生率の方が重要なのでしょうか?インタラクション指標では、コメント、共有、いいねが均等に重み付けされていない可能性があります。これは、いいねや共有の方が重み付けが高く、コメントの数は重要ではないためでしょうか。興味があれば、これらの方法で計算してみてください。

最終的に、図に示すようなデータ分析テーブルが得られます。

（消費量や表示量の少ない材料は除外する必要があることに注意してください。データが少なすぎると、参考として意味がない可能性があります。）

これらは何の役に立つのでしょうか?

1. 動画素材のさまざまな指標に注目し始めます。たとえば、わずか 2 日後に素材のボリュームが突然減少した場合、クリック率とコンバージョン率は変化していないのに、マイナスの指標が増加している可能性があります。同時に、完了データがボリュームに与える影響も大まかに把握できます。一部の素材は再生データが悪いかもしれませんが、入札指標が高すぎるため、ボリュームが非常に高くなります。

2. テストでは、いくつかの検証結果が生成されます。たとえば、競争指標の影響は確かに最大であることがわかりました。クリック率とコンバージョン率を高めることは有用ですが、盲目的に単一の指標を向上させることは役に立ちません。たとえば、クリック率が低いと思って、誘導クリックを増やす資料を制作した場合、コンバージョン率は確実に低下し、この資料の競争力はまだ強くありません。それに比べて、素材を変更せずにランディング ページを最適化する方が有用です。

3. 消費量が少ない状況では、材料の品質やライフサイクルを事前に判断することができます。たとえば、ある材料は入札指数が高く、数量を稼げるかもしれませんが、その相互作用指数と完了指数は常に低いです。この場合、その材料の減衰はより速い可能性があり、他の材料をすぐに確保する必要があります。インジケーターの特定のライフサイクルについては、さらにテストする必要があります。

4. 実は、率直に言って、この分析の結果は重要ではありません...言い換えれば、その役割を過大評価する必要はありません。それよりも重要なのは、分析プロセス中の私たちの考え方、データに基づいてさまざまな資料をどのように判断するか、さらにはアカウント間の違いがどこにあるのかです。

上記は、一定期間後のまとめの結果です。多くの物質にはサイクルがあることがわかっています。今日は良くても明日は悪くなる場合もあれば、ある日は突然量が増えても別の日は突然量が減る場合もあります。

そのため、消費傾向と組み合わせたいくつかのランニング マテリアルのデータを確認することもできます。例:

上記の消費量は、一定期間内の総消費量と総指数状況です。消費量が1位の材料は5位の指数を持ち、指数が1位の材料は6位の消費量を持つことがわかります。

これらの材料の消費動向を総合すると、消費量が最も多い材料は初期段階では確かに数量の波がありましたが、その後は減少し、指標を引き下げました。実際、数量増加期間中、この指標は 20 を超えるはずです。

指標1、消費材料6については、1週間ほど調査したところ、数量が回復しました。指標が高いほど、数量が伸びやすいという傾向にあります。

さらに、これらの材料の毎日の指標レポートを取り出し、分析し、どの指標の変化が材料の減衰プロセスを引き起こしたかを調べることもできます。これもある程度の参考になりますが、ここでは詳細には触れません。ここでの論理と思考の方向性を誰もが理解できれば十分です。

すると、私が測定した式が何なのかと尋ねたくなる友達もいるかもしれません。これは適用できないと思います。その理由は次のとおりです。1.まず、これは私の個人的な意見であり、アルゴリズムの「答え」ではありません。データ分析の参考用であり、盲目的に信じることはできません。2.この式の導出過程で分析したアカウントと業界データはそれほど多くありません。他の業界やアカウントには適用できないかもしれませんが、誤解を招く可能性があります。3.自分のアカウントと資料に基づいて、この考えを念頭に置いて資料を分析することをお勧めします。何かを要約できれば、私が測定した式を取得するよりも大きな利益になります。

最後に、もう少しだけ付け加えておきたいことがあります。自分のアカウントや業界で、おそらく正確な指標の計算式を見つけたとしても、その指標だけに注目しないでください。目に見えない「ブラックボックス指標」が多数存在し、それらはむしろ参考になります。

さらに、これは実際の意思決定への影響が限られています。最終的には、大量に販売できる素材の形状、種類、コピーライティングに戻る必要があります。同時に、素材の均質化を避け、ユーザーに戻ることで、より強力なクリエイティブと最適化の能力を持つことができます。

著者: シェン・チャンヨン

出典：三里屯情報フロー