数据说话 | 关于多广告推广渠道的效果评估的探索| 关于多广告推广渠道的效果评估的探索

一直以来很想写这样一篇文章，和大家聊一聊如何评估多个推广渠道的优劣。

今天借此机会，我将以某金融APP的推广为例，抛砖引玉，供大家参考。

1
输入数据

时间：2周

平台：应用商店、SEM、信息流合计8个

日预算：15万

2
选取数据模型的维度

我选了4个维度，分别是：流量、成本、稳定、潜力，下面一一阐述。

流量

价值：代表了该渠道的获客能力，与运营人员的核心KPI直接相关，也是区分大渠道和小渠道的重要指标。

数据：获客量的算术平均值。

成本

价值：代表了该渠道的投入成本，在用户质量相对稳定的条件下，获客成本与ROI直接相关。

数据：获客成本的加权平均值。

稳定

价值：代表了该渠道的长期稳定投放的可能性，间接影响运营人员对预算消耗、KPI完成的进度把控。

数据：现金消费的变异系数、获客量的变异系数、获客成本的变异系数。

注：变异系数 = （标准差 / 平均值）× 100%

潜力

价值：代表了该渠道未来可成长的空间，例如与对标竞品的差距等。间接影响运营人员对未来KPI增长的规划制定。

数据：对标竞品在同一推广渠道的预算或流量。

3
数据标准化，计算维度分值

这里数据标准化采取的是Min-max 标准化。

设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x’，其公式为：新数据=（原数据-最小值）/（最大值-最小值）。

流量

成本

注：成本和流量不同，流量是越大分越高，流量应是越低分越高，故在Min-max基础上，进一步处理，用1减去Min-max的结果，得到新的评分。

稳定

注：与成本一样，变异系数是越小越好，故用1减去Min-max的结果，得到新的评分。

潜力

1）一定要选对标竞品，这样数据才有参考性；

2）对标竞品的日预算数据，大家各显神通吧，可以考虑向代理商、圈内、媒体方打听，不一定要特别精确的数字；

3）日均新安装量对于应用商店来说，非常有价值，因为安装到激活、注册的转化率并无显著差距。这个数据可以从第三方数据服务商，比如QuestMobile等拿到。

4
构建数据模型，得出结论

因为潜力这个维度的数据不足，暂时只用前三个维度构建数据模型。

现在涉及附加权重的问题，这里给出三种方案，仅供参考：

下面以ROI导向为例，得出评分模型：

注：综合得分 = 流量得分 + 成本得分 + 稳定得分

结论显而易见，根据ROI导向，综合效果最好的渠道是：应用商店B，其次是应用商店A、信息流A、应用商店D。

5
你可能想问

Q：就是评估渠道的效果，量和成本这两个指标不就可以了，需要这么复杂吗？

A：需要，实际投放工作中，很容易因为这样或那样的临时目标，忘了根本的目标，建立一套评分模型，可以更加理性客观地评估效果，当你的思路跑偏时，果断把你拉回来。根据不同的KPI，可以设置不同的权重，希望大家都能建立适合自己的评分模型。

Q：附权时就用了简单的1,2,3，会不会过于拍脑门，不靠谱呢？

A：这个问题我也纠结了很久，后来参考了不少资料，决定还是用最简单的123。先做起来很重要，1比0大很多。

2017年4月19日，哈佛商业评论网站发表了一篇文章，“为复杂决策创造简单规则”（ Creating Simple Rules for Complex Decisions ）。丹尼尔·卡尼曼在《思考，快与慢》这本书里，也专门讲过这个思想。简单来说就是：

1.选择几个你认为对结果有重要影响的因素，不要超过六个。
2.按照比如说满分十分的统一标准，对每个因素打分。
3.把分数简单相加获得总分。

书中最有意思的一个事实是，你使用更复杂的评分办法，或者是计算权重，或者是用什么大数据统计算法，得到的结果并不会比简单方法好很多。

作者：齐云涧
来源：互联网营销官CMO
本文来源于公众号齐云涧，转载请联系作者并注明来源。

转载请注明：电商实战教程 » 数据说话 | 关于多广告推广渠道的效果评估的探索