“优化师”职业背后，多的是你不知道的事...

量多多

+ 关注

2022-04-25 15:19

920次阅读

优秀的广告优化师就像好的厨师，

既要挑选新鲜食材，还要懂得搭配，兼顾火候，掌握食客偏好。

随着信息流广告市场的不断优化扩大，信息流广告的受重视程度、认可程度攀升，衍生出一个专业岗位——信息流广告优化师。

不论是刚毕业的大学生，还是有着三五年工作经验的职场人，对此都抱有强烈的好奇心。

无论你是看好广告行业前景的，还是因为入门门槛低，此篇都希望让大家对投放行业有一个清晰的理解。

全文主要分为四个部分：

1、广告优化师职位的理解

2、广告优化师常见的数据问题

3、广告优化师的职业技能

我对“优化师”的职位理解

多年的工作经验，让我对于信息流投放优化师（用户增长运营）职位理解，主要有三个侧方面：

“ 买量侧 ”

“ 变现侧 ”

“ 产品侧 ”

买量侧是该岗位的核心点，伴以变现和产品双侧形成一个岗位飞轮，筑基的工作模式。

买量侧

该岗位主要来说“是要把资金能花出去，买到目标用户，在从目标用户身上获取利益，变现回来获得回收。而作为优化师“建的是计划，分析素材以及相关买量数据”。核心奥义是“投放计划为什么会被用户看到的”竞价逻辑。需要明白，广告投放的策略的基本情况、跑量素材的特点、投放的思维模式的高度以及对计划筛选从何种维度进行。

变现侧：

那就要需要买量侧也要深知变现侧的相关知识点：

实现一个产品变现优秀的三要素

LTV=LT*ARPU ；ARPU=（ECPM*IPU）/1000 ；ROI=（LT*ARPU）/CPA

理想的变现模型

LT长，ARPU高，CPA低

应有的四种模型

1.ARPU高，LT长（有效次留好），CPA低的这种最优化模型

2..ARPU高，LT长（有效次留好）CAP偏高（可控范围内），可制定长时间高次留变现回收

3.ARPU高，CPA低，LT短（有效次留差），可以制定短期变现回收

4.LT高，CPA低，ARPU偏低，可以长时间积累用户变现

产品侧

在深知买量侧和变现侧的知识点外，还需要了解产品，作为一个优化师在投放产品时，需先自己深入试玩，了解核心利益点，深知满足用户痛点在哪些层面。然后根据买到的用户数据，及时的分析判断将相关数据同步给产品侧，以便产品侧及时优化调整产品。

优化师的常见数据问题

平时你是怎么进行测试的？

新素材——上计划——不起量——丢弃——继续上新

NO NO NO，正确的应该是

新素材——上计划——不起量——分析数据（点击率差？转化率差？cpm低？）——是否有优化的可能性——修改原素材不好的部分——继续修改——继续上计划...

在此，我总结了常见的“COST/IPU/次留下降“的数据波动问题：

常见数据波动问题
数据类型	原因	解决办法
COST下降	素材计划维度：观察账户近7天跑量趋势，素材衰退情况和风控情况	要求持续新的素材产出，加强基建，可尝试在18点流量高峰期，小幅提价（+0.1）刺激；提价刺激，可以大幅提价（10%+）
	产品大盘：是否在某段时间内，产品大盘流量波动	通过KA，了解大盘情况（是否存在竞品加大买量），或者特殊时期（电商，工作日/周末，开学/暑假）
IPU下降	版位维度：看投放位置报告。版位和投放位置是否有变化	可以分版位设置少量预算测试ipu情况
	年龄维度：观察人群报告人群年龄占比，判断是否要屏蔽年龄设置	通过账户报表年龄画像分析
	素材维度：判断起量素材是否违规	及时规避及修改素材中可能出现的违规点
次留下降	出价维度：检查账户次留出价，深度转化出价设置是否过高	及时根据留存率情况调整次留出价
	数据回传：检查次留回传的数据是否存在gap（可能由第三方监测故障导致）	寻求技术层面排查具体原因
	时间维度：买量时期问题工作日，周末，节假日差异	需要拉长时间维度，去检测观察
	年龄维度：用户年龄层级判断，分年龄层对比用户次留的不同，判断是否需要屏蔽（同时间分年龄对比，不同时间分年龄对比）	那个年龄层消耗占比大，但是留存率低，需要规避该年龄层
	买量时间：对比跑量时间。是否提前跑完预算，通常提前跑完次留率通常会比整天跑低很多。	控制分时跑量消耗
	素材维度：单独账户头部素材分campaign分析，是否因素材严重夸大，误导用户下载	规避过分夸大的言辞
	版位维度：对比不同版位留存，选择留存较高的版位投放	选择留存较高的版位投放，目前上下滑版位最优
	次留gap：新产品刚开投有数据后对比（不要只对比一天的）次留gap值。	如果差异较多（上下3%以内可接受），与产品沟通进行调整。
	新功能：核查是否由于近期新功能测试引起	/
	产品生命周期：产品投放时间较长出现留存逐渐下跌的情况，需根据具体产品情况，适当提升产品所有账户的前端次留率设置，及时筛选。	/
	都无以上情况：提交KA去排查	/