2023经营赛道拐点——巨量千川

nn2023年是市场情绪触底反弹的新拐点，市场步入「代际更替」&「回归理性」时代。看似头部企业没挺住，本质是新旧资产转换拐点；看似经济模型恶化，本质是供给侧大爆炸下的隐性繁荣，从营销驱动到产品驱动，从流量红利到服务红利；资本重点关注以下5类主题：nn①极致单品；②营销科技；③物流科技；④生产科技；⑤内容科技nn经营拐点：增长是一个以组织为底层驱动力，以运营和财务为执行动作和分析指标，最终在资本层面上实现资金聚集效应，并反向投入组织的闭环体系，企业需在组织、运营、财务、资本等方面加速构建科学增长体系，推动企业进入经营拐点。nnnn从投放的底层算法，从0到1拆解，从用户角度来看投放机制；作为一名用户，滑到广告视频时，一个广告位置即将展现，这次展现机会，就是一条广告请求，而每次广告请求都会同时有N广告创意在争抢着给你展现的机会，但最终成功展现的只有一条广告创意。nn决定谁能展现的就是背后的投放逻辑，系统对每条匹配符合的给到精准展现后，记录用户点击广告的概率，点击产生转化的概率、出价来计算每条广告的一个值，然后从高到低排序。nn通过公式不难发现，影响ecpm值的三个关键指标就是预估点击率、预估转化率以及你设置的出价。nn同样需要将计算投放数据的底层指标抽离，然后执行刨根问底，预估点击率受什么影响？怎么提高点击率？预估转化率受什么影响？如何提高转化率？出价在计划的不同阶段？应该如何去合理的设置？只有想清楚这个问题，搭建的广告投放模型才具备现实意义。nn预估点击率来源用户看到投放创意的第一视感与听感。nn即呈现给用户的整体内容效果，直接决定点击率成败，通过细分影响点击率的因素，如果是直投模式，不难发现直播场景的打造、主播的即视感、话术、直播间氛围、热卖商品等因素都深度影响点击率，而想要实现很好的点击突破，这些要素的优化组合就尤为重要。nn把预估点击率、预估转化率、出价作为驱动流量的三架马车，但三家马车的硬件构成不一样，投手就是一名马夫，想要马车跑的长远，你最重要做的就是将零部件做到最优比组装，这时候马车就能顺利跑起来，但如果想跑的更快，就会出现另一个词——改装，也就是投放界的优化。nnnn在二级市场我们看到一个客观事实，大部分超额回报的交易都在「情绪波谷」时坚定重仓，在「情绪波峰」时坚决撤退。这个事实下有两个基本规律：一是个体投资行为无法影响市场情绪；二是我们永远无法在市场共识期赚取超额回报，用冯柳的弱者体系理论来解读，市场情绪波峰时的成功率和赔率都是最低的，nn当广州一家小服装厂的缝纫工人都知道跨境电商火的时候，为什么你能赚到钱呢。nn因此，要利用好市场情绪的周期性波动规律，以获得优质资产的增长收益。而二级市场本质是存量价值转移，一级市场的价值创造属性更强，长线回报属性更强，更应该抓住情绪波谷的隐藏价值。n

一、结论假设分析

n分析完整体的数据情况，可以得出3个结论，第一是ocpm出价为主或没有ocpc.第二点是，客户主要跑量的兴趣定位，第三是客户跑量创意集中再；nn基于这个分析的结论，设置对应的一个投放方向，采用科学实验法，讲兴趣定向做一个分类，设置对照组，测试创意一致的情况下，不同定向的一个数据情况。同时还测试下同样定向下，ocpc/ocpm的效果。nn定向结构分为16种定向、6大维度精准定向：n

n
1. 基础属性：地域、性别、年龄

n

2. 兴趣爱好：兴趣分类、兴趣关键词

n

3. 用户环境：平台、手机品牌、网络、运营商、系统版本

n

4. 自定义人群：定向人群包、排出人群包

n

5. 用户行为：App行为、新用户

n

6. 其他定向：分类、定向

n

nn

二、定向内容

n

1. 基本属性

n1）地域定向nn头条的地域定向是将用户的当前GPS、IP、历史城市、服务器地址等因素加权得出的，这样的定位方式比单纯的IP定位更加准确。nn2）性别、年龄定向nn通过头条用户信息以及相关信息链（如使用行为、阅读习惯等）数据判断出用户性别及年龄。n

2. 用户坏境

n平台：广告主可根据自己的投放需求，将广告投放到指定系统的平台上。nn例：某广告主推广安卓应用下载，那么目标用户应该是使用安卓手机的用户，则可定向“Android”。nn1）手机品牌nn根据用户使用的手机品牌进行定向，目前有27个主流品牌。nn适用于对手机品牌有定向需求的广告主，如小米手机，可勾选“小米”对小米用户进行新品宣传，也可以勾选“华为”“魅族”进行定向，抢占用户。nn2）网络nn根据网络环境进行定向（WIFI、2G、3G、4G）。nn可以帮助对网速和流量有要求的广告主规避“无效”的用户，尤其是手游行业和经常使用视频素材的广告主。n

三、兴趣关键词

n粒度比兴趣分类更细，基于用户的阅读行为，来提取用户的高频兴趣关键词，采用关键词标签技术，精准定位目标用户，nnn

四、用户理解

n用户理解即精准地去刻画用户，涵盖用户的基础信息，职业、年龄、性别等，以及基于用户过往行为数据兴趣偏好标签，从这些数据中，我们可以获取大量的用户特征，对用户有更深层次的认知，例如这个用户喜欢什么类型的内容？活跃时间在每天的几点？nn「内容」是行业的核心要素，因为消费决策发生在触达实体商品之前，图片、视频和文案等「商品内容」就是全部的消费者购买决策要素了。当商品供应链日益成熟，商品数量大爆发，对内容供应链提出两个更高的要求：nn大规模；首先是数量级上的质变，商品越来越多，单一商品对应的场景越来越多，内容的生命周期越来越短，需要超大规模的内容供给，预计会快速超过人工生产的规模临界点，无论是长视频，短视频，图片还是文字，机器辅助和代替将会成为主流生产方式。nn高品质。在大规模的基础上，消费者对内容的质量要求并没有降低，反而追求更强的差异化属性，而「创意」是一件极其非标的事情，内容的规模和品质是一组长期存在的矛盾，技术是唯一的解决方案。虽然规模化供给可以通过简单技术实现，但兼顾高品质和大规模的内容对技术服务的门槛要求会越来越高。