做優化的朋友，可能都有這樣的疑問：為什麼我跟媒體對接到激活，但有的計劃付費好，有的計劃付費不好？
你要說有什麼理由吧，也能說出來兩個——比如素材好啦，創意吸引用戶；用了後臺哪個功能啦，這個功能好用。
但心裡總會有一點不確定：真的是這個原因嗎？別的計劃也用這個了，咋沒投起來呢？
今天咱們來掰扯一下轉化目標以後的數據規律。
定義：在使用轉化出價的時候，會有一個轉化目標。但常有上面這種“轉化目標是激活、但實際考核到付費”的情況，為了方便理解，我們把轉化目標之後的各項行為統一叫做“轉化目標以後的數據”（例如上面的例子中的“付費”，就被稱為“轉化目標以後的數據”），轉化目標以後的轉化率統一叫做“後端轉化率”。
在這篇文章裡，我們還會用到兩個“用CPC出價、但考核激活或註冊”的例子。它們沒有應用到轉化目標，但為了統一說明媒體投放目標以後的數據的規律，我們把“點擊”視為“轉化目標”，把點擊以後的“激活或註冊”視為“轉化目標以後的數據”。不嚴謹，大家看的時候不蒙就行。
賬戶層級按照頭條“賬戶-組-計劃-創意”的名稱來叫。
01
轉化目標力所不能及的
先聊聊轉化目標。
因為種種的原因，在廣告投放的時候，總會出現“轉化目標”和“考核目標”不一致的情況。比如考核ROI，但媒體沒有ROI出價；比如廣告主不願意把後端數據傳給媒體……
我們先不說這種不一致的情況怎麼辦，咱們先要知道：轉化目標是哪一步，媒體就會負責到哪一步；後面的步驟媒體是不管的。
就好像說你的轉化目標是“買雞蛋”，但其實你心裡還有一個更深的目標是“雞蛋要能孵出小雞”。朋友，有的雞蛋能孵出小雞，有的不能，媒體只負責“按你要求的價格把雞蛋賣給你”，後面能不能孵出小雞，他可就不管了。孵出來了算你撿著，孵不出來你也不能投訴他。
轉化目標以後的數據，是轉化目標力所不能及的。
例如轉化目標是“激活且付費”，那麼媒體幫你優化的就是付費成本，激活成本和付費金額媒體都是不管的。
02
轉化目標以後的數據好像也有規律
但是啊但是，如果我就是賣小雞的，買來的雞蛋孵不出小雞，對我就一點用沒有，那我還買它幹嘛？
廣告投放總要為最終的目標服務，所以，即使“轉化目標以後的數據，是轉化目標力所不能及的”，但優化人員和媒體也都在想辦法滿足“轉化目標是買雞蛋、實際卻想要孵小雞”的投放目標。
其實已經實現了。
我們長期觀察下來發現：轉化目標以後的數據好壞，也有“扎堆”的現象。比如轉化目標是激活，有的計劃付費成本低，有的計劃付費成本高。而且可能低的一直低，高的一直高……當然，有更多計劃今天低、明天高不穩定。
並且，這個現象不拘於是哪個媒體，甚至不受出價方式的限制，即使是點擊出價，後端效果好不好也有扎堆的現象——付費好的計劃，付費一直好；付費不好的計劃，付費一直不好……當然，也有很多今天好、明天不好的。
來看兩個“扎堆的好”的案例。這是兩組早期的、用CPC出價的計劃的數據。
案例1：投放UC媒體
一個單元連續幾天的數據，註冊率、註冊成本相對都比較穩定（UC的“單元”相當於頭條的“計劃”層級）
案例2： 投放媒體-今日*條
一個計劃連續幾天的數據，註冊率、註冊成本相對都比較穩定
神奇吧，居然用CPC出價，一條計劃成本也能穩定。考核目標比轉化目標更深，像“轉化目標是激活、考核付費”的情況，也有很多這樣後端成本穩定的案例。所以，“轉化目標以後的數據也能保持穩定”可以看作一個部分情況下會存在的規律。
為了避免誤解，還是要強調一下：這種穩定和用轉化出價的轉化成本穩定是兩回事，一個是“可能”，一個是“保證”
——轉化目標以後的數據，是可能穩定，我們從一大堆不穩定的計劃裡找到穩定的計劃；
——轉化出價對應的轉化成本，是保證穩定，不穩定還有賠付。
所以，能分清了吧。
那這種“轉化目標以後的數據也能保持穩定”是什麼原因呢？
只能從模型學習的角度來理解。以“轉化目標是激活、考核付費”的情況舉例。模型的任務就是幫你找到激活成本OK的人，但這些人總會有付費或者不付費的行為，如果模型最開始學習的種子用戶就是付費好的，那麼這條計劃付費就一直很好；如果最開始學習的用戶付費不好，那麼這條計劃付費就一直不好；如果種子用戶付費有好的、也有不好的，那麼付費就不穩定。
雖然廣告主沒有把後端數據回傳給媒體，媒體也不知道這條計劃後端成本是否滿足要求，但媒體能看到“這條計劃一直在投”，那麼就說明這條計劃的人群廣告主是滿意的，那麼模型就猜：照著現有的人群“照葫蘆畫瓢”去找，廣告主就會一直滿意吧！所以就出現了“雖然媒體不知道你後端考核什麼，但是居然後端成本好的計劃會一直好”的現象。
03
假設一條計劃轉化目標以後的數據也是穩定的
什麼時候會用到這個規律呢？
在廣告投放的過程中，總有一些情況導致考核的數據不能實時看到。比如最終成本可能要隔日才能看到，或者即使不隔日、也需要過一段時間用戶才能轉化（例如用戶從使用產品到轉化的時間差），這就會造成看到最終成本是有延遲的。但我們又希望抓住放量的時機、儘快放量，怎麼辦呢？這時候就可以利用“假設一條計劃轉化目標以後的數據也是穩定的”這個規律來推算出考核的數據，來決定怎麼調整計劃。
那這個規律我們怎麼用呢？
其實這就是優化師們賴以生存的規律：假設“一條計劃轉化目標以後的數據也是穩定的”。用大浪淘沙的方式，從許多計劃裡找出當天後端成本OK的計劃，然後假設它以後成本也會是OK的，給它放量。不然怎麼投呢？我總得找著計劃給它放量吧？我總不能把當天後端成本不好的計劃放量吧？
但這畢竟是個假設，它肯定不能像直接用轉化出價來控制轉化成本那麼穩定。有的時候當天後端數據挺好的，第二天就忽然不好了。這裡總結出兩個判斷的條件，滿足這兩個條件的情況下，後端轉化率穩定的概率會更大：
①轉化數超過一定量。粗略地看，一條計劃轉化數超過100個，可以認為後端轉化率能大概保持穩定；
②觀察連續2~3天的數據。如果連續2~3天后端轉化率一直相差不大，可以認為這個轉化率能穩定在這個數值。
也就是說“轉化數越多、時間越久，後端轉化率穩定的概率越大”。
例如這個UC媒體上投放的案例。投放的前兩天積累了400個註冊，成本都滿足要求，那麼就可以認為這條計劃成本能保持穩定了，可以放量了。
再舉個實際應用的例子：
比如說考核次留（“次日留存”的簡稱，指當天新增的用戶中，第二天二日登錄App的用戶數）的情況。一條計劃當天看不到次留數據，可以先花2000塊錢看看。第三天看到次留數據，發現還不錯，有30%，那就可以認假設這條計劃帶來的量、以後的次留率也都在30%左右，可以先放一波量看看，比如放到1~2萬。
當然，這樣調整的時候還得悠著點，因為這畢竟是假設，如果哪天后端轉化率忽然跌了，媒體也是不負責的，不會賠錢給你。所以放預算的時候不要一下放太猛，還是要以看到的實際考核成本為準，實際考核成本好了，才能放心地放量。
今日優化經驗
- 轉化目標是哪一步，媒體就會負責到哪一步；轉化目標以後的數據，是轉化目標力所不能及的；
- 但轉化目標以後的數據好像也有規律，付費好的計劃，付費一直好；付費不好的計劃，付費一直不好……這是系統“照葫蘆畫瓢”的結果。雖然媒體不知道你後端考核什麼，但是如果一條計劃一直投放，那麼系統可能會認為你對現有的人群是滿意的，然後照著現有的人群給你找相似的，所以會出現付費好壞“扎堆”出現的現象；後端數據好壞“扎堆”是一個部分情況下會存在的規律，能“穩定的好”是一個少見的情況，更多情況轉化目標以後的數據會有波動；
- 當客觀條件限制、不能實時看到最終考核成本的時候，我們只能假設“轉化目標以後的數據也是穩定的”，用來判斷一條計劃是否要放量投放。但它只是個假設，穩定的情況並不多，所以判斷的時候要有一些存疑。可以加上兩個條件，如果滿足“ 轉化數超過100個、並且連續2~3天都是穩定的”，那麼穩定的概率會更大。
更多二類電商行業資訊，請點擊下方“瞭解更多”或者搜索“二類電商資訊”，謝謝！
閱讀更多 二類電商資訊 的文章
