要成為一名優秀的推廣運營人員/增長負責人，如果只會投廣告而不懂通過分析數據來提高廣告的ROI，那是遠遠不夠的，數據分析與優化並不是單純的看後台數據，而是一門貫穿營銷思維和實戰的核心技能——透過現象看到本質。
所以這篇文章船長會教大家學會數據的一整套流程，包括一系列的模型和理論基礎， 以及工作步驟，然後是依據所得到的分析結果進行廣告優化，絕對是精華中的精華，大家要認真研讀。
目錄
1 高ROI必備的三大數據分析模型
1.1 廣告投放流程模型
1.2 用戶行為模型
1.3 廣告轉化漏斗模型
2 數據分析維度與數據指標的區別
2.1 分析維度與數據指標的概念
2.2 常見的分析維度和數據指標
2.3 數據分析原則
3 AB測試決定優化成敗的關鍵
3.1 AB測試的變量
3.2 AB測試流程的步驟
3.3 AB測試流程：制定測試方案
3.4 AB測試流程：按計劃開始測試
4 如何製作數據報表
4.1 日報與周報
4.2 日報數據報表怎麼做？
4.3 如何撰寫周報？
5 廣告效果診斷與優化（重點）
5.1 數據分析看什麼
5.2 廣告效果診斷
5.3 CPA點擊成本高
5.4 流量少
5.5 廣告ROI低
6 All in One 實戰案例
7 總結
1、高ROI必備的三大數據分析模型
1.1 廣告投放流程模型
從廣告優化師視角看，我們可以把廣告優化流程分為四大階段：
第一階段：設定目標
- 這一步非常重要，投放目標包括品牌、訪問量、互動率、潛在客戶開發、轉化量、應用安裝等十多種目標可選。另外，第一階段還需要你去做產品和投放目標人群分析，即產品調研和用戶畫像。
第二階段：測試階段
- 首先要根據人群定位（性別，年齡，語言等）測試維度進行帳戶結構規劃，並準備好投放的廣告素材；然後必須要用到AB測試這種方法，比如廣告素材為10個視頻，想知道哪個客戶喜歡點擊，轉化效果好，就要進行AB測試。
第三階段：數據分析
- 根據投放數據來判定，對於效果不好的，我們要進行深挖，找出根源，提出新的優化方案繼續測試。
第四階段：上量規模化
- 這時候基本已經測出那些人群和素材最優，那麼就需要最大化投放效果，進行橫向和縱向規模化
1.2 用戶行為模型
除了以上說的從優化師視角來看的廣告優化流程模型，我們還要學習從用戶視角出發的模型，通過素材影響用戶行為的四步：吸引眼球、激發慾望、贏得信任、引導行動。
而這裡用的是用戶行為決策模式，即AIDAS原理，用來說明廣告對消費者產生的不同作用，它包括以下五個階段：
① Attention（引起關注）
能否引起用戶關注，往往就在秒毫之間，所以我們一般通過大標題，再配上一個副大圖片吸引訪問者的注意，通常標題和圖片的好壞直接影響點擊率。
② Interest（產生興趣）
告訴客戶你的痛點是什麼，該產品能給你帶來什麼利益和好處。
③ Desire（引發購買慾）
能夠引起消費者購買慾望的，就是進一步告訴消費者為什麼需要該產品，不解決會有什麼嚴重後果，讓消費者知道該產品可以很好地解決他的問題，解決後，能夠帶來哪些心理滿足，滿足你的慾望。
④ Action（促進購買行為）
當消費者打算購買商品的時候，那麼你就要告訴他現在就要購買，包括怎麼購買，購買流程是怎樣。提供清晰可靠的CTA（Call on action），將註冊、購物流程和網站的交互儘量最簡化。
⑤ Satisfaction（獲得滿足感）
雖然滿足感無法直接地提高轉化率，但對你的整盤生意至關重要。獲得一個新用戶的成本是維持一個老用戶的成本的2～6倍。
所以在獲得良好口碑的同時，可以讓一個用戶不斷回購你的商品，而且該用戶會向他的朋友推薦你的商品。
1.3 廣告轉化漏斗模型
通過這個廣告投放轉化漏斗模型，我們把其中的轉化漏斗分為四層：展示、點擊、瀏覽、轉化。 這個很好理解，大家直接看下圖：
大家要充分理解好上面三模個性，因為是一切數據分析和廣告調優的基礎。那麼接下來我們先講講數據分析的維度和指標。
2、數據分析維度與數據指標的區別
2.1 分析維度與數據指標的概念
很多新入行的同學都容易混淆分析維度和數據指標這兩個概念，比如點擊成本是維度還是指標？
其實我們首先要想清楚的是分析維度，然後再去查看其對應的數據指標。我們在做數據分析時，先決定要看哪個維度的數據，確定維度再去查看對應的一些數據，只有這樣做，我們查看數據分析才有意義。
2.2 常見的分析維度和數據指標
下面這個表格可以更好地幫助大家去理解這個數據的分析維度和數據指標之間的關係。
比如不同的人群定位，年齡和性別就是不同的分析維度，那麼由不同投放策略所產生的一些數據，就是基礎指標，比如展現量、點擊量、轉化量、消費數、激活數、留存數等。
如上圖這個例子，我們的分析維度是按照地區，而曝光量、點擊量、花費等這些就是我們的數據指標。
從表格數據情況可以看出，泰國地區的轉化率是最高的，訂單成本是最低的。可見，從目前的廣告投入產出比來看，泰國地區是最好的。通過對比，我們至少可以馬上產生兩個工作待辦：
- 分析泰國表現比其他國家好的原因，並參考優化其他國家；
- 加大泰國投放預算，觀察數據變化，以獲得更多收入。
2.3 數據分析原則
相信大家產生一個疑問，就是數據指標那麼多，我們應該關注哪些？所以在這裡，我想說一下數據分析的原則：複合指標的價值大於基礎指標
因為複合指標體現更多的是ROI，比如說，你的基礎指標展示很高、花費也高，但點擊及轉化都很少，這實際上是你的ROI很低。
但是，如果你只看某一項基礎指標是看不出來的，你要看CPC單次點擊成本、CPA單次行動成本，才能看出投入產出是否達到你的預期，再決定是改變策略繼續優化、擴大投入、還是關停廣告。
複合指標是通過基礎指標計算出來的。
比如 CTR，CPA，CPI，CPS，CPT。
為什麼複合指標的意義大於基礎指標？以點擊量來舉個簡單的例子：
A公司：1000個點擊，花費1000元
B公司：1萬個點擊，花費10萬
請問A公司和B公司，誰的優化效果好？
CPC ( 點擊成本 ) = 總費用 / 點擊量
A公司點擊成本：1塊/次
B公司點擊成本：10塊/次
從點擊效果看很明顯A公司更優。
3、AB測試決定優化成敗的關鍵
要提高ROI，AB測試必不可少。
A/B測試也稱為分割測試，是一種快速找到更優策略的方法。
我們可以通過該AB測試，找出哪些廣告標題、正文、圖片、視頻、行動號召性用語或組合最適合目標受眾。
此外，我們還可以測試不同目標受眾在不同廣告展示位置、版位的表現，了解誰是你的完美受眾群體，以及該把廣告放在什麼版位效果會更好。
3.1 AB測試的變量
我們做AB測試，最主要的是測試多種變量，測試的變量包括人群定向、素材、設置、著陸頁等。
3.2 AB測試流程的步驟
AB測試流程主要分為五步，如下：
① 設定項目目標，也就是AB測試的目標；
② 制定測試方案：確定實施的版本以及每個線上測試版本的分流比例；
③ 按照方案上線測試；
④ 收集實驗數據，並進行有效性和效果判斷；
⑤ 根據試驗結果確定發布新版本、調整分流比例繼續測試，或者在試驗效果未達成的情況下繼續優化疊代方案，重新上線測試。
從對AB測試的定義中可以看出，AB測試強調的是同一時間維度、對相似屬性分組用戶進行的測試。
時間的統一性可以有效規避由於時間和季節等因素所帶來的影響，而屬性的相似性則使得地域、性別、年齡等其他因素對效果統計的影響降到最低。
3.3 AB測試流程：制定測試方案
首先要設定你的測試目標，比如你在投放facebook或者TikTok的時候，和平台要求你設置的投放目標是類似的，但在平台設置的那個是最終目標，比如轉化購買，而你測試目標可以是整個漏斗的某個部分，比如瀏覽（展示量），獲取線索的成本（行動成本），放入購物車的比例（行動轉化）等等。
如果你的測試有多個維度，比如 CPC, CTR，CVR，那麼哪個才是你要優先考慮的指標呢？一方面，你要看你的推廣告目標，比如是品牌還是轉化購買。
如果是轉化購買，CPM 和 CTR 並不是最佳選擇。大多數情況下可以優先選擇CPC，相對比較靠譜，因為CPC降低了能拓量。
廣告變量越少，所獲得的相關測試結果的速度就越精準，而且單個廣告變量可以更輕鬆地跟蹤和評估結果。
測試最重要的工作就是規劃廣告帳戶結構，因為規劃了帳戶結構就基本相當於規劃好了測試的維度。
測試方案1：單獨廣告組
單獨廣告組，你的所有變量都圍繞同一個廣告組，這種結構的好處在於你的同一個目標客戶不會看到你測試多次素材（多個廣告組指向同一類型人群）。但這個結構有一個大缺點，就是 Facebook會自動優化你的廣告，而你卻得不到相關結果。
優選的好處就是成本相對會更低，所以如果一開始你對成本比較敏感的話，可以用這種方式。但可能有的廣告分到的流量會變得很少。
測試方案2：多廣告組（同一）單變量對比（輪換）
多個單變量廣告組，指每個不同素材在獨立的廣告組。如果你把每一個廣告素材變量放在獨立的廣告組裡，Facebook 會認為是每個廣告組獨立個體，於是就不會因為微小的結果而進行自動優化，所以這樣測試是最好的。而輪換就更容易測出哪個素材好，很適合用於測試新素材。
測試方案3：多廣告組（不同）單變量對比
當有多個AB測試可以選擇時，你要選擇更優質的AB測試優先測試，可以大大節省時間。
如果你想把所有潛在的影響因素都拉出來，做一個測試，假設在Ad Set層面，你要測試5個不同的目標受眾，在Ad層面，你有5張不同的廣告圖片、5個不同的標題、5個不同的廣告文案，那麼只針對一個目標受眾，會被呈現5X5X5=125個廣告，你需要管理5X125=625個廣告。
假如加入年齡、性別、地區等所有可能的組合，這樣廣告會達到5000個（40個Ad sets X 125 Ads）。但是，創意不是越多越好，因為你的預算有限，你需要找到對ROI（CTR或CVR）影響最好的那個因素。所以，我們要根據影響力大到小進行測試。
3.4 AB測試流程：按計劃開始測試
雖然一個測試只可以改變一個因素，但如果你有足夠的預算和受眾，你可以同一時間測試數個AB測試。一個AB測試的因素變化要合理，不能太多，比如你不能做一個測試用20個不同的圖片來試，一般2~5個就夠了，最多一般不超過10個。
從大到小的差別測試
素材如何測試？我們可以做從大到小的差別測試，測試3-5個比較大區別的變量，比如測試三張風格差別較大的圖片素材。然後再對上面表現較好的圖片風格進行統一風格、進行不同設計點的對比，比如背景色、左右擺位、是否有圖標或者CTA等。
另外，建議要有足夠的測試體量，即每個AB測試元素最好有100個以上的點擊或轉化，然後進行對比，如果能有300到500個會更好。另一個問題就是，AB測試需要多久才對比結果？
答案是24小時開始，比對2到3天，但這沒有絕對的說法，需要基於你對預算成本的要求。
還有很多初級優化師不知道AB測試後幾天可以進行結果驗證和下結論，3天、5天、還是2周？或者兩個測試結果很接近，比如0.312%和0.299%？像這種情況，我們最好先別下定論。比如下圖，左邊點擊27，右邊點擊28，很明顯測試體量不夠，如果兩邊各加2個0，那差別就很明顯了。
測試比較細微差別的變量，是很多老司機在做AB測試一個常犯的錯誤，比如只改變廣告語的一個單詞或一行字，或者是圖片中不太明顯的地方。
最後，我們需要根據AB測試結果，來確定優化方案。
4、如何製作數據報表
製作數據日報和周報表，是推廣人員日常重要工作之一。接下來，我們來講一講，如何製作你的數據日報和周報表。
4.1 日報與周報
日報：簡單明晰，主要用於日常數據監測，重點在於第一時間發現問題。
周報：趨於分析報告，目的是分析原因和提出解決方案。
4.2 日報數據報表怎麼做？
一份完整的日報表應該包含哪些部分？
- 帳戶結構說明
- 數據源
- 透視細分分析
- 重點數據匯總
- 日總結和下一步
如何生成數據源？
首先我們從廣告管理工具中進入 Facebook 廣告報告後台，勾選我們需要的選項，先點擊 「 細分選擇 」，然後再點擊 「 指標選擇 」。
這裡需要注意一下， Facebook 的成效率不是轉化率，而是轉化除以展示，而轉化率是轉化除以點擊。最後我們點擊右上角的 Export 導出報表，選擇xlsx格式文件，建議別選CSV，因為CSV對某些長串數字尾數會出現顯示出錯的狀況。
從Facebook後台 導出上面這張表之後需要對數據進行處理，比如我們在設計廣告組的名字的時候按照性別、年齡、愛好、素材類型、時間、版位、預算等命名的，需要把他們分開一列一列，便於我們一會最數據透視表，具體操作看下圖指示，我這裡就不展開了。
通過分列拆分欄位
分列好的數據入下圖：
通過分列拆分欄位，並根據日數據透視表分析數據，通過數據透視表，我們就可以去拖拉對比各種不同維度的測試效果和廣告表現。
每日總結和計劃
4.3 如何撰寫周報？
日報和周報每個人的習慣都一同，屬於個人管理和團隊管理範疇，我直接分享幾個以前帶團隊的日報和周報大家參考吧。
5、廣告效果診斷與優化（重點）
5.1 數據分析看什麼
首先你要明白數據分析到底在看什麼？其實大家在前面做AB測試的方案的時候， 就已經需要有數據分析的意識了。其中那些測試變量的設置，其實就是為後面做數據分析而鋪墊的。
而數據分析的任務，具體可以總結為以下3點：
1 在趨勢分析中發現數據異常點
2 對比分析界定問題範圍
3 多維度細分，發現問題背後的原因
在做優化前，你要規劃好自己的投放流程和調整策略 ：
我們把不同表現的廣告分成下面四個象限。
對於不同表現的廣告的調優，躍升一個象限是比較容易的，兩個比較難。當做數據分析的時候，我們需要用到四象限，如下圖。
5.2 廣告效果診斷
接下來就是大家最關心的部分了：當經過一系列的維度和指標分析後，我們發現廣告效果不好怎麼辦？
為了讓大家有個更清晰的認知，我整理了一個廣告投放診斷思路圖。廣告效果不好，一般有三種情況：成本高、展示量少和投入產出低。
詳細拆解可以看下面三種情況。
5.3 CPA點擊成本高
首先呢我們來看這個點擊成本高，我們可以把它拆解成點擊成本高或者是CTR點擊率低：
流量成本高
1 那麼流量成本高，我們又可以把它拆解為為競爭環境的加劇和出價偏高，那如果是競爭環境加劇的話，這個時候呢我們就可以詢問一下媒體的一個ECPM值是不是在整體上漲，或者那比如說現在是不是節假日，那麼大家都在搶量，所以ecpm值肯定在上漲，節假日流量成本就會高。
2 那麼第二個可能就是我們現在目前的一個出價是偏高的，那這個時候呢我們需要去測試一下，那到底會不會是我們的測試偏高導致這個流量成本過高。
點擊率CTR低
那麼其次是我們的點擊率比較低，那點擊率比較低，又可以拆分成3個原因：
1 第一個呢是我們的創意吸引力比較低，那創業吸引力比較低，可能就有可能是因為我們的定向人群過於的寬泛，可能吸引到很多非目標受眾來看到我們的廣告，所以他最終沒有人點擊。
2 那麼第二種就是我們目前的素材，其實沒有人吸引到我們目前的目標受眾來點擊我們的廣告；
3 而另外一個原因可能是我們目前的一個OCPM的模型沒有穩定，為什麼會出現這個情況？第一個呢可能是我們的轉化追蹤設置比如pixel設置或者目標設置不到位，那渠道媒體可能是看不到一個真實的一個轉化數據，所以它的一個流量模型是判定錯誤的。第二是現在還沒有足夠的一個轉化數據，因為ocpm機器是需要一定時間和點擊量學習的。
5.4 流量少
那麼下面呢我們再來看看啊就是第二種就是我們的展示或轉化量少，我們就可以把它拆解成兩個原因。
那第一個就是我們預算不足，那預算不足呢可能就會導致過早的下線，又或者說我們的預算分配其實並不合理。
那麼第二個就是消耗不足，那麼消耗不足呢首先就是展現量少，那展現量少，就是拆解起來就是我們的一個ECPM值比較低。
ECPM值比較低，其實也是CPC,CTR或者CVR過低，那麼我們要看一下具體是哪個環節出了問題，那比如說是CTR點擊率比較低的話，那就回到剛剛那個成本高的那個圖裡面，我們看看怎麼去解決這個點擊率比較低的一個問題。
5.5 廣告ROI低
那麼第三點就是我們的ROI投入產出比比較低，那投入產出比比較低，可能就會主要有四種可能性了。
比如說我們的定向人群過於寬泛，然後吸引到很多非目標人群，那所以用戶自然就不會最終完成轉化了，因為他本身就不想買這個產品，那這個時候呢我們可以嘗試去逐步縮小我們的定向範圍，去測試一下這個ROI是否有提升。
那第二種其實素材吸引的不是目標受眾，這個需要分析用戶需求，可以去嘗試一下疊代素材。
那麼第三點呢是我們的著陸頁不能說服目標用戶，那其實也是我們的著陸頁的問題，那這個時候呢我們可以去疊代我們的著陸頁。
最後還有可能是我們的銷售的後續跟進不及時，那這如果是這個原因，我們需要跟我們的商務同事一起深入溝通。
6、All in One 實戰案例
接下來我拿一個具體的案例給大家演示一遍整個流程（記得舉一反三）：
首先我們的目標是，降低某款遊戲App 的安裝成本CPI/CPA
目標：優化到7塊以下
一般來說我們會測試3天左右，希望把廣告優化到單次成效7塊以下。
現在，我們就拿一個案例三天的效果進行分析優化。
點開這個廣告組，我們可以看到最近三天的趨勢，從上圖看到CPA都是逐步降低的，趨勢效果有變好，證明有優化空間。那我們可以進行細分，分別可以對年齡、對素材拆分進行AB測試。
測試方案
那麼我們先制定一個變量的測試方案，注意區分下測試的優先級
人群定位變量
比如我們可以把目標人群分成三個年齡層，27到29歲，30到32歲，33到35歲，按性別區分，拆成6組。
根據變量的表現進行調整
比如根據下面的素材變量表現趨勢調整優化方向
如果看到成本是逐步上升的，我們就按照前面說的診斷決策樹去分析原因。
當進到廣告組發現單次成效費用是逐步下降的，這就證明了這個廣告組目前跑的效果不錯，可以考慮加大預算和拓量。
對比版位後發現不同素材類型的效果
這時候我們可以跟設計溝通、申請預算和人力做更多的視頻。
進一步分析後得出：女主播類視頻效果最好，其次新角色類。女主播是考慮到受眾以宅男居多，而新角色也能吸引喜歡同類遊戲的玩家。
再進行人群細分對比，我們發現27到35歲年齡段男生效果最好的，而普遍男生效果也比女生好，結合遊戲的特性（宅男類遊戲，你懂的），覺得我們的測試結果複合邏輯。
按時間段分析和優化
除了日常每天優化，在階段性復盤的時候，我們也可以對一段時間的數據進行分析。
除了可以用於自我復盤總結外，通常在我們向老闆或甲方匯報時也會可以用到，比如希望向老闆要更多的資源（預算、人員配置、設計師資源、產品優化資源）。
還是回到這個案例：
把時間拉長，看到上面這幾個波峰和波谷的時間段的廣告表現，你一定很想知道發生了什麼引起的。
經過分析我們得出以下的推斷：
6
總 結
最後給大家做一個總結吧，直接看圖，但船長提醒大家，因為產品和業務千差萬別，這些都是參考建議，大家不要生搬硬套，一定要舉一反三。
文章內容加上PPT都不知不覺又寫了超過1萬字了，其實可以分享的遠不止這些，隨便一張PPT單獨拿出來講都可以講至少一個小時，都展開的話可以寫成書了。這裡儘可能把整個流程寫出來了，希望對大家有幫助。