情報フロー広告の運用データ（1,000本の動画の配信データを調査した結果、運用パターンを本当に検証した人がいました...）

1,000 本のビデオのデータを研究した後、実際に実行音量パターンを検証した人がいます...

長年広告業界で働いてきた私が、周囲の多くのオプティマイザーにオプティマイザーの最も重要な能力は何だと思うかと尋ねたところ、全員が概ね 2 つの点を挙げました。一つは大量の資料を作成したり、感性的に感知する能力であり、もう一つはデータ分析能力です。

しかし、具体的にデータ分析をうまく行う方法や、分析する必要があるデータは何かを尋ねると、ほとんどすべての人の答えは、クリックスルー率、コンバージョン率、CPM、コストなど、似たようなものです...どのように最適化するのでしょうか?クリック率が低い場合は、素材の魅力を最適化します。コンバージョン率が低い場合はランディングページを最適化しましょう... 少数の最適化担当者は、3 秒再生率や完了率などの指標が重要だとも言いますが、さらに一歩踏み込んで、3 秒再生率は実行ボリュームにどの程度の影響を与えるのでしょうか。どのような影響がありますか?多くの人が混乱するかもしれません。

01

従来の情報フローデータ分析

ここでは、従来の情報フローデータ分析がどのようなアクションを取る可能性があるかについて簡単に説明します。

①クリック率、コンバージョン率、再生率、CPCなどを見て、素材の質を大まかに分析します。

②コンバージョン率、直帰率、閲覧進捗状況などを見て、ランディングページの魅力度を確認します。

③ 時間的傾向と期間データを確認し、規模とコストの傾向と組み合わせて分析します。

④人口レポート、年齢、性別、地域分布などを見て、質の高いコンバージョン人口を決定します。

⑤……

上記はすべて正しく、具体的な詳細化も非常に体系的なデータ分析です。

しかし、ビデオ素材が一定のボリュームに達しない場合、または素材が一定のボリュームに達した場合、データの観点から見たパフォーマンスはどうなるでしょうか?データ分析において他にどのようなブレークスルーが見つかるでしょうか?

巨大なバックグラウンドレポートでビデオ分析テーブルをエクスポートすると、非常に多くのコンテンツが表示されます

こんなに大量のデータがある場合、従来の表示、クリック、消費、変換以外にどのように活用できるのだろうかと考えていました。実際、従来のデータを長い間研究すると、そのデータが歪んでいることがよくわかります。クリックスルー率やコンバージョン率が高いからといって、必ずしもボリュームが大きいということにはなりません。また、インプレッション数が多いからといって、必ずしもボリュームが大きいということにはなりません。大量取引に関しては、各種指標に特別な利点はないようです...「デリバリーは形而上学だ」と言う人がいるのも不思議ではありません。

02

ランニングボリュームの総合的な指標を持つことは可能ですか?

その後、一連の調査を行った結果、以下の指標がランニング量に影響を与える可能性があり、データ分析の際に考慮できることがわかりました。

1. 入札指標: クリックスルー率、コンバージョン率、入札、ecpm... 誰もが知っていることですが、

2. 完了指標：3秒再生率、有効再生率、99%再生完了率など

3. インタラクション指標: コメント数、シェア数、いいね数

4. マイナス指標: 報告、関心の欠如。これに気づいた人も多いかもしれません。

しかし、これらすべてを考慮し、上記の 4 つの指標を単純に計算して「総合的な指標」を導き出す公式はあるのでしょうか?総合指標が高ければ高いほど、数量成長を達成する可能性が高くなりますか?理論的には、そうではありません。システムの観点からは、影響を与える指標がさらに多く、アカウントの重み、群衆の属性、競争環境、人間の介入、低品質の素材のフロー制限など、私たちには見えない要因があるためです（「どのような素材が低品質と判断されるか」という点だけがブラックボックスであり、これはメディアにおける大まかな選別と細かい選別のプロセスです）。

ここで、広告が表示されるまでに 10 個のプロセスがあることを知らない最適化担当者もいるかもしれないことをお伝えしたいと思います。

1. このトラフィックレベルでユーザーが開始した広告リクエストの数

2. 広告ターゲティング範囲外のユーザーリクエストを除外した後に残っている広告リクエストの数

3. 同じ種類の広告を何度も閲覧したユーザーからのリクエストを除外した後の残りの広告リクエストの数

4. 広告への関心が低い、または素材のスタイルが不適切などの理由で除外された後に残っている広告リクエストの数。

5. 利用可能な予算と残高が十分でない広告を除外した後の残りの広告リクエストの数

6.大まかなランキングを入力した後に、正常に配置される確率を推定する

7.改良されたランキングに入った後に、正常に配置される確率を推定する

8. ECPMランキングに参加する

9. ECPMの入札が勝利

10. ユーザーコンテンツとミックスした後、ECPM入札が勝利

ここで、粗いソートと細かいソートの両方を最適化を通じて直接制御および調整することは困難です。相対的に言えば、上で述べた 4 つの指標は最適化担当者にとって目に見えるものであり、比較的制御可能です。

強調する必要があるもう 1 つの点は、最終的にどのような指標を分析しても、その指標が材料が大量に流通しているかどうかの「答え」を示すものではないということです。アルゴリズムレベルでは、私たちが行うデータ分析がボリュームに与える影響は限られているという意見には私も大いに同意しますが、最適化は依然として「最善を尽くして残りは運命に任せる」仕事であり、私たちが見ることができる範囲内で最適化するために最善を尽くす必要があります。

03

情報フロー動画広告の実行ボリューム指標を調べるにはどうすればよいでしょうか?

では、他の要因（ブラック ボックス要因）が同様であると仮定すると、同様の実行ボリューム指標を見つけることは可能でしょうか?私のアイデアは、実行ボリュームの結果を使用して逆方向に作業することです。まず、すべての動画素材の配信データをエクスポートし、各素材の各種指標を比較します。各材料の最終的に計算された総合指標も降順に分布している場合（完全に一貫性を保つ方法はなく、この傾向を示すことしかできません）、私たちは「おそらく正しい」式を見つけたことになります。

以下は、私が独自の調査中に使用した式の例です。

入札指数 = クリック率 * コンバージョン率 * 2 と仮定します。

（テストしたアカウントでは入札に明らかな違いはなく、自動入札も開始されていなかったため、比較する際に入札係数は考慮しませんでした）

インタラクション指数 = (コメント + シェア + いいね) / 有効再生数 * 1000 / 4 と仮定します。

総合指数 = 入札 + 完了 + インタラクション - マイナス * 2 と仮定する

これらの式はどこから来たのでしょうか?なぜ 2 を掛けて 4 で割る必要があるのでしょうか?実際のところ、それは単なる大胆な仮定＋検証です。このプロセスでは、パラメータと計算方法を繰り返し調整し、最終的に総合指標の結果を実行量の結果と可能な限り一致させる必要があります。

そして、調整の過程では、どの要素がランニング量に大きな影響を与えるかを考える必要があります。たとえば、競合指標は非常に重要で、より高い重み付けが必要だと思うので、2 倍にします。相互作用指標はそれほど高い重み付けが必要ではないかもしれないので、4 で割って指標を下げます。

同様に、再生インジケーターの計算方法もテストできます。 3秒の再生の方が重要ですか?それとも、99% の再生進行の方が重要ですか?それとも実効再生率の方が重要なのでしょうか?インタラクション指標では、コメント、共有、いいねが均等に重み付けされていない可能性があります。これは、いいねや共有の方が重み付けが高く、コメントの数は重要ではないためでしょうか。興味があれば、これらの方法で計算してみてください。

最終的に、図に示すようなデータ分析テーブルが得られます。

（消費量や表示量の少ない材料は除外する必要があることに注意してください。データが少なすぎると、参考として意味がない可能性があります。）

これらは何の役に立つのでしょうか?

1. ビデオ資料のさまざまな指標にさらに注意を払うようになります。たとえば、わずか 2 日後には資料の量が突然減少します。クリック率やコンバージョン率は変化していないのに、マイナス指標が増加している可能性があります。同時に、完了データがボリュームにどのような影響を与えるかも大まかに知ることができます。一部の素材は再生データが悪いかもしれませんが、入札指標が高すぎるため、音量が非常に高くなります。

2. テストによりいくつかの検証結果が生成されます。たとえば、競争指標の影響が最も大きいことがわかりました。クリックスルー率やコンバージョン率を上げることは有益ですが、単一の指標を盲目的に改善しても意味がありません。例えば、クリック率が低いと思って、誘導クリックを増やす素材を制作すると、コンバージョン率は確実に下がり、この素材の競争力は依然として強くありません。それに比べて、素材を変更せずにランディング ページを最適化する方が有用です。

3. 消費量が少ない状態では、材料の品質やライフサイクルを事前に判断することができます。たとえば、ある素材の入札指数は高く、ボリュームも稼げるかもしれませんが、そのインタラクション指数と完了指数は常に低いままです。この場合、減衰が早くなる可能性があるため、他の材料をすぐに確保する必要があります。インジケーターの特定のライフサイクルについては、さらにテストする必要があります。

4. 実は、率直に言って、この分析の結果は重要ではありません...言い換えれば、その役割を過大評価する必要はありません。それは、分析プロセス中の私たちの考え方、データに基づいてさまざまな資料をどのように判断するか、さらにはアカウント間の違いがどこにあるのかということに関するものです。

上記は一定期間後の集計結果です。多くの物質にはサイクルがあることがわかっています。今日は良くても明日は悪くなるかもしれませんし、ある日は突然ボリュームが増えても別の日は突然ボリュームが減るかもしれません。

そのため、消費傾向と組み合わせたいくつかのランニングマテリアルのデータを確認することもできます。例えば：

上記の消費量は一定期間内の総消費量であり、総指数状況です。消費量が最初の材料は 5 番目のインデックスを持ち、消費量が最初の材料は 6 番目のインデックスを持つことがわかります。これらの材料の消費動向を総合すると、消費量が最も多い材料は初期段階では確かに増加の波がありましたが、その後減少し、指標を引き下げました。実際、この指標は、ボリューム増加期間中は 20 を超える必要があります。

指標1、消費材料6については、1週間ほど調査したところ、確かに増加しました。したがって、指標が高くなるほど、ボリュームを増やしやすくなるという傾向があります。さらに、これらの材料の毎日の指標レポートを抽出して分析し、どの指標の変化が材料の減衰プロセスを引き起こしたかを調べることができます。これもある程度参考になりますが、ここでは詳しくは触れません。ここでの論理と思考の方向性を誰もが理解できれば十分です。

すると、私が測定した式が何なのかを尋ねてくる友人もいるかもしれません。これは適用できないと思います。理由は次のとおりです。1. まず第一に、これは私の個人的な意見であり、アルゴリズムの「答え」ではありません。あくまでもデータ分析の参考であり、盲目的に信じることはできません。 2. この式の導出過程で分析したアカウントと業界データはそれほど多くありません。他の業界やアカウントには当てはまらないかもしれませんが、誤解を招く可能性があります。 3. この考えを念頭に置き、あなた自身の説明と資料に基づいて資料を分析することをお勧めします。何かを要約することができれば、私が測定した式を取得するよりも大きな利益になります。

最後に、もう少しだけ付け加えておきたいと思います。自分のアカウントと業界でおそらく正確な指標式を見つけた場合、その指標だけに焦点を当てないでください。目に見えない「ブラックボックスインジケーター」が多数存在し、それらはあくまでも参考情報です。さらに、これは実際の意思決定に限られた影響しか与えません。結局、大量に販売できる素材の形や種類、コピーライティングに戻る必要があります。同時に、素材の均質化を避け、ユーザーに還元することで、より強力な創造力と最適化能力を持つことができます。