技术就是生产力，关于苹果搜索广告，人工智能有话说！(2)

我们都知道在做品牌营销时，有一项技巧是借势营销，无论是硬传播还是软传播，都热衷于这一招，因为热点是用户爱看的，无论是一个人物还是一个事件，最终都会落到一个关键词上，蹭上这个词，就能蹭流量。 

在ASM优化上，首先就是选词，热词之所以热，是因为有时效性。但是在热词的转化上，要追溯它所能带来的真实转化率，它值得被匹配的合理价格？以及这个词何时下架？长尾词由如何选择与使用？用人的经验判断是无法做到数字的精确性。关于词的效果量化与实时优化变得很重要，而这些工作，唯有人工智能可以更好地完成。 

按照传统的做法，我们会根据第三方工具筛选一些指标比较高的关键词，然后依据经验进行拓展得出一些新的组合词，此外苹果也会提供几十个流行度高的词。在众多词中，依靠人工经验的投放结果做优化。这个过程是缓慢的，基于人的认知边界与局限，你也许认为某个流行词是好的，所有大量使用某流行词，但结果未必是这样。 

人工智能的做法是这样的。将诸多关键词放入大数据池中，由于关键词会受行业性、热点事件、时间、竞争对手的竞价等各种因素产生变化，给定机器一些判断参数，如搜索指数、搜索结果、流行、搜索排名、年龄、地域、时间段，通过机器学习，进行反复筛选，最终找出几百上千个更有价值的关键词。在实际投放中，再给定一些评判指标：下载量低、CPT高、点击率低、转化率低、CPA高的词，不断将这些词列为否定词，淘汰词。在投放过程中，再不断地迭代优化关键词。人的经验判断加上机器智能的客观、实时判断与结果评估，对于关键词的把握变得更准确，词的投放结果也更有效率。 

在一次ASM测试投放中，通过人工智能选词之后进行投放，发现行业词的转化率明显高于竞品词与品牌词，品牌词虽然转化率较好，但是竞争价格较高，使得自身品牌词的CPA超出平均水平。根据人工智能基于评断指标给出的数据分析，我们及时减少竞品词的投放数量，将转化率低的竞品词或品牌词列入否定词；同时降低品牌词的竞价价格，适当提高行业词的竞价价格。并重点迭代优化行业词，拓展行业词在关键词中的覆盖以提升相关性。 

进一步迭代优化后，从投放数据看出，通过降低自身品牌词的过强包含，明显降低CPA成本。 虽然整体的转化率有所下降，但是通过对行业词的优化拓展，和对竞价价格的合理优化，在投放总金额基本相同的条件下，转化用户数有大幅提升。

2、智能定向：从用户场景出发，其结果是更高效

苹果竞价广告刚出来时，不少人提出它毕竟有明显的广告提示，而部分消费者是抗拒广告的，所以这是苹果竞价广告的硬伤。从另外一个层面来说，广告看你投放给谁。ASM是连接用户最快的办法，这个用户指的是真正有需求的用户，而不是那些完全不需要的群体。 

广告从什么时候开始变得不令人讨厌了？因为它变软了，更因为它是你恰好需要的。人工智能的出现，精准营销才真正落地了，消费者总能收到自己真正感兴趣的内容推送。比如我今天在PC端搜索一条北京-长沙的路线，晚上收到去哪儿的短信，声称北京-长沙的飞机票折扣快结束了。我的手机里仍然有很多不精准的信息推送，但是那些精准的推送从来不会令我讨厌。 

同样的内容推送给不同的人，结果大不相同。再比如喜欢玩游戏的，你推送一个更好玩的游戏给他一定更高效。包括FEED流广告、DSP短信推送，这些内容与方法的本身并没有任何问题，问题在于你能否触达到那些真正的目标消费者。大数据公司通过人工智能、机器学习对消费者精准定位，再进行DSP推送，其转化可以做到5%-8%，远高于企业自身通过渠道推广的转化率1%。 

关于苹果竞价广告，展示量是一方面，用户的下载率才是最大的考验。排除品牌因素外，如果推送给那些真正需要的目标用户，下载与转化就不是问题。 

通过人工智能的深度学习，大数据技术建模分析，可以对APP用户进行精准的用户画像，这是了解用户的第一步，用户画像可以对APP定向投放给出最基础的参考依据。此外，在实际定向投放，不断优化，增加定向维度，最终也能带来转化率的提升及CPA的下降（参见上文图表）。 

在实际操作中，还可以根据消费者行为数据的挖掘：基于时间动态制定价格，基于年龄、性别可以对价格进行实时优化调整。如何获知这些数据，就需要机器学习不断的搜集，发现。需要指出的是，关于智能定向，苹果后台的人群维度数据只能对单一维度进行分析，这在实际投放优化中有明显不足。量江湖的细分定向数据，可以明显区分不同维度的人群的转化数和平均CPA的不同，为广告主下一步筛选人群定向提供可靠的数据依据。比如通过人工智能可以对人群进行多维度定向分析，包括性别、年龄、地域、时段。还可以根据不同App的实际情况进行定制化划分。 

以年龄段定向投放为例，当我们把定向2段的数据变为定向6个段时，如下图所示，从定向维度数据中可以看出，25-34岁的男性用户是转化最高的用户，且CPA价格较低；而55-63岁的男性用户的CPA价格明显过高，且转化量很低，这个维度的用户在后续投放中可被取消。进一步的定向优化也可以将55-63岁的女性用户排除。以此类推不断优化，当有更多维度加入一起分析，人工智能可以给出更精准的答案。

3、智能投放：实时高效优化迭代，总能准确把握那个最佳值（更低CPA VS更多下载量）

传统的人工投放，是这样的，选词之后，设定周期及金额，设置广告策略，进行广告投放，查看结果。期间账户结构设定繁琐，耗时长，每次只能进行一个策略，当投放行为量大时，需要动用大量人力，最终获得的CPA成本高，调整过程也困难。 

加入人工智能投放，可以实现对关键词实时高效的分析与筛选，之后依据设定的指标，进行一键千组的匹配。自动投放过程中，机器会智能地学习并实时更新词库，依据指标实时评估每一个关键词的效果。人的操作是关键节点的停止，参与设置投放策略，参与优化，参与设定指标，参与机器建模与训练，人工与机器是不断交叉工作的。 

（编辑：ASP站长网）