應用商店推廣實戰教程：巧用相關性分析，優化廣告位資源配比

編者按：本文來自互聯網數據官（iCDO）原創作者 齊雲澗 投稿。

去年我帶了一個網服客戶，在某應用商店上推廣APP，投放量級一天幾十萬。

當時一直很頭疼的問題是，媒體方不允許監測各廣告位的激活，而僅從前端的 曝光、下載、消費，難以判斷各廣告位的優劣。

明明知道，某些廣告位的轉化不好，但因為客戶的KPI對量有要求，只能硬著頭皮、憑經驗繼續投。

我接手客戶後，提了幾個解決方案：

方案一：

將目前正投放的6個廣告位中暫停3個，再加上自然量，合計4個下載量來源。一周後，暫停6個廣告位中的另外3個，開啟已暫停的3個，以此類推。

原理是：通過減少變數（即下載來源）的個數，來降低評估不同變數（即下載來源）對某一指標（即總激活量）的影響的難度。

這個方案的思路是很好的，但並不適用於這個客戶的實際情況：下載來源分布高度集中。

下圖是近1個月的 各下載來源的佔比分布，可以看出：

自然量、精品、裝機必備 三個下載來源已佔到70%以上，其他資源 也能佔到10%左右，暫停廣告位的測試方案很容易引起賬戶的流量波動，所以考慮方案二。

方案二：

基於統計學的廣告數據定量分析，研究各下載來源與總激活量是否存在顯著的相關關係。

相關性越強的下載來源意味著對激活量的貢獻越大，即下載激活率越高。

開始分析。

這裡以 IBM SPSS 23為例，將下載量和激活量的數據導入。

進行相關分析，結果如下：

數據顯示，激活量與不同下載來源的相關關係是：

強相關（>0.8）：激活-精品、激活-搜索、激活-自然量

較強相關（0.6~0.8）：激活-排行榜、激活-其他資源、激活-紅包專場

一般相關（0.4~0.6）：激活-裝機必備

因為不存在第三個明顯變數（具體解釋在文末），這裡的相關關係可視為因果關係。

換句話說，數據顯示，針對該App在該應用商店的下載激活率的排序是：

精品、搜索、自然量 > 排行榜、其他資源、紅包專場 > 裝機必備

隨後，我們進行了出價、預算、時段等控制，重點提高了轉化較優的廣告位。

下圖是優化期間 各下載來源的佔比分布，可以看出：

精品的下載量佔比提到了近10個百分點，其他資源佔比逐漸降低至0，搜索的佔比也在增加。

裝機必備的佔比有較大幅度波動，主要原因：由於競爭對手做活動，精品的流量不穩定；KPI對量有要求；裝機必備的新客率較高。

下面是最最重要的數據，能證明方案二顯著的優化效果（激活成本持續下降、下載激活率持續上升）

最後，還有一點漲知識的Tips

相關關係不代表因果關係！

相關關係不代表因果關係！

相關關係不代表因果關係！

講一個冰淇淋與犯罪的經典統計學故事吧。

在美國的中西部的一個小鎮上，人們發現一個很有趣的不合邏輯的現象，就是冰激淋的消費量越高，犯罪率越高。這時候有人在想，如果人為控制改變冰激淋銷量，是否可以改變犯罪率。

答案是否定的。常識告訴我們，冰激淋與犯罪無關，之所以在統計上存在正相關是因為天氣。

冰激淋的銷量與天氣緊密相關，天氣越熱銷量越高，同時，天氣越熱，人越容易在室外活動，越容易開窗（導致偷盜概率增加），女性越容易穿著暴露（導致性犯罪增加），人的心情也越煩躁（導致衝動型犯罪增加）。

故事中，看似相關的兩個變數（冰激淋的銷量）（犯罪率）是高度相關的，但實際上都是受第三個變數（天氣）的影響。

而在上文的數據分析中，精品、裝機必備等下載來源與激活量之間不存在明顯的第三個變數，故可以判定變數之間的相關關係即為因果關係。

以上內容純粹經驗之談，不足之處還請見諒！

關於作者

齊雲澗 原創

重慶大學市場營銷、西南政法法學雙學位，致維科技營銷分析師，擅長應用商店推廣、信息流推廣、廣告數據定量分析。iCDO翻譯志願者。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！