更多技术交流、求职机会,欢迎关注字节跳动数据平台微信公众号,回复【1】进入官方交流群

“我知道在广告上的投资有一半是无用的,但问题是我不知道是哪一半。”

——零售大亨约翰·沃纳梅克

这句经典名言,被称为广告界的哥特巴赫猜想,它道出了广告效果衡量的难点,同样也击中了无数广告主的痛点——企业有一半广告费都是被浪费掉的。

广告投放的效果很多时候常与玄学画上等号,但却也是公域营销不可或缺的一环。科学的衡量广告的效果,适时做出策略调整优化转化率,一直既是业界的重点、热点、难点。

如何让企业在广告投放上的每 1 块钱都花在刀刃上?火山引擎 DataTester 或许可以交出一份高分答卷。

DataTester 是字节跳动内部应用多年的 A/B 实验平台,2020 年通过火山引擎面向外部企业开放服务。平台自建立至今,承载了字节 500 余个业务线的 A/B 实验任务,累计已开展过 150 多万次实验。

广告实验是 DataTester 的一大特色能力之一。DataTester 基于自身在因果推断和统计科学方面的深刻积淀,结合字节内部用户增长以及广告算法建设的诸多实践,探索出了很多行之有效的广告效果衡量方法和提升策略。

本文将分享 DataTester 在广告投放场景下的实践经验。

为什么 A/B 实验能提升广告投放效率?

在互联网时代,企业该如何做好广告营销,持续驱动盈利增长呢?

从对字节跳动多年的业务总结来看,实践给出的方法论指向是:50%靠创意,50%靠营销科学。

在广告投放的场景下,一线广告优化师通常会创建多个计划,去测试不同的广告素材效果。这套方法看似科学,实际上却问题多多:

  • 广告计划过量,会对流量造成相互挤压争抢,流量无法平均分配,就难以获取科学的效果对比数据;

  • 广告受众没有实现隔离,如果同一用户可以看到多组广告,则测试结果无法保证科学性;

  • 广告计划过多,会抢占宝贵的营销经费配额,并浪费广告优化师大量人力。

这些问题导致广告投放时,企业浪费了大量的时间精力和金钱,也未必能得到科学量化的的有效结论。

图源:视觉中国

而通过科学的 A/B 实验,可以确保在广告投放中,实现精准的流量分配、受众隔离,获取最为科学的数据统计结果;与此同时,在多个广告计划创建的过程中,性能优越的 A/B 实验平台可支持方案的智能化设置,节约大量人力。

  • 广告方案设计:可根据 A/B 实验的效果选出最佳方案;

  • 广告效果验证:通过 A/B 实验可以达成“快准稳”的效果检测,让大胆创新、快速试错成为可能;

  • 广告问题定位:通过 A/B 实验可以快速定位投放效果不佳的问题原因,避免低效而昂贵的错误迭代。

总结来说,科学的 AB 实验平台,能够确保广告在方案设计、人群选择、渠道定位等每个决策环节,都能获得正向的收益,从而在广告投放时,产生正向反馈越滚越大的复利效应。

字节跳动的广告优化经验分享

字节跳动副总裁、算法和数据技术负责人杨震原曾在火山引擎 A/B 测试开放日中讲述过,“字节跳动成立之初,今日头条就在做策略推荐类的 A/B 测试。2016 年正式建立了支持大规模产品试验的 A/B 测试平台(DataTester),之后陆续接入抖音、西瓜视频等全线业务,把 A/B 测试应用在产品命名、交互设计、推荐算法、用户增长、广告优化和市场活动等方方面面的决策上。”

字节是一家有着深厚 A/B 实验基因的公司,广告实验是 DataTester 全域营销场景下的重要一环。

针对企业在营销场景上的诸多痛点,如人工实验操作繁琐,广告效果难度量、优化无从下手;效果数据来源分散,人工分析费时费力;投放严重依靠人工经验,一线优化师彻夜盯盘、精疲力尽...等等问题,DataTester 提供了全套的广告优化解决方案:

  • 实验智能化调优:基于业界一流统计学专家的算法模型,依照广告效果动态分配流量,实现收益最大化;

  • 打通前后链路数据:支持主流广告渠道的监测能力,实现了后链路数据的打通,助力更科学的效果归因;

  • 打通人群数据:支持与 CDP 人群管理平台深度打通,广告可实现基于用户标签和人群画像的精准投放;

  • 跨渠道广告投放能力:集成包括巨量引擎在内的主流广告投放平台,实现一站式广告素材创意管理、批量广告创建投放、多渠道广告效果监测;

  • 集成建站平台:与多个建站工具深度合作,打造广告落地页搭建和 A/B 实验创建的无缝体验,大幅降低实验门槛。

点击查看大图:DataTester 全域营销场景解决方案

针对具体不同的场景,DataTester 提供了拆分对比实验、落地页优化实验等多种实验类型,方便用户更加便捷地基于实验进行迭代:

  • 素材拆分对比实验:判别更有爆款潜力的广告素材

  • 人群拆分对比实验:判别与产品广告更匹配的人群

  • 增效度量实验:通过人群分流+问卷投放两种形式结合,评估品宣效果

  • H5 落地页优化实验:判别营销页面转化效率

DataTester 广告实验的几种细分类型

DataTester 广告实验的特色优势

基于 10 年的技术经验打磨,DataTester A/B 实验平台已经做得极为易用,广告投放实验支持通过可视化的手动拖拽等形式,自主编辑实验版本,并获取数据报告。

没有研发团队的企业,以及没有代码经验的广告分析师,也可以快速上手使用。

广告实验作为 DataTester 在全域营销场景的重要解决方案之一,也打磨出了一些独具优势的核心能力。

爆款广告智能创作能力

“爆款素材稀缺”、“起量难”是广告主最常见的痛点。作为信息流广告的核心——素材的优质程度,是决定广告能否起量的关键。

近年来创意素材的生产数量爆发性增长,在巨量引擎平台中,每天新增的视频广告创意素材有 70 万条,还不包含平台上的存量素材数量。

DataTester 与火山引擎的智能创作云合作打通,可提供 10 余款简单易用的创作工具,无需人工剪辑,智能批量化生成各类具有“爆款基因”的广告素材。用户不需要有各类专业软件的使用能力,即可创建广告素材并开启 A/B 实验。

分流技术深度融合广告算法

随着数据驱动科学增长的理念在国内渐火,市面上声称能“帮助广告主对广告投放进行算法优化”的三方服务商越来越多,其中不乏声称能够进行 A/B 实验的厂商。

然而,基于 A/B 实验的基本原理,真正科学可信的 A/B 实验离不开对流量的精准控制和科学分流。但当今主流大型广告平台,由于在广告推荐算法中嵌入实验分流的技术复杂性,很少能够做到向三方提供完备的分流能力。

因此,市面上多数三方服务商提供的所谓广告投放 A/B 实验能力,更可能是徒有其表,噱头成分偏多,其数据偏差之大并不足以支撑得出可信的实验结论。

如图为极度简化版的广告平台分发流程,大型广告平台的实际流程会复杂得多。

火山引擎 DataTester 基于字节跳动在抖音、今日头条等信息流产品中的多年实践经验,探索出了很多行之有效的广告效果科学度量和提升策略,可以完成面向大规模人群的精准分流。

  • 人群隔离:DataTester 可确保实验中的不同实验对象不会展示给同一用户,一个用户最多只能看到实验中的一个计划广告方案;

  • 竞争公平:DataTester 可为多种广告计划提供公平的竞争环境,避免实验中计划相互挤压、抢量,让每一个广告方案都获得同等量级的曝光机会;

  • 报告置信:在收集到充足的实验数据之后,DataTester 将智能化生成分析报告,并确保数据具有统计效力,以精确披露在实验中获胜的广告计划或素材。

广告页搭建可无缝衔接 A/B 实验

广告网站或落地页转化率,是会因为页面上元素的细微差别,而产生巨大差距的。例如按钮位置的交换、颜色的改变、顺序的调整等,均能造成转化率的增长或降低。此时,A/B 实验就是验证最优版本的科学工具。

DataTester 已与橙子建站等多个广告落地页建站平台深度合作,在企业完成广告落地页搭建后,即可无缝开启 A/B 实验,大幅降低实验创建门槛。

实验智能流量调优能力

开启实验前,哪一个版本的方案表现更好通常未知。传统的 A/B 实验平台,依赖于统计显著性的经典假设检验,为对照版本和实验版本分配等额流量,一般不允许在实验期间变更每个子版本的流量。

因此此类实验缺陷比较明显 —— 即便已发现实验版本明显优于对照版本,实验期间还需要在对照版本上继续花费时间流量,直至整场实验结束。

而 DataTester 除去提供上述“常规实验”能力外,也同时可提供“MAB 实验”实验类型选择。

“MAB 实验”是智能调优实验,实验方案可以直接在线上进行,DataTester 将根据实时数据反馈,智能调节实验方案的流量分配,给广告收益效果好的方案倾斜更多的流量,帮助企业收益最大化。

与传统的 A/B 实验相比,以下几种场景适用 MAB 智能流量调优实验:

  • 促销优惠:此类场景更关注提高转化率。MAB 智能实验在促销期间,会将更多流量发送给效果较好的变体,而将较少流量发送给效果欠佳的变体,帮助企业尽快拿到收益点;

  • 推送策略:推送文案/标题为生命周期较为短暂的内容。固定的活动期间后,会失去相关性。因此采用 MAB 智能实验,可以使策略最大程度地尽快发挥效用;

  • 落地页优化:同时上线几种不同版本的落地页方案,实时优化落地页的点击和转化率。

结语

DataTester 融合了字节跳动了多年在业务增长、转化、产品迭代,策略优化,运营提效等环节的增长理念,是一款性能强大、使用便捷的 A/B 实验产品。

在广告投放场景上,DataTester 基于多年的打磨和迭代,可支持广告从制作到投放,到最终效果收集的全链路场景实验需求,并能够与字节系产品及平台深度打通、相互结合应用。

此外,DataTester 也能够深度耦合推荐、搜索、UI、产品功能等其他多种业务场景需求,为业务提供科学的决策依据。目前,火山引擎 DataTester 已经服务了美的、得到、凯叔讲故事等在内的上百家标杆客户,将成熟的 " 数据驱动增长 " 经验赋能给各行业。

点击跳转 A/B测试 DataTester 了解更多

火山引擎 DataTester:在广告投放场景下的 A/B 实验实践的更多相关文章

  1. 火山引擎 DataTester:让企业“无代码”也能用起来的 A/B 实验平台

    更多技术交流.求职机会,欢迎关注字节跳动数据平台微信公众号,回复[1]进入官方交流群 当数字化变革方兴未艾,无代码正受到前所未有的关注.Salesforce 的数据显示,52%的 IT 部门表示,公司 ...

  2. TOP100summit:【分享实录-华为】微服务场景下的性能提升最佳实践

    本篇文章内容来自2016年TOP100summit华为架构部资深架构师王启军的案例分享.编辑:Cynthia 王启军:华为架构部资深架构师.负责华为的云化.微服务架构推进落地,前后参与了华为手机祥云4 ...

  3. 多渠道推广场景下,如何实现 App 用户增长的精准归因?

    为了实现用户的快速增长,以推广 App 为目标的线上广告投放是很多平台获取新用户的重要方式.随道移动互联网的发展,现在 App 推广的渠道越来越丰富,除了 WAP 站点.第三方 App 之外,HTML ...

  4. 还原火山引擎 A/B 测试产品——DataTester 私有化部署实践经验

      作为一款面向ToB市场的产品--火山引擎A/B测试(DataTester)为了满足客户对数据安全.合规问题等需求,探索私有化部署是产品无法绕开的一条路.   在面向ToB客户私有化的实际落地中,火 ...

  5. 高性能、快响应!火山引擎 ByteHouse 物化视图功能及入门介绍

    更多技术交流.求职机会,欢迎关注字节跳动数据平台微信公众号,回复[1]进入官方交流群 物化视图是指将视图的计算结果存储在数据库中的一种技术.当用户执行查询时,数据库会直接从已经预计算好的结果中获取数据 ...

  6. 火山引擎 A/B 测试产品——DataTester 私有化架构分享

    作为一款面向 ToB 市场的产品--火山引擎A/B测试(DataTester)为了满足客户对数据安全.合规问题等需求,探索私有化部署是产品无法绕开的一条路. 在面向 ToB 客户私有化的实际落地中,火 ...

  7. 美团在O2O场景下的广告营销

    美团作为中国最大的在线本地生活服务平台,覆盖了餐饮.酒店.旅行.休闲娱乐.外卖配送等方方面面生活场景,连接了数亿用户和数百万商户.如何帮助本地商户开展在线营销,使得他们能快速有效地触达目标用户群体提升 ...

  8. 从 ClickHouse 到 ByteHouse:实时数据分析场景下的优化实践

    本文来自火山引擎公众号,原文发布于2021-09-06. 近日,字节跳动旗下的企业级技术服务平台火山引擎正式对外发布「ByteHouse」,作为 ClickHouse 企业版,解决开源技术上手难 &a ...

  9. 火山引擎MARS-APM Plus x 飞书 |降低线上OOM,提高App性能稳定性

    通过使用火山引擎MARS-APM Plus的memory graph功能,飞书研发团队有效分析定位问题线上case多达30例,线上OOM率降低到了0.8‰,降幅达到60%.大幅提升了用户体验,为飞书的 ...

  10. 火山引擎 DataLeap 的 Data Catalog 系统公有云实践

      Data Catalog 通过汇总技术和业务元数据,解决大数据生产者组织梳理数据.数据消费者找数和理解数的业务场景.本篇内容源自于火山引擎大数据研发治理套件 DataLeap 中的 Data Ca ...

随机推荐

  1. React生命周期函数(迭代合并:react 16.3)

    本文分两部分,上面的是react16.3,下部分是老版本 react 16.3生命周期更新解析 ------ 老react版本生命周期 1.组件生命周期的执行次数 只执行一次: constructor ...

  2. 7/10 luoguRound 10 庆典 div3T1

    #include<bits/stdc++.h> using namespace std; int m,n,x; int arr[100005]; int maxi = -1,maxn = ...

  3. [转载]R2: 已解释和未解释的方差

    估计值的方差与总体方差之间的差异就是回归方程对方差的解释率.试举一例,如图 1,身高与体重的回归线显示身高与体重之间呈正相关,Mr. Y身高76英寸体重220磅(图 1中插图.cdr的红点),他与体重 ...

  4. langchain中的chat models介绍和使用

    简介 之前我们介绍了LLM模式,这种模式是就是文本输入,然后文本输出. chat models是基于LLM模式的更加高级的模式.他的输入和输出是格式化的chat messages. 一起来看看如何在l ...

  5. 在RT-thread studio 中生成 Doxgen文档

    转载自RTT论坛 实测可以使用

  6. JavaScript高级程序设计笔记05 基本引用类型

    基本引用类型 引用值(对象)是某个特定引用类型的实例.引用类型是把数据和功能组织到一起的结构. 引用类型有时也被称为对象定义,因为它们描述了自己的对象应有的属性和方法. Date 参考了Java早期版 ...

  7. 2022.7.12 thecold 讲课纪要

    前言 上午刚学完平衡树,听学长说下午讲 \(LCT\) ,想了想就我这种蒟蒻平衡树还写不明白就搞 \(LCT\) ,绝对会挂,就打算下午去初中集训班摸摸鱼. 一进去就看见了 thecold 学长,真的 ...

  8. Windows 11 + Samsung 980 踩坑:在 LocalDB 15.0 实例启动期间出错: 无法启动 SQL Server 进程(附赠 查询指定日期范围内的前1000条SQL执行记录)

    Windows 11 + Samsung 980 踩坑:在 LocalDB 实例启动期间出错: 无法启动 SQL Server 进程 起因 用 Microsoft Visual Studio 2022 ...

  9. 【Javaweb】做一个房产信息管理系统三(src目录的部署工作【三层框架】各个层含义)

    接下来,我打算进行Java文件的部署工作,但实际上为了得到更多的分数,我们还是应该先做页面 首先我们需要了解对于Javaweb,src下的目录应该如何部署:(三层架构单独开一篇讲) 那么这些都有什么含 ...

  10. maven 配置(cmd 黑窗口执行 mvn 时默认的 settings 文件和 idea maven 相关配置)

    写在前面: 本文章用于记录博主平时遇到的问题,步骤略粗糙,目的在于记录一边后续博主自己查找,如果能帮助到其他人更好.文章中用到的链接均为自行引入,侵删,谢谢(2I2Rc*@JY8) 问题说明:在一次使 ...