推广 热搜:   中国  设备  参数  公司  未来  服务  行业  企业  教师 

广告投放-创意的想法

   日期:2024-12-01     作者:caijiyuan    caijiyuan   评论:0    移动:http://sicmodule.glev.cn/mobile/news/11349.html
核心提示:整个广告系统就是根据用户需求(搜索词),从成百上千万的候选广告中选出变现能力最优秀的广告展现,变现能力就是在有

广告投放-创意的想法

整个广告系统就是根据用户需求(搜索词),从成百上千万的候选广告中选出变现能力最优秀的广告展现,变现能力就是在有限的广告位上为百度带来更多的收入,简单来说就是要 点击率高,转化效果好, 转化出价高,影响广告展示与效果的关键是: 在什么时间针对什么样的用户展示什么样的广告创意。



1. 为什么感觉当前创意数量越来越多,但是质量越来越不行了

2013年以前, 广告处于1.0时代,传统的媒体(电视,报纸,杂志,web1.0) 原始的广告位置,时间,样式都是死的,而完全不会考虑看到广告的用户,且广告样式是有限的,在广告界的人士都知道广告主的这样一句名言:“我知道我投入的广告费用的一半是白费钱财,但问题是,我不知道是哪一半”。 所以大多数的广告主将所有精力集中在优化创意上,因为单个广告位成本太高了。 此种类型的广告诞生了诸多优质的创意,如 "怕上火就喝王老吉""大宝明天见,大宝天天见""新飞广告做的好,不如新飞冰箱好" 等等,每年为广告主带来数千万的收益。可以总结为 高投入的广告位倒逼用户去提供最优质的创意, 也就是重质不重量。

2013年起,广告处于2.0时代,程序化广告不再强调广告位,而是强调广告是基于受众的标签自动化匹配的。受众数据上带有跟你相关的标签,他才会看到你的广告。 也就代表着不同的用户看到的广告不同,以王老吉为例, 1. 受众是老年人,广告可以叫"王老吉-健康饮品" , 2.受众是年轻人,广告叫"怕上火就喝王老吉", 对小孩子, 广告叫"好喝,解渴就喝王老吉"。 整个系统是基于规则算法的算法是冷的,是死的,算法毕竟只是通过“赛马”来找出优胜者,它必然会导致甲方广告主拼命去堆“参赛运动员”。 同时,海量的广告位又将广告主的试错成本从 几百万降低到几百块所以总结为 低投入的海量广告位 倒逼客户去提供 海量的创意去迎合算法,与质量相比用户更关心数量。

鱼和熊掌难道无法兼得? 广告平台是否能够既要质量 又要数量。

2. 凤巢平台广告系统构成



在最终精排截断, 根据 word/商品-->unit---->idea。在召回的word有限的情况下, 当用户单元下的创意越多,该用户最终进入创意队列的创意就越多, 

user1 word1 unit1 100个idea

user2 word2 unit2 1个idea

如果单次query 只召回了 2个word,word1和word2, 那么最终在创意队列里面 有101个idea 去pk, 创意少的就会很吃亏,甚至会由于创意队列的长度限制提前出局。

3. 当前凤巢平台的创意构成又是怎么样的

数据口径 取 2024-07-30当日凤巢消费top1000的用户

创意数 每个ideaid都算一个创意。

有效创意数: 标题或者描述都不同的创意总数。

创意离散度 有效创意数/ 创意数 = 15643412/124993150 = 12.52%.

账户平均创意数 16W

账户平均有效创意数 2W

结论1: 用户已经发现了单元下创意越多越好的规律,并采取了相应的措施,创意离散度极低,用户习惯于将一个创意用在多个单元里,尤其是优质创意。

结论2: 创意的丰富度不足,67%的用户有效创意不足500个,创意灵感匮乏,如果引入创意相似度的概念,创意的丰富度会进一步降低。

户均有效创意数分布
户均有效创意数分布

户均创意数分布
4. 一些想法

提效(增加创意数量: 降低创意复用的成本,提高用户的操作效率

  • 平台不是在对抗用户,用户习惯于将创意复用到各个单元里,我们就应该提供一些便利的工具去辅助用户。

  1. 竞品是如何做的:巨量引擎不像百度是账户-项目-计划-单元-(创意+关键词) 层级结构, 他是扁平化的账户-项目-广告【计划(预算) + 单元(出价+产品库+落地页+品牌) + 创意(文本图片视频) + 关键词】 - 关键词 层级结构。  

          为了达到创意元素复用的目的, 巨量特别使用 标题库的概念。可以将同样的标题文本快速的应用到多个广告中。

         





调优(提高创意质量: 结合AI能力提高优质创意,提升用户的效果

  • 大模型当前最大的弊端是不确定性, 从原理看,大模型的选择是基于概率,所以很难保证百分百正确, 检索端虽然会结合query和基本创意通过大模型能力达成千人千面的生成式创意,但是直接的应用一定会导致badcase,尤其是某些专业性强的行业,如医疗,金融等等。 所以针对风险较高的行业,是否应该根据高消的query,以推荐的方式引入丰富的创意灵感。

  • 当前热度很高的AI换脸,AI换声,是否可以引入一些同质的创意,例如: 用户看到一些竞对的优质创意,是否能copy下来,用创意工具结合自身的业务,重新生成同结构化的创意,已推荐的方式引入,规避 一些法律风险。当然我们也可以根据同质行业用户的优质创意 去 改写用户的创意。

  • 诊断优化, 通过AI 对创意的相似度分析, 看一下创意丰富度极低的用户,去诊断他,让他去优化创意。



本文地址:http://sicmodule.glev.cn/news/11349.html    歌乐夫 http://sicmodule.glev.cn/ , 查看更多
 
 
更多>同类行业资讯
0相关评论

新闻列表
企业新闻
推荐企业新闻
推荐图文
推荐行业资讯
点击排行
网站首页  |  关于我们  |  联系方式  |  使用协议  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  网站留言  |  RSS订阅  |  违规举报  |  鄂ICP备2023001713号