信息流广告的产品机制和数据监控
信息流广告产品平台虽然繁多，但是它们的产品机制趋同导致优化思路大同小异。
信息流广告的平台虽然很多，例如：今日头条、腾讯的智慧推、广点通、阿里的UC头条、百度信息流、一点资讯、微博粉丝通、爱奇艺等等。但优化的思路却是大同小异，这是因为信息流广告的产品机制趋同。产品机制是什么呢？其实信息流广告产品的机制就是ECPM，有的平台叫做预分配曝光（或者叫做eCPM）。信息流广告平台的竞价机制及基本算法：eCPM（预分配曝光）=出价*质量度（CTR）。
现有信息流广告渠道主流优化思路：追求高点击率，为什么我们都在不断地做图？不断地写创意？其实这都是为了追求高点击率，这些是由信息流广告平台的产品机制决定的。我们在做信息流广告优化，不断提高点击率其实就是追求一种信息流广告点击率的正循环。从信息流广告展现的过程来看：
我们的写创意，创意如果有一个较高的点击率那么就会有一个高的质量度，然后质量度高了（出价相同的情况下）我们eCPM也就高，eCPM高了然后再加上一个我们的一个较高的出价，这样我们在和竞争对手竞争的时候我们就可以抢到竞争对手的量，能够去抢优质的用户，然后累积起来，当我们账户的创意点击率都很高的时候，我们账户的历史表现就会变好，当我们的账户历史表现好的时候，我们再撰写新的创意，系统就会根据我们账户的历史表现给我们新创意一个比较高的预估CTR，然后因为预估CTR比较高，质量度就高，eCPM就高，直到我们新的创意获得实际的点击率，然后逐渐的你的高点击率去替换你的预估点击率，直到你的新创意变成老创意，然后再上新创意，就是这样的一个循环过程。那么是不是我们知道了这个循环过程，去不断抓眼球追求做好高点击率就可以了呢？是不是这样做就完美无缺了呢？
其实并不是如此，因为我们仔细思考就会发现我们这个正循环的过程中存在一些漏洞，为什么说有漏洞呢？首先我们需要思考我们是怎么做到这一点的，一般情况下我们是这样操作信息流广告优化的，我们拿到一个新的账户，我们先搭账户结构，然后上新素材，上新素材之后我们会监控数据，然后说去做所谓的对比测试（AB测试），通过AB测试的方法不停地上新创意，对比不同创意的结果，保留点击率更好，然后维持整体一个较高的点击率，虽然是这么说的，但是实际上我们却并没有做到。原因是什么呢？
我们创意点击率会随着时间有一个点击率的衰减，因为有这种衰减的存在，我们需要不断地去添加新创意，这也是我们为什么不断地去撰写新创意的原因。现有的信息流广告优化逻辑存在一定的的局限性，这是由于我们片面追求高点击率的优化逻辑存在漏洞，正式因为存在漏洞，所以导致我们很多时候优化创意其实并没有一个有效的指导，而是凭着感觉在误打误撞。
第一个漏洞是A/B测试的局限性导致效果数据为优化依据可靠性不足。我们A/B测试的参照对象其实是没有依据的，而是根据我们第一次凭着感觉做出来的创意，然后有了第一个创意以后我们后面创意才进行A/B测试的对比，A/B测试属于“先验”性的预测结果，它其实很多时候是我们主观决定的，例：我们撰写创意时候做了1图和2图两个图片素材，这两个图是从哪里来的呢？是我们的设计师做的，那么怎么判断设计师做的这两个图就好呢？可能1和2都不好，或许1好一点，那如果我们可以一开始做1图和2图的时候就能最大化的提高质量岂不是就更好了，但实际上这很难做到。A/B测试很难真正实现，比如我们想对比A创意和B创意两套创意到底谁好？真正的准确对比应该是什么样的呢？应该是在其它的定向情况一模一样（投放时间一样、预算一样、分配的花费一样、点击量接近、展现量接近），然后统一的把一份流量随机的分成两份，一定要随机，因为如果不随机的话把我们的A创意刚好分配给了喜欢A创意风格的人，把B创意分配给了喜欢B风格的人，这样的结果是不会准确的，所以一定要把流量随机打乱，真正的打乱其实是很难做到的。
所以说大家一直以来说的A/B测试其实从根本上来说很难真正实现，那么我们这种不完美的A/B测试得出的数据结果其实也不是绝对的可信，有很大的偶然因素存在。
第二个漏洞是我们的创意改进缺乏方向使创意优化陷入失控的恶性循环。因为我们在不完美的A/B测试结果下不能得到绝对准确的数据作为优化依据，我们先做出了一套创意，然后第二批创意会参考第一次创意的结果，挑选好的创意方向继续做第二批创意，我们在没有准确的数据依据情况下做新的创意其实是很低效的，然后时间紧迫我们会在没有完全设置好A/B测试的条件下上新创意，然后根据这些创意的结果作分析判断再优化。这样形成了一个恶性循环。很多时候我们的创意是瞎做的，在没有可靠的数据分析下做出来的。在这样的情况下其实我们是没有办法确信延续某一创意的有效因素。我们的创意设计制作无法标准化，急于投放无所实现有效的数据监测，迫于时间压力没有去做复盘反思。
正式由于这两大漏洞的存在，导致了我们信息流广告优化逻辑存在一定的局限性，怎么解决呢？
我们只能尽可能的想办法减小这两个漏洞造成的影响，是没有办法完全解决的。我们要进行信息流广告优化的支撑点就是以数据监测为中心，其它的优化，无论是我们的设定优化还是媒体策略、创意优化、落地页的优化、关键词的优化，所有的这些优化都要围绕这数据监测，以监测为核心，以数据为依据。只有以数据监测为核心我们才能尽可能的弥补存在的两个漏洞。
做好市场调研，合理搭建账户。我们要根据不同的需求和维度去定位应该定位的人群而不是通投（针对所有人群做无差别的投放），我们要做细分的市场调研。
数据监测核心：
如何将检测维度从计划层级下沉到创意层级？
为你的推广URL添加UTM参数即可实现。原始的监测大而不当，对于创意及定向维度的优化没有贡献，我们可以使用URL工具为每一个创意或定向维度生成独一无二的推广URL。以创意或者定向维度为单位，设置从展现、点击、再到落地页互动交互的全过程投放数据驱动的精细化监测。
为你的推广链接推荐UTM参数的方法
这个方法对于做过SEM的同学来说应该很简单了，对于没有做过SEM的信息流初级从业者有必要去学习和掌握下这个方法。
首先，什么是UTM标记呢？
UTM参数（有时也称为UTM标记），是一串可以添加到URL上的特定的字符串，添加之后，当这些添加了UTM标记的URL被点击后，你就可以对其数据进行监测。在Google Analytics中设置UTM参数，可以让其在发送Pageview时同时加载，同时UTM追踪到的结果可以在GA中直接查看，这就意味着你可以在GA中查看这些流量是从何而来，是如何到达你的网站上的。
对于信息流广告投放来讲，我们使用UTM标记可以追踪什么样的数据？
我们可以通过UTM标记对PPC广告进行监测。以此区分不同的广告位以及媒体来源等，或者用来对A/B测试进行标记，从而监测到不同设计、大小或者版本的广告效果。通过点击链接而来到你的网站上的点击行为都可以通过UTM标记进行标记。对应到信息流广告投放就是我们可以对转化事件（例如：落地页中的提交表单按钮、电话拨打、下载）进行标记。
UTM 参数是怎样设置的呢？使用URL工具为每一个创意或定向维度生成独一无二的推广URL。常见的URL工具有Google Analytics自动标记工具、百度统计、ptengine等等。UTM标记解析？一个没有UTM的标记的URL一般是这样的： http://www. xxxx.com ，如果这个头条上面投广告URL上标记了UTM标记后一般会如下： http://www. xxx.com/? utm_medium=toutiao_ios&utm_campaign=client_share&utm_content=XXX ，在UTM标记中有三个来源是必须有的：Source、medium和campaign，另外还有term和content为可选部分。Campaign Source
“utm_source=”部分追踪的是流量的来源，也就是会显示出流量来源的网站、社交渠道等等。比如说在如下的URL中：
http://www.xxx.com/?iid=111954051400&app=news_article&tt_from=copy_link&utm_source=copy-link&utm_medium=toutiao_ios&utm_campaign=client_share，显示出utm_source是copy-link。 通常，你可以使用站点名称作为来源名称。其实在这里的来源跟需要的是设置对你的进行落地页分析时的数据收集有价值的数据。所以在这里你可以将来源的流量标记为任何方便你辨识的标记。Campaign Medium“utm_medium=”追踪的是这些流量来到网站上的方式，比如上文中的那条URL中，我们就可以看到这个点击的来源是社交渠道。Google建议使用这个参数来确定流量来源的媒介，比如说社交、电子邮件、PPC等等。Medium参数建议参考主流渠道，而。但是Campaign和Source参数可以根据自己的需要进行自定义的设置。
Campaign Content“utm_content=”参数是用于A/B测试和在展示网络投放的广告，这里可以是我们信息流广告的文案标记、图片素材、定向维度（年龄、上网场景、学历、婚恋、兴趣、APP行为定向）等等，使用该参数是用于区分广告创意和维度带来不同的效果和转化。
UTM标记最大的好处就是你可以选择这些参数—你可以选择mediums、campaigns和sources等等对于你来说有价值的参数，进而将其添加进UTM标记，对其进行追踪。我们在信息流广告投放中就可以选择我们的计划、单元、创意（文案+图片）、定向维度进行标记。