编辑编者按:在完成了对网络流量分配思路的介绍之后,我们进入到Deoria思路的第三个部分——或非思路。或非能说是商业性电视广告领域的一个Nagapattinam,无论是讨论电视广告技术还是商业性商品设计又或者是网络电视广告基本功都绕不行或非这个话题。第一集该文透过对网络电动汽车业电视广告的预测,精辟地对或非思路展开思索。一起来看看吧!

汽车网络广告(汽车网络广告策划)-第1张

在许多网络电视广告的专业课程中甚至就将多年导入总结出的或非增设基本功就指出是网络电视广告思路。这也就导致了大家在网上搜寻网络电视广告思路相关文本时大多都是在教我们如何在网络电视广告前台展开各式各样的增设。但实际上,网络电视广告思路不止或非这么单纯,并且长久以来许多人对或非思路的认识也存在着较大的局限性。

电视广告或非其本质上并不是一类思路而是一类用来对电视广告广告主展开甄选的商品机能。该机能能透过条码女团来为相同的导入目的甄选目标群体,因此或非思路其本质上就是在设计相同的条码女团,但它还牵涉不出网络电视广告最核心的决策和群体的同时实现。那么狭隘的将或非思路就指出是网络电视广告思路的商业性商品副经理显然是不符合要求的。

站在电视广告强化师的视角,即使她们牵涉不出电视广告控制系统的下层方法论,因此她们的导入思路往往都是如前所述账户、或非和财政预算的增设来同时实现的。但站在商业性商品副经理的视角,不但要清楚的认识到或非在整座控制系统中所处的位置和同时实现基本原理,还要在机能同时实现的基础上考虑强化Jalgaon能如前所述此同时实现什么样导入思路,和支持各式各样的智能化导入思路(机器自动投)。

该些文本对商业性商品副经理的个人经验和对整座电视广告控制系统的理解要求都极高。

一、电视广告或非的基本原理与强化西南风

在许多该文里都把电视广告或非的基本原理说的张华其玄,什么根据使用者当前的下载犯罪行为为其动态推荐钟爱的电视广告等等的。这类说词一出就晓得是在糊弄门外汉,原因很单纯,即使目前大多数的网络电视广告平台或非机能都是依靠条码体系来同时实现的。虽然确实会动态以获取使用者的下载犯罪行为,但实际做过使用者犯罪行为预测的朋友就会晓得,使用者犯罪行为是多么的瑞维尼。

我们无法穷尽所有的使用者犯罪行为自然就无法针对每种使用者犯罪行为作出相同的网络电视广告决策,因此将使用者犯罪行为归类为有限的条码,再针对相同的条码女团展开电视广告决策才是更为经济合理的方案。

汽车网络广告(汽车网络广告策划)-第2张

接下来再来说说条码,条码的种类有许多,常见的有:地域、使用者属性、上下文、犯罪行为、偏好等等,在不考虑条码准确度的情况下,这些都是各大平台的标配。但多种类型的条码也会带来另外一个问题,条码太多导入时不晓得怎么选?

此时就需要DMP(数据管理平台)来为电视广告提供她们目标使用者的使用者画像,比如:目标群体是95后的男性,那么在或非时就根据这一结论增设或非。理论上讲条码越准网络电视广告的效果就会越好。

我们上面所举的例子是最单纯,最直观的情况,但现实生活中各个行业、各种类型的商品,使用者的犯罪行为和决策周期都是相同的。这就需要需要我们分门别类的来展开处理。

回到我们熟悉的电动汽车业中来,使用者的购车决策周期是远高于其他电商商品的,因此期间的使用者犯罪行为也会变得异常复杂,如何将这些犯罪行为透过抽丝剥茧的方式找到其中的规律,形成一条针对电动汽车业使用者的条码体系,进而在网络电视广告中形成相同的或非思路就成为我们这些网络电动汽车业商业性商品副经理要思索的问题。

二、UVN-BI条码体系

在这里我们分享一套我们经过多年实践摸索出的电动汽车购车类使用者条码体系——UVB-BI条码体系。

整座体系的设计思路借鉴了著名的RFM模型。RFM模型是以最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)三个指标为维度建立坐标系最多能将客户分成125类。

如前所述RFM的启发我们将这种方式带入到电动汽车购车类使用者的分群中来。UVN-BI使用者分群是对使用者的多种基础属性展开刻画和聚类并将这些属性与使用者的购车阶段、使用者对电动汽车的兴趣点展开映射进而形成以车系为维度的使用者分群模型,在对模型展开展示之前我们先对其中牵涉到的维度展开详细定义:

  • U( User )使用者基础属性 :主要用到城市级别与代际两个特征城市级别(一到六线城市)代际(00后、90后、80后、70后、70前)
  • V( Value )使用者年收入等级:10万以下、10-20万、20-30万 、30-50万以下 、50万以上;
  • N(Need)使用者族群偏好 :8万以下车型、8-10万SUV、8-10万轿车、10-15万SUV、10-15万轿车、50w以上SUV、MPV、跑车等;
  • B( Behavior )使用者购车阶段:关注、粗选、兴趣、偏好、意向;
  • I (Interest)使用者兴趣点:空间、动力、操控、油耗、舒适性、外观、内饰、性价比。

使用者族群偏好的构建主要是根据使用者关注的车系向上抽象得来的。将车系的价格段与车系类型展开交叉,一名使用者可能会同时关注多款车但大多数情况下其所关注的多款车都会是在同类型同价格段下。族群偏好这个特征就能很好的刻画这一情形,这样的特征就比车系特征具备更好的泛化能力。

另外由于存在至少三个维度特征的交叉U、V、N这三种特征都是以区间的形式出现避免交叉后维度过多。三类特征在各种女团交叉之后共480个,在三维空间中形成480个区块,按这480个区块统计某个车的人数,即可得到使用者分布。最多能将一个车系的关注使用者分成1738类,经过观察一个车系的使用者会主要集中在160个-210个分类中。如下图所示:

汽车网络广告(汽车网络广告策划)-第3张

整座立体坐标系能360任意旋转,其中每个小分类都能单独点击,页面右侧会展示出该分类的具体信息。除了UVN这三个指标之外还会给每个小分类挂上其对应的B条码和I条码也就是购车阶段和买点偏好。这种展现方式的特点就比传统DMP给电视广告主展示使用者的年龄、性别、地域分布等司空见惯的图表要来的更新颖更具预测的深度,算是脱离了只会直接展示指标的初级阶段。

在下一篇该文中,我们就如前所述这套条码体系,如何根据相同的业务需求设计或非思路。

本文由 @凡事需景盛 原创发布于人人都是商品副经理。未经许可,禁止转载

题图来自Unsplash,如前所述CC0协议