++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
本文节选自《Affiliate Marketing 完全指南》
首发 Affren 官网：affren.com / 公众号：affrencom
《Affiliate Marketing 完全指南中文视频教程》上线，欢迎订阅！ ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

我们已经看过了优化过程的两个方面。

我们也讲过了对创意漏斗中独立元素进行分离测试。

我们还讲了如何深入挖掘最适合广告跑的广告位。

我们接下来要讲的是……平衡的艺术。

一个新手 affiliate 只能把自己的精力放在两个 landing page 的对比测试上，或者寻找一个最佳的广告位。

问题是：

我们如何把所有不同的测试结合起来，一个接着一个的，又不会把我们的数据搞混了呢？

如果我们一边在优化广告位，一边又上传了最新的 landing page，那么我们接下来获得的成功或者失败，到底该归功于谁呢？

这是个好问题。

当你发布了一个 campaign，跑了一天获取了一些数据，然后你可以做出如下的决策：

• 移除 Landing Page X
• 移除 Offer Y
• 移除 Banner A、B 和 F
• 拉黑广告位 23，43 和 75
• 等等……

但是，如果 Landing Page X 会在你砍掉一些垃圾广告位或者更换了一个不同的 Offer 突然表现就好起来了呢？

同时优化几个不同的元素，我们就会陷入迷茫，数据完全没有代表性。

而另一种方法，用科学的途径去优化变量，是高成本、慢速度并且在预算不充足的情况下是无意义的。

我的建议是，在拉黑 banner、landing page、广告位以及 offer 前，假象一个最差名单。

就像下面这个 campaign 的情况：

• Offer A：$100 花费，$140 回报（+$40）
• Offer B：$100 花费，$75 回报（-$25）

• 角度 1：$100 花费，$85 回报（-$15）
  • Landing Page 1a：$50 花费，$40 回报（-$10）
  • Landing Page 1b：$50 花费，$45 回报（-$5）
  • Banner 1a：$33.33 花费，$15 回报（-$18.33）
  • Banner 1b：$33.33 花费，$20 回报（-$13.33）
  • Banner 1c：$33.33 花费，$60 回报（+$26.67）
• 角度 2：$100 花费，$120 回报（+$20）
  • Landing Page 2a：$50 花费，$70 回报（+$20）
  • Landing Page 2b：$50 花费，$50 回报（+$0）
  • Banner 2a：$33.33 花费，$25 回报（-$8.33）
  • Banner 2b：$33.33 花费，$40 回报（+$6.67）
  • Banner 2c：$33.33 花费，$55 回报（+$21.67）

现在，一个急于求成的 affiliate 可能会做出如下优化：

• Offer A：$100 花费，$140 回报（+$40）
• Offer B：$100 花费，$75 回报（-$25）

• 角度 1：$100 花费，$85 回报（-$15）
  • Landing Page 1a：$50 花费，$40 回报（-$10）
  • Landing Page 1b：$50 花费，$45 回报（-$5）
  • Banner 1a：$33.33 花费，$15 回报（-$18.33）
  • Banner 1b：$33.33 花费，$20 回报（-$13.33）
  • Banner 1c：$33.33 花费，$60 回报（+$26.67）
• 角度 2：$100 花费，$120 回报（+$20）
  • Landing Page 2a：$50 花费，$70 回报（+$20）
  • Landing Page 2b：$50 花费，$50 回报（+$0）
  • Banner 2a：$33.33 花费，$25 回报（-$8.33）
  • Banner 2b：$33.33 花费，$40 回报（+$6.67）
  • Banner 2c：$33.33 花费，$55 回报（+$21.67）

这里，他遵循了黑名单思维，把所有看起来不行的统统砍掉，而不关心元素之间的相互影响。

但是，如果 Landing Page 1b 是最好的 Landing Page 的话会怎么样呢？

也许它接收到了很多来自 Banner 1a 和 1b 的流量（很垃圾的流量）从而导致了它的表现干不过来自角度 2 的那些。

通过一次性优化那么多的变量，那么迅速的决策，我们很可能得出错误的结论。

下面是我在同样情况下会做的决策：

• Offer A：$100 花费，$140 回报（+$40）
• Offer B：$100 花费，$75 回报（-$25）

• 角度 1：$100 花费，$85 回报（-$15）
  • Landing Page 1a：$50 花费，$40 回报（-$10）
  • Landing Page 1b：$50 花费，$45 回报（-$5）
  • Banner 1a：$33.33 花费，$15 回报（-$18.33）
  • Banner 1b：$33.33 花费，$20 回报（-$13.33）
  • Banner 1c：$33.33 花费，$60 回报（+$26.67）
• 角度 2：$100 花费，$120 回报（+$20）
  • Landing Page 2a：$50 花费，$70 回报（+$20）
  • Landing Page 2b：$50 花费，$50 回报（+$0）
  • Banner 2a：$33.33 花费，$25 回报（-$8.33）
  • Banner 2b：$33.33 花费，$40 回报（+$6.67）
  • Banner 2c：$33.33 花费，$55 回报（+$21.67）

唯一的优化就是移除 Offer B，它很显然是比 Offer A 差。

为什么先向 Offer 开炮？

经验告诉我 Offer 是一个 campaign 成功与否的决定性因素。只要有清晰的证据表明一个 offer 好于另一个，那么我就会第一时间行动。

我不希望它再继续混肴我接下来的数据。

而很多 affiliate 都是反着来。

他们首先会干掉 banner，因为理论上，一个有利可图的 banner 可以极大的改进一个 campaign 的总体 ROI。

想象一下一个 affiliate 做出如下的优化：

• Offer A：$100 花费，$140 回报（+$40）
• Offer B：$100 花费，$75 回报（-$25）

• 角度 1：$100 花费，$85 回报（-$15）
  • Landing Page 1a：$50 花费，$40 回报（-$10）
  • Landing Page 1b：$50 花费，$45 回报（-$5）
  • Banner 1a：$33.33 花费，$15 回报（-$18.33）
  • Banner 1b：$33.33 花费，$20 回报（-$13.33）
  • Banner 1c：$33.33 花费，$60 回报（+$26.67）
• 角度 2：$100 花费，$120 回报（+$20）
  • Landing Page 2a：$50 花费，$70 回报（+$20）
  • Landing Page 2b：$50 花费，$50 回报（+$0）
  • Banner 2a：$33.33 花费，$25 回报（-$8.33）
  • Banner 2b：$33.33 花费，$40 回报（+$6.67）
  • Banner 2c：$33.33 花费，$55 回报（+$21.67）

这个 affiliate 计算认为只有 banner 1c 有最接近 100% 的 ROI（$33.33 花费，$60 回报），他会突然的加倍这整个 campaign 的预算。

不过很可惜，这是不行的。

你对 campaign 做的早期优化必须是针对决定性因素的。

1. 找到最好的 offer
2. 找到最好的角度
3. 找到最好的 landing page
4. 拉黑没用的广告位

我不认为在上述重要的因素达到某个令人满意的层面之前去优化一些 landing page 页面元素或者 banner 有什么意义。

注意：你用的流量质量越低，拉黑广告位的重要性就会越来越重要，直到代替“找到最好的 offer”成为第一重要的考虑因素。

什么原因？因为谁也没办法把狗屎变成黄金。

现在想象一下我们让上述 campaign 继续跑个几天。

数据如下：

• Offer A：$500 花费，$600 回报（+$100）

• 角度 1：$250 花费，$390 回报（+$140）
  • Landing Page 1a：$125 花费，$210 回报（+$85）
  • Landing Page 1b：$125 花费，$180 回报（+$55）
  • Banner 1a：$83.33 花费，$80 回报（-$3.33）
  • Banner 1b：$83.33 花费，$175 回报（+$91.67）
  • Banner 1c：$83.33 花费，$135 回报（+$51.67）
• 角度 2：$100 花费，$210 回报（-$40）
  • Landing Page 2a：$125 花费，$130 回报（+$5）
  • Landing Page 2b：$125 花费，$80 回报（-$45）
  • Banner 2a：$83.33 花费，$85 回报（+$1.67）
  • Banner 2b：$83.33 花费，$70 回报（-$13.33）
  • Banner 2c：$83.33 花费，$55 回报（-$28.33）

这时候，我们可以很确定的说角度 1 是我们最有希望的选择。

所以，我们做出如下优化：

• Offer A：$500 花费，$600 回报（+$100）

• 角度 1：$250 花费，$390 回报（+$140）
  • Landing Page 1a：$125 花费，$210 回报（+$85）
  • Landing Page 1b：$125 花费，$180 回报（+$55）
  • Banner 1a：$83.33 花费，$80 回报（-$3.33）
  • Banner 1b：$83.33 花费，$175 回报（+$91.67）
  • Banner 1c：$83.33 花费，$135 回报（+$51.67）
• 角度 2：$100 花费，$210 回报（-$40）
  • Landing Page 2a：$125 花费，$130 回报（+$5）
  • Landing Page 2b：$125 花费，$80 回报（-$45）
  • Banner 2a：$83.33 花费，$85 回报（+$1.67）
  • Banner 2b：$83.33 花费，$70 回报（-$13.33）
  • Banner 2c：$83.33 花费，$55 回报（-$28.33）

我们希望专注于我们表现最好的角度，因为我们知道找到这个神秘的组合是我们 campaign 跑赢的决定性因素。

我们优化的时候会移除 banner 1a，因为它很显然的输给了 banner 1b 和 1c。

Landing Page 1a 看起来好像击败了 Landing Page 1b，但是从我的角度来看，结果还不是十分明朗。并且两个都在盈利，一起跑了收集更多数据也不坏。

接下来会发生什么？

我们有了一个盈利的 campaign，好事情。

但是我们只有 2 个 banner。

如果不加入新鲜的 banner，这个 campaign 一定会越跑越糟的，因为用户会无视常见的 banner。

我们知道了什么角度有效，并且看到了创造最高利润的 banner，那么下一步就很显然了：

根据已有的信息，创造更多的 banner。

一旦你的 campaign 进入了维护阶段，我们就要开始频繁的测试不同的 banner，调整 landing page，并且还要去测试同样 offer 的不同版本（来自不同的联盟）。

这在实践顺序上是非常重要的。

你的 offer 是最重要的因素，然后是角度，然后是 landing page 的类型。

如果你在超过一个站点上推广，那么广告位也非常重要。

针对移动市场优化的挑战

跑移动市场的 affiliate 在优化上就有些不那么走运了。

这里有一堆新的因素需要考虑：

• 操作系统
• 手机型号
• 品牌
• 屏幕尺寸
• WiFI vs. 移动运营商
• 手机功能

不同于传统网络 campaign，这些小变量在我们成功的道路上也是至关重要的。

如果你的 campaign 流量有 80% 来自安卓，而 iOS 又明显的表现出优于安卓，那么你寄希望于通过优化角度来提升 campaign 表现就有点徒劳了。

这就是我说移动 campaign 不确定性时候所说的意思。

要预测移动 campaign 的成功更加困难，因为这需要对移动设备、运营商以及操作系统等等因素有着很深刻的认识。

谁能够预料三星手机转化优异，而 HTC 手机转化就不行呢？

我们无法预料。

移动广告要求极大的耐力去测试。

即使不犯任何错误，你还是会亏钱。

好的一面是，如果你擅长数据处理，那么发现盈利组合以后就会赚非常多的钱。

对于处理移动 campaign ，我的建议是用谨慎建立黑名单的方法跑。

不要随意拉黑任何手机型号或者操作系统等等……直到证据非常充分证明它们是亏钱的。

角度在跑移动 campaign 的时候仍然是无比重要的，它们仍然是首要地位（另外就是寻找好 offer）。

技术优化也很重要，但是它们应该在你清除垃圾以后在后台持续的进行。

注意：你可以通过跟你的 affiliate manager 沟通，一起看看什么样的手机、运营商以及操作系统的组合更适合给定的 offer。任何值得他们关心的广告主都有成堆的数据指导你的下一步行动。

关于移动 campaign 优化的最后一个建议：

黑名单要尽可能的精确。

我看到很多 campaign 最初安卓在亏损，但是如果我深挖数据，我会看到，其实是单个手机的问题，而不是整个安卓。

所以如果你能够仅仅通过移除三星手机就改善表现，就没理由去移除整个安卓。

确保好好利用你的追踪程序的各类报告功能，看看到底是什么原因造成了低转化率。

你会很高兴的发现，随着时间、经验以及实践的深入，这个决策流程会非常的简单。

下一步，我们一起来看一个 campaign 模板的发布，一个你可以在发布自己的 campaign 时可以从头到尾的确认的清单。