竞价广告如何精确投放人群？360竞价广告如何投

小提示：您能找到这篇{竞价广告如何精确投放人群？360竞价广告如何投}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的竞价广告如何精确投放人群？360竞价广告如何投内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

为什么给一个人展示的是这个广告，而不是其他广告？OK，我们来看第二个问题——为什么给一个人展示的是这个广告，而不是其他广告，它涉及的关键词叫竞价。我们通过一个极其简单的例子来理解竞价——一个篮子

　　为什么给一个人展示的是这个，而不是其他广告？
OK，我们来看第二个问题——为什么给一个人展示的是这个广告，而不是其他广告，它涉及的叫。
我们通过一个极其简单的例子来理解竞价——
一个篮子总共有三个红苹果和三个青苹果，这时候有两个人，第一个人只喜欢吃红苹果不喜欢吃青苹果，所以他愿意为一个红苹果出价一块钱，青苹果出价就是0，另一个人正好和他相反。
这时候问题就来了——我们有两种售卖方式，第一种售卖方式：把整个篮子卖给其中的一个人，这时候我们的收入是三块钱。
第二种方式，就是我们能够把红苹果和青苹果分开分别卖给他们，我们的收入就有三块加三块等于六块。
如果我们把广告看成刚刚例子中的苹果，那么通过这个例子，我们可以得出以下的结论：
第一，竞价的前提是人们对不同广告的价值判断其实是不一样的。
第二，互联网的技术能够对不同的广告进行有效的区隔，

第三，进价能够实现配置的最，

OK，我们回到开始的这个问题，为什么你看到的是这个广告而不是其他广告？
大家可以看到课程中的这个示意图，假如广告系统通过数据识别到小明是一名生活在北京25岁，对健身感兴趣的男性。
那么广告是怎么样投放给他的？
广告系统投放其实非常的复杂，但其中有两个关键的步骤：
第一步叫Target，就是匹配，这一步会在全体的广告库中找到符合小明这个定向的广告，比如说图中的A、C、E；
第二步叫Rank，就是竞价排序，这一步，会挑出排在最前面的广告发给小明就是图中的C。
这时候小明就看到了C这个广告。
那么问题来了，广告的竞价排序是如何进行的？
假如现在我们有两个广告主——Nike出价一块钱一个点击、阿迪出价两块钱一个点击，我们总共有100次，我们应该给谁？
很多人会直观的说，那当然得给阿迪，它出价高啊！
但如果我们考虑到，结果就会大不一样，假如耐克的点击率是5%，100次曝光就会产生五个点击一块钱一个点击收入是五块钱。
而这时候如果阿迪的点击率是1%，那么100次曝光就会产生一个点击，两块钱一个点击收入是两块。
所以两块对五块，我们应该给耐克，不是阿迪，因为它的综合收益更高。
我们不要看这个非常简单，但他揭示按效果付费竞价广告的几个最重要的法则。
第一，广告平台关心自己流量的总收益；
第二，广告主通常按效果进行出价，比如说这次就是按单次的点击进行竞价；
第三，广告平台需要把点击出价成它的收益去进行排序；
第四，也就是点击率就架起从点击到收益的一座桥梁，未排序去提供基础。
所以，在竞价广告中，点击率就是一个极其关键的指标。
那么问题就来了——点击率它是一个结果指标，就是我们投放完之后，我们可以去统计这个点击率，没有投放之前，我们其实是不知道的，而每一次投放都需要排序。
那么点击率这个数据应该怎么算？
很多人就想到一个方法——“尝试投放一下”
那么“尝试投放一下”这种方法是不是行得通呢？
答案是行不通，为什么行不通呢？我们接着往下看——
我们依然通过一个简单的例子来说明：
假如现在有四个广告主——分别是卖高跟鞋、卖买西装、卖布娃娃网站建设的费用是多少和卖游戏机的，他们的出价都是一块钱一个点击。
假如整个平台上有0个用户，
按照刚刚的说法，我们开始不知道每一个广告主的点击率，所以我们可以试投一下，比如说每个广告主我们都是投100个，结果我们发现投放之后，它们每一个的点击率都是25%，一模一样，这时候排序就变得很困难。
于是，我们只能公平的随机去进行投放，这个时候我们的点击数是4000，乘以点击率25%等于1000，我们的总收益是1000个，点击乘以一块钱，总的就是1000块钱。
但是，如果我们知道这4000个用户的特征，我们就不会这样去预估点击率。
那么真相是什么？
真相就是这4000个用户，其实可以根据年龄和性别分成四类——分别是成熟男人、成熟女人、小男孩和小女孩，每一个分类都是1000个，他们每个人对自己喜欢的物品的点击率是100%，不喜欢的物品的点击率是0%互联网营销推广学习，
比如说小男孩一定会点游戏机，一定不会点其他的，而成熟女人一定会点高跟鞋，也一定不会点其他的商品。
所以这时候我们正确的预估应该是——当一个小男孩来访问的时候，我们就能精确的预估到他对游戏机这个广告的点击率是100%，而其他人的点击率这时候是0%，
这样预估的话，所有人的点击率就都是100%，这时候点击数就会变成4000，整个收益也会变成4000，比刚刚的1000翻四倍。
上面的例子告诉我们，我们要根据广告特征和用户特征来实时的预估点击率。
那么点击率需要哪些特征来预估，或者说点击率都和什么因素相关？
主要有三个方面会影响点击率——广告侧、用户侧微商的精准客源引流和平台侧。
广告侧很容易理解广告主的行业广告，、广告、图片和广告的形式都会影响点击率。
而用户侧我们刚刚说的年龄、性别、地域、手机兴趣以及它的使用环境等等。
然后平台侧就是平台的频次控制时间、竞价策略和流量分配策略都会影响点击率。
点击率的预估其实是一个非常复杂的过程，它是互联网广告最核心的技术之一。
我们可以把点击率预估简化成两个步骤，第一步叫特征工程，第二步叫模型训练。
特征工程就是找到很多跟点击率相关的特征，通过模型训练我们就能够得出特定的点击率。
从这个意义上说，点击率预估其实是一个黑盒子，输入很多特征就能实时的输出预估的点击率。
点击率的预估应用非常的广泛，我们今天熟悉的、的推荐系统的核心技术也是点击率的预估，平时咱们观察到的是——看过什么就给我推荐什么，非常的精准。
这背后其实是把所有可能投放给你的的点击率都进行一次预估，然后把点击率最高的推送给你。

广告比推荐排序会多一个步骤，推荐只需要知道谁排在前面就OK，而广告需要知道具体的数值，因为它需要和出价一起来综合排序。

理解点击率预估对广告排序的意义，我们就能够破除一个按效果付费的理解误区：
有人说按点击和成交去进行付费简直太爽，不点不要钱简直没风险！
那我能不能我出一分钱一个点击，同时我还没有时间去好好做广告素材，然后我还要点击一天给我来一百万个？
事实上是不会有这样的好事，你出一分钱一个点击，广告平台如果产生点击，它的确只扣你一分钱，不产生点击的确也不会扣你的钱。
但是最可能的结果就是你出价太低或者你的点击率太低，你被排在后面根本投放不出去，所以的确没有风险，但同样也没有收益。
OK，对这一小节做一个总结：如何通过竞价来提升广告投放的效率，按效果付费，的确是一个对广告组友好的计费方式，但是他也是一个公平的计费方式，想要获得更多的点击只有两个办法：
第一，提升出价，当然出价通常要考虑到自己的承受范围；
第二，我们提升我们的点击率和转化率，不断的优化自己的广告素材广告定向和广告投放的数据。