Google广告数据分析与优化总结

一、概述

广告优化师虽属于广告行业，但在实际的优化过程中无不考验着优化师的数据分析能力。不同的计划在不同时期情况不一样，具体的优化应当以当时的状态跟所处情形来进行，因此对于这个行业来讲没有百分之百奏效的优化方式，广告优化师能做的就是根据自己的经验分析和判断可能是什么原因导致了计划出现问题，以及通过尝试去改变效果不好的现状。以下是我曾经优化比较成功的案例之一，下面将分日期对计划所处的状态、猜测结果出现的原因、对计划做了什么样的调整三个维度来介绍整个优化过程。

二、分析前准备

Facebook、Google Ads均为主流的海外广告投放平台，这两个平台我都在用。两个平台各有优劣：Facebook每个计划的学习周期相对Google Ads短，但Facebook可以通过短时间内多建计划迅速起量；Google Ads每个计划的学习周期可以很长，但满足不了紧急加量的任务。两个平台用下来给我的整体感觉是Google Ads的机器学习能力更强，也更能让广告效果稳定、持久。因此在Google Ads上进行的各种测试逻辑性更强，效果更好。文章将讲述我在Google Ads上优化成功的案例之一。

但在介绍案例前需要介绍一些基本广告行业内知识，减小非本行业人士阅读障碍。以下我会尽可能通俗且精准的讲述整个优化过程~

2.1数据来源

所有表格中的数据均是从Mysql数据库中查询获得，为了保护数据的隐私性，只截取了部分数据，经过验证，数据的有效性没问题；图片上涉及的数据来源于Google广告管理后台，是我曾经的操作历史记录。

2.2明确指标

首先要知道在此次优化中的核心指标ROAS，宗旨是在ROAS >= 50%的情况下尽可能多花钱。不可以因为追求过高的ROAS而花的钱很少，也绝对不可以因为追求过高的花费而降低ROAS要求。以下是ROAS的计算方式(ps：当天新增用户可以简单的认为是以前没安装过APP但在当天安装APP的新用户，比如有个用户从没安装过APP，但是在20200412当天看到我们投放的广告，点开广告并安装了APP就可以认为该用户是20200412当天的新增用户；当天新增付费用户指当天新增用户中付费的用户)：

• ROAS(Return on Ad Spend):目标广告支出回报率 = 当天新增用户总收入/当天总花费*100% = ARPPU/CPI/Pay_rate

如果要计算某个计划在某天的ROAS，就是该计划当天新增用户收入/该计划当天总花费*100%。从公式中可以看出ROAS的影响因素主要有CPI、