买量对Google商店自然量的影响关系
我们现在数据归因大逻辑是af回传数据报表给我们的,其实我发现几个规律:
1、AD控量的时候,自然量会涨。但是总体下降
2、AD放量的时候,自然量短期会降一点,但是放量维持2、3周后也会涨。
为什么广告在控制量级的时候,自然量会回升?前面写过一个文章是关于渠道自归因相关的 自归因渠道的知识汇总 原理+影响+投放思路。
1,站在技术角度,当你的广告跑的都是Facebook,Google这些渠道的时候,或者不管是不是自归因渠道,这些渠道是会把一部分量算到他们的归因下,比如Facebook的view through,Google本身是还有侵占了很大部分的”下过XXApp的人,还下载了XXX“ 这个相似推荐的位置,原本属于自然量的现在变成了广告位置。还存在某些网盟直接玩劫持等等,所以都存在广告跑的多,自然量就少,广告跑的少的时候自然量就多了的现象,通常跑一段时间数据就会达到一个新的平衡稳定值。2,站在用户角度,原本有一些用户即便有需求的,也许他会去搜索主动下载之类,但是广告跑的多了,那就可能会主动推送到他手边顺手点下下载就完成了,这个在某些工具属性,或者用户的”刚需“产品上面会很明显,比如借贷APP,或者通讯工具以及支付工具等等。当然这里其实我觉得渠道吃归因的概率会更大一些。
为什么广告跑放量跑一段时间,原本掉下来的自然量又会涨上去?1,这个环节其实就和Google商店的推送逻辑有关系了,商店的自然量里面有非常大的比重不是榜单,而是”相似推荐“,就是前面提到过 ”下载XX的人还下载了XX“这个位置,通常出现在用户下载了某APP后,立马提示的接近的APP,这个转化率非常高,量级占比也非常高。这个位置的量推送逻辑会和很多因素有关。但是在买量影响因素里面,总的下载量,属于占比非常大的影响因素,当我们买量多了,总的下载量是在上升的,商店基于我们已经下载的人再去找相似的时候 总下载量多那么相似的人也会多,自然量自然也就上去了。当然还会有一些其他因素,比如活跃度,卸载率,启动频次等等,但是这里和买量不相关,属于ASO范畴,不展开了。
2,其次不免也有榜单因素,但是我觉得当前商店的榜单排名基本不太重要了。
所以买量多了,本身的用户基数会增加(这里要考虑的用户基数不只是历史总用户新增,可能是7天/14天之类,具体没有准确的数值我也没找文档,只能凭感觉),增加的用户基数就能在用于相似推荐获得更多自然量,等原本被广告渠道抢归因吃掉的量被总用户增加带动的自然量抵消后数据就回升了。
当然商店的算法肯定不会这么简单粗暴,但是我们也不一定非要深究,大概知道是这个意思就好。
那我们应该如何应用这个规律来获得最大的自然量效果?简单点说就是,抠门点买量带动自然量,找到一个比较低的价格并且还能带动最多的自然量。全新的产品不买点量肯定是自然量极低的,丢那大概率就黄了,所以也不能直接直接不投,但是具体买多少其实又是自己产品的本身品质来决定了,原则其实买的动就多买,但是总归自己能测算出来一个利润最大的数值,等到这个数值后不再加预算,或者等产品优化,ASO优化,或者单价下降后再来调整上升预算之类。我感觉挺难找到一个公式算出来,我不会....但是我会简单的粗暴尝试,先顶到亏本线买,然后压价,降预算,找到这个平衡点。如果你知道怎么列公式算出来多少钱最合适告诉我一下。
除了知道要抠门点买量之外,你还应该考虑怎么操作买量能最大化带动自然量。
1,尽可能覆盖到更宽泛的人群,具体操作就是在投放的时候素材+人群要考虑覆盖更多可能能需要你产品的人,不要做的太垂直的人。2,尽可能调整预算分配,给到不那么会抢到自然量的渠道,比如Google ads能带动商店的量,但是也是在花钱少的时候能吃掉最多的自然量,所以要根据自己产品实际情况决定要不要更多把预算给FB,TT等等,但是这个不是绝对,一定要去分析自己Google ads曝光位置才能决定。钱多的时候也不用挑剔是不是Google ads在占自然量,怼起来后整体在调回去问题也不大,加快前期的积累过程。3,尽可能跑高质量人群,Google的原则是给用户最有价值的内容+App,所以商店在推荐相似人群的时候,通过买量带入的人群质量高,推荐的相似人群也就质量更高,也能让Google觉得你的产品是针对用户有用,高质量人群体现在留存高,停留时间长,频次高等等上面。 反过来想,刷榜被清榜之类其实也是从用户角度判断的,如果进来的用户都不是目标人群,商店估计会给产品降权,觉得是个垃圾产品。所以,买量的时候也得避开下太差的渠道+人群。
除了这些,剩下应该就应该是要去优化ASO之类了,比如商店页面本身的优化,从买量和自然量角度都应该去优化转化率和关键词广度深度等等。