D32-35-黑名单和白名单方法：案例

xingqing

如果前面一个让你感到困惑，不要怕。下面是一些实战案例，帮助大家把上一节课的建议理解的更透彻。

为了简化，我们对数据做一些假定：

1）假设数据是完整的一天的，这样就免去了推算的过程。

2）数据是来自最好的offer和 Landing page组合的，这样我们就可以自由的使用voluum中的三个层级的报告查看功能。

案例是来自popads流量的。类似的优化策略可以被用在任何其他的流量源。要记住的重要的一点是我们只能优化流量源上面可以被定位或者排除的选项。

深入查看多种报告

 Campaign整体数据：

再说一遍，为了简化我们就假设我们收集的是24小时的数据。

广告位数据：

主要广告位每日预估盈利（EDP） + 次要广告位每日预估盈利（EDP） = $17.64

这意味着理论上，如果我们不调整其他的变量，单单通过广告位优化我们最终应该能够达到这个水平的盈利。

不过我们还是要看一看有没有其他的东西可以通过白名单或者黑名单来优化从而更快的获得盈利。

Brands > Models组合

实际上， Popads没有用Models，它使用的是 DEVICENAME ，使用它我们就可以确保通过追踪程序反映出来的趋势，最终可以通过popads的选项进行定位。

通过利润倒序将品牌数据排名，没有很多盈利的地方：

如果有足够多的盈利区块，并且我们也希望利用黑名单或者白名单通过大块的流量更快的进行优化，那么我们就有办法通过白名单的操作立刻的锁定这些盈利，不过这里我们并没有发现这种可能。

所以我们必须要看一看更大一些的品牌，有没有哪些表现出潜力，这样我们就可以定位它；或者有没有哪些看起来毫无希望，就要把它剔除，从而显著的增加我们campaign的整体利润或者投资回报率，然后再通过广告位的优化将campaign带向盈利。

所以下一步，通过流量倒序展示 Brands > DEVICENAME 的数据：

（确保在voluum中选择了tree而不是table）

最大的几个品牌(不要浪费时间在小品牌上，我们需要的是大概的利润估算）：

三星的回报率是-19.53%；LG的回报率是-8.30%；摩托罗拉的回报率是-43.72%，不算毫无希望。

我们把这4个最大的品牌的数据通过 DEVICENAME 展开来深入查看，看看有没有盈利的区块。

首先是三星：

三星的设备中，最大的流量块要么盈利了，至少也看起来有点希望。（最大是主观的，我都是通过直觉判断的。看小的数据块是浪费时间。大家不要过度分析和过度优化。）

注意： Generic水下非常的多，但是无法通过popads定位选项进行排除，所以我们只能反过来通过白名单来操作。

摩托罗拉：

摩托罗拉的设备，最大的流量区块大部分都是有希望的。（Motorola/Moto G 3rd Gen 可能需要排除掉，因为它负的太多了，不过也没大的关系因为它的流量并不多。）

 LG：

 LG设备，大的流量块基本上都是盈利的或者有希望的。

联想：

联想的设备，他的流量快基本上都是盈利的或者有希望的。

下一步，我们想看看如果我们通过排名单跑这4个品牌，我们通过盈利的流量块能获得多少的利润。下面是我们的操作方法：

1）进入Brands > Placements导出csv/xlsx数据。

在 Voluum 中导出 CSV：Export > Download CSV

在 Binom 中导出 CSV：Export > CSV。

在 Funnelflux Pro 中导出 CSV：点击表格图标在屏幕的底部：

2）下载这个可以用来合并数据的表格：

见课程附件 D32-D35-matching-data-sets.xlsx

还有其他的表格可以使用，这是原帖：

https://affren.com/study-895.html

3）打开csv文件，通过Brands 排名：

加入社区,可阅读全站10w+资源

您尚未登录，请登录后操作

 非会员试读19%,加入社区后可阅读全文