D34-35-黑名单和白名单方法：建议（1）

xingqing

正如我之前多次提到的，有非常多的方法可以优化一个campaign。

我只能帮助按照我的方法开始。而我个人更喜欢更多的专注于测试和上量而不喜欢更多的优化，我不认为自己是一个专家。

但是我的建议可以给大家一个起步时候很好的参考。

这一节课和下一节课的内容花了我很多时间去写。我几乎重写了10多次，最终的版本和我最初的版本基本上已经完全不一样了。

给定一组特定的数据然后说这样应该怎么去优化是非常容易的，但是要给出一个通用的方法却是非常困难的，并且这个方法流程还不能过于复杂把大家都搞晕了。

最后呢我把本课呢写成了关于优化的一系列建议，并且给出了一些campaign的数据细节对其中某些建议进行了一些说明。

（你可能要阅读本课多次才能完全理解，因为在我写这些建议的时候我还引用了一些案例。）

我也分享了一张 excel 表格帮助大家去分析数据。

这节课的内容非常充实，我们一起开始吧！

通用优化方法

这里列举的非常粗线条，细节都会在后面讲：

1）深入所有的可定位的变量报告，来估算每日盈利。如果估算的每日盈利还可以，那就进入下一步。（这里同时可以估算一下投资回报率也是在可接受的范围。）

2）看看有没有白名单或者黑名单策略实施的空间。

可以操作黑名单的：

——部分流量投资回报率和其他的流量相比差的非常多。

可以操作白名单的：

——部分流量投资回报率和其他流量相比好出非常多。

3）制定一个实操方案，不管是白名单还是黑名单或者两者混合，来实现每日最大盈利。

建议一：搞清楚哪个变量可以被优化

当分析一个PropellerAds campaign数据的时候，想要针对移动手机或者平板的表现来进行一个优化是毫无意义的，因为这里你只能选择全部定位它们或者一个也不定位。

(不过，假如你发现平板流量转化比手机流量好的多，你还是可以利用这些结论在其他可以定位平板流量的平台上去发挥这个优势。）

还有：很显然，如果一个变量没有在voluum中被追踪，那么你也不能通过黑名单或者白名单去优化它，因为你根本不知道它们的表现如何。

因此：在你查看追踪程序数据来寻找可以做黑名单优化或者白名单优化的时候，要确保这些选项可以在流量源进行操作。

不仅如此：要知道最终程序的变量有两种类型：有一些是追踪程序检测到的，而另一些是流量源传递过来的。

看上面的截屏，顶部的变量是追踪程序 voluum 检测的，而下面的一系列是流量源传递给追踪程序的，这里是popads。

你可以选择回传什么数据过来，通过编辑 voluum 特定的流量源设定，比如，popads 中，你可以在这里看到 popads 可以回传的所有变量：PopAds' Advertiser's Knowledge Base。

建议二、估算每日盈利和投资回报率

还记得上一节课我强调过，确定你当前在跑的offer+landing page要能够达到最低要求的每日盈利和每日投资回报率是很重要的。

如果它很难达到这个要求，那就停止对它的优化。

你也可以试试测试一下出价看情况是否有所改善，或者在开始新的优化前，测试更多的offer和landing page来获得更好的盈利表现。

那么你如何去评价你当前的offer和 landing page 是否有潜力达到最低的盈利和投资回报率要求呢?

我还不知道任何精确的或者确保准确的方法来达到这个目的。但我还是给大家来介绍一下每日盈利估算的概念：

每日盈利估算是你可以用来估算一个campaign的优化以后可以获得的最终利润的方法。

不必说，当我们检查数据的时候，我们需要找到一个优化策略让我们最大化每日盈利。

只有这个每日盈利预估足够高，我们才应该执行优化。

下面是几个估算的方法。

方法一：查看除了广告位以外其他可以优化的变量，把可以定位的盈利区块的盈利额加起来。

我们后面会讲一下如何根据广告位来估算每日盈利。这里我们先看一下除了广告位以外的其他变量。

准确来说，我们说的变量应该有一个或多个已经盈利，每一块的流量属于中等量到大量，这样我们马上就可以通过白名单把这些利润锁定，理论上就马上可以得到一个盈利的campaign。

上面也说过，我们希望对照查看同样设置下的流量源和追踪程序的数据，这样就可以知道哪些变量可以被用来优化。

比如，对于popads，下面是一些可以被优化的变量：

如果你再往下拉可以看到更多voluum的变量，还有就是popads回传的变量。还有哪些变量可以被优化大家可以自己去研究，我们会在案例部分再讲。

然后，你可以去深入看每个变量的报告，按照盈利降序排列，看看哪些流量块是盈利的，然后把它们的利润加起来。

比如对于品牌变量：

在popads，我们可以对照的设备部分查看：

如果我们进行对照，我们就可以发现大部分的盈利区块都可以在popads中定位，除了T-mobile。所以我们在做估算的时候就要把它排除在外。同时，我通常会把只有一个转化的区块也排除在外，因为这一个转化可能只是运气好。想要更精确的估算，那么转化数量至少要有两个。不过即使是这样，我们也是尽量去做更准确的估算。

那么根据上面的数据，在品牌的变量下我们的估算利润是：

11.38美元+10.68美元+4.28美元+3.46美元+1.1美元=大约30美元（这里没必要使用计算器，大概算一下就行了）

我们可以对其他 Voluum 数据过滤器中的其他变量用同样的方法进行估算。这里我不会一一列举，稍微再选几个代表性的演示一下。

比如操作系统版本，在popads中也有操作系统板块：

这里所有盈利的区块和是35美金。

还有型号，对应的是popads里面的设备:

这里所有可定位的盈利大约58美金。

用同样的方法你可以深入查看所有可定位的变量。然后快速计算一下每个变量下的可定位的总盈利，在一张纸上把它们分别记录下来。

重要提示：确保你查看的数据是你最好的offer和landing page的！如果你已经把时间段设置在了只是跑你最好的offer和landing page的时间段，那么你只要深入第1层级查看单一变量的报告就可以看到上面的数据了。不过，如果你查看的是全部campaign时间段的数据的话，那你首先要选择第1层级是offer，第2层级是landing page，最后再选择你需要查看的变量，然后展开你最好的offer和landing page组合的报告。

下一步：你可以用总回报最高的变量来推断你的每日盈利和投资回报率。

假设我们在深入查看了所有可定位变量之后发现型号的总回报是最高的大约58美金。

那么我们就根据58美金和达到58美金所花掉的时间来估算我们相应的每日盈利。假设我们没有对流量进行限速，然后最好的offer和landing page实现58美金的利润一共花了50个小时。那么每日盈利估算就是：

60美金/50小时×24小时/天 = 大约 30美金/天

这就高于我们之前所说的最低每日盈利标准。

同时我们也可以快速的计算一下投资回报率，通过计算同样的流量块支出的成本。

投资回报率=利润/花费 = 58美金/59美金

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