关注短剧自习室，后台回复“春山”，可得互动问答答案文档
春山在去年5月曾分享「春山：前策略产品视角的投放与素材（附视频讲解+完整PPT）」，广受自习室群友好评，本期将继续给我们带来精彩分享。
本期分享要点：
3. 如何搭建高效率的素材体系
设计预期：让广告投放走向“无人驾驶”
.......
日常投放中，优化师半夜盯账户，KTV搭计划，所谓“天下苦广告投放久已”。
使命：解决日常投放的不稳定问题
责任：掏光广告主的预算 老的模式下，广告主不敢投，或者心惊胆战的投，这直接反应在预算和出价上
投放实验室->投放管家->升级版2.0
投放实验室：半自动化投放的探索前期，主要是【创意标签】上的探索，例如著名的去标签化实验
投放管家：整合一键起量、一键继承、nobid、一键优化等优化工具资源
升级版2.0：优化效果，提升各工具间的协同效应，降低“数据孤岛”的影响
| 元素 | 老版本 | 2.0 |
| 定向 | 强定向+弱定向，鼓励精准定向的同时，适当放宽定向 | 梭哈就完事了，你只管交给系统 |
| 出价 | 手动调整（梯度出价，高开低走等） | 自动出价+nobid+CBO等 |
| 创意 | 程序化创意+自定义创意+衍生创意 | 程序化创意+衍生创意 |
|
调控 |
手动优化 |
一键起量、一键继承等优化工具形成的组合拳
|
二、2.0下对优化师和素材内容的影响
| 冷启动 | 成熟期 | 衰退期 | |
| 旧版 | 冷启动比较慢，需要多数计划测试，且偏保守，冷启动效率低 | 相对稳定 | 衰退周期长（如果不作死对冲优量计划的话） |
| 新版 | 冷启动期间更加激进，且可以综合效果转化工具，冷启动效率高 | 稳定中透露出一丝飘 （因为需要补充新计划，所以会影响，虽然有调优策略了，但底层机制就那样了 | 衰退周期中长，因为受多计划影响 |
题外话：无脑堆计划，会内卷同账户相似计划竞争，从而透支掉潜在人群空间，导致计划衰退快 想想重复度打压，素材保护，是不是有那味了
对竞价的影响：由全手动走向半自动（类似由手动档进化到自动档，不用再在乎档位的调整，更加关注视觉元素）
素材上的影响：释放优化师操作操作优化精力后，需要更多的关注素材的数量和质量（数量>质量），需要特征数量更多的素材（后面会说到优质素材）
PS：数量>质量的逻辑，不是支持无脑堆无效素材，改改帧或者贴片啥的，是指满足基段+进阶段的素材，切勿误导。
在创意策略上从素材离线优选迭代为素材在线优选，而且让系统会自动进行组合搭配（说白了就是程序化创意，A×B）
由于素材叉乘组合构成创意，会导致创意数量过多，为了快速度过冷启动和较少广告浪费，从效果和性能方面考虑，对于初始时的这些创意，会做素材优选，从多个创意中挑选优质创意在第一批进行投放（首批策略）。同时在投放过程中，定期检查创意的后验数据，暂停效果较差的创意，启动没有探索过的创意（剪枝策略）。
综上所述：
除运营活动外，常规无所谓的流量扶持 流量扶持分为保送和扶持，常规作用在精排和粗排，如果是“扶不起来的阿斗”，也是过不了混排的
新素材的跑量好的原因：
三、如何搭建高效率的素材体系
各家自有各家长，能够保证高效的素材生产供给即可。
对素材进行统一的资产管理，素材资产=素材内容+素材生产数据。
素材内容：视频、台词、图片、人物、BGM、文案等。
生产数据：素材线上使用所产生的真实数据，和对应的素材挂钩。
- 对素材进行颗粒度最小化的标签打标，一个素材由N多个标签构成
- 可细剖用户画像，做标签反推
- 重要：集合素材资产体系，累计生产数据后，对不同素材的标签做聚合化分析，得到科学的标签&素材方向1
由于标签属性的不同，为了避免脏数据造成不在预期的影响，需要对不同的标签进行分类，核心目的是实现对标签的分组管理和方便后续归因。
例如按大搜关键词的做法：核心、潜在、非核心。例如按有效性：有效、无效、待定。
示例：
| 1级 | 2级 | 3级 | 4级 | 5级 |
| 自行车 | 公路自行车 | 城市公路自行车 | 城市破风公路自行车 | 粉色城市破风公路自行车 |
A. 可对视频进行分帧打点，对脚本和文案进行分词重组，得到更加详实，更加置信的标的
B. 标签聚合化学习模型
标签预测模型
标签预测模型可以选择任何一个现有的分类模型，如逻辑回归、决策树、随机森林等等。我们以逻辑回归为例，假设训练集包含m个样本和n个标签，则对于第i个标签，我们可以训练一个逻辑回归模型：
其中x为输入样本的特征，θ 为逻辑回归模型的参数。
聚合模型
聚合模型通过将所有标签的概率分布进行聚合，生成最终的分类结果。常用的聚合方法有三种：Binary Relevance、Classifier Chains和Label Power Set。
X：时间 Y：消耗 Z：回收（可根据业务自己设定） 一个标签可存在多个向量
每个素材的标签不同
每个素材的消耗数据不同
每个素材的投放情况不同
我如何知道哪个标签是有效的?
通过聚合分析标签在不同素材中的向量，可得到核心标签（颗粒度小）
为什么我一个全新的素材系统会给我标识【低质】 为什么我一个看起来很牛逼的素材，数据表现效果不好 为什么一个十分拉跨的素材，却有很好的数据表现
题外话：
| 平台出于用户体验的考虑，会对低质素材进行打压（降低hidden_cost），也就是标识【低质】 不标识【低质】的素材不一定会被打压，标识低质的素材一定会被打压 当有以下场景时，容易被打压： a.命中负面反馈模型 b.同类型素材历史展示量过高 c.相似素材召回时，hidden_cost较低 d.该素材用户负面反馈高 |
| 基础段 | 进阶段 | 加分段 |
|
|
|
不同方向、不同用户、不同转化目标、不同出价如何有个统一的评判标准
| 维度 | 现在：已产生数据 | 目的 | 未来：时序预测 | 现在+未来=总质量分 | 比对 | rank | |
| 消耗降权 | （-1/cost*+z）*100 | 降低消耗虹吸带来的影响 | 可量化 定值 | *0.3 | 现在+未来=总质量分 | 和账户基准数值对比（近7天） | 以质量总分排序，更高分数的素材，有更大的起量空间（理论上，收实时预估的偏差，有出如） |
| ecpm值加权 | ecpm*x（1<x） | ECPM越高，代表投放越精准，竞争力越高 | *0.3 | ||||
| CPM降权 | cpm*x(0<x<1） | CPM越高，流量越贵，越容易超成本 | *0.3 | ||||
| 计费比反函数加权 | （1/cpa/bid-a）*b | 计费比越低，质量度越高 | *0.3 | ||||
| 回收系数加权 | roi*100 | ROI越高，质量度越高 | |||||
| 回收值降权 | （-1/回收+1）*100 | ||||||
| 生命周期判定 | 冷启动、成熟期、衰退期 | 数据稳定度 | |||||
| 时序预测判定走势，继续上升事态素材更多容忍度 | |||||||
| 上述指标总分时序预测 | 上升、下降 | 判定未来走势 | |||||
| 时序节点回归 | 连续上升、连续下降、节点回归曲线 | ||||||
可以以实际数值为参考，做加减权系数的拟合训练，得到动态入参，优化加减权系数以至更合理。
拟合训练：根据生产数据进行拟合训练系数参数，避免过拟合和欠拟合，拟合训练直接影响了模型的准召率。
时序预测：基于某一指标的历史数据来预测其在未来的值（算命）
Q1：素材会累积数据模型吗？
Q3：老带新，新素材计划竞争力低，整体跑出率低怎么办？
Q4：一个项目组里面，最合适的素材和文案的比例是多少？
Q5：放量情况依靠回收数据吗？
Q6：剪枝策略会不会影响到我计划的稳定度？
Q7：单个计划放多少个视频素材比较好？
Q8：公司的素材标签体系与巨量识别的素材特征是不是一样的？
Q9：如何评估单个素材的好坏？
Q10：从媒体的角度来看扣量回传和增量，干预CVR，还有效果吗？
Q11：有些比较主观的情感，用什么标签比较好？
Q12：素材的点击率高，ROI低，可以从哪些角度分析素材，是否点击率和ROI不是呈正相关？
Q13：后端素材会越跑越差吗？
Q14：稳定计划加新素材会打乱原来的计划吗？
Q15：给计划一键起量后，基础消耗大于起量消耗，我再关掉一键起量对计划的影响大吗？
*春山声明：以下仅代表作者个人观点，和平台及第三方无关
