干货 | 如何把钱花在刀刃上
如何评估一个平台的投放价值？用户匹配不准，转化效果不好，花了钱打水漂儿怎么办？如何把广告效果最大化是很多营销人/运营人梦寐以求的，特别是在现在这个线上线下流量获取费用都暴涨的年代。围绕广告投放及获客质量，本文整理了诸葛io增长团队负责人邱千秋的分享：
内容提要：
1、获客渠道矩阵优化投放
2、用户质量与投资回报率交叉评估
3、数据异常的一般分析方法
渠道获客效果矩阵气泡图
推广投放的分析思路是相对固定的，主要关注用户质量和性价比，当分析出问题后，寻找原因，就需要对推广投放的场景和各种影响因素有比较多的了解，而分析的难点在于推广投放的场景非常复杂，多数人只会接触其中一小部分，所以出现问题的时候往往想不到到底是哪儿出了问题。
渠道获客效果矩阵气泡图
推广渠道趋于多样化，除了在内容中、平台中、应用商店中的广告位，最近几年比如：移动端视频广告、原生feed流广告、程序化广告的方式也都增长很快，但是从分析的角度上说，这些新兴的方式只是具体推广手段的不同，并没有影响我们分析的目标，所以我们可以以不变应万变。
这个数据分析可视化的效果图，代表了四个维度的信息，首先看内容，每一个颜色的气泡，都代表着一个流量渠道，气泡的大小，代表着流量的数量，而每个气泡所在的位置，是由两个维度的信息交叉而成，纵轴为整体的用户质量从低到高，横轴为该渠道整体的投资回报率。
用户质量，是对有效用户的一个衡量标准，可以根据我们具体产品业务特点来确定用户关键行为，基于不同行为的触发频次设定分值，整体进行建模，最终为渠道用户的整体质量进行打分。
ROI投资回报率，就是周期内利润除以周期内投资额，本质上这个指标是希望提高投资资产的利用效率来获取更好的回报。
举个例子，比如最左边的红色小气泡，是a渠道带来的流量，首先流量较小，但是这部分用户的停留时长、关注、互动、留存等指标都还不错，但投资回报率比较差，即，这些质量中等的用户最终为企业带来的价值回报并不大。
我们可以直观的了解到，这类客户质量是不错的，应该是关键行为，比如：购买的转化或者持续购买的转化并不理想，可能在产品中，更多的充当了活跃但是没有直接消费的用户，对于这样的渠道用户，我们应该设法在精细运营中，了解这类用户特点，更好的引导其进行持续的转化，为产品带来更大的回报。
这是一个简单的例子，但是即便这样，也能体现出渠道获客分析的三个基本原则：
其一，衡量的核心是为了提升性价比
目标要明确，我们在这个分析衡量的过程中，不仅仅是为了下判断，其核心是为了提升投放推广的性价比，评估后要分析背后的原因，如果是渠道用户的特点问题，一方面我们可以调整我们对这个渠道用户的运营策略，另一方面，也可以配合商务与推广渠道谈判，降低投放价格，也是提升性价比的好办法。
其二，不轻易扔掉任何一个流量入口
一方面在于，只要用户是真实的，在投资回报率不是特别低到负数的情况下，那么对于用户的积累本身还是有意义的；
另一方面在于，推广过程中多个渠道之间可能会有关联，比如用户从知乎点击过广告，进入H5看了一下觉得没意思就没下载app，但是两周后在朋友圈又看到公司同事在玩，并且通过同事的邀请链接又下载了，成为了一个优质用户。这个过程中，知乎这个渠道本身就起到了预热的作用，如果没有这个渠道的预热，后续用户的接受程度可能并不会有那么高。综上，完全拒绝某个渠道的决定，不宜轻易做出。
第三，试验调整不断衡量以提升转化
多做策略调整，不断优化，质量高ROI差的渠道，要尝试提高与收益相关的转化；质量低ROI又有点高的渠道，即便想要去掉这个渠道，也建议逐步进行，先减少25%的投放，如果对其他渠道的影响不大，再逐步减少，最终去掉。如果过程中发现有其他渠道出现了波动，就需要及时调整，整体评估了。
新增用户相关数据异常的一般分析方法
当发现流量相关数据有波动和异常时，一般可遵循以下步骤进行分析：
1、初步整体筛查
此时，先查看数据趋势波动的转折点在什么时间。最低最高数据异常点，比如：增高或降低的那一天，细化到分钟级的时间维度，同时调查产品、运营和市场推广相关的动作，从时间点上进行业务关联，寻找原因。还有一个维度，是用户的地域城市，也是容易出现异常的地方，建议在初步筛查时进行确认。一般来说，只要是业务调整带来的问题，一般在这个阶段就能找到数据异常的端倪，缩小分析范围。
2、细分业务 业务筛查
简单说，就是围绕第一步分析的维度，从业务上进行细分，细分维度包括utm 来源情况，不同渠道来源情况以及产品版本来源情况；用户质量相关数据，比如：用户停留时长，关键行为活跃比以及留存数据，均要着重对比。这里最为重要的一点在于，我们一定要截取固定时间段的新增用户进行分析，这样数据样本会比较干净，容易控制条件变量，让问题更为明显。
3、与自然流量进行对比
通过这些维度的分析，基于与过往数据的对比，一般来说就能够找到导致数据波动的原因了，无非两个方面，一方面是产品本身出现了问题，导致流量数据异常，这种原因通常会体现在app版本之间的数据差异。另一方面，就是某个渠道的用户质量出现了波动，此时，又涉及到一个问题：数据的波动是不是可以就此归结为这两种原因？
比如：由于版本之间的数据差异，就可以认为是产品设计出了问题？会不会是打包版本出现了问题？比如：流量质量问题，会不会是因为这个渠道本应如此？
所以此时，还是建议大家把细分渠道的数据，与同时期的自然流量进行一次对比：如果差异小，同时没有做产品迭代，那基本上会是流量质量的问题；如果差异大，又有产品迭代，那大多是由于产品改版带来的影响。
此时与自然流量进行对比，不论在业务细分阶段我们发现了什么差异，都能帮我们进行一个相对客观的评估。
4、流量是否作弊
最后，在获客阶段，有一个独特的场景，进行渠道刷量、渠道作弊的情况，如果有这方面的怀疑，首先可以从用户新增后的行为轨迹上来进行分析，基本上就能找出80%的作弊渠道了，一般体现为新增用户没有触发任何行为，或者只触发几个固定行为，行为轨迹模式相对正常用户很单一，一个简短的汇总分析就能看出来。
可参考的“反作弊策略”
关键操作活跃量占总活跃的占比
新功能使用率
用户激活APP的时间
设备集中度，如机型、操作系统
根据点击有效性判断
合同约定赔偿金额，加大惩罚力度
毕竟刷量大多是通过技术来完成，一般也就是模拟启动和固定的几个行为，难以做到像真实用户行为的随机效果，这是业务方面的筛查。
另一方面，在于技术筛查，可基于ip、设备型号和屏幕分辨率这三个角度，逐一向下查询分析，基本上能覆盖绝大多数的作弊场景。尤其是屏幕分辨率，毕竟ip和设备型号都是可以通过模拟的手段进行修改，而屏幕分辨率本质上也可以，但是往往会被刷机人员忽略。
都知道那句经典名言：“广告费至少浪费了一半以上，但我不知道究竟浪费在哪里？”这很悲剧！哪有那么多经典广告，哪有那么多转化率碉堡的广告，大部分广告都是一般般的，不要整天想着写出绝世文案，做出惊天广告，踏踏实实的评估渠道质量，提高投放推广的性价比，获取到相对高质量的用户，再不断调整策略提升转化就很好了。