编辑导语：汽车行业广告中有许多常见的流量分配策略，包括级别市场流量分配策略、KA客户流量倾斜策略等。那么，什么是KA客户流量倾斜策略？本篇文章里，作者互联网汽车广告行业中的KA客户流量倾斜策略做了分析和拆解，一起来看一下。

在《互联网汽车行业广告策略（三）流量分配策略（上）》里我们介绍了如何认知商业流量并发现其中的问题，然后介绍了在汽车行业广告中常用的流量分配策略——级别市场流量分配策略。接下来我继续来介绍第二种常见流量分配策略：KA客户流量倾斜策略。

问题1：当公司的KA客户（重点客户）与我们签订了年框/大单，平台进行了超高的效果承诺，如果仅依靠现有投放逻辑很有可能无法在指定周期内兑现这些承诺。

在绝大对数的互联网广告公司里针对KA客户都会有特殊的政策予以照顾，常见的特殊政策有：独享的产品折扣，非常规的附加权益，超高的效果承诺等。

很多中小平台为了拿下大单甚至会做出超越自己实际流量的效果承诺，并且这种情况在这个互联网用户增长乏力的年代变的越来越普遍。总之为了照顾KA客户的感受，营销侧总是会使劲浑身解数。

但很显然，KA客户更关注的是投放后是否真的能带来承诺的效果，或者可以更进一步理解为，在该平台加大投放力度是否真的能带来超额的收益。而作为平台方想要兑现这些承诺，除了在媒介执行层面增加优化手段外，就还需要商业广告的产品经理们来想办法进行流量倾斜。

如上图所示，在实际的广告投放过程中，KA客户下了大单大幅增加了每日预算，在没有流量分配策略支持的情况下，很可能会面临预算消耗不完的情况。

当然出现这种情况有一个先决条件：平台的整体流量不足，流量利用率已经很高，并且没有对外采买流量的预算。尤其是在垂直类媒体，如果客户知道流量是从外部采买的，很可能会直接撤单，毕竟选择来垂媒进行投放为的就是垂媒精准且高意向的用户群体，通过垂媒投外部媒体，那还不如去综合类媒体平台投放。

在没有流量支持的情况下，能做的就只有通过强化运营手段，比如最常见的放开定向条件、调整出价等方式来把客户的预算消耗掉。

但同时也会带来更多的问题，放开定向虽然扩大了流量开口，但因为定向不再精准可能带来CTR、CVR的下降。调整出价是可以快速将预算消耗掉，但整体的ROI也会下降，并且这些关键结果性指标下降是更难以向客户交代的。

此时，就到了商业广告产品经理体现作用的时候，虽然没有办法“无中生有”的造出流量来，但可以通过流量分配策略以“薅羊毛”的方式为客户带来一定的精准流量，尽可能保证在各项关键结果性指标无明显下降的情况下消耗完预算，并兑现承诺的效果。

一、应对策略：KA客户流量倾斜策略

在流量大盘有限，流量利用率已经很高的情况下，再想要找出精准的流量并不是一件容易的事，此时通常有两种思路：

① 常规思路

进行更深层次的用户行为研究，优化look-alike之类的算法来找到更多潜在用户。这种方法其本质还是走了扩定向的老路，只不过扩定向的方法比直接在投放后台把定向条件放宽要来的精巧，但最终能带来多少效果，什么时候才能带来明显的效果都是难以确定的，需要算法同学不断去实验，所以我们还需要一些“歪招”来救急。

② 歪招思路

既然是要找针对这个车系的更多精准流量，那么从这个车系的直接竞品车系下手就是一个很取巧的办法。互为直接竞品的几个车系所针对的目标人群会有很多相似的特征，从这个范围中去挖掘取得效果的可能性就会大幅增加。

这种方法从业务的角度也很容易理解，一名用户在想买车时，初期通常会同时关注4-8个车系，只要在这个范围之内谁更多地将自己展示在用户面前，谁就将获得更多让用户深入了解的机会，最终成交的机率也就会更大。

但这种从直接竞品进行挖掘的思路并不一定适合其他品类的广告，因为当用户要买汽车时他的购买范围就已经限定在汽车这个范围里，之后的结果要么买了A车，要么买了B车，要么不买，但很少会出现超出品类最终买了个摩托车，或者自行车的情况。

而电商类则会有啤酒和尿不湿这种反常识的案例出现，也就是说只有当用户的目标品类被限定时，去研究竞品间流量分配的问题才有意思，当品类不固定时显然还是常规思路会更有效。

二、策略的实现

常规策略的实现是由算法同学来开发一个针对目标车系的人群扩展模型，模型训练好之后会推送到DMP中去，媒介执行/代理就可以在DMP上利用此模型生成一组新的人群包，并推送到广告投放平台的定向模块中进行投放，最终将投放的结果回传给算法侧用于后续的模型优化。

歪招策略的实现方式与之前介绍的策略实现方式一样，都是通过在重排阶段增加目标对象的权重来实现的。

但需要注意的是KA客户车系加权并不是通用型策略即不是每次竞价都会触发的策略，触发的条件需要目标对象及其竞品参与同一次竞价中才会触发该策略。

其次在对目标对象进行加权前会先触发通用型策略，比如：级别市场加权，之后再触发特殊策略：KA客户车系加权。两种策略虽然都是加权但不能随意混合，否则背后的算法模型会变的很混乱，要尽可能做到不同的策略解决不同的问题，策略之间尽可能相互独立。

三、策略效果的评估

常规策略的效果评估是完全可以通过指标来判断的。

首先，新模型为我们找来了多少全新的精准用户，这些用户是否能够支持将客户的每日预算消耗完。其次这些新增的人群包在投放中的效果如何，CTR/CVR/ROI是否会低于日常投放的平均水平，如果只是略微低于日常水平这样的结果是可以接受的。

歪招策略的效果评估就比较复杂，首先需要验证我们加权后实际给客户新增了多少曝光机会，这些曝光机会是否产生了后续的转化行为，这些转化行为的考核指标同样不能大幅低于日常投放水平。

其次还要注意相关竞品的账户消耗情况，如果大幅下降也是没有办法交代的，通常情况下将每个竞品的流量下降控制在10%以内都是可以接受的。在实际应用中还会遇到从竞品抢夺来的流量转化效率反而下降的情况，此时就需要重新检视直接竞品的计算逻辑是否合理，如果直接竞品计算的不合理后续所有针对竞品流量的抢夺效果肯定都是起不来的。

最后，常规策略与歪招策略完全是可以同步进行的，这样两种策略所承担的效果压力就会小很多，策略生效的可能性就会更高。

四、策略的泛化

常规策略其实并不存在泛化的问题，因为这种策略是完全通用的，几乎每种行业的客户需要进行流量扶持时都可以采用这种思路设计策略。而歪招策略则只适用于有限定范围的强竞争行业，比如汽车、房产等。

但歪招同样给我们带来了一些启示，相信很多从事商业广告的产品经理们都遇到过要强行帮某个项目快速完成KPI的情况，在这种非常紧急的场景中就可以尝试采用遍地薅羊毛的策略来救急。

但需要特别注意的是，歪招这类的策略一定只是用来短时间内救急，切忌长时间大规模使用。

本文由 @凡事需景盛 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议