玩转博娱应用商店，实现广告资源配置优化

玩转博娱应用商店（1396yu），让你的APP溜起来！！！
去年我带了一个*服客户，在某应用商店上推广APP，投放量级一天几十万。
当时一直很头疼的问题是，媒体方不允许监测各广告位的激活，而仅从前端的 曝光、、消费，难以判断各广告位的优劣。
明明知道，某些广告位的转化不好，但因为客户的KPI对量有要求，只能硬着头皮、凭经验继续投。
我接手客户后，提了几个解决方案：
方案一：
将目前正投放的6个广告位中暂停3个，再加上自然量，合计4个量来源。一周后，暂停6个广告位中的另外3个，开启已暂停的3个，以此类推。
原理是：通过减少变量（即来源）的个数，来降低评估不同变量（即来源）对某一指标（即总激活量）的影响的难度。
这个方案的思路是很好的，但并不适用于这个客户的实际情况：来源分布高度集中。
下图是 近1个月的 各来源的占比分布，可以看出：
自然量、精品、装机必备 三个来源已占到70%以上，其他资源 也能占到10%左右，暂停广告位的测试方案很容易引起账户的流量波动，所以考虑方案二。
方案二：
基于统计学的广告数据定量分析，研究各来源与总激活量是否存在显著的相关关系。
相关性越强的来源意味着对激活量的贡献越大，即激活率越高。
开始分析。这里以 IBM SPSS 23为例，将量和激活量的数据导入。
进行 相关分析，结果如下：
数据显示，激活量与不同来源的相关关系是：
强相关（>0.8）：激活-精品、激活-搜索、激活-自然量
较强相关（0.6~0.8）：激活-排行榜、激活-其他资源、激活-红包专场
一般相关（0.4~0.6）：激活-装机必备
因为不存在第三个明显变量（具体解释在文末），这里的相关关系可视为因果关系。
换句话说，数据显示，针对该App在该应用商店的激活率的排序是：
精品、搜索、自然量 > 排行榜、其他资源、红包专场 > 装机必备
随后，我们进行了出价、预算、时段等控制，重点提高了转化较优的广告位。
下图是 优化期间 各来源的占比分布，可以看出：
精品的量占比提到了近10个百分点，其他资源占比逐渐降低至0，搜索的占比也在增加。
装机必备的占比有较大幅度波动，主要原因：由于竞争对手做活动，精品的流量不稳定；KPI对量有要求；装机必备的新客率较高。