实时追踪是监控和衡量您的推广链接表现的必要工具。它可以让您了解您的链接点击率、转化率和归因情况，从而帮助您优化您的营销活动，提升投资回报率。
如何实施实时追踪
要实施实时追踪，您需要使用能够提供此服务的链接缩短服务。市场上有许多可供选择的链接缩短服务，您可以根据您的需求选择一个服务。
设置好链接缩短服务后，您就可以开始缩短您的推广链接。当您缩短链接时，平台将为您提供一个唯一的追踪链接。这个追踪链接包含额外的代码，以便平台跟踪链接的性能。
实时追踪指标
实时追踪平台提供了各种指标来帮助您了解您的推广链接的性能。这些指标包括：
- 点击率：这是访问您的追踪链接的人数与收到链接曝光的人数的比率。
- 转化率：这是执行您希望用户执行的操作（例如，购买产品或注册电子邮件列表）的人数与点击您的链接的人数的比率。
- 归因：这是识别特定跟踪链接导致转化所起作用的过程。
如何使用实时追踪
您可以使用实时追踪信息来改善您的营销活动。以下是一些优化链接性能的方法：
- 优化标题和描述：您的链接缩短服务可能会允许您自定义缩短链接的标题和描述。确保您的标题和描述引人注目且相关，以吸引人们点击您的链接。
- 测试不同的平台：并非所有链接缩短服务都是相同的。尝试使用不同的平台来了解哪个平台最适合您的需求。
- 跟踪您的结果：定期查看您的实时追踪数据，以了解您的链接表现如何。您可以使用此信息来调整您的营销活动并提高您的投资回报率。
实时追踪的好处
实时追踪为您的推广链接带来了许多好处，包括：
- 提高投资回报率：通过优化您的营销活动，您可以提高您的投资回报率。
- 提高效率：通过跟踪您的链接性能，您可以专注于表现最佳的活动，并停止浪费时间在效果不佳的活动上。
- 优化你的受众：通过了解您的受众如何与您的链接互动，您可以优化您的内容和营销信息以吸引更多的人。
结论
实时追踪是监控和衡量您的推广链接表现的强大工具。通过使用实时追踪，您可以优化您的营销活动，提高您的投资回报率，并提高您的营销效率。
常用的数据分析方法有哪些？
常用的列了九种供参考:
一、公式拆解
所谓公式拆解法就是针对某个指标，用公式层层分解该指标的影响因素。举例：分析某产品的销售额较低的原因，用公式法分解
二、对比分析
对比法就是用两组或两组以上的数据进行比较，是最通用的方法。
我们知道孤立的数据没有意义，有对比才有差异。 比如在时间维度上的同比和环比、增长率、定基比，与竞争对手的对比、类别之间的对比、特征和属性对比等。 对比法可以发现数据变化规律，使用频繁，经常和其他方法搭配使用。
下图的AB公司销售额对比，虽然A公司销售额总体上涨且高于B公司，但是B公司的增速迅猛，高于A公司，即使后期增速下降了，最后的销售额还是赶超。
三、A/Btest
A/Btest，是将Web或App界面或流程的两个或多个版本，在同一时间维度，分别让类似访客群组来访问，收集各群组的用户体验数据和业务数据，最后分析评估出最好版本正式采用。A/Btest的流程如下：
（1）现状分析并建立假设：分析业务数据，确定当前最关键的改进点，作出优化改进的假设，提出优化建议；比如说我们发现用户的转化率不高，我们假设是因为推广的着陆页面带来的转化率太低，下面就要想办法来进行改进了
（2）设定目标，制定方案：设置主要目标，用来衡量各优化版本的优劣；设置辅助目标，用来评估优化版本对其他方面的影响。
（3）设计与开发：制作2个或多个优化版本的设计原型并完成技术实现。
（4）分配流量：确定每个线上测试版本的分流比例，初始阶段，优化方案的流量设置可以较小，根据情况逐渐增加流量。
（5）采集并分析数据：收集实验数据，进行有效性和效果判断：统计显著性达到95%或以上并且维持一段时间，实验可以结束；如果在95%以下，则可能需要延长测试时间；如果很长时间统计显著性不能达到95%甚至90%，则需要决定是否中止试验。
（6）最后：根据试验结果确定发布新版本、调整分流比例继续测试或者在试验效果未达成的情况下继续优化迭代方案重新开发上线试验。流程图如下：
四、象限分析
通过对两种及以上维度的划分，运用坐标的方式表达出想要的价值。 由价值直接转变为策略，从而进行一些落地的推动。 象限法是一种策略驱动的思维，常与产品分析、市场分析、客户管理、商品管理等。 比如，下图是一个广告点击的四象限分布，X轴从左到右表示从低到高，Y轴从下到上表示从低到高。
高点击率高转化的广告，说明人群相对精准，是一个高效率的广告。 高点击率低转化的广告，说明点击进来的人大多被广告吸引了，转化低说明广告内容针对的人群和产品实际受众有些不符。 高转化低点击的广告，说明广告内容针对的人群和产品实际受众符合程度较高，但需要优化广告内容，吸引更多人点击。 低点击率低转化的广告，可以放弃了。 还有经典的RFM模型，把客户按最近一次消费(Recency)、消费频率(Frequency)、消费金额 (Monetary)三个维度分成八个象限。
象限法的优势：（1）找到问题的共性原因
通过象限分析法，将有相同特征的事件进行归因分析，总结其中的共性原因。例如上面广告的案例中，第一象限的事件可以提炼出有效的推广渠道与推广策略，第三和第四象限可以排除一些无效的推广渠道；
（2）建立分组优化策略针对投放的象限分析法可以针对不同象限建立优化策略，例如RFM客户管理模型中按照象限将客户分为重点发展客户、重点保持客户、一般发展客户、一般保持客户等不同类型。 给重点发展客户倾斜更多的资源，比如VIP服务、个性化服务、附加销售等。 给潜力客户销售价值更高的产品，或一些优惠措施来吸引他们回归。
五、帕累托分析
帕累托法则，源于经典的二八法则。 比如在个人财富上可以说世界上20%的人掌握着80%的财富。 而在数据分析中，则可以理解为20%的数据产生了80%的效果需要围绕这20%的数据进行挖掘。 往往在使用二八法则的时候和排名有关系，排在前20%的才算是有效数据。 二八法是抓重点分析，适用于任何行业。 找到重点，发现其特征，然后可以思考如何让其余的80%向这20%转化，提高效果。
一般地，会用在产品分类上，去测量并构建ABC模型。 比如某零售企业有500个SKU以及这些SKU对应的销售额，那么哪些SKU是重要的呢，这就是在业务运营中分清主次的问题。
常见的做法是将产品SKU作为维度，并将对应的销售额作为基础度量指标，将这些销售额指标从大到小排列，并计算截止当前产品SKU的销售额累计合计占总销售额的百分比。
百分比在 70%（含）以内，划分为 A 类。 百分比在 70~90%（含）以内，划分为 B 类。 百分比在 90~100%（含）以内，划分为 C 类。 以上百分比也可以根据自己的实际情况调整。
ABC分析模型，不光可以用来划分产品和销售额，还可以划分客户及客户交易额等。 比如给企业贡献80%利润的客户是哪些，占比多少。 假设有20%，那么在资源有限的情况下，就知道要重点维护这20%类客户。
六、漏斗分析
漏斗法即是漏斗图，有点像倒金字塔，是一个流程化的思考方式，常用于像新用户的开发、购物转化率这些有变化和一定流程的分析中。
上图是经典的营销漏斗，形象展示了从获取用户到最终转化成购买这整个流程中的一个个子环节。 相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。 所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，从而解决问题，优化该步骤，最终达到提升整体购买转化率的目的。
整体漏斗模型的核心思想其实可以归为分解和量化。 比如分析电商的转化，我们要做的就是监控每个层级上的用户转化，寻找每个层级的可优化点。 对于没有按照流程操作的用户，专门绘制他们的转化模型，缩短路径提升用户体验。
还有经典的黑客增长模型，AARRR模型，指Acquisition、Activation、Retention、Revenue、Referral，即用户获取、用户激活、用户留存、用户收益以及用户传播。 这是产品运营中比较常见的一个模型，结合产品本身的特点以及产品的生命周期位置，来关注不同的数据指标，最终制定不同的运营策略。
从下面这幅AARRR模型图中，能够比较明显的看出来整个用户的生命周期是呈现逐渐递减趋势的。 通过拆解和量化整个用户生命周期各环节，可以进行数据的横向和纵向对比，从而发现对应的问题，最终进行不断的优化迭代。
七、路径分析
用户路径分析追踪用户从某个开始事件直到结束事件的行为路径，即对用户流向进行监测，可以用来衡量网站优化的效果或营销推广的效果，以及了解用户行为偏好，其最终目的是达成业务目标，引导用户更高效地完成产品的最优路径，最终促使用户付费。如何进行用户行为路径分析？
（1）计算用户使用网站或APP时的每个第一步，然后依次计算每一步的流向和转化，通过数据，真实地再现用户从打开APP到离开的整个过程。 （2）查看用户在使用产品时的路径分布情况。 例如：在访问了某个电商产品首页的用户后，有多大比例的用户进行了搜索，有多大比例的用户访问了分类页，有多大比例的用户直接访问的商品详情页。 （3）进行路径优化分析。 例如：哪条路径是用户最多访问的；走到哪一步时，用户最容易流失。 （4）通过路径识别用户行为特征。 例如：分析用户是用完即走的目标导向型，还是无目的浏览型。 （5）对用户进行细分。 通常按照APP的使用目的来对用户进行分类。 如汽车APP的用户可以细分为关注型、意向型、购买型用户，并对每类用户进行不同访问任务的路径分析，比如意向型的用户，他进行不同车型的比较都有哪些路径，存在什么问题。 还有一种方法是利用算法，基于用户所有访问路径进行聚类分析，依据访问路径的相似性对用户进行分类，再对每类用户进行分析。
以电商为例，买家从登录网站／APP到支付成功要经过首页浏览、搜索商品、加入购物车、提交订单、支付订单等过程。 而在用户真实的选购过程是一个交缠反复的过程，例如提交订单后，用户可能会返回首页继续搜索商品，也可能去取消订单，每一个路径背后都有不同的动机。 与其他分析模型配合进行深入分析后，能为找到快速用户动机，从而引领用户走向最优路径或者期望中的路径。 用户行为路径图示例：
八、留存分析
用户留存指的是新会员/用户在经过一定时间之后，仍然具有访问、登录、使用或转化等特定属性和行为，留存用户占当时新用户的比例就是留存率。留存率按照不同的周期分为三类，以登录行为认定的留存为例：第一种 日留存，日留存又可以细分为以下几种：（1）次日留存率：（当天新增的用户中，第2天还登录的用户数）/第一天新增总用户数（2）第3日留存率：（第一天新增用户中，第3天还有登录的用户数）/第一天新增总用户数（3）第7日留存率：（第一天新增用户中，第7天还有登录的用户数）/第一天新增总用户数（4）第14日留存率：（第一天新增用户中，第14天还有登录的用户数）/第一天新增总用户数（5）第30日留存率：（第一天新增用户中，第30天还有登录的用户数）/第一天新增总用户数
第二种 周留存，以周度为单位的留存率，指的是每个周相对于第一个周的新增用户中，仍然还有登录的用户数。
第三种 月留存，以月度为单位的留存率，指的是每个月相对于第一个周的新增用户中，仍然还有登录的用户数。 留存率是针对新用户的，其结果是一个矩阵式半面报告（只有一半有数据），每个数据记录行是日期、列为对应的不同时间周期下的留存率。 正常情况下，留存率会随着时间周期的推移而逐渐降低。 下面以月留存为例生成的月用户留存曲线：
九、聚类分析
聚类分析属于探索性的数据分析方法。 通常，我们利用聚类分析将看似无序的对象进行分组、归类，以达到更好地理解研究对象的目的。 聚类结果要求组内对象相似性较高，组间对象相似性较低。 在用户研究中，很多问题可以借助聚类分析来解决，比如，网站的信息分类问题、网页的点击行为关联性问题以及用户分类问题等等。 其中，用户分类是最常见的情况。
常见的聚类方法有不少，比如K均值（K-Means），谱聚类（Spectral Clustering），层次聚类（Hierarchical Clustering）。以最为常见的K-means为例，如下图：
可以看到，数据可以被分到红蓝绿三个不同的簇（cluster）中，每个簇应有其特有的性质。 显然，聚类分析是一种无监督学习，是在缺乏标签的前提下的一种分类模型。 当我们对数据进行聚类后并得到簇后，一般会单独对每个簇进行深入分析，从而得到更加细致的结果。
新产品如何在小红书推广？
请点击输入图片描述
这是林卿的不知道第几篇原创，
持续输出，做最懂品牌的小红书投手。
请点击输入图片描述
从服务品牌方投放小红书博主开始，
我就被各种品牌方反复cue到这个问题，
即“品牌如何做好新品的小红书投放？”
这是一个很宽泛的问题，
所以，我很久都没办法下笔，
或许是因为最近被问得足够多了，
也或许是因为的的确确积累到某种程度了，
所以我觉得是时候开始写啦，
当然，这只是提供我的一些思考及经验而已，
会偏向于逻辑及执行向多一些，
因此建议你在看的时候多想想如何结合/优化……
本文的内容框架👇
请点击输入图片描述
请点击输入图片描述
1、基础销量及评价
一款新品上线之后，
需要做的第一件事情，
一定是做好基础的销量及评价，
因为不管新品之后是准备投放哪个平台/渠道都需要有一定的基础销量及评价，
不然即便是投放之后有真实用户进店，那转化率也高不了。
那做好基础销量及评价的方式有哪些呢？
1）刷单；
2）通过淘宝/天猫的粉丝群聊或者私域流量引导老用户去购买评价，或者是以寄送小样形式让老用户去购买评价；
3）去各平台/渠道注册企业账号，发布新品体验官招募来引导用户购买评价；
4）以无费置换的形式去置换各平台达人/博主发布作品/笔记，进而引导达人/博主去购买评价。
2、全域投放规划
因为我现阶段只聚焦小红书版块，
所以没办法在全域投放上提供太多思路及建议
但针对全域投放规划，
我只想强调一点，即全域投放一定是小红书先行。
为什么呢？
因为，用户在其他平台看见品牌/产品之后大概率会去小红书上进行搜索，查看品牌/产品在小红书上的评价之类，这是用户的惯性行为，
所以，全域投放一定是小红书先行，
至于先行的时间段，大致是提前半个月进行投放。
补充一下，小红书的投放价值👇
请点击输入图片描述
请点击输入图片描述
1、策划内容方向
小红书的投放ROI跟所投放的内容质量有很大关系，
而针对所投放的内容质量，我们所能做的事情并不多，
1）策划内容方向；
2）精准选号；
3）审稿、改稿。
因为内容方向是选号、审稿、改稿的先决项，
所以，需要优先级策划好内容方向，再谈其他。
而内容方向的策划主要来自对行业及竞品的分析，
1）行业在小红书上的笔记数量、笔记数据及笔记内容，
通过这些来判断行业大盘的情况，
并分析出一些行业热词，
Eg：功能需求词、场景词、价格词、竞品词、活动词……
及热门的内容方向/呈现方式，
Eg：新年妆容更容易得到平台推荐，妆容教程视频形式用户更喜欢、用户在妆容类笔记评论讨论最多的是眼妆……
并在此基础上洞察出用户的一些需求，
Eg：底妆容易脱妆、粉底容易卡粉……
2）同时期竞品在电商侧的评价，
同时期竞品指的是跟自家产品推出时间相差不到三个月的竞品，
电商侧评价的话主要是看差评，
因为差评反馈的是用户最真实的使用体验，
从这些差评可看出竞品的缺陷，
包括用户的诉求，及对于同类产品比较在意的地方，
结合这些及自家产品的卖点之类来策划内容方向。
3）拆解竞品在小红书上的投放，
-投放的博主标签；
-内容切入点；
-侧重的产品卖点及内容呈现形式；
-舆论检测；
-爆文内容拆解；
通过拆解竞品在小红书上的投放情况，
你能排除一些效果不好的内容形式，
至于内容方向不管想不想要全部记下来就好。
经过上述的一顿分析之后，
你会得出不少比较Nice的内容方向，及投放切入点，
也能排除不少效果不好的内容形式。
2、确定投放预算
这是一件很现实的事情，
真的只能看品牌自身情况，
有钱的品牌就是砸钱，然后高举高打，
而没钱的品牌大多只能自己来，然后精打细算。
但不管预算多少，
在小红书上其实都值得尝试一下。
3、制定投放计划
新品小红书投放规划一般是三个阶段，
1）测试期；
2）放量期；
3）节点爆发期。
但大多新品在小红书上的投放只有测试期，
因为不是什么产品都能投放出来的，
所以我们通常在测试期结束之后就能知道结果。
1）测试期
-测试周期
一般是1-3个月，但基本上1个月就够啦，
除非碰上一些比较尴尬的节点，
或者ROI还行，对于产品还抱有一些期待……
-预算
依然是看品牌自身情况，一般建议是3-10W左右。
-预期ROI/效果
这也是判断新品经过测试期之后，能否进入放量期的标准，
一般来说，新品的ROI要在1:2左右方可进入放量期，
因为，ROI1:2其实勉强能盈利，
而低于2就很难说啦，
当然这也是需要核算成本各方面之后确定的，
即假设新品在测试期的GMV跟投放费用及产品成本持平，
那还是可继续进行测试的；
假设不能持平，是亏的，那最好是放弃，
或者进行少量投放进行曝光，维持销量；
假设是能赚不少的，那放量就完事了。
请点击输入图片描述
1、制定Brief
Brief是指提供给博主的笔记创作指导，
一般含有这些维度的内容：
1）品牌介绍；
2）产品介绍、卖点、利益点；
3）目标人群介绍；
4）产品使用场景介绍；
5）图文（字数要求）or 视频（长度要求）；
6）是否加话题（高热度话题/品牌自创话题）；
7）是否加标签（生活化）；
8）内容方向（拆解好的内容框架）；
9）参考笔记（内容方向所对应的、其他类型的）；
10）首图要求（竖屏、高颜值）；
11）标题要求（量词+功能需求词/场景词/价格词+品类词）；
12）发文要求（排版、emoji使用、引导留资链路）；
13）不能使用的违禁词、极限词提示。
需要注意的是，
1）图文和视频都需要生活场景化，体现真实性；
2）首图要高颜值，但不能过度P图；
3）标题内容不能太夸张；
4）禁止使用绝对用语：国家级、最、第一……；
5）图文笔记内容不要写太多，控制在500字以内最好；
6）不要抖音式内容；
7）不要搜索大字报；
8）不能出现图文不符；
9）笔记图片不要过分摆拍；
10）笔记图片内容不要重复，不要反复拍（横拍、竖拍、换个场景拍）产品包装；
11）笔记图片不要只展示包装图，不展示细节图；
12）护肤类产品要上脸展示，不能不上脸。
最后，我们在投放小红书的时候经常会说到“关键词”，
因为，关键词的确是能带来不少搜索流量的，
所以，在关键词的选择上，我们得出的经验是，
1）笔记的文字跟图片都会被小红书系统自动识别并形成标签，而这些标签是小红书系统根据笔记内容语义进行自动生成的，这是小红书系统对笔记的抽象理解；
2）小红书的笔记标签是搜索和推荐的重要依据；
3）研究小红书博主的爆文笔记里多次提及的关键词及笔记相关标签是可提高爆文率的；
4）在关键词的选择还需要根据搜索热度来选择，一般选择那些搜索量大，但相关笔记不多的关键词会比较好占据，选择搜索热度在1W左右的关键词会比较好；
5）关键词的选择还跟产品消费场景即痛点相关，即长尾关键词；
6）通常300-500篇小红书博主笔记，即可占据某一关键词；
7）关键词最好预埋在笔记的首段及尾段，并要进行多次提及。
Ps：小红书的内容方向趋势是在不断变化的，
所以Brief不能一成不变，
需要在执行的过程里不断进行动态调整，
尤其是回收数据之后要对Brief不断进行优化及迭代。
其次，在小红书App上关注“小红书生态营销”、“薯条小助手”及“新品薯”多去看它们发布的优质笔记案例，这些案例都配有针对性的拆解，方便你针对性制定Brief。
请点击输入图片描述
2、精准选号
如上文所述，
小红书的投放ROI跟所投放的内容质量有很大关系，
而针对所投放的内容质量上，
我们所能做的事情并不多，
1）内容方向；
2）精准选号；
3）审稿、改稿。
所以，选号的精准程度也比较关键，
精准选号的维度👇
请点击输入图片描述
有些维度没办法通过表格形式呈现，
因此简单做一些补充，
1）笔记风格需稳定，不能经常性变化；
2）近期笔记（最近发布的10篇笔记）数据
-近期笔记数据太稳定（点赞浮动＜10-20）不能选择，
数据太稳定大多情况下是刷量导致的，
正常的博主肯定会有数据好或不好的时候，
当然，数据太稳定还有一种情况，
即博主把数据不好的笔记给删除或隐藏了，
如果跟这一类博主合作，就会存在合作的笔记被删除或隐藏的风险，
所以，建议不要选择。
-近期笔记数据浮动太夸张不能选择，
这说明博主内容创作水平不稳定，导致内容质量不稳定，
投放这一类账号风险太高，不值得。
测试期追求的是数据真实稳定，这样才能有效归因，
梭哈赌爆文，可留在后续拓展增量人群阶段（放量期）。
3）近期笔记（最近发布的10篇笔记）数据低于10不能选择；
4）账号笔记内容
-文案是否真实、自然？
-图片是否好看？
好看的标准：
a、图片颜色明亮不暗淡；
b、图片上有可爱的贴纸或文字；
c、图片会用好看的滤镜进行修饰；
d、图片整体看起来干净整齐。
5）账号笔记评论
-账号笔记只有点赞、收藏，却没有评论，
或者评论内容太虚假，不能选择；
-逐一查看笔记的评论用户，假设全是同类目的博主，那笔记大概率是有去互赞评之类，虚假数据不能选择；
-评论里一定要有用户问链接，这是关乎实际转化的关键因素。
Eg：笔记在起初发布的时候是星座、许愿这一类自然流量、互动数据不错的内容，之后再修改/替换成产品相关的笔记，这样笔记看起来的互动数据就不错，但并没有什么用……
有出现这一类情况的账号不能选择。
7）颜值类、抽奖福利类账号不能选择
颜值类大多是冲着颜值去的，而非产品，
多少会偏一些色情，
虽然小红书女生居多，但好色是人类的古老本能。
抽奖福利类也一样，占便宜也是人类的古老本能。
当然，最核心的原因还是因为种草力不强，
虽然能够带来不少曝光及数据反馈，
但并不能带来实际的转化效果！
最后，测试期追求的是数据真实稳定，这样才能有效归因，
所以，测试期选择的账号一定要是优质账号！
其次，许多品牌方会比较在意素人、初级达人、腰部达人、头部达人的投放比例，
针对这个，可通过千瓜数据之类的小红书数据分析工具，去查看所属类目在近90天相关笔记的情况，
1）发布相关笔记的博主有多少；
2）素人、初级达人、腰部达人、头部达人的数量分别是多少；
3）这些博主的比例是多少。
通过这些数据，结合自己的预算及投放节奏来进行投放总量及投放比例的确定。
但实际上在投放比例上，我个人觉得没有太多值得深究的，
即这些所谓的投放比例并不一定有什么用，
只是给自己心理带来一些确定性的安慰而已，
从根本上来看，还是要从账号及内容质量去下功夫，
这才是切实可提高整体投放效果的东西。
3、发布笔记
1）发布之前需要进行审稿、改稿，
因为这个会偏主观一些，
所以提供一份比较标准的检查清单吧，
图文类笔记检查清单：
-图片尺寸：1:1/4:3/3:4；
-文字直白易懂；
-首图和标题一致；
-评论区互动引导；
-有卖点（首图/标题/文案）；
-有针对目标用户；
-定位精准；
-色调/风格一致；
-没有高饱和颜色；
-没有过分PS修图；
-注意分段，适当使用emoji进行分隔；
-违禁词、极限词排查。
视频类笔记检查清单：
-格式符合长度5分钟以内；
-视频尺寸：9:16/1:1/3:4；
-快节奏BGM；
-内容直白；
-有字幕、有配音；
-有卖点（首图/标题/视频/文案）；
-不做长剧情视频；
-主角人设鲜明；
-15秒内说重点；
-视频文案一致；
-评论区互动引导。
2）遵循博主过往的笔记发布规律，
避免深夜23点至上午七点这个时间段发布笔记。
大多小红书的投放在发布之后就结束啦，
但实际上小红书的投放是需要通过投放后精细化运营来提高整体投放效果的，
Eg：薯条推广、信息流、控评、笔记置顶、品牌账号互动、直播……
这些都能成为投放效果倍增的关键点。
4、薯条推广
1）什么是薯条？
请点击输入图片描述
2）薯条投放数据
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
大盘数据是在不断变化的，
小红书App关注“薯条小助手”每周定时去看它的直播，
它会在直播间里分享实时的大盘数据，
没有提及的话，也可在直播间里进行提问。
3）薯条的多种作用
请点击输入图片描述
4）怎样设定薯条推广的目标？
请点击输入图片描述
5）如何为笔记设置投放目标？
请点击输入图片描述
6）薯条建议投放路径
检测笔记发布后12小时、24小时、48小时的数据，
计算出互动率及数据增长速度，并设定预期值，
只要数据开始增长就可开始投放薯条，
另外超预期的笔记最好是马上开始投放，
并给笔记同时开三个订单，
一个阅读量目的，
一个赞藏量目的，
一个粉丝关注目的，
根据薯条所呈现的数据来不断优化内容及个人页。
请点击输入图片描述
这是小红书官方所提供的建议，
不过在投放金额上需要注意一下，
金额＜200元，投放6小时，测试笔记内容；
金额＝200元，投放12小时，优化点击率；
金额＞200元，投放24小时，
单篇笔记一天薯条推广购买金额最好不要大于500元，
因为笔记数据的激增很容易导致小红书官方限流，
而这个限流并不是限制薯条推广流量，而是笔记的自然流量，
具体的体现是薯条推广速度下降，各方面数据增长放缓。
7）薯条推广FAQ
-为什么薯条推广数据不好？
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
-投了薯条就一定会有效果吗？
如果笔记本身质量很高，即使小额尝试也是能看到效果的，
如果笔记数据表现不好，可通过每次投放的数据表现来找到修改方向，不断进行修改优化，
但核心一定是笔记内容质量足够优质！！！
最后，小红书App关注“薯条小助手”有空多看看它的笔记及直播，它会经常分享一些优质的薯条推广案例，以及相关的干货。
请点击输入图片描述
5、信息流投放
因为我对于信息流这一版块并不熟悉，
所以只知道基础的投放逻辑，
即，通过薯条测试出优质笔记，再通过企业号转载笔记投放信息流来实现营销闭环。
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
剩下的精细化运营就需要自己去摸索啦，
像企业号/店铺运营、控评……
不过，小红书的品牌投放逻辑便是这样，
我借用官方所提供的二张图来总结一下上述内容吧。
请点击输入图片描述
请点击输入图片描述
请点击输入图片描述
在确认这款产品可投放出来之后，开始放量投放即可。
这个阶段，结合测试期的数据来进行动态调整，
尽可能把测试出来的方法论标准化、精细化。
其次，选号的要求可稍微放低一些，
因为，经过测试期的几轮投放之后，
大多垂类的优质博主基本上已经合作过啦，
所以，需要放低一下要求，去赌一赌爆文，
以及尝试破圈，选择一些非垂类的博主进行投放，
通过这些操作来拓展增量人群，提高品牌声量。
最后，需要开始在精细化运营（企业号、直播）上进行深耕，
这是抛开投放之外，唯一能撬动ROI的杠杆。
Ps：在这个阶段还需要注意笔记报备，
在测试期里我所提及的投放指的是不报备笔记投放，
因为小红书推出啄木鸟及熊猫计划之后，
对于笔记的审核愈发严格，
所以需要保持每个月至少1-3篇的报备笔记投放来稳定收录，
报备笔记的投放量跟投放总量是有一定关系的，
投放总量＜100篇，每个月投放1-3篇报备笔记即可；
投放总量＞100篇，每个月则需投放5-10篇报备笔记。
请点击输入图片描述
节点指的是电商节点大促，
Eg：3.8、6.18、11.11、12.12……
通过节点大促来实现新品爆发成为爆品，
针对这个阶段，
在准备时间上需要提前1-2个月左右，
而在整体投放上也需要提前至少半个月开始加量投放进行铺垫。
综合下来，你会发现新品的小红书全年投放会是脉冲式投放，
即“小+大+小”的组合投放，不断循环。
当然品牌要做好新品的小红书投放远不止这些，
还需要不断地去迭代优化，
上述这些也只是我的一些思考及经验而已，
依然是仅供参考，期待一起交流！
今日bonus：加我微信（），
给你分享“企业号商家必看宝典：一站式闭环营销”，
告诉你如何运营好小红书企业号。
广告归因数据回传：打造低成本、高ROI的oCPX模型
优化成本、提升转化，这是App效果广告投放的两大核心目标。 广告归因中的数据回传正是为了实现这一目标而诞生。 在投放oCPX类智能出价时，通过数据回传，数据算法不断对模型进行调优，使广告投放机器人变得更加聪明和智能，从而实现成本与转化的更优组合。 简单来说，数据回传可以节省起效时间，让广告更快起量，更快赚钱。 openinstall归因平台还提供深层的回传机制，不是简单地只回传一次节点，而是根据企业需要，多次回传节点，如卡券领取回传一次，下单成交再回传一次。 深层回传的好处在于，投放机器人会越来越懂你，了解真正想要的客户是什么样的，然后为你推送越来越精准的客户。 反之，浅层回传会使oCPX投放效果不稳定，存在较大的随机性。 要想深度了解广告归因的数据回传逻辑，需要先从oCPX降本提效的各项能力说起。 oCPX是一种以转化成本为优化目的的智能出价系统。 广告主可以选定优化目标，并提供期望的平均转化成本，系统根据广告主回传上报的转化数据，通过机器学习来预估每一次转化价值，从而自动出价，并按照点击和展示次数进行扣费。 同时，系统实时根据已有转化人群拓展相似人群，帮助广告主同时实现有效扩量，提升转化机会。 在效果广告的投放过程中，oCPX的运作逻辑主要如下：1、首先会基于不同的广告受众进行预估并出价；2、根据转化效果反馈，对不同受众体现出来的价值进行机器学习；3、再优化广告的下一次出价，目标是尝试提升受众的点击率和转化率。 以上逻辑会持续重复，不断对模型进行优化，最终会形成对不同价值人群的出价优化，在降低成本的同时提高转化率。 从腾讯广告披露的oCPX实战案例可以看到，针对高频次、低覆盖率以及低转化、高成本的痛点，利用oCPX可以对意向人群进行精准投放，多场景同步推广，并通过创意突出品牌爆款，降低投放成本，助力品牌大促期间获得高ROI。 从上述oCPX的功能和原理可以看出，oCPX的运行关键在于：系统根据广告主回传上报的转化数据来定义优化方向，数据回传成为其中关键的价值点。 广告数据回传是指归因平台收集或接收到有关广告效果和用户行为的数据时，会向广告平台预先设定的URL或接口发送请求，将相关数据以回传的形式传递给广告平台。 比如广告主同时在多个广告渠道买量投放，当用户点击其中某渠道的广告时，该渠道会将参数发送至归因平台，openinstall通过SDK采集用户激活，再确认归因窗口期内的最后一次点击完成归因，随后向该渠道接口返回此条激活行为事件信息。 openinstall已打通上百家主流广告平台，省去开发者逐一对接渠道以及单独开发数据接口的繁琐操作，也无需定期投入人力维护，只需在渠道列表简单配置，就能将“领券”、“下单”等转化数据回传至各大投放平台。 但如果仅仅只是回传单一策略和浅层数据，还不足以深度激发oCPX的定向优化能力，在openinstall后台，开发者可以根据业务和投放目标需求配置深度且灵活的数据回传策略，更自由地调节归因回传数据的属性。 广告效果好不好，关键在于能否充分利用数据优化。 效果广告的根本还是以数据为导向，广告模型以数据回传作为调优原则是有理有据的，我们可以凭借此逻辑观察广告投放效果和用户的反馈，从而优化模型，调整素材，精准触达目标用户，持续降低投放成本，提升ROI。
标签： 转化率和归因 实时了解您的推广链接的点击率 实时追踪
