春节是每个互联网 App 增长决战的时刻，市场投放通过不同的渠道来增加自己产品的下载量。
动辄就选择几百个投放渠道，那这些产品外推渠道，真的有效吗？我们要怎么选择合适的投放渠道呢？
怎么评价一个投放渠道
我们在考虑投放渠道的时候，常常考虑三个点作为选择：
- 量级：可触达的用户数量+可以投放出去的费用
- 成本：起投量的要求-初创企业并不适合；用户匹配程度
- 质量：次日留存程度；生命周期价值（ltv）
但是毫无疑问， 优秀的渠道不仅要有稳定的新增用户和活跃用户，而且要有能体现产品价值的用户行为数据，来帮助衡量渠道质量。结合产品特点，那么用“渠道留存率”就是应该更加重视的衡量指标，指导渠道优化的工作。
以应用市场的普遍留存数据做为参考标准，其7日留存率一般在15%-30%之间。
所以，将7日留存率在30%以上的渠道定义为「优质渠道」；而处于15%-30%之间的渠道定义为「中等渠道」；低于15%的渠道将作为「问题渠道」重点改进。
针对「问题渠道」，我们首先会选择换个文案素材接着投放，观察是渠道问题还是文案问题；如果继续投放，留存率仍然低于15%，那么会选择暂停该渠道的投放。
测试100套文案才能了解一个渠道的好坏
增长黑客或者投放人员需要对这些创意不断的排列组合，寻找更多的有效创意。
实际上，除了用「留存率」评估渠道质量之外，还有用户使用时长、K因子、LTV（用户生命周期价值）等指标。
怎么寻找合适的渠道？
我们需要认同不要把鸡蛋放在一个篮子里的理论，把预算按照 A类70%、B类20%、C类10%的比例划分，做到渠道风险可控，并行成渠道矩阵。
在投放渠道前需要进行大量的调研和访谈，以便于对产品、用户和渠道有一个清晰的把控，寻找适合产品推广的潜在渠道。
通常渠道筛选分为两个步骤：
对所有可以考虑的渠道建立正确的认知
获客渠道的分类方法有很多，在“增长黑客之父”肖恩《增长黑客》一书中，把渠道分为以下三种类型：
渠道类型多种多样，我们要深入了解各种渠道的特性，才能建立正确的认知。
分析用户的特征和习惯，筛选潜在渠道
我们可以通过定性、定量的方式研究现有用户的行为特征，例如用户习惯使用的搜索类型、购物网站以及社交网络等，通过不同的用户特征进而筛选合适的渠道。
LinkedIn增长负责人Aatif Awan制作的用户行为类型表，供参考。
“渠道投放”的效果分析方法
选择合适的渠道归因模型
「渠道归因」简单来讲，是指对用户在完成转化之前所接触到的所有宣传推广渠道进行归属解释的推论过程。
「渠道归因模型」从大类来分，包括单归因模型和多归因模型。「单归因模型」直接把渠道归因给某个单一渠道，比较简单粗暴；「多归因模型」则需要运用算法，计算出不同渠道的影响比重。
目前移动广告生态系统主要是由Last Click归因模型驱动，在此模型中，安装归功于提供最后点击的渠道。除了Last Click归因模型，还有其他很多模型。
下面数漫娘为大家介绍比较常见的七种「渠道归因」模型。
七种常见「渠道归因模型」
模型一：最后点击（Last Click）
「最终点击」（Lastclick）是指用户最后一次互动的渠道触点。
这种模型是最简单直接，也应用最广泛的归因模型。分析时也不容易出错。比如很多网站的追踪cookie只有30天，如果顾客的行为路径、周期特别长，可能会发生历史转化渠道数据丢失的现象。但如果只考虑末次互动，数据追踪周期就变得不那么重要了。
这种模型的弊端也很明显，按照这个模型，会把这次成交100%归功于最后渠道，忽略了其他渠道的功劳。
通常来讲，该模型比较适用于短平快的业务，用户决策周期较短，转化路径少。或者说，广告目的就是吸引顾客购买，起临门一脚作用的。
模型二：最终非直接点击
「最终非直接点击」是忽略直接流量，将100%的功劳归于最后一次非直接互动。
在某些情况下，最终的转化动作是孤立的行为，没有直接的上一步动作，所以来源无法确定，容易对数据分析产生误导。
比如，一位客户通过电子邮件广告系列看到您的网站但没有购买，在几个小时后直接回到网站完成购买，那么根据最终非直接点击模型，将该用户的渠道归因为“电子邮件”。
模型三：首次互动（First Click）
「首次互动」是指用户第一个触点。在大多数情况下，品牌没有知名度的公司可能更适合使用这样的模型，这些公司注重能够带来客户的最初渠道，对于拓展市场很有帮助。
模型四：线性归因
「线性归因」是一个比较平均的做法，给所有的影响渠道赋予相同的权重。
这种模型适用于，期望在整个销售周期内保持与客户的联系，并维持品牌认知度的公司。这种情况下，各个渠道在客户的考虑过程中，都起到相同的促进作用。
模型五：基于位置
「基于位置」模型会分配给第一次点击40%，最后一次点击40%，中间共分配20%（根据二八原则）。如果一家公司十分重视线索来源和促成销售的渠道，基于位置的模型很满足他们的需求。
模型六：时间衰减
「时间衰减」用时间衰减曲线来给不同的渠道触点分配权重（离最终转化行为时间越近的渠道触点，权重越高），在此基础上得到一个合理的渠道贡献分配比例。如下图：
这个模型适用于客户决策周期短、销售周期短的情况，比如做短期促销，打了两天的广告，这两天的广告理应获得较高权重。
指标数据分析法
根据数据指标的特征，主要划分为三个方向：
- 规模：注重量的体现，主要关注的指标包括每个渠道带来的激活，访问和登录;
- 价值：注重质的转化，会关注一些更加深入的指标，如：内容类的产品会关注每个渠道带来的用户访问广度、深度（时长、频率、留存等）和用户互动（发帖、评论、分享等）等指标，电商类的产品会关注每个渠道带来的订单转化率、下单周期、GMV（Gross Merchandise Volume商品交易总额）等指标；
- 成本：注重财务数据，很多情况，虽然渠道在规模和价值上有较好的效果，但是成本很高，需要我们综合衡量ROI再进行评估。
以上这些指标是总体指标，但是在具体使用过程中，需要结合自身业务性质进行取舍。
假设某产品在以下4个渠道进行投放，试运行了一周，通过观察核心指标，数据如下：
[image:A214A911-FE1F-4BB2-B180-586B00CFD247-50304-00033AFA7F17743F/CBA4DE53-B4B4-4770-A695-52ABEECA072A.png]
经过排序后4秒钟判断：
- A渠道获客成本最低，新增用户最高：点击-激活率和用户次日留存率处于中等水平， 整体水平较好，可持续投放。
- B渠道用户次日留存率较差，可能不是产品目标人群：用户留存代表了用户对产品的基本依赖度，B渠道留存率偏低，需要验证产品的卖点与该人群的需求的匹配度，及时调整卖点或者放弃该渠道。
- C渠道点击-激活率，用户次日留存最差，新增用户多，可能存在作弊行为：用户点击了物料但激活率低，同时用户留存最低，可能被第三方渠道进行刷量，需要降低预算或者放弃该渠道。
- D渠道用户次日留存率最高，效果好，但新增用户数低，尝试提升在D渠道的投放费用，扩大新增用户数的同时，进一步观察用户留存。
经过几个核心指标的分析，制定相应的投放优化的策略，具体为保持A渠道的投放、尝试提升D渠道的投放费用，停止C渠道，暂缓B渠道。
根据AARRR模型，用户转化之后，仍然需要持续的活跃，才能更好地产生收入，同时通过引导用户传播分享，可通过新用户拉老用户，进一步降低获客成本。
对于AD渠道，如果需要再进行优中选优，下一步该仔细观察用户在产品内更深入的行为指标。
优化后的渠道投放数据观察：
通过数据发现，对于渠道名称A，它的人均使用时长更高，进一步分析渠道A在产品功能的使用情况：
通过综合对比功能的使用渗透和人均时长，发现在A渠道，功能b的渗透率最高，因此产品可以在该渠道将功能b作为核心主打卖点，在产品内做好用户引导，吸引更多的用户往功能b上去使用。
四度分析法
四度分析法是较为宏观的分析，具体是从四个角度分析渠道：流量、成本、稳定和潜力。
流量
- 流量是渠道投放最优先考虑的事情，它代表了该渠道的获客能力，与运营人员的核心KPI直接相关，也是区分大渠道和小渠道的重要指标。
成本
- 成本代表渠道的投入成本，在用户质量相对稳定的条件下，获客成本与ROI直接相关。
稳定
- 稳定代表了该渠道的长期稳定投放的可能性，间接影响运营人员对预算消耗、KPI完成的进度把控。我们一般会计算现金消费的变异系数、获客量的变异系数、获客成本的变异系数。
变异系数又称“标准差率”，是衡量各观测值离散程度的另一个统计量。当对两个或多个指标的变异程度进行比较时，如果其度量单位与平均数均相同，可以直接利用标准差来比较；若二者不同则需计算变异系数，消除数据的绝对大小对变异程度的影响。
变异系数 = (标准差 / 平均值)× 100%
- 稳定代表了该渠道的长期稳定投放的可能性，间接影响运营人员对预算消耗、KPI完成的进度把控。我们一般会计算现金消费的变异系数、获客量的变异系数、获客成本的变异系数。
潜力
- 潜力代表了该渠道未来可成长的空间，例如该渠道与对标竞品的差距等。间接影响运营人员对未来KPI增长的规划制定。潜力值一般会计算该渠道与对标竞品的的新安装量。字节跳动BI产品中的compete，有效地全方位的提供了潜力指标，包括DAU重合度、竞品重合度、用户活跃度变化，全方位提供潜力分析。
决定你的投放策略
未完······
CAC=f（广告位、出价策略、人群定向、素材······）