大纲
.效果营销的痛点是什么？
2.良性循环与恶性循环，你在哪一环？
3.7Ms理论，抓手两手抓，两手都要硬。
4.Ptengine践行7Ms理论的道与术。
一、效果营销的痛点是什么？
对于广告主或者营销人来说，广告投放效果差是个棘手的问题。在某些行业，投放甚至没有任何效果，这是一个切肤之痛，大多数人都感受到了这个痛，但是他们并没有想清楚痛点在哪里，也就是说问题的根源在哪里。
其实，真正的痛点不在于自身的产品质量，也不在于投放的互联网的广告流量环境
真正的痛点在于没有一个可复制并且可以实际操作的思路，以及对行业的深入理解和如何最优化应用资源。
有些人持不同的意见，如下图所示，几乎每一家广告平台都会用类似eCPM=出价X质量的计算方法告知广告主如何获取高排名或者高曝光
当然，不同平台的表达的方式可能略有不同，例如某些平台的质量度被称为点击率（预估点击率、CTR、ECTR）， eCPM在一些平台被称为广告排名，很多人会认为这是一个思路，或者是一个套路，但是这个思路或者套路，并不能优化投放效果。
（一）流量的抓手和优化的抓手
如果把流量的获取和流量的优化比作两个抓手的话，现在大部分人只掌握了获取流量的抓手，而不具备流量优化的抓手。在理想状态下，流量的抓手和优化的抓手都要牢牢的抓住。
例如，投放到搜索引擎上的广告，也就是所谓的SEM有很多优化的思路和方法。SEM的历史相对悠久，经过从业者多年的实践，已经总结出了很多优化的思路和方法，但是这个优化的抓手并不是媒体赋予的，广告媒体带来的只有货量的抓手，所以优化的抓手需要利用实践摸索相应的规律。
（二）信息流广告缺乏优化的抓手
1.媒体没有赋予。
2.信息流广告在中国积淀的实践经历和经验不够丰富，进而导致了信息流广告的优化缺乏系统的方式和思路。
（三）点击率优化
不同的媒体和广告平台，它的广告投放逻辑都很类似（包括广告出现的位置，投放特点，计费形式、展现形式）。
首先是媒体对用户的刷新，无论是搜索还是浏览，每当刷新的时候，所用设备上的媒体就会发送一个广告请求到广告系统，在接到广告请求后，广告系统会针对正在服务的广告主进行一次检索，根据不同的广告主设置的每日花费预算的高低进行相应的预分配曝光。
在预配完毕之后，针对符合曝光条件的广告主进行预估CTR的核算。然后依据广告主的出价乘以预估CTR得出广告排序，进而决定了获得广告流量的多少。
排序之后根据广告组自行设置的或者系统默认的频次，把曝光次数超过一定限额的广告滤除掉，剩下的广告就得到了曝光的机会，一旦广告被点击，基本上就会被计费。这是几乎所有在线广告的广告投放逻辑。
回顾整个逻辑过程的时候，就会发现投放人员或者广告主能够去干预的只有两个环节。
1.预分配曝光，就是设置每天投放的预算上限。
2.广告排序。广告排序有两个因素，一个是出价，一个是预估CTR。
二、良性循环和恶性循环，你在哪一环？
广告优化思路集中在优化点击率，同时，系统提供的预估点击率又极大程度上要参照账户的历史记录，如果一个账户是全新的，它会根据算法给予这个账户新的预估点击率，所以，整体的优化思路变成了一个理想情况下的正循环。
简单点说，就是希望所有的创意都得到很高的点击率，既然有高的点击率就能获得高排名和高曝光，那么如果创意相对比较优质，就会累积更多历史记录里面的高点击率，有了这样的历史记录，新的创意就会参照过往的历史记录，被系统赋予一个相对较高的预估点击率，直到新创意变成老创意。
同时，几乎每个媒体都具有广告创意点击率的衰减规律。一般情况下，创意使用的时间越久，点击率可能就会变得越低，但其实这个规律并不是十分的严密，因为衰减规律能够在一定几率上刺激广告主更新创意，而新的创意又会提高用户相应账户的花费
（一）优化逻辑的两大漏洞
1.理论层面的漏洞。
为了追求高点击率，需要通过A/B测试的方式去挑选出优质的创意。但A/B测试这种实验方法是“先验”型实验体系，属于预测型结论。也就是说通过A/B测试得出的结果受限于测试来源，如果一个人做的创意非常差，就算他做出一百条进行A/B测试，都难以选出较为优秀的创意。
2.实际层面的漏洞
在实际的操作当中，即便是有漏洞的A/B测试也很难实现，因为操作过程会被很多因素影响（时间压力、设计水准、缺少时间总结和复盘），所以在现实中更多的是负面的恶性循环。
（二）面对恶性循环和复杂的投放环境，如何开展效果营销呢？
必须遵循一套逻辑方法，目前市面上已经有很多成形的营销理论（4P法则、4C法则、SIV法则）
但是这些法则并不是特别适合互联网广告投放，进入到互联网广告时代之后，诞生的AIDMA法则或者AASAS投放逻辑也并不能完美的解决缺乏流量优化抓手的痛点，所以有一个新的思路被提出，这个思路被称为7Ms理论
三、7Ms理论，抓手两手抓，两手都要硬
所谓的7ms其实代表7个以M开头英语单词，它与广告投放相结合的话，分别代表着市场调研、账户搭建、转化目标、创意设计、定向策略、成本优化、数据检测。
每一个环节对于投放在线广告都十分重要，但是如果只是把这些环节简单的罗列在一起，就不能成为一个模型。
这几个维度之间存内在联系的逻辑，简单点说就是其他的六个维度都要以数据监测和效果考评为起始和核心，因为只有通过严密的监测，才能够产生相对严密的的分析，在此基础上对其他维度进行调整的时候才能做到有章可循。
四、Ptengine践行7Ms理论的道与术
广告投放的设定越来越复杂，可以定向的维度越来越多。在这种情况下，一个名为Ptengine的简化工具变得十分重要，它可以被理解为是简化版的GA google分析，它有利于对热图进行加成，降低了整体网站监测分析的门槛。
（一）乐高化
在投放广告的过程中需要设定很多小细节，这些细节要让每一个点都变成相对独立的个体，它的独立体现在独立考核，这些相对独立的个体又可以组合在一起，拼成一个整体，所以非常像乐高积木，被称为乐高化。
以信息流广告的设定来举例，下图是百度信息流广告的设定界面，在这个广告创意的设定过程中，每个小环节都是一个独立的个体。
例如三张图片分别有各自的命名，相对独立。文案也被拆成了两部分。同时在创意名称一栏中，对创意的使用文案和组图进行了标注，这个标注可以通过数据透视的方法，把每个创意里面的独立因素整理出来。
（二）乐高化能解决什么问题
1.了解创意的效果贡献值
乐高化的本质是让每一个小细节变得独立可考评，每一个创意都设置了独立推广的URL。
2.打通前后端数据
既然是效果，就不能局限于展示、点击、消费这样相对浅短的数据，乐高化应该实现前后端数据的打通，知道哪个创意或者设定导致了效果的好与坏，让每一个调整都变得有据可循
举例：在下面两张截图中，应该选择哪一个作为素材？有些人认为第一幅图中的漂亮女孩具备网红气质，用作广告素材效果会比较好；有些人认为第二幅图中的女孩更像路人，可以使素材看起来更加真实
当时这个案例就把所有的照片里女孩的颜值进行打分，针对颜值把所有的图片素材分门别类标注了独立的名字，例如五分颜值的，在创意名称那里就会写：文案1+组图1（五分素颜），其他的元素也通通标注在名称里面。
（三）为每一条创意都设定一个独立且唯一的推广URL
以Ptengine为例，用户在第一个填写框里写上原始推广链接，在后面的utm参数里面标注上各式各样的名字，比如投放渠道，campaign的名字，或者素材的名字。
原本投放的时候无论是应用的下载，或者是落地页上的互动，为了统计不同的效果，可能要设置很多链接。
例如，我们普遍的监测里面可能是landing page 01、landing page 02、landing page 03…，这些可以是相同或者不同内容的落地页，但如果涉及到不同的内容会更加复杂，因为需要针对不同的广告创意和设定，所以会产生无数种组合，导致整个过程变得异常臃肿。
相比之下，采用utm参数的方式就会变得相对理想，哪怕只有一个落地页都可以，不同的广告组合，不同的创意内容都可以标注在URL后面的utm参数里。
举例:黑色部分是原始的URL，后面的全是可以自定义的utm参数，这个utm参数的campaign source标注的是Google App，medium标注的是结算方式，它是按点击付费的cpc，utm term标注的是关键词，utm content是创意和图片的名字，通过这个简单的utm参数设置就把不同设定和创意的区分放到了utm参数里面。这样的话，使用统一的落地页的URL就可以完成针对这些细节的考评。
（四）监测下沉到创意层级，图文分开，添加转化预估环节
当投放一段时间之后，就可以从推广后台下载创意报告，它会显示展现、点击、消费、点击率相关的数据，但是有的时候还要知道后端的转化效果。
后端的数据只有在网站监测后台才可以实现，因为每一个创意都是一个独立的URL，每一个创意带来的流量都是被天然区分的，这些不同的流量在网站监测后台可以看得一清二楚。
转化有自己的路径，如果追踪到不是真实的激活而是下载，就会根据一定的转化率估算出它的激活数字，这些数字对于评估最终效果的成本或许不够，但是用来指导前端的优化就已经足够了。
举例：
这张图下方的绿色字列出了一些非常细小的维度设定，随着信息流广告的不断发展，早晚有一天各大信息流广告平台可以涵盖这些定向的逻辑或者定向的维度。
当这些维度通过某种方式标注在每一个创意的URL中时，可以利用简单的Vlookup的方式通过某一个共有的元素，因为每个URL都是相对独立的，同时每个URL和前面广告平台里面所设置的URL又是相同的。
utm参数可以把一条创意所代表的前端数据和后端数据全部串联起来，它的展示、点击、消费、转化、互动呈现在一张表格中，针对这张表格充分的分析和考核各个维度。
通过这样的设定和操作，广告投放过程中所有的内容设计和效果就比较清楚了。
Ptengine的热图监测功能
除了利用utm参数进行投放的精细化运营之外，Ptengine还有一个非常强大的热图监测功能，它既可以看到用户感兴趣的内容，也可以看到用户流失的浏览页面。
举例：
某一块内容的点击非常的密集，也就是说关注度非常的高，用户点击得很多，但是因为这块内容相对靠下，导致流失了很多用户，在此情况下，应该把用户特别关心或者热度非常高的内容上调，目的是获取更多有意向的用户互动。
Ptengine作为一款网站流量的监测工具，可以看到流量相关的各项数据（获取渠道、页面分析、终端设备情况，地理位置数据、转化目标的实现和达成情况）。
此外，通过流量时间分析、地理分析、属性分析、跳出率分析、停留时间分析、路径分析、匹配度分析、单页面刷新分析、忠诚度分析、重合度分析可以清楚地辨明各种渠道获得的流量质量。
有了这些洞察之后，可以对流量的获取渠道进行相应的调整，改变一些设定来优化货量的转化情况，提升广告投放的效果。
总结
效果营销的痛点不在于产品质量和广告流量环境，而在于缺少实际操作的思路，对行业的理解和如何最优化应用资源。广告优化思路集中在优化点击率，追求整体思路的正向循环。但是优化逻辑存在A/B测试的局限性和实际操作过程的复杂性。7Ms理论是解决恶性循环的最好方式，结合Ptengine的热图监测，通过乐高化建立URL，设定utm参数提升广告投放效果。
