一直以来，大家都集中在聊“如何做竞价广告”。但最近在和一些客户和同事聊天中发现，很时候我们其实并不透彻的了解“为什么要做竞价广告”，以及“什么时候做竞价广告”。
思考了下，欢迎来拍。
一，为什么要做竞价广告？
为什么要做竞价广告？因为传说中AI的力量——竞价广告某种程度上更多的应用了算法去优化广告效果。
那，算法的好处是啥？比如，
其他：我以为我的TA是谁；
竞价：算法告诉你TA是谁（一定范围内）
其他：我以为我的创意是啥；
竞价：算法告诉你创意怎么组合才最好（一定范围内）
其他：和媒体谈判价格
竞价：直接按效果出价，特指OCPA。（注意，不是结算）
其他：做完了可能也不知道好坏
竞价：实时调节好坏广告（一定程度上）
如果满足以上任何一点，你愿意试试么？就不举例子了，不过不要怀疑算法的力量，想想阿法狗和李世石。
二，竞价广告更适合什么传播目的？
啥时候用竞价广告（此处自动回想一下品牌/产品的consumer consideration journey到了哪一步）？我觉得从更好找到TA的角度，竞价广告至少可以更好应用于效果转化为目的的传播。
麦肯锡著名的consumer decision journey
为啥？因为在效果转化的阶段，算法能更好的告诉你潜在TA是谁。
为啥？因为有较丰富的一方数据（比如下载激活销售数据）可以去进行学习，进而去进行潜客拓展。
为啥学习一方数据有效？协同过滤的道理：比如基于用户的协同过滤——具有相似特征的人会做同样的事儿，比如有相似特征的人会买同样的东西。协同过滤原则不是充要条件，但被验证具有极强相关性。也是当下推荐算法中比较基础的模型。其实你想想，无论是lookalike还是自动扩量，都是机器在进行自动人群画像的过程。讲真比起我们自己在DMP平台做个人为的人群画像，找出一堆coverage和index俱佳的特征，不知道要科学多少！
基于用户的协同过滤
那么，什么类型一方数据最好？效果为目的的前提下，最终的转化数据最好——种瓜得瓜，种豆得豆嘛！
再总结一下结论：某种程度上，由于有更丰富的可以让算法用来学习的数据，所以，竞价广告可以更好的应用在销售转化。（备注：一方数据只是举个例子，算法亦可以实时学习正在转化的数据。等等）
但是一切都有边际效应，割草容易种草难。草变少，算法也会被稀释。蓄水种草（Build brand awareness &consideration)的时候TA该如何寻找？那时竞价还适合吗？有机会再讨论。
三，如何做竞价
这个就是大家天天在讲，天天在学的了。比较信奉的是全链路打通，用OCPA等技术能力进行竞价投放。因为只有这样，才会真正用到算法的力量。
至少优化标的超过点击吧。否则就只能“种点击”，得“点击”了。
后记
多少年前还在广告公司的时候，在Plan阶段总要找无数个证据来告诉客户这是好的。并且其实做完了，也没有很好的方法能够证实或者证伪。
而现在，我觉得做传播的思路真的在变化，事前判断当然依旧重要而且必须，但是不断尝试不断优化的思路更多的被应用于日常工作。如果你不能有这样的意识，我觉得做不好效果广告。
以上所有的道理可能小规模尝试之后都奏效不大，这不重要，除了算法还有人。最重要的是，知行合一，先做起来！
