算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?


算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?

文章图片


算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?

文章图片


算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?

文章图片


算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?

文章图片


算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?

文章图片


算法|莉莉丝广告技术中心负责人江锐:如何搭建像我们一样的团队?


大家好 , 我是莉莉丝的江锐 , 去年灵眸大赏和大家一起交流了“厂商如何构建高效买量策略” , 引起了不错的反响 , 今年很多的同行找我来交流和讨论 , 发现大家都很关注两个问题:

第一 ,怎么搭建一个像DAP一样的团队?
第二 ,今年的大环境下 , 广告技术团队如何去赋能业务成功?

接下来的演讲 , 我将分享一下自己对于这两个问题的思考和理解 , 希望对同行有一定的启发与帮助 。

01
什么是DAP?
在解决第一个问题之前 , 我先简单介绍一下DAP是个怎样的产品 。

大多数媒体和同行都知道在莉莉丝的整体买量策略中“DAP”显得至关重要 。 2018年 , 我到莉莉丝首先做了“DAP”这样一个产品 , 紧接着成立了广告技术中心 。

“DAP”最初的产品构想是基于数据系统去驱动广告分析甚至投放 , 在其具体落地的过程中 , 公司层从上到下都给予了我们很大的支持 , 由于不断了解各个业务模块的需求 , 因此DAP的整体的业务场景比较全面 , 产品体系可以做到自上而下赋能发行侧买量、游戏运营侧、美宣、财务和管理层 。

DAP最终产品形态是围绕用户获取和运营来构建 , 用户获取侧主要对接媒体能力 , 从广告归因、数据回传到依托于策略算法建立的找对人、说对话、出对价的能力 , 通过素材、定向等各种策略去提高业务侧获取用户的效率和效果 , 同时与工作表和观星台提供的数据多维度洞察 , 对齐发行和运营侧的数据口径 , 让企业内部在同一个语境下进行业务沟通 。 另外值得注意的是 , DAP的系统运行也需要Tracking归因、回传引擎、数据BI、模型算法等技术支撑 。



莉莉丝是在用商业化产品的标准在要求DAP , 所以无论在产品功能设计 , 还是在交互设计方面都很用心 , 目前DAP的这套业务流程跑下来 , 已经取得了不错的效果 。



那么就方法论方面来看 , 游戏厂商如何才能搭建一个自己的DAP呢?

该问题的本质在于:如何构建一个inhouse的广告技术团队 ?


02
inhouse的广告技术团队
四大核心价值

在过去大众的认知中 , 广告技术团队是在服务买量 , 帮助买量团队解决买量工具化的问题 , 提高买量的效果 , 例如 , 批量创建、做一些预测模型、数据回传等等 。

这种认知固然没错 , 但上述工作大多是基础向工作 , 并且有很多第三方工具可以替代 。 另外 , 随着媒体平台的能力越来越强 , 基本不需要厂商搭建数量庞大的广告计划 , 例如头条的投放管家来代替批量创建、谷歌的UAC等等 。

因此 , 当下在构建inhouse的广告技术团队核心价值上 , 应该围绕ROI、协作效率与透明度、数据安全、经营策略四个方面进行思考并最终建立相应体系 。



首先 , 广告投放一定是以ROI为目标的 , 影响ROI的2个关键维度分别是CPI和LTV 。 因此 , 假设消耗恒定的情况下 , 想要提高ROI就有两个选择:

第一便是降低成本 。 目前流量红利殆尽 , 产品竞争激烈 , CPI的趋势逐年增长 , 无论是在国内还是在海外投放 , 中重度游戏基本都是买付费目标 , 或者买付费强相关性目标 , 所以尽可能的找到精准用户 , 降低留存成本或者付费成本 , 依然是厂商非常重要的优化路径 , 当然这也是媒体模型侧的优化目标;

第二是提高收入 , 广告技术团队同时要需要考虑后端的LTV , 并将提升该指标作为业务目标之一 。