Q4比賽還沒結束勝負都還很難說呢！不管你是不是在這次的活動中像中大樂透一樣訂單刷不完，或者你仍然躊躇不前面對節節升高的廣告費下不了手。
這次要分享的是實戰的一些設定攻略，在 LAP 中奮鬥的小夥伴們，尤其對受眾選擇是不是常常會有不知道要選些什麼的茫然？最近在跟各路投手交流中偶然得到了一些新的投放觀點，這邊提供一些小整理看看哪個方式適合你：
第一式 消費者輪廓
先前討論到的活動投放其實一直都會一再強調消費者側寫 ( Persona )，從過往的消費者資料，或透過一些問券去挖掘消費者的背景，進而歸納出大家都有興趣的標籤作為設定的依據。
像過去在做服飾類型的投放，我們會透過發放購物金鼓勵客戶填寫回饋問券，就曾經得到「汽車類型」的共同興趣標籤，這讓我們在投放上可以找到不同的切入點，同時也降低了投放的成本。
第二式 產品情境法
從產品面來探討，你的產品可以協助誰解決問題？以及解決什麼樣的問題？
如果消費者不能認知他有什麼問題，你的解決方案就無效了，通常我會從這個產品來發想，我們想讓誰用，以及產品與跟消費者的關聯，最後再把消費者跟問題本身建立起連結，再提出你優越的解決方案，最後得到「哇，我也想要」的念頭。
舉例來說，一般賣超高級訂製床墊的人，不能只強調它是材質多好多棒的床墊，應該提出的是更明確解決方案與溝通對象，以下提供幾個文案內容讓大家參考：
- 「透過黑科技量測取得脊椎參數量身打造」
- 「高成本反覆試作最後成就你可以完全放鬆的床墊」
- 「全世界只有一張的專屬你的床墊」
第三式 閃開讓系統來
我這邊分享一個朋友告訴我的小故事，講到 AI 不能不去提 Alpha Go 這個超級無敵重要的里程碑，Alpha Go 打敗人類圍棋大師的歷程，是透過輸入人類對弈的各種棋譜，去預測每一步落子所有可能的對應結果，結果人類在對戰上李世乭最終只能取得1勝4負的成績。
過去在平台上，我們會嘗試使用盲投來解決不清楚受眾方向是誰的問題，讓系統收集資料後再自行優化產出的方式，有一部分的人是透過累積好的資料加速系統學習速度，去建立類似受眾輪廓，最後也都產出相當不錯的結果。
後續更幾乎是變成了名單競賽，名單多的一方甚至不用類似受眾，透過再行銷或者推播就贏了，這也是目前蠻普遍投放方式，而累積自有名單的也變成行銷中很重要的一環。
第四式 閃開讓系統來 ‧ 改
但Alpha Go故事還沒結束，這個故事有個值得注意的地方在於贏的那一局，據稱在第78次落子之後讓系統產生的失誤，這樣的系統缺陷讓後續完全無法正常發揮，不過這樣的缺陷到次世代 Alpha Zero 或許就不一樣了，Alpha Zero 偋除了人類的成見，像是永遠不可能落下第一子的邊角區塊，在自我對弈的過程中它會不受各種約束的去嘗試各種可能，最終幾乎沒有它錯過的各種對應方式。
這樣的進化讓我的投手朋友突然意識到了第二種可能，我們提供了資料會不會反而是傷害了系統去尋找各種可能性，於是他開始嘗試了各種漫長無止境的大量盲投模式，最後驗證了每次的盲投的結果有著模型上顯著的差異，這個說實在的我本來是不太相信的，尤其是跟我說什麼系統建立模組然後怎樣怎樣的。當然我可以理解每個人有複數的標籤可以觸及，所以至少先篩選之後再去做投放時會有較高的勝率(事實也是如此)。
使用全盲投模式讓系統建立模型，這不是就要讓投手失業嗎？再說這個方式可預期要輸入資料的數量要很大，小預算的廠商完全是不太能實行的，總之雖然是實驗的想法，但還是覺得很有趣跟大家分享一下。
小結
講到這裡雖然各方邏輯都很不一樣，但大家都能感受到現在除了投放邏輯外，最重要的還是渠道的問題，單壓某一個渠道在成效上面受到牽制更明顯，尤其CPM在檔期中 20% 的提升似乎是少數大家的共識。
要讓綜效提高最好的方式還是移動式預算分配，顧問期間我都會提醒客戶在配置上面分配到新的或者有中長線廣告效益的渠道，一方面持續建立資料以外，平台的紅利期間也非常短暫，前期還能取得相對便宜的流量還是要盡量爭取。因為最後所有流量只會貴到等同或超過你的利潤，愈早建立起自有流量池才能早日脫離被廣告牽制的宿命。
