第34-35天，营销活动黑名单和白名单设置技巧

正如我之前多次提到的，优化一个活动有一百万种方法。

我只能以我的方式来开导你。因为我喜欢把更多的精力放在测试和扩展上，而不是放在优化上，所以我不声称自己是专家。

但它将会是一个很好的起点，让你在此基础上再接再厉。

这节课和下一节课对我来说绝对是最耗时的。在过去的几个星期里，我至少重写了10次，而且把我写的95%的内容都废掉了。

看一组具体的统计数据并给出如何优化的建议很容易，但要想出一个通用的方法–而且不是一个令人费解的流程图，会让每个人都感到困惑–则无比困难。

最后，我决定把这节课组织成一系列的优化技巧，再通过一组活动统计来详细说明其中的一些技巧。

(你需要多次阅读本课才能完全理解，因为当我在写TIPS的时候，我会参考一些EXAMPLE，反之亦然)。

我还会分享一个excel电子表格，在统计时对你有用。

这将是一节紧张的课程–让我们开始吧!

一般优化方法

这里有一个极其粗略的大纲，让你为接下来的所有细节做好准备。

1)深入到所有的目标变量，估计日利润。如果估计的日利润可以接受，就进入下一步。(也可以根据ROI快速估计)

2)确定黑名单和白名单。

列入黑名单的东西。
-ROI相对于其他板块为负的流量板块。

列入白名单的东西。
-投资回报率较高的细分市场。

3)制定黑名单或白名单或两者结合的计划，以实现每日利润最大化。

技巧1：了解哪些变量可以被优化

在分析PropellerAds广告活动的统计数据时，考虑手机与平板电脑是没有什么意义的–因为你只能选择同时针对这两个目标或不针对任何目标。

然而，如果你看到平板电脑流量的转化率比手机流量高得多，你可以用其他允许做区分的流量源进行扩展。

另外，如果Voluum没有跟踪某个变量，那么你就无法通过将其列入黑名单/白名单来进行优化–因为你无法判断优劣。

因此，当检查跟踪器的统计数据来寻找需要列入黑名单/白名单的流量段时，请确保你能够在流量源头控制它们。

此外，要注意有两种类型的跟踪变量。Voluum检测到的变量和流量源传递的变量。

在上面的截图中，最上面的变量是由Voluum检测到的，而最下面的变量则是由流量源传递给Voluum的，在本例中，流量源是PopAds，你可以通过编辑Voluum的流量源设置来选择要传递数据的变量。

技巧二：估算日利润和投资回报率

还记得在上一节课中，我强调了确保你当前的offer+lander至少有可能达到最低日利润+ROI的重要性吗？

如果发生的希望不大，那么你就需要停止优化。

然后，你可以测试Offer，看看是否会得到更好的结果，或测试更多的offer和lander，使更多的总流量盈利，然后再尝试优化。

但你如何评估你当前的offer+lander是否有潜力达到最低利润+ROI？

我不知道有什么完全准确的方法。但我介绍一下日利润估算的概念。

每日利润预估是指在优化一个广告活动后，您可以获得的最终利润的预估。

毋庸置疑，在审核统计数据的时候，我们需要拿出一个优化策略，将日利润最大化。

只有当这个日利润预估值足够高时，我们才应该进行优化。

下面介绍几种方法来得出这个估算值。

方法1) 研究每一个可以优化的非广告位变量，将可锁定的绿色的利润总计起来。

我们稍后会介绍如何根据广告位统计来估算日利润。首先，我们来看看那些不属于广告位的变量。

具体来说，我们说的是那些有一个或多个盈利的大中型号段的变量，这些变量可以立即被列入白名单，以 “锁定 “利润，理论上可以立即产生一个绿色的campaign。

如上文所述，你要通过流量来源处的campaign设置，并与Voluum的统计数据进行交叉对比，找出哪些变量可以被跟踪和优化。

例如，对于popads，以下是一些可以优化的变量。

如果你向下滚动列表，还有更多的Voluum变量，再加上被PopAds跟踪和传递回来的变量，去弄清楚还有哪些变量可以优化。

然后，你会研究每个变量，按利润递减排序，寻找绿色的部分，然后把各自的利润加起来。

“Brands”是列表中的第一个变量。

在PopAds中，我们可以交叉引用 “Devices”部分。

如果我们做一个交叉参考，我们会看到所有的绿色项目都可以在PopAds上定位，除了 “T-Mobile”。因此，我们将从我们的估计中排除这个项目。另外，我喜欢排除那些只有1次转化的项目，因为那些可能只是 运气好的转化。为了更好的准确性，你甚至可以排除有2次转换的项目。无论如何，我们只是想得出一个非常粗略的估计。

因此，”品牌 “的利润粗略估计为。

11.38元+10.68元+4.28元+3.46元+1.10元=约30元。

我们可以从Voluum的统计过滤器中的变量列表往下看，然后重复这个过程。我不会让你无聊地去看每一个变量，但我们会多做几个。

研究 “OS Version”。

可锁定的绿色部分的总利润=约35美元。

研究 “Model”（在PopAds=”Devices”）。

目标绿段的总利润=约58元。

同样，你可以用这种方式研究所有可目标变量。只需在脑海中快速地把利润加起来，然后把每个变量+合计记在一张纸上。

重要：确保你正在查看你的最佳Offer+lander的统计资料 如果你将Voluum的日期/时间范围的开始时间设置为你最后一次Offer/Lander被砍的时间（即最终获胜的Offer+Lander出现的时间），那么你就可以如上图所示，在第一级过滤器中深入查看各种变量。但是，如果你把Voluum的日期/时间范围的开始时间设置为你开始活动的时间，包括在测试offer和Lander时收集的所有统计数据，那么你在钻研时就需要使用所有3个过滤器，即offer >Lander > [变量]，并扩展特定的获胜offer+Lander的统计数据。

下一个。你会选择总利润最高的变量 然后平均/推断出每天的利润和投资回报率估计。

比方说，在研究了所有的目标变量，并将绿色的总额相加后，”Model”变量以其约58美元的利润成为赢家。

接下来我们需要根据这58元估算出相应的日利润，以及收集这些数据需要多长时间。假设你没有节制流量，中奖的offer+lander出现已经50小时了。那么，估计的日利润将是。

60美元/50小时*24小时/天=约30美元。

也就是高于我们上节课讨论过的最低日利润。

我们也可以快速验证投资回报率，把同样的绿色段子的成本加起来。

投资回报率=利润/成本=58/59元（约）=100%左右的投资回报率。

这高于最低投资回报率，所以我们的Campaign表现得非常好。

如果你只有不到一天的统计资料呢？你可以推算到24小时。显然，你拥有的数据时间越多，你的估计就越准确。

例如，我们假设上面同样的统计数据是在10小时内收集的。那么，估计每天的利润将是。

58元/10小时*24小时/天=约140元。

那么，如果我们在收集这些统计数据时一直在节流呢？在这种情况下，实际上是不可能估算出每日利润+ROI的。你需要运行Traffic不节流（即在全速或最大的流量）一段时间，以估计总的流量，你会在一天。你仍然可以包括你在节流运行时收集的统计数据，并假设每印象的利润率是相同的。

让我们做一个快速的例子，使用相同的 “Model “统计。假设我们在运行这个阵营时一直在节流，现在我们想得出每日利润的估算。我们可以做的是在不节流的情况下运行几个小时的流量–同样，小时数越多，得出的估算越准确。但假设我们运行3个小时的流量，共收到1000个印象。那么我们就可以估算出每天的流量如下。

2000个印象/3小时*24小时/天=16000个印象/天。

(每个小时我们收到的流量会有所不同，但这只是一个粗略的估计)。

接下来，我们再看一下我们的 “Model”统计，并迅速将绿色部分的总印象（即 “访问量”）加起来——————————————————-约有40000个印象。

根据我们的统计，这些绿色段子在38000个印象中获利58元。因此，以每天16000个印象的预估流量计算，我们可以估算出每天的利润为。

58元/38000人次=？/ 16000个印象

＝预计日利润＝58元*16000印次/38000印次＝约24元。

也就是高于我们设定的最低日利润，所以都是好的。

这种方法的准确性: 根据非广告位变量的绿色部分来估算日利润是比较准确的，因为你会通过白名单广告位来 “锁定 “利润。但是，特别是在campaign初期，当你还没有砍掉很多广告位的时候，你有可能不会在非广告位变量中找到那么多的绿段，这时候就要用到方法2了

方法2)将绿色广告位的利润合计起来。

这个方法很简单：我们只需导出广告位统计，将绿色广告位的利润合计，然后平均算出日利润。

但首先，我想说说根据广告位统计估算日利润的难度。

具体来说，在大的非广告位段都不是绿色的情况下，而广告位是唯一有足够绿色段的变量，有可能给我们提供足够的日利润–对于这种情况，我们需要用一些不同的方法来评估估计日利润。

原因是，白名单/黑名单的广告位可能很难真正实现估计的日利润。

为什么会有这样的难度呢？因为对于比较大的地域，一般有几百/上千的广告位，所以你经常会看到的是。许多小的地方，每个转换1， 和一些更大的地方，有超过两次的转化。

有2/3以上转化率的绿色广告位比较容易处理，因为我们可以指望他们继续成为绿色的广告位（实际可能不会这样，但好歹也能估算一下吧！）。

而对于很多转化率为1的绿色广告位，你真的不能指望它们继续盈利，因为它们可能只是碰运气的转化。

我们已经讨论过碰运气转换的概念，而在我们上面的PopAds例子中，我们已经从计算中排除了有1个甚至2个转化的片段。那么，为什么不对广告位进行同样的处理呢？

答案是这样的，因为我们经常会看到很多有1次转化的绿色广告位，如果我们剔除这些利润，可能会严重低估日利润。

你可能会想：”那我们就把哪怕是1次转化的盈利投放也纳入我们的日利润计算中吧！”

我们可以，但前提是我们要记住一件事：这样统计的日利润很难准确。

为了说明这个困难，这里有一个例子。

假设你已经在一个Campaign中运行了24小时的未节流流量。您查看非广告位变量，但看不到任何绿色的大号段。然后你看广告位统计，看到了不少盈利的投放–虽然其中大部分只有1个转化。

所以你把所有这些投放的利润加起来–包括1次转化的投放。假设总数是100美元，这将是我们每天的利润估计。

但我们会知道，这个估计值可能很难达到，因为我们不能把1次转化的广告位列入白名单，并期望它们每天持续给我们1个转化。

当我们第二天运行更多的流量时，我们可能会看到一组新的1次转化的广告位!

换句话说，我们有成百上千的小广告位–今天我们从其中一些广告位中获得1个转化，明天我们从一组不同的广告位中获得1个转化，后天我们又从另一组不同的广告位中获得1个转化……

对不起，解释的太长了，但我在这里想说明的是，要想用广告位估算日利润是非常困难的。

我们将在本课的后半部分谈论更多关于广告位的问题。现在，只要记住，在估算广告位的日利润时，这2点与上面的用非广告位变量估算的方法不同。

a)不要排除绿色广告位的利润，即使每个广告位有1次转换。

b)如果你的日利润预估，包括了1次转化的广告位，低于10元，可能很难将活动优化到10元/天（最好是日利润预估越高越好。这就是为什么在优化之前测试大量的offer很重要的原因!)

方法3)方法1和方法2的组合。

另一种优化方法是结合方法1和2。

我们需要记住的一点是，很多变量都是相关的，比如当你在一个变量中加入白名单/黑名单时，其他变量中的细分市场也会受到影响。

例如，当你把一个有很多流量但与整体活动ROI相比ROI为负的OS列入黑名单时，许多其他变量的段子的ROI会增加–包括广告位。

另一个例子，当你把越来越多的不良广告位列入黑名单时，其他变量的细分市场的ROI就会增加。

因此，我们可以而且应该做的，是在将不良广告位和其他非常负面的细分市场列入黑名单时，寻找有可能变得有利可图的非广告位的细分市场。

举个例子，假设在一个特定的campaign中，Android操作系统的ROI为-30%，但IOS操作系统的ROI只有-70%，而且两者的流量都很大。如果我们把IOS列入黑名单，然后继续跑流量削减广告位，这个活动就有机会达到绿色。

这里我们可以做的是，为了更准确的估算日利润，可以钻到2个层面–OS >投放量，然后只把Android OS的绿色投放量加起来。

此外，如果你在多个变量中加入白名单/黑名单段，你可以类似地钻研到多个级别来进行类似的评估。

可能的情况太多，我无法一一列举，但我们的想法是，在实际实施之前，我们总是会尝试预测黑名单/白名单决策带来的利润。

这样我们就可以实施可能带来最大利润的优化。

你会在本课的example部分看到更多的例子–希望在这之后，你会有一个足够好的想法，能够将这种方法扩展到你将遇到的具体案例中。

技巧3：如果广告活动的日利润估计过低

如果在你钻研了各种变量之后，没有看到可以达到我们日利润目标的细分市场，那怎么办？

你可以尝试以下几种方法之一：

a)收集更多的数据：如果当你查看统计时，发现大部分较大的流量段还没有足够的流量让你判断它们最终是否会盈利，那么你就需要跑更多的流量来收集更多的数据，然后再分析统计，以更准确的估计日利润。

值得注意的是。即使在你有足够的统计数据来估算日利润之前，你也可以而且应该开始将最差的广告位列入黑名单，这在上一课中已经讨论过了。

b)测试出价：另一个选择是测试出价。当你改变出价时，你会从一组稍微不同的广告位中获得流量，这将给你带来与当前出价不同的转化率。你可以出更低的价格来节省成本，或者出更高的价格，有可能从转化率更好的广告位中获得流量。

然而，如果你的最佳offer+lander的转化率相当糟糕，那么它可能根本不值得测试出价。试着这样做几次，你就会对什么时候该测试出价，什么时候不该测试出价有更好的认识。

出价测试将在下一课中介绍。

c)测试更多的Offer和Lander：这始终是一个选择，并有可能改善你的漏斗，使更多的流量段盈利。

技巧四：可以将密切相关的变量一起研究

有一些变量是密切相关的，可以一起研究，以便更清楚地了解部分业绩。以下是其中的一些变量。

Brands > Models
OS > OS Versions
Browser > Browser Versions
Connection Type > Mobile Carrier
Connection Type > ISP/Carrier

而且随着你经验的积累，你可能会发现更多。如前所述，很多变量都是相关的。这真的取决于个人，找出他们最喜欢的数据切片和切块的方法，以便以高效和有效的方式优化活动。

你甚至可能想深入到3个层次–例如，设备类型>品牌>型号，我将在下面用它作为说明。

应用:

所以在这对变量中，第一个变量是少+大段，第二个变量是多+小段。我喜欢做的一件事，就是先看第一个变量，找出比较大的、比较有潜力的段子，然后针对这些段子钻进第二个变量，找出一些好的段子上白名单，或者一些不好的段子上黑名单。

例子:
当我们检查统计时，我们可以分组设备类型>品牌>型号。对于设备类型，比如说我们看到的是这样的。

手机的投资回报率为-30%，而且它是一个大的细分市场，看起来相当有希望。这将是白名单的好机会。要不就是把其他的一些或所有的细分市场列入黑名单。

接下来，我们研究手机，看看是否可以砍掉非常负面的细分市场，让手机看起来更好。

所以有一些真正负面的品牌可以列入黑名单，减少 “手机 “的损失（-36.37元+6.35元+2.33元+2.78元=约-25元；新的ROI=-25元/120.72元=-20%ROI）。摩托罗拉在-43%的ROI上并不是无药可救，所以我们可以继续锁定它，希望在削减投放等其他东西时，它能转绿–除非你想通过现在削减它来更快地优化到绿色。

(顺便说一下。你可能想知道，当我们选择黑名单时，截止的投资回报率是多少。这里没有一个经验法则，但我会说任何没有接近-70%ROI或更差的ROI的东西都是无可救药的。)

但是，等等：”通用 “品牌并不完全是一个品牌，所以不能被包含/排除，至少在PropellerAds或PopAds不能。事实上，PropellerAds不允许品牌或型号定位–但我们假设这是一个PopAds活动）。因此，更好的策略是将三星+摩托罗拉+LG+联想列入白名单（导致ROI=总利润/总成本=约-20美元/100美元=-20%）。

接下来，我们可以进一步研究所列出的4个品牌的Model，找出我们可以进一步削减的内容，以提高ROI。

对于三星来说，并没有什么可割舍的–只有一些真正的小段子，这些小段子可能值得你费心，也可能不值得你费心。

对于摩托罗拉来说，有几个环节我们可以切入。

我们可以为LG和联想做同样的事情，但我暂时跳过它们–型号子段太小，懒得花时间。

操作：

所以，我们能做的只是在PopAds中加入 “智能手机 “的白名单。

并将那些看起来有希望的品牌与型号列入白名单（如我们上面所看到的），或者将那些看起来没有希望的品牌与型号列入黑名单。我只举三星为例。

或者。我们可以跳过 “brands”，钻到 “Model “里去 挑出所有有前途的模型，然后把目标锁定在PopAds上。这是一个个人喜好+效率的问题。

最后：还记得PopAds有一些自定义变量，他们也会传递给跟踪器吗？我们可以用这些来代替Voluum变量–这就涉及到下一个小技巧。

提示5：在可能的情况下，使用流量源值，而不是跟踪器检测的值。

在有选择的情况下，我几乎总是使用流量源传递的值，而不是跟踪器检测的值。

这是因为流量源对其数据的检测和分类可能与跟踪器不同。而且因为我们需要在流量源处进行白名单/黑名单，所以基于流量源的值进行白名单/黑名单会更容易、更准确。

在前面小技巧中的PopAds例子中，我们可以钻研 “FORMFACTORNAME “而不是 “设备类型”，钻研 “DEVICENAME “而不是 “型号”。

因为我们在统计中看到的项目与我们在流量来源处看到的项目是1对1对应的，所以根据这些流量来源值进行优化，可以让我们更准确地进行优化。

举个例子–你知道在PopAds中其实有一个 “Unknown”设备类别吗？

通过使用PopAds的DEVICENAME统计，我们可以额外节省8美元。

技巧六：什么投资回报率是负数，可以上黑名单？

首先–还记得在上面的技巧2中，我提到了很多变量是相关的，所以通过将一个变量中的负ROI段列入黑名单，就可以提高其他变量的ROI吗？

这就是为什么我们的目标是先砍掉真正负向的段子–因为这些段子太负向了，无论我们在其他变量中砍掉多少个段子，它们的ROI都不会有足够的提升，无法达到最低10%以上的ROI目标。

所以问题是：一个细分市场的ROI需要负到什么程度，才有理由砍掉它？

这很难得出一个一刀切的规则，因为每个案例都是不同的。例如，如果我们在美国运行，有大量的投放，那么我们可能会通过削减大量的投放，将相当负的ROI带到绿色。

而如果我们是在一个小的地理环境中运行，我们就没有能力削减大量的投放，因此，ROI为准负的细分市场就很难获得绿色。

说了这么多。我认为任何投资回报率小于等于-70%的都是没有希望的，-50%到-70%是不是不可能的，-30%到-50%是有希望的，高于-30%是有极大希望的。

在你分析了足够多的统计数据，根据具体情况进行判断之前，你可以把这些准则作为拐杖。

技巧7：什么时候切大块与小块？

如果我还没有重复足够的次数，让我再重复一次，因为它是如此重要。

注意二八规则！主要关注白名单/黑名单中流量较大的环节。(即使是广告位，也不要花太多的时间在等待微小的投放达到0.5-1倍的报酬或更多–如果你必须这样做才能获得绿色，那么你可能需要在优化之前测试更多的Offer和Lander。)

说了这么多。即使是大的流量段，也有相对大的段子和小的段子。我想说的是，什么时候该砍大段子，什么时候该砍小段子。

一般来说

1)当你想更快的优化时，就砍掉大段的利润–但最后要满足于最低利润。

比如说我们第一次在一个大的geo中运行，虽然估计每天的利润很漂亮，但我们很快就会损失很多钱。

或者，如果整个活动的ROI相当消极，而我们又不希望永远看到绿色，记住，对于Pop，速度是最重要的！

这些情况下，就可以证明我们需要更快的优化。当然，缺点是会有更多的 “浪费”–比如做以下一些/所有的事情。

-切割更大的部分

-基于较少的数据，更准确、更激进地切割，例如，在没有转换的情况下，以0.5-1倍的报酬率砍掉广告位。

-将具有高投资回报率的最大细分市场列入白名单，相对于其他大细分市场，然后继续通过削减广告位或更小的细分市场来进行微调。

顺便说一下，你可以不在同一个广告活动中加入高ROI的细分市场的白名单，而是开始一个新的广告活动来加入这些细分市场的白名单。然后，在白名单活动运行并削减投放一段时间后，重新开启原来的黑名单活动。对于这个原活动，将新白名单阵营所针对的高ROI的段子列入黑名单，砍掉与白名单阵营相同的投放，跑一下流量，然后钻研变量，看是否有更多的绿色段子可以转移到白名单阵营。

注意：活动绿了之后，你可以选择逐步把一些被黑名单的东西转回来，作为复试。如果你慢慢做，就不会太削减利润。

2)当你想实现利润最大化的时候，可以削减更小的环节–但优化速度要慢一些。

然而，如果活动并没有快速损失大量的资金，那么为了最终实现利润最大化，你可以有能力做更小的切割。

或者，如果活动投资回报率比较接近盈亏平衡，甚至已经盈利，那么较小的削减就可以做到。

或者，当运行在一个小的地理区域，所以需要有选择地削减，以避免矮化总流量。

-小块切割（例如，只切割投放，如果它们的投资回报率是非常负的，则只切割较大的非投放部分）。

-根据更多的数据，更准确、更不激进地切割（例如，在没有转化的情况下，以2倍的报酬率切割投放）。

通常情况下，你会使用白名单/黑名单的组合，较大和较小的细分市场，以实现利润最大化。例如，如果android接近收支平衡，而IOS是相当负数，你可以只针对android，然后削减投放（和/或其他较小的部分）以达到绿色。

技巧8：如何将广告位列入黑名单/白名单。

其实早在上一节课，我们就已经讨论过不少关于广告位的问题。

在这里，我再进一步阐述一下。

在上面的一个技巧中，我们已经讨论了估算广告位统计的每日利润的困难。我们也讨论了是什么原因让你很难 “锁定 “盈利的投放，当你每天都有不同的投放子集分别进行1次转化。

那么你会如何管理这样的情况呢？我的建议是这样的。

只要这个活动看起来还能达到我们每天的利润目标，就继续运行，减少劣质的投放。

你跑的流量越多，你可以砍掉的投放就越多，你的实际活动利润就越接近日利润预估。

而且随着你跑的流量越多，其中一些1-转化的投放会有更多的转化。

有前途的与无前途的广告位

我想再给你留下几个提示，帮助你决定这个训练营是否值得继续办下去。

以下是在有前途的投放统计中需要寻找的一些积极迹象。

-当你把广告位统计按转换次数递减排序时，你会注意到，很多已经进行了转换的广告位（任何数量），都是绿色的。如果其中有相当多的人进行了多次转化，那就更好了。

-当你把广告位统计按印象数递减排序时，你会发现，不少最大的投放是绿色的，有多次转化。

以下是在不乐观的投放统计中需要寻找的一些负面迹象。

基本上是上述积极迹象的对立面… …

-当你按照转化次数递减的方式对广告位统计进行排序时，你会发现，很多有转化的投放（任何数量），都是红色的。如果相当多的人有多次转化，就更糟糕了。

-当你把投放统计按印象数递减排序时，你会发现，大部分最大的广告位都是有多次转化的红色。

一般来说，日利润估计越高，你看到的积极迹象越多，你最终从该campaign中获利的可能性就越大。同样，随着经验的积累，你会形成更好的 “感觉”。

白名单投放

我们在之前的课程中已经讨论过如何削减投放量。

在优化投放的时候，黑名单并不是唯一可行的方法。你也可以尝试白名单的方法。

基本上是这样的。运行流量，直到你有一堆绿色的投放，有2个转化或以上，共同加起来至少达到最低日利润，然后开始一个新的活动，只包括这些投放。

然而，对于Pop流量，白名单活动很容易收到急剧下降的流量，有时甚至是质量。

如果你看到这种情况发生，就回到优化黑名单阵营。

技巧9：避免目标 “太窄”

当你把绿色段子列入白名单，或者把红色段子列入黑名单时，你自然会期望开始赚取上面帖子中计算的预计日利润。

但往往不会是这样的。对于Pop营销，只是不知道当你调整它的时候，实际会发生什么。这里面涉及到的波动性和不确定性实在是太多了。

这也是为什么在你运行了一段时间的pop之后，如果你扩展到其他流量类型，它们甚至可能在某种程度上看起来更容易–在获得更可预测的结果方面。pop是最容易学会如何设置活动，但很难学会如何实现稳定的利润。

你应该注意的一个现象是，在一些流行的流量网络上，他们的算法是这样设计的，你的目标越广泛，你就会得到更多的流量，而且流量的质量越高。

这就意味着，当你白名单，即你的目标定位比原来的活动更窄时，你可能无法获得那些绿色段子原来所获得的流量水平（在原来的、宽目标的活动中）。

而你所获得的流量也可能没有原来的活动中的转化率高。

黑名单也是一样。如果你砍掉了很大比例的流量，剩下的部分就会比原来的活动中的流量少。

因此，尽量不要过度优化你的campaign，无论是白名单过小的段子，还是一下子把过多的段子列入黑名单。(例外情况。如果你的流量很大，而且损失惨重，那就狠狠地黑名单吧。但如果你的流量那么多，那么所有的黑名单还是要留下相当比例的流量，避免遇到上面的问题)。

而且总体来说，黑名单比白名单好用。白名单是可以用的，如果条件对白名单有利(即你找到了一些利润不错的细分市场)，就可以尝试一下，但如果你观察到我刚才所说的现象，就知道换回黑名单了。

在黑名单的情况下，如果在砍掉一个或多个流量段后，你观察到上述现象，只要恢复你砍掉的最后一批流量段就可以了。

欢迎转载，请注明出处：闪电树熊 » 第34-35天，营销活动黑名单和白名单设置技巧