信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭


          Warning: Invalid argument supplied for foreach() in /data/cxweb/www/gupowang.com/public/article/view.html on line 71
          7年前

          【作者】WeAD廣告

          【來源】APP干貨鋪子

          【編輯】善小布

          信息流廣告最早出現于Facebook平臺上,現今信息流廣告形式更多的偏向于移動互聯網,當下從有從圖文資訊內容轉向短視頻內容發展的趨勢,信息流廣告并不是什么新名詞,只是不斷的在發展和進化廣告模式,形式的更替是因為用戶行為的拓展影響了承載信息流的平臺。

          信息流廣告投放有兩個基本點,一是素材,二是人群定向。

          素材不用說,文案和圖片的創意,視覺體驗的優化,在刷屏過程中以能夠快速抓取眼球和5S閱讀取勝。

           

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

           

          人群定向是指通過大數據背景,冷數據如:性別、年齡、學歷、地域;溫數據如:興趣、常用APP、關注的話題、喜歡的電視劇 明星等;熱數據依托于場景之下,比如最近參加過什么活動,在哪個商圈產生了購買行為,有沒有旅游出行或商務出行的動作等等,定向是為了進行受眾的高匹配度篩選,就像我司數據會從廣告主、媒體方、WeAD三大DMP數據進行跨平臺、多標簽精準的描繪用戶畫像。

           

          信息流廣告的優勢在于,一是結合了傳統與新媒體的技術優勢;二是符合用戶使用和瀏覽的習慣也就是上面提到的用戶體驗;三是原生信息流的內容更易于被接受,它是以常規的內容形式展現,且不會打斷或干擾用戶的行為。

           

          今題頭條、微博、微信、各類APP都是信息流廣告觸達的發源地和爆發地,當下場景式的互動內容是最新的模式。

           

          怎么判斷是不是信息流廣告,很簡單,一是看出現位置是不是與產品功能結合在一起的,例如:微信朋友圈廣告;二是主動推送的feed流,例如:刷微博的時候,一些帶有氣泡的廣告推送,包括視頻自動播放。

           

          信息流廣告基本存在于以下幾個類別:

          1、搜索引擎類

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

           

          手機瀏覽器、手機百度,都可以實現搜索功能和資訊瀏覽功能,用戶基數龐大,且高頻使用。

           

          2、新聞資訊類

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

           

          今日頭條、騰訊新聞、一點資訊、網易新聞、新浪新聞等,今日頭條可以說是率先推出資訊類信息流廣告的鼻祖,推送內容也會根據用戶瀏覽習慣進行有效追蹤。

           

          3、社交APP

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

           

          微博、微信、陌陌、貼吧等,用戶圈子社交,精準度高,活躍度強,推送形式大同小異。

           

          4、視頻類

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

           

          愛奇藝、優酷、騰訊等等,視頻播放客戶端,斗魚、快手等直播互動APP,網生內容和小視頻是今后發展的重點方向。

           

          5、其他APP或應用

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

          天氣通、美圖秀秀等等,使用功能比較單一,頻次也不俗按太高。

           

          最后,舉幾個信息流廣告投放的案例,參考一下。

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

          解析:信息流廣告如何在頭條、微博等HeroAPP獨占鰲頭?

           

          不同的行業和品牌,在選擇投放渠道和進行創意優化的時候比較看重的因素也不盡相同,在各個APP信息流廣告越來越頻繁的情況下,用戶的審美閾值也隨之提高,怎么樣做到既達到推廣效果,又深得人心需要考慮文案、素材、人群、時段、平臺、展現形式等多維的因素。

           

           

          收藏

          {{favCount}}

          個人收藏

          投稿請戳這里!投稿
          0

          次分享

          文章評論(0)

          {{ user.nickname }}
          發表評論
          登錄 進行評論
          加載更多 正在加載中... 沒有更多了