TikTok小店广告算法（百万消耗优化总结第二篇）

皮皮深度研究和探索了Tik Tok的算法机制，并和多位投放大佬和算法大佬共同分析后，给大家同步一篇Tik Tok Shop广告算法的干货文档。上个月我分享了视频维度的算法文章，详情可以去pipiads公众号翻看历史文章进行学习和了解。

接下来，我们就一起揭露和分析Tik Tokshop的广告算法。

品好素材好，通投拉满，到底什么是品好，什么是素材好呢？

接下来我会告诉你答案
首先据分析观察，Tik Tok 闭环电商投放模型主要以商品维度为主

（1）TikTok Shop的算法并不是简单通过视频内容理解商品，而是基于视频上的商品标签（锚点）进行推荐。也就是说Tiktok shop算法是通过识别商品属性，然后推对应人群。

怎么理解呢，就是说，实际上大家都说品很重要。品它从算法实际生效的逻辑，并不是说发布一条视频，或者素材，机器可以知道你这个视频在拍什么，而是基于你视频上挂的这个锚点。通过挂车商品来进行人群推荐。

（2）视频本身并不直接决定内容推荐，而是标签上的商品信息起主要作用。
算法初始依赖于商品的基本属性推送给相关人群，但对视频内容的解析能力有限。

主要的原因还是目前TT的模型，对于视频标签不精准。机器对于视频拍什么内容的理解，还没有那么强大的能力。

商品的后验特征=广告数据反馈

第一，商品标题、特性和属性用于定位投放的目标群体。

随后，根据用户对视频的实际反应（如观看时间，完播率，互动，转化）算法进行调整推荐，如完播率和其他用户反应指标就是后验特征。

这些后验指标对广告的最终表现至关重要，决定广告是否成功和与其他广告的竞争力。（这个后验的指标就会决定你这一条广告最后能不能投起来，以及说你是否能竞争过别人，因为本质广告还是是通过ECPM去计算）

同样的，这里有两个关键点
首先我们清楚了投放模型以商品为主然后模型的第二批特征就开始发挥作用，就是素材的后验特征，以这款杯子举例

再以我和看文章的你举例

首先商品属性上，是杯子+定制礼品

算法会基于这个属性（杯子+定制礼品）推给我们俩。然后呢，广告主测素材我们俩分别看到两条不同的视频：你看到这一条35.1K的广告素材

我看这一条8.3M广告展现的素材

可能我看了五秒，你就看了一秒就划走了，这么循环往复，可能前1000次，或者说过了前1000次展现之后。这个模型就可以算出来，就是说这个后验的这个完播率，包括这些各种的这种后验的指标。

这就验证了，为什么我们要通过大量复制组去撞人群的核心投法。

也可以这样简单理解这个机器预估的CTR和预估的CPA啊，一部分是通过预测你商品和这个用户的购买，商品可能的购买。另外一个很大的一个部分就是看你这条视频过去的转化比例，所以说你会看到很经典的一个现象，就可能这同一个素材你再重新用一遍，重新复制下去，可能你再投下一次的时候就效果就不一样了。也就是模型跑稳定了。

商品的类别和其他填写的属性（如邮费信息和折扣）对算法有显著影响

同一素材在不同时间的效果可能不同，因用户对素材的兴趣程度和反应不同。

折扣和邮费信息是影响商品吸引力的关键属性，尤其是在电商平台上，这些因素可以大幅影响用户的购买决策。

所以闭环小店包邮和不包邮，包邮顺利跑出的广告概率可能三倍左右
第二个是折扣，平台算法层面很难判断这个品到底是贵的还是便宜的所以设置折扣胜利跑出的广告概率也是要高于不设置折扣的概率

也就是说，再以这个产品举例

这个商品的平台算法视角，可能主要就是到一个品类汽车&摩托车类目-汽车香薰这个品类，多少钱的香薰算贵，多少钱香薰算便宜，算法是不知道的

但折扣就不一样，因为折扣是个单独的信息，
所以说折扣会变成一个单独的特征加到模型里面。这也是供应链有优势，上去就上折扣，同样的产品，差不多竞争的素材，它会更快拿到投放结果，跑出去的原因之一。

但有意思的点是，卖的最好的，未必是最便宜的。
首先你作为商家端，这个品的市场定价自己能明确知道就其他人卖多少钱，你卖多少钱。但是对于相对早期的这种平台来说，对于这种价格信息的把握是是比较缺失的，所以说在这个时候，并不是定一个比较便宜的价格，平台一定能够捕捉到这个信息，你去pipiads看广告数据，或者去tikstar分析小店数据，会发现很多品，它其实反而那个卖的比较好的链接，不一定是最便宜的那个。