如何让腾讯广告有效覆盖，拓客降本增效？
如何高效建模分析，优化后端转化？
本期内容带您清晰了解腾讯广告教育行业「pKAM」深度数据优化能力。
一、什么是"pKAM"
pKAM是predict KA model 的缩写，主要分为两种场景，全渠道助攻和后链路助攻。
因为需要样本达到一定量级才能有效建模，进行pKAM，所以现对在腾讯广告投放平台或微信流量日消耗1万元以上的腾讯广告主开放。
在合规授权下，由广告主提供一方数据，平台建设客户独有的助攻模型，从而提升前端消耗或优化后端ROI。
二、全渠道助攻
1.优化目标
保持广告主前端成本不变，使得消耗上涨10%到20%。
2.数据时效
合规授权下，模型学习需广告主提供非腾讯渠道获取的表单或下单人群数据，回传系统进行分析。建议最好选择近半年内数据，最远可使用近1年的数据。
3.上报方式
将人群数据通过知数上传，打开“深度数据合作”的开关即可完成建模准备。
4.案例说明
例如，某广告主希望提升其国学课程表单拓客转化，就可借助pKAM，让模型自主学习其非腾讯渠道近半年的表单人群数据，以优化腾讯的广告投放效果。
三、后链路助攻
1.优化目标
保持广告主前端成本浮动5%以内，使得后端转化率提升，从而提升ROI。
2.数据时效
合规授权下，模型学习需广告主提供全渠道（包括腾讯及非腾讯渠道）的某一种后端行为数据，回传系统进行分析。建议最好选择近半年内数据，最远可使用近1年的数据。
*后端行为包括：体验课首次参课、体验课首次完课、有效表单、正价课转化等
3.上报方式
通过数据对接上报，数据源开启“深度数据合作”和“转化归因”。建议后续每次后端行为转化发生后即时上报，或者按照每周/每双周频次定时更新。
4.案例说明
例如某广告主在腾讯广告投放老年兴趣课程，并在腾讯渠道获取了首次参课人群数据（满足建模门槛）及正价课人群数据（未满足建模门槛），则广告主可以选择优化首次参课行为，将首次参课人群通过数据回传，使得模型学习后端行为数据，优化腾讯广告的后端转化率。
四、应用与效果
1.应用流程
• 首先，由开发团队进行5天建模训练，通过数据源为每个客户数据进行单独管理和存储，模型进行分析学习；
• 建模后，进入pKAM的流量实验，初期在同账户内拆分20%或者50%的流量实验观察效果。
• 若实验效果正向，会将覆盖范围扩大到全流量/全账户，广告主也可以提报更多账户加入实验。
2.实验效果
• 全渠道助攻：某中老年课程投放客户A，数据建模后的实验效果显示，其加微成本降低5%，且消耗上涨34%；
• 后链路助攻：某中老年课程投放客户B，数据建模后的实验效果显示，其完课率上涨了6%，完课成本降低200元。
现以上客户均将全量账户加入pKAM实验，且每季度更新全渠道数据，使得实验效果长久持续。
目前，腾讯广告教育行业多名客户使用pKAM，并深化合作，持续获得正向效果。
