当然是因为效果好啊！广告主能起量更快、能更低成本拓客；媒体对人群的标签划分更加精准；用户体验也上来了，不再给我推不感兴趣的广告了，这是件三赢的事，所以媒体这么不余遗力地去推动大家尝试。

商品广告的核心是商品属性，也就是结构化的数据。

金融无论是贷款行业、证券行业还是理财行业，广告主所推广的产品越来越具象为一个个结构化的数据，比如个人贷款sku涵盖了利率、分期、额度等商品属性信息；理财0元课sku涵盖了课程周期、课程卖点、价格等商品属性信息。

这些结构化的数据其实就是广义的商品，而广告系统通过智能挖掘上述商品属性信息，就能实现用户人群和商品的智能匹配，实现“千人千面”的推荐。

从实际效果上来看，商品广告对比普通广告最大的优势在哪儿呢？

我们以前冷启动最大的问题就是：

①找不到转化高的人群，计划空耗跑死了。

②根本花不动钱，拿不到曝光。

商品广告恰好对症下药：

1、找人模式：

由“广告找人”变成“广告+商品”找人，更准更快了。这个更准更快会体现在全链路的数据上，计划的冷启动更快，起量率会更高。

2、起量快条均高：

通过引入商品特征、人群在商品上的行为数据/兴趣数据，腾讯广告能够校准系统召回、预估等各环节，让匹配度更高的用户人群得到曝光。也就是说有商品信息的广告已经能一定程度影响算法竞价漏斗了，对于高转化的人群，会提高竞价预估去争取，账户里的计划更容易找到转化人群。

3、充分连接：

大家都知道模型的重要性吧，一条广告闷头学习和一群广告信息共享效率是不一样的。自建的商品库支持指定商务管家、指定公司主体的所有或任一账户进行授权使用 + 数据层面，投放同一商品id的广告效果数据将聚合在一起被模型学习、预估，这不仅连接了同账户的新广告与老广告，也连接了跨账户间的同商品广告。

就是说，新老计划、跨账户的数据都能一起学习了。甚至新的账户能直接通过老账户积累的商品数据模型去加速学习过程。

截至目前金融整体商品化覆盖已超过60%，其中尤以证券、理财、保险拿量效果最为显著。

证券行业：商品广告投放覆盖将近50%。相比普通广告，商品广告条均消耗提升427%，且后端转化成本偏差基本持平。

理财行业：商品广告投放覆盖超过70%。相比普通广告，商品广告的CTR*CVR提升幅度约32%，广告曝光概率更大且深层转化成本基本持平。

保险行业：广告日均消耗超过48%为商品广告，条均消耗提升近2倍，转化成本偏差缩小13.86%，起量率及达成率均有所提升。

也就是说，如果你发现账户掉量了或是成本涨了，可能是竞品都已经用上商品广告了！

我们搜集了三个金融行业的案例：

1、某证券-投顾行业客户

主要通过引导用户加企业微信并实现付费课转化。

之前在腾讯广告投放中，主要问题是后端转化稀疏导致起量很慢，而且成本不稳定。尝试商品广告后，按板块投放优化了下召回环节：特定板块素材投放时，通过创建同一板块的商品，有助于跨账户跨广告的板块数据积累，使模型对拥有该板块特征的人群召回更准、更快。

5月以来广告主持续提升商品广告投放覆盖率（50%→80%），单广告消耗水平近5倍提升，并且后端付费成本实现超过30%的下降。

大家在投放界面创建商品时，明确想要推广的板块信息，不限于概念板块、行业板块、地域板块等，示例图如上。

2、某财商客户

Q2持续提升商品广告投放覆盖率（44%→85%），集团账户总体商品库数量维持在5-10个，单个商品库一般授权给6-8个广告账户应用，而单账户所投放商品则聚焦在1-2个商品id。效果显示，在广告深层转化成本保持稳定的基础上，新广告起量率提升13%，转化成本达成率提升11%。

3、某贷款客户

只有单个sku，刚开始投放商品广告效果不明显。然后调整方案，同商品拆分不同属性投放+分流量探索。

个人贷款产品一般有“持牌、消费金融”等不同类别的区分，同时在额度上也呈现为0-50w不等（如可分段为0-5、5-20、20-50），这些商品属性信息最好要填完整。在不同属性维度上后端转化的贷款用户人群画像是存在差异的。

所以媒体通过引入几家头部广告主分别在微信流量、非微信流量，投放不同类别、不同额度属性的个人贷款sku，以便模型通过机器学习把用户和商品之间的关系学得更好、预估更准。

经测试在微信流量上，贷款商品广告条均消耗提升约40%，广告深层转化成本偏差相对持平

总结一下上面三个案例的经验：

①未来随着平台数据标签越来越多，商品信息填写越详细肯定效果越好。

②同一主体下的商品库数量、单商品库授权账户数、单账户投放商品数要规划好，方便对比效果和筛选。

③sku较少的情况下，可以拆分不同属性去测试，对应后端维度的用户人群画像也会有差异。

我们调研了一些金融客户商品广告的使用情况，有个保险客户说：“我们算是最早一批测试商品广告的，因为我们产品类型比较多，初期直接挑了一款主推的搭建商品库测试，但是效果提升不明显，后来我们逐渐细分测试商品类型和商品信息字段，筛选出效果好的组合，并且全量后，大家（竞品）一起搭建商品库，数据越来越多，整体效果也逐渐提升。”

其实商品的测试和培养也和账户一样，初期声量大、市场验证过的好产品更适合推商品广告，并且也需要数据案例的积累。对于商品的选择，他给的建议是：“要选产品特征比较明显的，这样才能更精准的匹配到你想要的受众”。

1、创建商品库

创建商品有3种方式：自动识别、投放流程中手动创建、通过商品管理中心创建。

创建商品时，商品信息要填完整。强烈建议必填商品类目、商品品牌、商品名称等信息，其中商品名称建议以“商品类目+属性”的形式命名，比如“沪深股市-券商信托”。

不同投放端的玩法：

• ADQ投放端(ad.qq.com)商品化投放

https://e.qq.com/ads/helpcenter/detail?cid=1516&pid=4402

• MP投放端(mp.weixin.qq.com)商品化投放

https://docs.qq.com/pdf/DVE9ybUVFQnhuSUtB

2、尽可能多的积累同一商品下的数据模型

投放商品广告时，优先使用已有商品以便于广告数据积累、聚合，在没有适用商品时再使用自动识别功能新建。

3、分析广告效果时，可以在投放端推广的界面去查看商品关联的广告和调整编辑。

投放端报表中心→商品分析模块，支持查看商品（系列/类目/品牌/店铺）粒度下，分计划/广告/广告创意的细分效果数据。

4、sDPA+DCMC投放

对于sDPA广告（单商品广告），支持1条广告下关联多个创意（最多10个）。金融行业建议选历史效果较好的商品、配优质素材&多套文案进行投放。

5、多从可以填写的商品字段上做测试，商品类型上多测试sku。