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。

保持广告主前端成本不变，使得消耗上涨10%到20%。

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。

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。

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。

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。

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，微信广告回传系统进行分析。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

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。

例如某广告主在腾讯投放老年兴趣课程，并在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。

• 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，微信广告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。

• 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。