「要比啲時間 System Learn 吓 ？」廣告投放系統的 Learning Phase
「要比啲時間System Learn吓」這句像黑洞一般的說話，相信所有客戶都曾聽過。可是，究竟需要多少時間，才能完成學習期呢？要解答這個問題，就必須先了解不同廣告競價及優化方式的特點及運作原理：Insertion Order Buy、Algorithm-based RTB 及 Machine Learning。
認識媒介策劃兩大重要維度：Reach & Frequency (下)
文章上部份提到，雖然香港人口相對其他國家或地區而言可能較少，但由於建立品牌認知以至改變消費者行為並非易事，因此便需要提高曝光次數 (Frequency)，以達致轉換 (Conversion) 及銷售的推廣目標。但究竟多少次曝光才是足夠呢？在考慮合適的曝光次數時，可考慮以下各項因素。
認識媒介策劃兩大重要維度：Reach & Frequency (上)
過往遞交媒介策劃書時，曾經有客戶詢問過為什麼在我們的受眾設定裡，每個廣告組合的最大潛在觸及人數只有約三十萬人，只及其他廣告代理的百多萬人的三份一，這是否代表我們的廣告表現較差呢？要回答這個問題，當中涉及了媒介策劃中兩個最重要的維度：觸及人數 及曝光頻率。
Facebook 廣告攻略 – 利用分組測試找出適合的帖文圖片比例！
我們於上一篇文章介紹了如何透過 Facebook Split Test (分組測試) 來找出較佳的廣告變數。今次我們將會以實例示範如何進行 Facebook Split Test，以及可如何解讀及利用所得的測試數據，改善廣告表現。
把2類的網站訪客在廣告活動中排除，提高廣告投資回報率。
辨別那些較低機會為業務轉換成利潤的訪客，把他們在廣告活動中排除可提升廣告回報成效。如你計劃為廣告活動實施Audience Strategy，我們為大他分享這2類的網站訪客，把他們在廣告活動中排除，這有助減低廣告預算的浪費同時可提升廣告回報率。
Facebook 廣告攻略 – 利用分組測試提升廣告表現
上一篇文章解釋了 Facebook Pixels 的基本原理及安裝後，今次將會介紹 Facebook Pixels 的其中一項重要功能–紀錄及收集事件轉換資料。透過收集轉換數據，我們可以進行分組測試，測試不同廣告設定對業務轉換成效的影響，找出自己業務專屬的Winning Formula！
廣告淺談 – 黃藍消費戰的出現？Marketing 3.0價值觀主導的消費模式
社會議題越演越烈，黃色經濟圈的建立，以及著名餐廳被杯葛，已經無法以理性常識去解釋。因為，香港消費者的消費決策模式，已經由以往的產品功能主導，變成理念及價值觀主導。品牌應如何理解及應付這種劇烈的轉變？
SEM 實戰攻略 (3) – 從 Google Data 的分類到廣告優化，在Audience Funnel中捕獲新客源。
到了SEM 實戰攻略的最後1篇，會集中在Google Data 的應用。很多人都說要利用Big Data 提升廣告成效，在利用Data之前先要明白Data 的分類以及搜集方法，才懂得如何策略性運用Data 作為廣告優化 (Optimization) 。
Facebook 廣告攻略 – Pixels 基本安裝及原理
Facebook廣告系統經過多年來不斷調整機器學習（Machine Learning）的模型，以及擴闊收集行為數據的種類及途徑，它內建的程序化購買（Programmatic Buying）功能雖然仍有不少進步空間，但無可否認，它已經變得越趨準確。但由於每個客戶的目標顧客群組亦不盡相同，所以它便非常依賴我們提供的數據，才能作出較準確的數據建模。
Facebook廣告如何排除南亞裔人士？（進階版 – 背後原理及操作）
投放Facebook廣告時，不少人都會遇上大量菲傭、印傭等外籍人士讚好貼文，因此便可能造成浪費廣告預算的情況。但原來要真正做好受眾排除設定，就必須了解「於香港受僱的外籍家傭」及廣泛性的「菲律賓人」兩者的分別！