2023,我們如何全面衡量廣告投放的效果?
作者:宋星
1
永遠解不開的結與顛覆性方法
如果我們總結2023年品牌廣告主眼里的關鍵詞,私域、CDP、DTC、直播、個保法、數據資產、數字化轉型,大概率是必須提及的,但每一年總有一些老語匯依然會被反復談及。
例如,廣告效果的監測與衡量,作為數字營銷的底層問題,雖然并非新事物,但由于其難度所在,一直在優化與升級的路上。
尤其是對于品牌廣告的投放,各類衡量廣告價值的指標層出不窮,但好像都不太能讓人滿意。
最初,故事沒有那么復雜,廣告大部分都是CPT投放的合約廣告,廣告主對“量”進行度量,由此出現impression、click這樣的衡量方式。但廣告形式和廣告流量變得復雜之后,僅僅衡量“量”是不夠的,需要增加對“質”的衡量。再加上數字廣告越來越程序化(這意味著廣告將更貼近受眾的需求進行投放),于是,出現了ROI、TA(目標人群)濃度、TA的N+reach等新的衡量方式。但這些指標的出現,并不能真正解決問題。廣告效果的衡量本質上不可能有放之四海皆準的通用指標。而且,廣告效果衡量往往都是以結果論的。
例如:追求效果的廣告主,當然會用ROI來衡量效果,但過于追求結果,會忽視達成效果所需要經過的過程。而品牌廣告主,曾經也非常喜歡用TA濃度來衡量投放結果,但消費者被廣告所影響的程度,卻根本不可能從簡單的TA濃度來了解。甚至有些方式本身就是不夠科學的。比如TA濃度,如果一次campaign的TA濃度高于另一次,一定能夠說明這次campaign的效果更好嗎(甚至TA濃度本身到底準確性如何都很難說得清)?再加上,《個人信息保護法》出臺之后,衡量廣告價值變得更難了。方法一直不盡如人意,而外部環境又發生了顛覆性的改變,因此,衡量廣告效果的方式,也應該發生根本性的變化。在找到這些根本性變化的方法之前,我們需要先同意幾個重要的理念(當然,不同意這幾個理念,這篇文章也沒有讀下去的必要):
過程和結果同樣重要,甚至很多時候,過程比結果更重要;
廣告投放的效果訴求是多樣化的,這些多樣化的訴求無法用統一方式去衡量;
廣告效果的衡量需要具有科學性,邏輯上要成立,方法上要嚴謹。
從這三個理念出發,我們看看今天的廣告投放效果應該怎么衡量。
2
到底什么算廣告投放的效果?
對于不同的廣告主而言,什么才算廣告的效果,肯定是不同的。 哪怕都投同一種廣告,對于什么才算效果,定義和衡量方式也可能是不同的。
總體而言,廣告的效果基本上分為以下類型:
1.以轉化為最終效果來衡量廣告,同時追蹤轉化過程。最終效果的衡量往往用ROI或者轉化率(當流量價格比較穩定時),轉化過程往往需要將后鏈路數據匹配前鏈路數據,實現廣告全鏈路歸因后才能體現。
2.廣告覆蓋的人群數量,以及其中多少人真正被企業的品牌所影響,即增強了認知、好感甚至購買意愿。這些共同構成了企業的品牌資產價值。這是目前最困難的領域。常用的方法是,追蹤同一人群一段時間(通常是相當長的一段時間)的行為變化,尤其是與投放品牌相關的互動行為的變化來推測其品牌人群資產的變化。顯而易見的是,這樣的方法勢必需要足夠大的人群場、內容場作為支撐,能做到這一點的,基本上只能是大型互聯網媒體平臺提供的工具。
3.從行業角度看,企業的品牌力在消費者心智中的整體提升。洞悉品牌力在行業角度的比重,突破常規輿情法或者問卷法的諸多弊端,更及時精確地追蹤更廣范疇人群的心智變化,來判斷人群是否在廣告投放后,對廣告主品牌具有更多的偏好,或者曾經屬于其他品牌的消費者轉變為廣告主品牌消費者(從對其他品牌擁有更多認知、好感、意愿,轉變為對廣告主品牌有更多的認知、好感和意愿)。這就對媒體平臺提出了更高的要求:縝密的行業及品牌理解力及對于人群的品牌獨占行為的把握。
4.對品牌和效果的綜合提升。如果一個廣告主說,想追求“品效協同”,我們不能簡單認為這是不理性的。廣告投放本身提供了“品效協同”的可能性。最常用的方法是,在投放品牌廣告的同時追加效果廣告,利用不同廣告形式,按照一定的節奏(pacing)進行組合投放。但,組合方法的不同,一定會左右廣告主所追求的品效協同效果。而在各種組合中找到投放效果的最優解,廣告主自己或者廣告主聘用的第三方都無法完全實現,因為廣告主不可能窮盡所有的投放方式,也就無法確定當前的組合方式一定是最有效的。
在這種情況下,唯有媒體平臺,在擁有海量的投放數據的基礎上,才能對廣告主當前的投放組合的效果做對比性的衡量(與其他各種潛在組合方式進行對比),然后給出當前組合與自有組合或其他組合方式之間的效果差異。顯然,這個解只有媒體平臺才能提供,而媒體平臺如果提供相關工具,便能對廣告主衡量組合廣告投放的效果,產生極大的價值。
3
廣告投放四類效果的新衡量方式
那么,對于上述四種廣告投放效果的衡量需求,我們有什么創新解法呢?今天我們以騰訊廣告RACE曝光歸因模型為例(以下簡稱RACE模型),來聊聊行業在衡量廣告效果上的努力與成效。
第一類:衡量轉化以及轉化過程的歸因
如同前面所講,如果只是衡量ROI,對廣告投放的效果衡量就只有一個標準:好和壞。
效果不好的廣告投放,我們通常能做的事情,是停止投放。 但如同我在我的大課堂所講述的,效果不好的廣告投放,或許仍然隱藏著很大的機會——或許只是在歸因上(這個廣告很可能為別的廣告或者流量渠道做了助攻),或是在人群的匹配上出現了一些問題,但并不能就立即認為這個廣告存在嚴重問題。舉一個案例,某食品品牌旗下有兩個主推小食,分別是牛肉和雞肉,做了一波投放,用同樣的資源觸達目標受眾,牛肉小食的產品線轉化遠低于雞肉線。怎么辦?傳統的單一轉化衡量方式下,盡管是以轉化為導向,但肯定相當粗暴,容易產出一刀切的優化方式。
終端ROI高,希望起量;ROI不達標,如果做一些優化還不行的話,會停掉或者更換到效果好的雞肉線廣告進行投放。但顯然我們需要用有效的廣告衡量來判斷,既然牛肉線的效果不好,那么到底問題出在哪里?過去,這樣的判斷很難實現,但現在的工具(如下圖所示,來自RACE模型的衡量方式)則可以很好地幫助廣告主洞察到相關情況。
利用RACE模型,結合后鏈路的人群數據,我們可以有“打開黑箱”般的發現:兩個產品的人群重合度很低,只有2%。投放的這波廣告,并沒有對牛肉和雞肉產品的人群進行區分,而是統一覆蓋了同一組人群。問題來了,剛好覆蓋的這組人群對雞肉產品更感興趣,因此簡單得出牛肉產品的廣告不夠好這個結論,是非常武斷的。
按照這樣的錯誤思維,我們或許很快就能得出下一個同樣不正確的結論:假如這個廣告下一波投放剛好覆蓋的人群對牛肉產品更感興趣,那就是雞肉產品的廣告不夠好。但是,有了RACE模型,就不會出現這樣武斷地推導。更高效的機器建模學習,也會讓廣告效果的優化不再復雜。如果牛肉線的人群不匹配,那么找到匹配的人群,就有機會大幅度提升投放的效果。找到匹配人群的方法,當然也可以利用后鏈路數據作為正樣本,用之前高頻觸達牛肉廣告但仍未轉化的人群作為負樣本,以機器學習的方式,不斷優化人群的匹配。在這個案例中,優化后牛肉線的廣告下單轉化對比歷史同類投放增加了43%,高消費人群的轉化更比歷史同類投放增加52%。
第二類:衡量廣告對品牌資產的影響
如同前面所講的,目前,衡量廣告對人群的影響非常困難,品牌很難摸清楚自己在消費者端到底擁有多少實打實的品牌資產。但對品牌廣告主而言,能夠量化品牌資產,是最能證明廣告起到效果的方法。難,在于人們的心跡無法直接敞開變成數據,進而被獲取、被統計、被歸因。但行業還是能給出相對不錯的解決方法。如果一個消費者原本對某個品牌完全沒有認知,通過廣告投放,他發現了這個品牌,并且對這個品牌感興趣,那么他很可能會產生一些探索這個品牌的行為。
這些行為,廣告主基本上無法探知,但是媒體在海量的人群基礎上,還是能夠發現投放廣告前后,人群行為變化的差異的。作為媒體端提供的工具,RACE模型是能夠做到這一點的典型工具。消費者對于品牌的認知情況,可以用一系列行為去定義。例如,人群與品牌廣告的互動,可能意味著對這個產品有不錯的興趣,而進入這個品牌的小程序,則可能意味著更深的興趣和偏好。 那些目標人群中從未搜索過這個品牌的人群,在廣告投放之后有30%的人發生了搜索行為,這行為本身如同一個標志物,表明人群心智發生了“破冰性”的改變,成為品牌資產中的一環。
例如在某3C筆記本品牌的一系列廣告投放中,基于RACE模型能夠展示出品牌資產的流轉情況。廣告主選擇了兼顧“品效”的營銷目標,擬定了要達成更多R3、R4人群資產的投放策略,并在實際投放中,通過針對深層觸動且具有轉化潛力的R3人群,以及產生轉化的R4人群作為正樣本,淺層與深層雙目標聯合優化建模。通過下圖右側的實際投放效果可以看到,對比模型優化前后,R1到R3的轉化率提高了460%、R1到R4的轉化率提高了63%,兩項提升最為巨大的指標都與廣告主訴求吻合。印證了RACE模型能根據品牌的營銷目標,進而針對性進行建模為投放提效,幫助廣告主實現“指哪打哪”的能力。
我們也可以利用這個模型中人群的遷移情況來衡量廣告投放campaign的效果。 同樣的預算,我的廣告投放后,從R1到R4的人群遷移比例是5%,而你的廣告遷移比例是10%,那或許說明你的廣告投放比我的更成功。這些數值,都反映了一個企業的品牌資產的躍升(變遷)情況。
第三類:衡量品牌在消費者心智中的整體提升
廣告主也期待自己投放廣告之后,能夠在一定程度上“壓倒”同類品牌。
一個廣告投放出去之后,若沒有同類品牌的消費者“轉投自己門下”,無論如何都不夠成功。廣告主希望看到的人群遷移,不僅僅只是從曝光觸達到淺層互動到深層觸動這樣的遷移,從行業層面看,廣告主也希望看到其它同類品牌的人群遷移到自己的陣營中來。這體現出品牌在消費者心智中的重要性的不斷提升。
這些數據目前只能靠調研或者大型媒體平臺提供。過去的衡量方式主要是問卷調研或者輿情調研,但往往會受到樣本量級或主觀偏差影響,且比較難追蹤當下復雜且加速動態演變的消費者心智。大型媒體平臺提供的工具,比如RACE模型,可以提供相關數據,其背后的原理,仍然是基于人群的行為。某個品牌手機發布旗艦高端機,廣告效果的衡量很適合用品牌(產品)在行業中品牌力的提升來衡量。例如基于復盤上波投放,發現“閃屏合約”及“信息流合約”的心智扭轉效果更優,故在下波投放中基于轉化難轉化人群的營銷目標,針對性優化資源組合進行投放。
而在下波投放后利用RACE模型分析,購機人群中有20%來自于另一個原本使用某高端品牌手機的人群,而其中又有接近一半人持有該高端品牌手機的2代機型。廣告深度觸動的消費者中有三分之一,原本是另一個同類品牌的偏好群體。
這些數據給我們提供了衡量廣告效果的參考維度。
坦白說,品牌一定是希望能用更真實、更直接的維度來衡量廣告效果,比如具有識別性的消費者獨占互動行為——實際對本品和其它同類品牌的廣告點擊、內容瀏覽搜索等。當廣告投放結束之后,如果品牌主可以清晰地看到這些數據的變化,那么廣告投放效果的衡量就更具有說服力。
第四類:對品牌和效果的綜合提升
這一類效果的衡量,對利用多種廣告形式組合投放的廣告主很重要。如果同時追求品牌和效果,那么往往會同時投放合約廣告(主要對品牌的幫助)和競價廣告(主要對效果的幫助)。同樣,更多時候還會有多種類型的合約廣告的相互結合。問題是,投放什么樣的組合(portfolio)會能夠實現最好的效果呢。
所謂投放組合,是在既定預算或既定曝光次數下,品牌合約廣告與競價廣告的預算(或曝光)比例,以及投放的曝光頻次及投放的節奏(pacing,你是一次性花完所有錢,還是細水長流),該定成何種策略。廣告主不可能窮盡所有投放組合的可能性,此時,需要工具“提前”(基于該品牌投放的歷史和行業投放的情況)告知廣告主在什么樣的情況下能夠達到最好的效果。
好的效果如何實現?RACE模型從頻次、資源兩步入手進行增益價值優化。從下圖中的案例中可以看到。
第一步:針對不同的偏好人群,找到他們的最優觸達頻次,基于該品牌歷史投放數據的衡量分析結果,得出結論:從宏觀上看,本品偏好人群7.1次曝光后基本上轉化率達到拐點,而同類品牌人群在16.7次曝光后才能達到拐點。
因此明確針對不同偏好人群的的觸達頻次;
第二步:基于不同人群的定制頻次及本輪投放目標(曝光觸達/轉化/心智扭轉/ROI),匹配具有不同價值側重的資源組合,從而實現效果最大化。
4
衡量廣告效果還有哪些方式
除了RACE模型能夠實現的四類科學歸因方式,衡量廣告效果,尤其是品牌廣告的效果還有一些方式。這些方式包括:
捕捉并研究消費者在數字世界中的輿論;
投放觸達人群的demo(demographics,即社會屬性)與DMP中目標人群的demo之間的差異;
利用后鏈路的流量行為數據(engagement),判斷流量的價值;
將后鏈路的流量行為數據及其ROI進行維度交叉,構建Engagement-ROI模型進行分析;
如果說前面四大類效果的分析,需要RACE模型這類的工具實現,那么上面這四類分析方法,也分別需要各類工具實現。
例如,捕捉輿情,需要輿情工具;與標準人群的demo做對照,需要有DMP;后鏈路Engagement以及Engagement-ROI模型分析,則需要用戶行為分析工具或者CDP;轉化歸因和歸因模型,也需要專門的歸因工具或具有相關功能的CDP。如同我們前面所說的,對于廣告投放效果的衡量,并沒有一個放之四海而皆準的通用指標,所應用的工具也各不相同。
一個趨勢是,媒體端提供的中立工具(例如RACE模型這類廣告主可以自助操作的工具),為廣告效果的衡量和分析提供了另一個角度的方法,再加上廣告主如能合理利用上述的所有工具,那么對于投放效果的衡量,基本上能夠做到客觀與全面。
不過,一個建議是,應用RACE模型這樣的工具,要比其他自己采購或自建的工具使用難度低,對數據專業的要求也相應低一些。
如果企業無預算或能力做上面所列舉的這四類其他的衡量方式,那么,直接用媒體平臺提供的工具,或許是一個更好的選擇,即,在沒有額外代價的基礎上,仍然能夠衡量和比較廣告投放的效果,并至少能夠獲得相當全面的廣告投放優化方面的洞察和建議。
以上內容就是2023,我們如何全面衡量廣告投放的效果?希望對你有些許的幫助,更多精彩內容請關注智瑞創想抖音代運營,我們會定期更新短視頻電商運營技巧,希望對你有所幫助。
免責聲明:本文部分內容及素材由小編轉載自網絡,旨在分享閱讀,版權歸原作者所有,如有侵權請聯系我們進行刪除。
聲明:本站所有文章資源內容,如無特殊說明或標注,均為采集網絡資源。如若本站內容侵犯了原著者的合法權益,可聯系本站刪除。