再見了!效果難以被“度量”的數媒廣告時代

(原標題:再見了!效果難以被“度量”的數媒廣告時代

數字媒體廣告高速發展的50年裡,關於營銷效果的量化評估,一直是困擾營銷人的世界級難題。尤其是在媒體碎片化、粉塵化的今天,用戶多媒體、多平臺、多設備上活躍,讓單一媒體的效果歸因變得更加複雜。

通常來說,廣告主會用以下3種方式來評估廣告投放效果,而這3種衡量方式,本身也對品牌自有數據能力和數據開放性提出了不同程度的要求。

早期,品牌們衡量廣告效果的形式往往較爲“感性”,多是借力外部數據來評估廣告投放效果,如:廣告投前、投後店鋪訪問量、各平臺搜索指數、商品在投放週期內的售賣變化等。這種測量方式顆粒感很粗,產品在其他平臺的投放、近期的促銷、打折力度,以及用戶季節性需求程度,都會引發數值的波動。

隨着廣告技術走向成熟,通過cookies、Device ID來定位、定向、追蹤用戶在線行爲並進行效果評估,成爲廣告技術平臺的通用選擇。但這種測量方式,往往只關注“互動用戶數據”(多以“點擊”爲主),容易陷入到“高看”或“低估”廣告價值窠臼

所謂“高看”,指的是在廣告發生互動的人羣中,本身也存在對廣告脫敏、或缺乏真實需求的用戶,他們即便是點擊了廣告,也不會爲此買單;而“低估”廣告效果,則是指即便有些廣告沒有被點擊,依然對用戶產生潛移默化的影響,並能助推他們在其他渠道上完成轉化。但問題來了,當下無論是Cookies-based,還是last-click等廣告測量方法,都無法追蹤用戶在其他渠道上的轉化情況。因此,也就不能客觀、全面地評估廣告所產生的價值。

當然,還有一種情況,那就是通過競價勝出的廣告,本身就是曝光給了“對”的人羣。這部分人中,就存在有品牌的忠實用戶,即便不投廣告給他們,也存在“自然轉化”的可能。所以面向這部分人羣投放廣告,看似是精準的、有意向的,但實際上:廣告預算是被浪費了。

相比於前兩種評估方式,我們接下來要講到的第三種測量方法,顯得科學了很多。那便是,如若廣告主搭建了自有DMP(數據管理平臺),則可以通過mapping的方式,來對比評估一次廣告投放後的互動用戶設備號:是否存在於DMP中?是否在後續節點裡有新的轉化?如果重合度更高,或轉化更高,會認爲此次廣告觸達的精準度有效性更好。

但這種衡量方式也存在問題。一來,所評估用戶並非品牌增量用戶;二來,因過分重視對於“老”用戶數值研究,會弱化對新用戶的意向評估,從而低估投放平臺在拉新促活、轉化上的實際價值。

卡思看來,以上三種效果衡量方式,本質上的問題,都是沒能找到廣告投放與轉化之間的因果關係,而只是相關關係,也就是說:沒有幫助廣告主找到“那些真正被廣告影響到的有效人羣”。

爲尋找到“最優解”,巨量引擎提出了“增效度量”方法。“增效度量”指的是通過“隨機對照實驗”的方式,來計算某次廣告投放帶來的效果增量,對比“投廣告”與“沒有投廣告”的收益差異,最終算出真正因爲廣告帶來的生意增量。

增效度量,讓廣告效果可被“量化”

聽起來是不是很玄乎?在正式介紹“增效度量”方法前,我們不妨來做個簡單的比喻

有一個蘋果園,我們將其劃分爲了左右兩個面積相等的果園。

左右兩個果園,可享受到同樣的陽光照耀和雨水灌溉,爲了能評估“施肥”能否加大蘋果收成,我們選擇左邊的果園不施肥,而右邊的果園則進行每月一次的施肥。到了收成季節,我們對比兩個果園的收成情況,如果左側不施肥的果園收成爲500公斤,而右邊施了肥果園產量爲800公斤,那麼,即可判斷:施肥帶來的“增量”收益爲300公斤。

顯然,這個測量方式最大的優勢是:在收成結果裡,除去了自然環境帶來的收成部分,能夠更準確地反應“施肥”所帶來的增量收成效果。

如若將其應用到廣告投放裡,則是“增效度量”的方法,即:在廣告效果的評估過程裡,去掉了自然轉化(不受廣告影響也可發生)的用戶部分,能夠“更準確地”還原一次廣告所帶來的真實效果。

具體步驟上,我們可拆解爲三步:

廣告投放前:巨量引擎的分流實驗系統會將投放人羣隨機地分爲測試組(TEST)和控制組(HOLDOUT),以確保投放前兩個組別在轉化上並沒有明顯差異;

廣告投放中:測試組(TEST)和控制組(HOLDOUT)都會參與廣告競價。但不同的是,當測試組(TEST)廣告在競爭中勝出時,廣告會成功曝光出去;但控制組(HOLDOUT)的廣告即便競價成功,系統也會在廣告露出前將其屏蔽,讓“原本可以看到廣告”的用戶看不到這則廣告。再次強調下:控制組裡的用戶是看不到廣告的;

廣告投放後:通過測試組(TEST)和控制組(HOLDOUT)用戶的轉化情況,來計算廣告投放的增量效果。如上圖,處於控制組(HOLDOUT)裡的用戶,即便沒有看到廣告,也有6個自然轉化用戶,而測試組(TEST)裡的用戶,除了自然轉化的外,還新增了6個廣告轉化來的用戶。

也就是說,若將增效“量化”,這次廣告實驗帶來了6個新增用戶。

增效度量:讓廣告評估趨近“真實”

從目前來看,國內外還沒有度量數字廣告效果的通用標準,而我們也不能完全通過實驗來“量化”廣告效果,但「增效度量」是目前幾乎最接近廣告真實效果的度量解決方案之一。

一、增效度量更爲符合廣告主的度量視角,Lift通過計算Test組和Holdout組的轉化增量,能夠幫助廣告主更爲清晰地判斷“投廣告”和“不投放廣告”的價值差異;

二、增效度量可以在不同人羣、創意、樣式之間做比較評估,也可適用於不同平臺間的效果評估,能幫助廣告主更合理地認知不同平臺的營銷效果,從而優化預算分配,甄選出最有價值的媒體組合投放;

三、通過對“增量區間最大的用戶”的統計、分析,能夠幫助品牌更快地找到“最容易被廣告觸達、影響”到的人羣的畫像,從而優化廣告投放人羣、創意,讓“對的廣告”,在“對的人”面前充分曝光。同時,也可以動態調整出價,以優化投放ROI。

繼續以前文所提到的“蘋果園”爲例。

在確定“施肥”可以增產增收後,我們不妨再來關注下蘋果品質的提升。

如我們瞭解在主肥外,施加不同的補充肥料,如:A、B、C、D、E,可帶來蘋果口感和品質的上升,但具體怎麼補充施肥,我們仍不清楚。

那麼我們可以繼續做測試。如:明確“主肥+A”的方案能夠讓蘋果變得更大,而“主肥+B”能夠讓蘋果的水分更足,“主肥+C”可以讓蘋果更爲脆、甜,那麼則可以選擇“主肥+A+B+C”的組合方式來施肥,但A、B、C的配比,則需要在後續的測試實驗,進一步找到最優解。一旦找到“最優解”,我們則可以將這個方法推廣到當地的其他果園中,以實現蘋果的豐收。

簡言之:增效度量的價值不只在於能精準判斷“一次廣告的投後效果”,也能指導品牌後續的投放優化,包括:創意優化、策略優化、以及組合投放優化等,以此帶來品牌營銷效果的加成提升。

再見了!效果難以被度量的數媒廣告時代

如何總結“增效度量”價值的獨特性?

卡思認爲:在於在廣告投放前,預先設置了一個真實有效的隨機“對照組”。

可能你會疑惑:這與此前品牌在投放時,多會在未觸達廣告的人羣裡,圈選出一些相似人羣作爲“對照”,有什麼本質差異?

集中體現爲三點:一、對照組樣本量:“增效度量”對照組人羣樣本多是百萬級甚至是千萬級的,與傳統抽樣調查幾百到幾千的樣本量有很大的不同;二、對照組(人羣)有效性:均是實驗系統隨機抽取的具有潛在轉化價值的人羣,而不是人爲圈出的“相似人羣”;三、實驗結果的可信度:測試實驗發生在真實的互聯網廣告場景中,而非搭建“理想實驗花園”,因此,實驗結果可信度更高。

如果說“增效度量”只是提供了廣告效果衡量的“術”,那麼,我們還缺少更爲普適的“道”,來維度、綜合評估廣告所帶來的差異價值。在測量方法上,針對短視頻廣告的價值板塊,巨量引擎給出了相應策略,打造行業首個品牌全方位增效度量體系。

據瞭解,巨量引擎將在12月29日的“引擎大會2021”營銷科學分會場,發佈《短視頻營銷價值白皮書》,分別從品牌力和轉化力提升兩大維度,將短視頻與其他媒體價值進行橫向對比,爲廣告主發掘新的營銷機會點。

增效度量的“術”與科學評估媒體價值的“道”雙管齊下,品牌告別效果難度量的數媒時代,以更透明、科學、高效的投放,激發增長新可能。