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，用戶在多媒體、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、投後的店鋪訪問量、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”廣告價值的窠臼。
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和有效性更好。
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。
在卡思看來，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。
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”，來多維度、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。