广告投放四类效果的新衡量方式

今天我们以腾讯广告RACE曝光归因模型为例(以下简称RACE模型),来聊聊行业在衡量广告效果上的努力与成效。

第一类:衡量转化以及转化过程的归因

如同前面所讲,如果只是衡量ROI,对广告投放的效果衡量就只有一个标准:好和坏。

效果不好的广告投放,我们通常能做的事情,是停止投放。 

但如同我在我的大课堂所讲述的,效果不好的广告投放,或许仍然隐藏着很大的机会——或许只是在归因上(这个广告很可能为别的广告或者流量渠道做了助攻),或是在人群的匹配上出现了一些问题,但并不能就立即认为这个广告存在严重问题。

举一个案例,某食品品牌旗下有两个主推小食,分别是牛肉和鸡肉,做了一波投放,用同样的资源触达目标受众,牛肉小食的产品线转化远低于鸡肉线。怎么办?

传统的单一转化衡量方式下,尽管是以转化为导向,但肯定相当粗暴,容易产出一刀切的优化方式。终端ROI高,希望起量;ROI不达标,如果做一些优化还不行的话,会停掉或者更换到效果好的鸡肉线广告进行投放。

但显然我们需要用有效的广告衡量来判断,既然牛肉线的效果不好,那么到底问题出在哪里?过去,这样的判断很难实现,但现在的工具(如下图所示,来自RACE模型的衡量方式)则可以很好地帮助广告主洞察到相关情况。

利用RACE模型,结合后链路的人群数据,我们可以有“打开黑箱”般的发现:两个产品的人群重合度很低,只有2%。投放的这波广告,并没有对牛肉和鸡肉产品的人群进行区分,而是统一覆盖了同一组人群。

问题来了,刚好覆盖的这组人群对鸡肉产品更感兴趣,因此简单得出牛肉产品的广告不够好这个结论,是非常武断的。按照这样的错误思维,我们或许很快就能得出下一个同样不正确的结论:假如这个广告下一波投放刚好覆盖的人群对牛肉产品更感兴趣,那就是鸡肉产品的广告不够好。

但是,有了RACE模型,就不会出现这样武断地推导。更高效的机器建模学习,也会让广告效果的优化不再复杂。如果牛肉线的人群不匹配,那么找到匹配的人群,就有机会大幅度提升投放的效果。找到匹配人群的方法,当然也可以利用后链路数据作为正样本,用之前高频触达牛肉广告但仍未转化的人群作为负样本,以机器学习的方式,不断优化人群的匹配。

在这个案例中,优化后牛肉线的广告下单转化对比历史同类投放增加了43%,高消费人群的转化更比历史同类投放增加52%。

第二类:衡量广告对品牌资产的影响

如同前面所讲的,目前,衡量广告对人群的影响非常困难,品牌很难摸清楚自己在消费者端到底拥有多少实打实的品牌资产。但对品牌广告主而言,能够量化品牌资产,是最能证明广告起到效果的方法。

难,在于人们的心迹无法直接敞开变成数据,进而被获取、被统计、被归因。

但行业还是能给出相对不错的解决方法。

如果一个消费者原本对某个品牌完全没有认知,通过广告投放,他发现了这个品牌,并且对这个品牌感兴趣,那么他很可能会产生一些探索这个品牌的行为。

这些行为,广告主基本上无法探知,但是媒体在海量的人群基础上,还是能够发现投放广告前后,人群行为变化的差异的。

作为媒体端提供的工具,RACE模型是能够做到这一点的典型工具。消费者对于品牌的认知情况,可以用一系列行为去定义。例如,人群与品牌广告的互动,可能意味着对这个产品有不错的兴趣,而进入这个品牌的小程序,则可能意味着更深的兴趣和偏好。 

那些目标人群中从未搜索过这个品牌的人群,在广告投放之后有30%的人发生了搜索行为,这行为本身如同一个标志物,表明人群心智发生了“破冰性”的改变,成为品牌资产中的一环。

例如在某3C笔记本品牌的一系列广告投放中,基于RACE模型能够展示出品牌资产的流转情况。广告主选择了兼顾“品效”的营销目标,拟定了要达成更多R3、R4人群资产的投放策略,并在实际投放中,通过针对深层触动且具有转化潜力的R3人群,以及产生转化的R4人群作为正样本,浅层与深层双目标联合优化建模。

通过下图右侧的实际投放效果可以看到,对比模型优化前后,R1到R3的转化率提高了460%、R1到R4的转化率提高了63%,两项提升最为巨大的指标都与广告主诉求吻合。印证了RACE模型能根据品牌的营销目标,进而针对性进行建模为投放提效,帮助广告主实现“指哪打哪”的能力。

我们也可以利用这个模型中人群的迁移情况来衡量广告投放campaign的效果。 

同样的预算,我的广告投放后,从R1到R4的人群迁移比例是5%,而你的广告迁移比例是10%,那或许说明你的广告投放比我的更成功。这些数值,都反映了一个企业的品牌资产的跃升(变迁)情况。

第三类:衡量品牌在消费者心智中的整体提升

广告主也期待自己投放广告之后,能够在一定程度上“压倒”同类品牌。

一个广告投放出去之后,若没有同类品牌的消费者“转投自己门下”,无论如何都不够成功。广告主希望看到的人群迁移,不仅仅只是从曝光触达到浅层互动到深层触动这样的迁移,从行业层面看,广告主也希望看到其它同类品牌的人群迁移到自己的阵营中来。

这体现出品牌在消费者心智中的重要性的不断提升。这些数据目前只能靠调研或者大型媒体平台提供。过去的衡量方式主要是问卷调研或者舆情调研,但往往会受到样本量级或主观偏差影响,且比较难追踪当下复杂且加速动态演变的消费者心智。大型媒体平台提供的工具,比如RACE模型,可以提供相关数据,其背后的原理,仍然是基于人群的行为。

某个品牌手机发布旗舰高端机,广告效果的衡量很适合用品牌(产品)在行业中品牌力的提升来衡量。

例如基于复盘上波投放,发现“闪屏合约”及“信息流合约”的心智扭转效果更优,故在下波投放中基于转化难转化人群的营销目标,针对性优化资源组合进行投放。而在下波投放后利用RACE模型分析,购机人群中有20%来自于另一个原本使用某高端品牌手机的人群,而其中又有接近一半人持有该高端品牌手机的2代机型。广告深度触动的消费者中有三分之一,原本是另一个同类品牌的偏好群体。

这些数据给我们提供了衡量广告效果的参考维度。

坦白说,品牌一定是希望能用更真实、更直接的维度来衡量广告效果,比如具有识别性的消费者独占互动行为——实际对本品和其它同类品牌的广告点击、内容浏览搜索等。当广告投放结束之后,如果品牌主可以清晰地看到这些数据的变化,那么广告投放效果的衡量就更具有说服力。

第四类:对品牌和效果的综合提升

这一类效果的衡量,对利用多种广告形式组合投放的广告主很重要。

如果同时追求品牌和效果,那么往往会同时投放合约广告(主要对品牌的帮助)和竞价广告(主要对效果的帮助)。同样,更多时候还会有多种类型的合约广告的相互结合。

问题是,投放什么样的组合(portfolio)会能够实现最好的效果呢。所谓投放组合,是在既定预算或既定曝光次数下,品牌合约广告与竞价广告的预算(或曝光)比例,以及投放的曝光频次及投放的节奏(pacing,你是一次性花完所有钱,还是细水长流),该定成何种策略。

广告主不可能穷尽所有投放组合的可能性,此时,需要工具“提前”(基于该品牌投放的历史和行业投放的情况)告知广告主在什么样的情况下能够达到最好的效果。

好的效果如何实现?RACE模型从频次、资源两步入手进行增益价值优化。从下图中的案例中可以看到。第一步:针对不同的偏好人群,找到他们的最优触达频次,基于该品牌历史投放数据的衡量分析结果,得出结论:从宏观上看,本品偏好人群7.1次曝光后基本上转化率达到拐点,而同类品牌人群在16.7次曝光后才能达到拐点。

因此明确针对不同偏好人群的的触达频次;第二步:基于不同人群的定制频次及本轮投放目标(曝光触达/转化/心智扭转/ROI),匹配具有不同价值侧重的资源组合,从而实现效果最大化。

作者:宋星

来源:(微信公众号:宋星的数字观)

1、版权声明:除非注明,版权均属 老杨SEM博客 原创文章,转载请注明出处。
2、版权协议:本站采用创作共用版权 CC BY-NC-ND/2.5/CN 许可协议,凡是投稿的内容表明该作者以授权给老杨SEM博客及其各类自媒体帐号、网站专栏中以及各种版权信息处理
3、侵权处理:用户认定侵权争议的内容,请第一时间提供版权争议链接为相关原创证明材料并加盖公章,发送到邮箱。第一时间断开版权争议的内容链接,并永不上架该作者的其他内容。
原文地址: 广告投放四类效果的新衡量方式

发表评论

提供最优质的资源集合

立即查看 了解详情