再见了!效果难以被“度量”的数媒广告时代

2020-12-08 11:53:16

数字媒体广告高速发展的50年里,关于营销效果的量化评估,一直是困扰营销人的世界级难题。尤其是在媒体碎片化、粉尘化的今天,用户在多媒体、多平台、多设备上活跃,让单一媒体的效果归因变得更加复杂。

通常来说,广告主会用以下3种方式来评估广告投放效果,而这3种衡量方式,本身也对品牌自有数据能力和数据开放性提出了不同程度的要求。

早期,品牌们衡量广告效果的形式往往较为“感性”,多是借力外部数据来评估广告投放效果,如:广告投前、投后的店铺访问量、各平台搜索指数、商品在投放周期内的售卖变化等。这种测量方式颗粒感很粗,产品在其他平台的投放、近期的促销、打折力度,以及用户季节性需求程度,都会引发数值的波动。

随着广告技术走向成熟,通过cookies、Device ID来定位、定向、追踪用户在线行为并进行效果评估,成为广告技术平台的通用选择。但这种测量方式,往往只关注“互动用户数据”(多以“点击”为主),容易陷入到“高看”或“低估”广告价值的窠臼。

所谓“高看”,指的是在广告发生互动的人群中,本身也存在对广告脱敏、或缺乏真实需求的用户,他们即便是点击了广告,也不会为此买单;而“低估”广告效果,则是指即便有些广告没有被点击,依然对用户产生潜移默化的影响,并能助推他们在其他渠道上完成转化。但问题来了,当下无论是Cookies-based,还是last-click等广告测量方法,都无法追踪用户在其他渠道上的转化情况。因此,也就不能客观、全面地评估广告所产生的价值。

当然,还有一种情况,那就是通过竞价胜出的广告,本身就是曝光给了“对”的人群。这部分人中,就存在有品牌的忠实用户,即便不投广告给他们,也存在“自然转化”的可能。所以面向这部分人群投放广告,看似是精准的、有意向的,但实际上:广告预算是被浪费了。

相比于前两种评估方式,我们接下来要讲到的第三种测量方法,显得科学了很多。那便是,如若广告主搭建了自有DMP(数据管理平台),则可以通过mapping的方式,来对比评估一次广告投放后的互动用户设备号:是否存在于DMP中?是否在后续节点里有新的转化?如果重合度更高,或转化更高,会认为此次广告触达的精准度和有效性更好。

但这种衡量方式也存在问题。一来,所评估用户并非品牌增量用户;二来,因过分重视对于“老”用户数值研究,会弱化对新用户的意向评估,从而低估投放平台在拉新、促活、转化上的实际价值。

在卡思看来,以上三种效果衡量方式,本质上的问题,都是没能找到广告投放与转化之间的因果关系,而只是相关关系,也就是说:没有帮助广告主找到“那些真正被广告影响到的有效人群”

为寻找到“最优解”,巨量引擎提出了“增效度量”方法。“增效度量”指的是通过“随机对照实验”的方式,来计算某次广告投放带来的效果增量,对比“投广告”与“没有投广告”的收益差异,最终算出真正因为广告带来的生意增量。

增效度量,让广告效果可被“量化”

听起来是不是很玄乎?在正式介绍“增效度量”方法前,我们不妨来做个简单的比喻:

有一个苹果园,我们将其划分为了左右两个面积相等的果园。

左右两个果园,可享受到同样的阳光照耀和雨水灌溉,为了能评估“施肥”能否加大苹果收成,我们选择左边的果园不施肥,而右边的果园则进行每月一次的施肥。到了收成季节,我们对比两个果园的收成情况,如果左侧不施肥的果园收成为500公斤,而右边施了肥果园产量为800公斤,那么,即可判断:施肥带来的“增量”收益为300公斤。

显然,这个测量方式最大的优势是:在收成结果里,除去了自然环境带来的收成部分,能够更准确地反应“施肥”所带来的增量收成效果。

如若将其应用到广告投放里,则是“增效度量”的方法,即:在广告效果的评估过程里,去掉了自然转化(不受广告影响也可发生)的用户部分,能够“更准确地”还原一次广告所带来的真实效果。

具体步骤上,我们可拆解为三步:

广告投放前:巨量引擎的分流实验系统会将投放人群随机地分为测试组(TEST)和控制组(HOLDOUT),以确保投放前两个组别在转化上并没有明显差异;

广告投放中:测试组(TEST)和控制组(HOLDOUT)都会参与广告竞价。但不同的是,当测试组(TEST)广告在竞争中胜出时,广告会成功曝光出去;但控制组(HOLDOUT)的广告即便竞价成功,系统也会在广告露出前将其屏蔽,让“原本可以看到广告”的用户看不到这则广告。再次强调下:控制组里的用户是看不到广告的;

广告投放后:通过测试组(TEST)和控制组(HOLDOUT)用户的转化情况,来计算广告投放的增量效果。如上图,处于控制组(HOLDOUT)里的用户,即便没有看到广告,也有6个自然转化用户,而测试组(TEST)里的用户,除了自然转化的外,还新增了6个广告转化来的用户。

也就是说,若将增效“量化”,这次广告实验带来了6个新增用户。

增效度量:让广告评估趋近“真实”

从目前来看,国内外还没有度量数字广告效果的通用标准,而我们也不能完全通过实验来“量化”广告效果,但「增效度量」是目前几乎最接近广告真实效果的度量解决方案之一。

一、增效度量更为符合广告主的度量视角,Lift通过计算Test组和Holdout组的转化增量,能够帮助广告主更为清晰地判断“投广告”和“不投放广告”的价值差异;

二、增效度量可以在不同人群、创意、样式之间做比较评估,也可适用于不同平台间的效果评估,能帮助广告主更合理地认知不同平台的营销效果,从而优化预算分配,甄选出最有价值的媒体组合投放;

三、通过对“增量区间最大的用户”的统计、分析,能够帮助品牌更快地找到“最容易被广告触达、影响”到的人群的画像,从而优化广告投放人群、创意,让“对的广告”,在“对的人”面前充分曝光。同时,也可以动态调整出价,以优化投放ROI。

继续以前文所提到的“苹果园”为例。

在确定“施肥”可以增产增收后,我们不妨再来关注下苹果品质的提升。

如我们了解在主肥外,施加不同的补充肥料,如:A、B、C、D、E,可带来苹果口感和品质的上升,但具体怎么补充施肥,我们仍不清楚。

那么我们可以继续做测试。如:明确“主肥+A”的方案能够让苹果变得更大,而“主肥+B”能够让苹果的水分更足,“主肥+C”可以让苹果更为脆、甜,那么则可以选择“主肥+A+B+C”的组合方式来施肥,但A、B、C的配比,则需要在后续的测试实验,进一步找到最优解。一旦找到“最优解”,我们则可以将这个方法推广到当地的其他果园中,以实现苹果的丰收。

简言之:增效度量的价值不只在于能精准判断“一次广告的投后效果”,也能指导品牌后续的投放优化,包括:创意优化、策略优化、以及组合投放优化等,以此带来品牌营销效果的加成提升。

再见了!效果难以被度量的数媒广告时代

如何总结“增效度量”价值的独特性?

卡思认为:在于在广告投放前,预先设置了一个真实有效的随机“对照组”。

可能你会疑惑:这与此前品牌在投放时,多会在未触达广告的人群里,圈选出一些相似人群作为“对照”,有什么本质差异?

集中体现为三点:一、对照组样本量:“增效度量”对照组人群样本多是百万级甚至是千万级的,与传统抽样调查几百到几千的样本量有很大的不同;二、对照组(人群)有效性:均是实验系统随机抽取的具有潜在转化价值的人群,而不是人为圈出的“相似人群”;三、实验结果的可信度:测试实验发生在真实的互联网广告场景中,而非搭建“理想实验花园”,因此,实验结果可信度更高。

如果说“增效度量”只是提供了广告效果衡量的“术”,那么,我们还缺少更为普适的“道”,来多维度、综合评估广告所带来的差异价值。在测量方法上,针对短视频广告的价值板块,巨量引擎给出了相应策略,打造行业首个品牌全方位增效度量体系。

据了解,巨量引擎将在12月29日的“引擎大会2021”营销科学分会场,发布《短视频营销价值白皮书》,分别从品牌力转化力提升两大维度,将短视频与其他媒体价值进行横向对比,为广告主发掘新的营销机会点。

增效度量的“术”与科学评估媒体价值的“道”双管齐下,品牌告别效果难度量的数媒时代,以更透明、科学、高效的投放,激发增长新可能。

关闭