
社交广告时代到来 用大数据与大故事创造共鸣
移动社交的基础是共同的话题与兴趣。“共鸣”成为了社交媒体广告沟通的入口。传统意义上仅通过细分市场来建立品牌区隔的方法已很难奏效。在大数据的技术路径之上所进行的品牌推广已不再是“广告”,而是生活“内容”。要做到这一点,大数据与大故事(Big Story)皆不可或缺。
如果单纯从营收的角度考量,Google早已是世界上最大的“广告”公司。2014年,Google的营收总额为660亿美元,其中广告收入高达450亿美元,而全球最大的广告传播集团WPP全年的营收数据不过190亿美元。
虽然Google目前在数字广告领域的业绩“一骑绝尘”,但来自以Facebook为代表的社交网站的威胁正与日俱增。2014年谷歌的广告营收增长率相比前一年仅提高了1%,而Facebook的移动广告年增长率高达136%。这一数据对比表明,面对如火如荼的移动广告业务,Google这头“巨兽”正显露出力不从心的疲态,广告业正面临新的发展节点。
通过比较搜索网站和社交网站的广告模式,可以更清楚地洞悉这一变化中的趋势。Google的广告收入主要来自桌面搜索领域,这种依赖于关键词数据的广告产品针对的是有明确需求的消费群体。需求前置所产生的搜索和消费行为虽然易于商业化,但却无法为情感关联与品牌体验提供解决方案,而这一点恰恰为那些看重形象展示与品牌影响的大广告主所需。
换而言之,搜索模式更适合产品,而社交模式更适合品牌,只不过社交媒体在初兴之际却并未受到广告主的信赖,其沟通价值的确立得益于移动广告和大数据的崛起。
AISAS模型终结门户广告时代
2000年是数字广告发展的一个分水岭。那一年,Google推出了名为AdWords的搜索广告产品,这项业务连同2004年推出的Adsense一起,终结了以Yahoo等门户网站为代表的第一代数字广告模式。
日本电通曾于2004年提出名为“AISAS”的消费者行为模型:注意Attention→兴趣Interest→搜索Search→购买Action→分享Share。Search和Share的加入,反映了第二代数字广告对于生活方式和消费行为的改变。从那个时候起,“网络广告”这个名词就渐渐落伍了。(Adsense与AISAS有什么关系?这里需要解释一句)
这种结构性变革令广告业发生变局,传统媒体陆续陷入颓势,一系列重量级的广告集团并购案由此展开。除了业务量的此消彼长,更重要的是搜索广告与传统广告之间的融合问题一直没有得到很好的解决,这进一步加剧了Google与各大广告集团之间的紧张关系。一种普遍的担忧就是:广告“沟通”会因此产生怎样的转变?广告公司会变成技术公司吗?算法会代替洞察吗?创意人会变成数据分析师吗?
成立于2004年的Facebook引领的SNS浪潮曾一度席卷全球,然而它的广告业务相比于Google一度逊色许多,直到2012年Facebook上市时仍欲振乏力。其早期那些如同门户网站一般的展示广告在理念和形态上都比较陈旧。社交媒体用户数量激增的同时,其广告效果却始终乏善可陈。
移动终端与大数据造就社交广告时代
数字广告发展走向的转机始于移动终端,智能手机的普及加快了媒体融合,这种媒体环境的变化又引发了营销环节的融合。
面对媒体和营销环境的变化,注重桌面技术、基于搜索回应的第二代数字广告暴露出了局限性。一方面,移动端的屏幕尺寸降低了搜索的便利性与精确度;另一方面,搜索广告无法在移动端聚合粉丝群体,品牌所孜孜以求的广泛影响力便无从谈起。
此时,应运而生的大数据(Big Data)成为广告沟通与数字技术关系再造的关键一环。从数据到大数据是一个从量变到质变的过程。大数据所具有的大容量、多样性和实时性的特征,为营销传播提供了实证基础,社交媒体从而在品牌广告领域建立了优势。
如同先手的转换,社交广告通过联结品牌与用户打破搜索广告一枝独大的局面。如果说搜索媒体是用信息资源匹配消费需求,那么社交媒体就是依据用户身份、年龄、性别、兴趣与行为等信息资源来开掘消费需求,培育庞大的粉丝群体。因为信息资源的记录、搜集、积淀、购买、处理和分析能极大提高品牌广告的实效性和响应度,所以传统上依赖经验与直觉的那些广告技能如洞察、创意、设计等便能顺利嵌入数字广告,使后者在“沟通”属性上更为活跃。
社交广告业务的迅速增长,不仅意味着数字广告的热点已经从桌面端转移到移动端,而且表明社交广告的有效性与不可替代性终获品牌主的认可。2013年,沃尔沃重型卡车在YouTube上发布的一则视频,成为该网站有史以来观看次数最多的汽车广告。这条由老牌好莱坞硬汉尚格·云顿主演的“一字马”短片累计点击量超过7300万次。作为一个典型的B2B品牌,沃尔沃重型卡车的成功对于证明社交广告的品牌价值无疑具有里程碑式的意义。
“共鸣”成为社交媒体广告沟通的入口
被Facebook收购的全球最大图片社交平台Instagram,其首批品牌插播广告一直到2013年底才正式推出,而国内拥有5亿多用户的微信迟至今年初才发布官方朋友圈广告。这反映出社交媒体对于广告普遍抱有的一种既爱又怕的谨慎态度。爱的是广告商带来的收入与业绩,怕的是会令用户反感并离开。
大数据可以帮助品牌的信息流以更有针对性的方式被推送到手机屏幕上,降低用户的抵触心理。但由于社交网络“过滤”信息是通过用户共振的聚合效应来实现的,所以若想在信息“到达”以外产生更大的“扩散”与“共鸣”,就必须采用许多脱离或超越“广告”的做法。
和由明确消费需求驱动的搜索广告不同,移动社交的基础是共同的话题与兴趣。2011年,日本电通继AISAS之后发布了针对社交媒体的SIPS消费者行为模型:共鸣Sympathize→确认Identify→参加Participate→分享与扩散Share&Spread。这反映出“共鸣”成为了社交媒体广告沟通的入口。显而易见,传统意义上仅通过细分市场来建立品牌区隔的方法已很难奏效。
用大数据与大故事创造共鸣
那么,如何才能创造有共鸣的解决方案?
品牌必须选择与消费者站在一起,融入后者的生活方式。从这层意义上讲,在大数据的技术路径之上所进行的品牌推广已不再是“广告”,而是生活“内容”。广告人不是在创造广告,而是在创造生活本身,如果不能从这一点上去建立自己的认知,这个行业最终会失去自身存在的价值。
社交媒体时代,人已经成为沟通的核心。为了追求最大化的共鸣,广告诉求不能停留在具体阐述商品特征和品牌属性的层面,而要从超越商品的价值层面激发、引导和集聚消费者的兴趣,从而形成一个活跃的粉丝社区。要做到这一点,大数据与大故事(Big Story)皆不可或缺。
大数据意味着通过社交媒体侦听消费者的声音,有助于消费形态的清晰化;大故事则是要体现、塑造和传递商品之上的价值观,并站在消费者的视角去讲故事,或让消费者表达出自己的体验与感受。
在多芬2013年发布的一则广告视频中,一位FBI的速写画师根据受访女性的自我描述和他人描述画出了两幅面容,展现的结果却是后者比前者更加美丽。这则名为“Real Beauty Sketches”的短片通过探讨“真正的美丽”这一社会议题在网络上获得超过1.65亿的浏览量,好评如潮。
类似采取价值观诉求的品牌传播方案还包括宝洁的“为母亲喝彩”、护舒宝的“Like a Girl”等。与此相映成趣的是最近几年国内涌现的一批风光无限又富有争议的“互联网品牌”。小米、锤子、雕爷、皇太吉、马佳佳等拥有数量众多、忠诚度高的粉丝集群,工匠精神、情怀、颠覆、极致等“大词”亦不时出没,无论其持续性如何,至少证明了由价值趋同所引发的社交共鸣对于创建品牌的积极意义。
同时需要注意的是,对于品牌来说,过于极端或不健康的价值观诉求也容易引火烧身,轻则被贬为“忽悠”,重则就如加多宝涉嫌侮辱邱少云事件一般激起舆论的怒火。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13