
大数据时代,品牌广告价值究竟该如何衡量
用曝光和点击来衡量品牌广告价值并不合适
《盗梦空间》中有一句台词是这样说的:这个地球上力量最强大的,就是往人们的头脑里植入一个念头,这个念头会生根发芽,最终变成不可阻挡的行动。
品牌广告要干的就是这个事,向用户头脑中植入一个念头,促成他们下一步行动。这正是品牌广告的生命和魅力所在。但在2015年一家咨询公司的调研结果中,却发现一个很有意思的现象。调研机构向代理行业中一些有话语权和决策权的人问“你们认为一个成功的品牌营销的活动,期望它是什么结果”,有56%的人说最重要的是有没有给用户留下品牌印象和改变他们的购买意愿。第二个问题”在实际执行的时候你们是如何测量的呢“,69%的人选择通过曝光和点击
。 把这两个回答放在一起对比发现:我们想要测量的,是我们试图植入用户脑子里的念头,是一种主观的态度。但实际测量的却是用户表现出来的一些微弱的行为。同样,在社会科学领域也都存在这样的情况。我们最关心的指标难以量化,或者难以观测,于是就用一个比较相关的、可以观测的、可以量化的指标来代替。
但是,在品牌广告领域,这样的替代是否合理?曝光和点击真的能够衡量我们想要衡量的用户脑子里的主观态度吗?
关于曝光,在Sizmek发布的《2015年中国数字广告可见性报告》中表明,大概有50%以上的广告并没有被看见。而对于可见的曝光,广告真真实实出现 在屏幕上,用户就真的会看到吗?有没有可能会视而不见呢?以大家的生活经验来推断,这种情况还是非常有可能的。所以如果用曝光来衡量品牌广告效果的话,可 能会有很大的注水或者泡沫成分,因为很多曝光实际上并没有对用户形成任何影响。
关于点击,这确实是个有效且重要的指标,但是当我们衡量广告对用户影响的时候,点击不是唯一的。有些广告会让我们会心一笑,有些广告让我们恍然大悟,有些 广告能触动我们内心最柔软的部分,当然,也有一些广告,让我们深深厌恶。但是这些深刻的影响却都不会形成点击。如果再用点击去衡量,就会漏掉大量正面的影 响,也掩盖了有可能存在的负面影响。再比如说视频前贴片广告,当你在一集一集追热剧的时候,恐怕也不会点击视频前贴片来打断你的观影行为。由此可见,用点 击来衡量广告效果也是不合适的。因此,我们可以得出结论:用曝光来衡量,就像是买到注水肉;用点击来衡量,则是捡了芝麻,掉了西瓜。
品牌广告对用户产生认知、情绪、行为三方面影响,但目前的测量方法存在缺陷谈到广告测量,通常大家会认为是独立第三方公司应该做的事情。确实,如果从避免利益冲突的角度,当然应该由独立第三方完成。但是从推动行业进步的角度,应 该是大家共同努力的目标。一方面,品牌广告测量做好了,能吸引更多预算流入数字媒体,大家都能受益;另一方面,随着移动设备的普及,大数据和人工智能技术 的日趋成熟,以前不可测量的东西,现在变得可以测量。数字媒体由于和用户有直接交互,也有着独特的优势。
那如何来解决呢?
行业里通常把品牌广告对用户的影响分为三方面:认知、情绪、行为。以前我们会用漏斗来表达这三种影响的先后顺序,先有认知,再有情绪,再有行动。但是进入 移动互联网时代,人们对品牌信息的获取是多渠道、多层次、无处不在的。所以搜狐认为一个品牌广告会对不同的人群同时产生三个不同方面的影响。我们要测量, 也要同时测量三个方面的影响。
针对这三方面,目前的测量方法达到一个什么程度呢?
首先,在认知方面。目前大家用的主要是 GRP/PV/TA 等触达指标。正如前面所讲,触达是发送,而发送和收到是完全不同的两个概念。触达的人群里,真正收到广告且领会广告想传达的信息,有20%吗?表示存疑。
其次,在情绪方面。用户喜欢我们的广告吗?不知道。甚至我们在实际投放中,发现有些广告对受众的情绪影响是负面的,而且这并非个案。
最后,在行为方面,可以说行为是目前衡量是最充分的,虽然点击不能代表认知和情绪,但是它在行为方面还是比较有效的。
那么,将三者综合算一下,相对于我们想要测量的目标,目前的测量手段只达成了20%。
这80%的差距,给媒体带来了巨大的伤害。以视频广告为例,因为80%的效果目前在黑洞里,无法被测量,也无从被认可。投放广告的人心里没底,就要加大投放,同时压低价格。导致媒体充斥大量无效广告,对用户,对媒体,对广告主,是个多输的局面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03