京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31