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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19