京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2016年中国广告市场8大趋势
趋势1-人工智能下的广告
近年来,我们目睹了人工智能产品作为交流界面的应用和普及,通常是像Siri,微软小娜一样的个人助理。尽管现在的人工智能与电影《她》中的Samantha还相去甚远,但其所取得的快速进步是有目共睹的。而且,人工智能也在我们的消费决策中扮演越来越重要的角色。
趋势2-昂贵的大数据
对大数据的关注已成为广告行业的主流趋势。我们看到广告主和广告代理商纷纷与像百度、腾讯、阿里这样的数据巨头建立合作关系,而且程序化购买的发展也需要有更多的数据收集和分析。但是,越来越多的集团开始意识到大数据并不是免费的,而事实恰恰相反。在2016年,有用的数据可能会更多,但却不再那么容易得到。
趋势3-付费内容成新趋势
尽管订阅模式在某些国家已经非常普遍了,但中国消费者还是更倾向选择免费的东西。但免费模式只有当有其他人愿意为之付费才能继续运营--通常都是广告主。随着广告拦截软件的普及,媒体们面临着日益剧增的压力,因而寄希望于内容广告。中国可能已经达到了足够多的消费者愿意付费购买内容的时代。媒体们将会从这个模式下发现有利商机。
对于广告主而言,这意味着需要进一步寻找定制化的合作模式,不管是以赞助的形式,还是产品植入,或是项目合作。
趋势4-虚拟现实的实现
虚拟现实成为热门话题已经有一段时间了,也有相当多的品牌应用了此技术,老生常谈地说,这是未来的一个趋势。然而事实是,多数案例都集中在移动技术上,而且很少能够成功传递真正令人赞叹的效果。另外,VR的绝对主观性让它很难得到传播和分享。但在2016年,大众消费的高质量VR头戴式设备将会上市,如Oculus,Morpheus,这将有机会提供更好的内容和更好的传播渠道。
趋势5-无缝对接的重要性
在数字媒体的世界,各种创新形式层出不穷但昙花一现,所以我们很难判断哪些是花哨的而哪些是有价值的。当然,有很多说法教我们如何把事情变得更简单,但是消费者最终想要的还是"好用"。消费者没有耐心来研究你的系统,所以让系统去适应消费者更显重要。
请准备好为更好的体验支付更多的钱。
趋势6-一张好图胜过千言万语
近年来,语音搜索发展迅速,但我们也更兴奋看到图片搜索的潜能。今年,中美两国的数字巨头们都已努力将图片搜索变为现实,根据谷歌和百度的报告,其错误率在均在5%以下。明年,我们期待看到图片搜索可以帮助发现产品以影响品牌和广告行业。这将会进一步推动从线下到线上的消费者路径,并进一步为小品牌的曝光提供机会。
趋势7-曝光时间至关重要
在过去的20年,我们都是以曝光量来购买数字媒体广告,不管这个曝光是持续20秒还是只是一眨眼的功夫。当然如果我们以点击作为指标,这个情况是可控制的,但考虑到只有不到1%的展示性广告被点击,所以更为明智的方法是想办法让那剩下的99%也能为品牌服务。在2015年,广告的可视性问题终于为人所重视,我们尝试把指标从单纯的曝光改变为真正的看到( OTS,opportunity to see)。尽管离解决问题还为时尚早,但这促使我们进一步思考,并开始以观众看到的时间而非曝光量为指标购买广告。
趋势8-数字媒体开始终结
虽然该理论已经提出有一段时间了,但关于数字媒体已死的呼声也是越来越响。长期以来,这些专家的想法被视为前瞻性思维,但在一个一切都变得更加数字化世界里,我们希望看到各行各业能认真采取行动,来消除数字媒体和传统媒体间那所谓的抽象意义上的隔阂。但这两者的分割是如此根深蒂固,以至于改变难以一蹴而就,但我们仍希望每一个人能采取措施建立更加整合的体系和损益模式。客户不再在其简报内容中对这两者区别对待,创意策划者可以同时规划品牌和活动,媒体代理商继续研发更多的整合型策划工具,媒介监测公司将以更有意义的方式来重新定义媒体渠道,等等。在2016年,整合数字媒体和传统媒体可能并非未来的一个趋势,但将两者分割且区别对待终将成为过去。
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