
广告行业变革 大数据创造新机遇
一、广告行业发展历程及发展现况
(一)广告行业总体趋势:未来万亿市场,传统广告弱势,互联网广告高速发展
2013 年中国广告市场规模达5020亿元,过去五年复合增长率21.45%,但整体广告市场规模占GDP的比重与美日相比明显偏低。未来五年广告市场复合增长率达到10%-20%,五年内将拥有万亿规模。
增长率方面,过去五年传统广告复合增长率为10.01%,互联网广告则为52.84%;市场份额方面,互联网广告由2005年占比4.80%上升到2013年的20.80%,互联网已经成为仅次于电视的第二大媒体。
2013 年互联网广告市场规模达1100亿,我们认为未来五年互联网广告复合增长率25%-35%,市场占比将提高至40%,具备4千亿的市场空间。[1]
(二)上世纪90 年代至今互联网广告发展的三次变革:
1、传统媒体的互联网化:伴随着互联网媒介的批量涌现(如新浪、搜狐、网易等第一批门户),以品牌或产品的展示为主的互联网广告发展迅猛,其商业模式与传统广告没有任何变化,只是传播介质由纸或电视变成了互联网。由于受众关注时间长、广告成本低,互联网广告投入产出比(ROI)已经超越纸媒,至少与电视媒体并驾齐驱。
2、基于搜索的效果营销:搜索改变生活,创造了新的商业模式。搜索明确表达了用户需求,每天数十亿次的搜索蕴藏巨大广告价值,以Google、百度为代表的搜索新媒体通过关键词定位技术,将高价值的企业推广结果精准展现给有需求的搜索用户。
3、程序化交易:广告主或其代理通过程序购买互联网广告位,向正确的用户展示正确的广告内容。程序化交易的实现依赖需求方平台(DSP)和广告交易平台(Ad Exchange,也简称ADX)。
程序化交易具备2大特点:(1)将人工交易变成自动交易,大幅降低广告交易费用,缩短交易时间;(2)大数据定位用户需求,向正确的用户投放正确的广告,将购买广告位变成购买特定用户的广告位,大幅提升广告主投入产出比(ROI),有效提高媒体资源价格。
(三)产业格局:品牌图文广告下滑,搜索广告和视频广告处于黄金发展期,程序化交易广告蕴藏爆发性机会。
目前搜索引擎依然是互联网基础服务,是互联网用户获取信息的第一入口。2013年中国搜索广告市场规模345.2亿元,同比增长35.5%,五年复合增长率达48.07%,正处于黄金发展期,对比美国搜索广告市场发展规律可以看到,随着体量达到一定量级,未来行业增速或将逐渐下移。
程序化交易广告是广告的未来,将大数据与程序化交易广告相结合,可以实现效率和效果的双提升。美国2013年程序化交易广告市场达到31.365亿美元,仅占展示广告的18.63%,预计到2017年将能达到144.049亿美元的规模,占比41.34%,年复合增长率达到48.5%。中国的程序化交易广告市场始于2012年,2013年市场规模59.6亿元,预计到2017年市场规模将会达到783.7亿美元,占展示广告的10.52%,年复合增长率达到106.6%。[2]
随着程序化购买(自动化广告购买/投放)和移动应用推动广告主和出版商的效率提高,网络广告正在发生变革。企业预计未来三年程序化广告购买(由广告技术公司提供协助)将实现60-80%的年增速,呈现出品牌广告主将营销支出转而投向程序化广告采购和移动应用的明确行业趋势。[3]
二、大数据在广告行业的多方面渗透与应用
随着中国人在互联网和移动互联网上花费的越来越多,广告主也越来越重视在数字媒体上的广告评估和投放。而在大数据应用在广告行业之前,这一直是行业的一个难题。广告主无法有效去评估广告投放的到达和覆盖情况,也不能去预估广告投放的效果。现在随着大数据在广告行业的深入,从预算分配到广告投放及表现形式,再到投放后评估,大数据已经开始打破广告行业原有的思维,彻底改变了整个广告行业。
可以说,大数据对于广告行业的改变发生在了广告行业的各个环节。
(一) 在广告预算分配环节的应用。
在预算分配环节,通过对以往数据的分析,能够更好的对投放进行优化,预估广告投放的效果,在多屏时代的今天,跨屏投放不但实现了更好的覆盖,还节省了大量的预算。
(二) 对广告策略的影响。
大数据对广告策略产生了深刻的影响,利用大数据进行更精准、更有效的策略制定,让广告变成了一个超高效的营销工具。打个比方,以前做广告是找准方向然后摸着石头过河,而在大数据时代下,广告就是用GPS定位,然后用声呐探测到河中所有的危险,规划出最合理的路线,安全摆渡。
以前,商家在做好产品的同时,还要思考怎么样才能得知谁是消费群体、是什么样的群体、消费群体为什么会买产品、在哪儿购买、何时需要、何地使用、定价该多少、该怎么做,然后费很大功夫做调研,再花费巨资请一家好的代理公司。但是现在,大数据时代来临,带来了一切数据,商家和代理公司只需对数据进行精炼洞察,并做出最接近事实的精准创意营销,使得广告发挥出最大效力。
大数据对广告策略的影响是深刻的,从洞察消费者,到精准定位,再到做营销活动,这样的例子不胜枚举,在中国也发生了很多这样的案例,详见附录1-百度大数据改变宝洁品牌策略。
(三)在广告投放环节的应用
在投放环节,通过RTB(Real Time Bidding)实时竞价的方式处理大量数据,在几十毫秒之内把广告推送给目标受众,对“广告排期”进行实时调整(详见附录2)。大数据对受众、广告主、媒体的信息及广告数据具有高精准的分析能力,降低运营成本,提高企业广告的投放效率和购买概率。RTB虽然不是广告投放的唯一渠道,但其精准度等特点让其日益发展壮大,而大数据能为其提供技术分析,让其做到广告方向上的更加精准,让广告成为投放者与用户之间的“你情我愿”。最终使得广告自动去发现最合适的受众,每条广告只投放给对他它兴趣的人,每个人只看到感兴趣的广告。
(四)在效果评估环节的应用
大数据改变了传统电视只能以收视率抽样调查、报刊杂志只能以发行量为主要的评估指标的方式,在数字媒体上的监测评估上,实现了广告数据全流量的采集,让每一次曝光都能被记录,这也让广告效果的评估更加准确。
三、总结
对于大数据许多广告主早在四五年前就开始了规划,开始存储和管理自己的数据资产。在日前群邑的一次分享会上,秒针系统(第三方广告技术公司)CTO吴明辉介绍,秒针在为广告主及其代理公司服务的同时,也在帮他们管理广告数据。在与群邑合作的四年时间里,已经累积了3502个广告活动的数据,这些数据不但能帮助广告主及其代理公司了解在过去四年中数字媒体广告投放的效果,形成与行业的对比,还能根据历史数据更好对广告投放进行优化。秒针的大数据服务,也从最初的互联网广告监测,到跨媒体预算投放优化,再到实时竞价的第三方广告交易平台。这些都基于秒针的数据积累,数据越大,算法越精准,数据的价值也就越大。
媒体的数字化是不可逆转的趋势,大数据对于广告行业的影响也会日益增强,而现在,大数据对广告的改变才刚刚开始。
附录
附录1-百度大数据改变宝洁品牌策略。
众所周知,百度有中国最强的搜索引擎、最庞大的云系统,在这种条件下,百度建立了中国强力的大数据平台,由精英聚集的百度大数据部掌控,经营成为中国大数据三强之一,而百度的大数据平台的姿态更为开放,所以有很多品牌选择与百度合作。就在去年,由百度提供数据,宝洁发起的“漂亮妈妈”活动获得了当年的最佳数字营销案例奖。处于行业头把交椅的帮宝适,其目标就是打动未使用纸尿裤的妈妈。而百度大数据平台就给宝洁提供了这样一个有说服力的数据:一个使用纸尿裤的妈妈要比不使用纸尿裤的妈妈每天多出37分钟的自由时间。然后百度又发掘了使用纸尿裤的妈妈用这些自由时间干了些什么,百度发现,妈妈们在关注孩子成长的同时,也很重视其产后外貌的恢复。至此,宝洁就在自己的电商平台发起了风靡一时的“漂亮妈妈”行动。通过一系列广告公关活动,当季帮宝适纸尿裤销量大增。
附录2-RTB(Real Time Bidding)
RTB(Real-TimeBidding):实时竞价。实时竞价允许广告买家根据活动目标、目标人群以及费用门槛等因素对每一个广告及每次广告展示的费用进行竞价。一旦竞价成功,广告就会立刻出现在媒体的广告位上。一个真正意义的DSP,必须拥有两个核心特征,而Real-Time Bidding是DSP系统的核心特征之一。
DSP(Demand-Side Platform),就是需求方平台,它帮助广告主在互联网或者移动互联网上进行广告投放,区别于传统的广告网络(Ad Network),DSP不是从网络媒体那里包买广告位,也不是采用CPD(Cost Per Day)的方式获得广告位;而是从广告交易平台(AdExchange)来通过实时竞价的方式获得对广告进行曝光的机会,DSP通过广告交易平台对每个曝光单独购买,即采用CPM(Cost Per Impression)的方式获得广告位。2012年初,国内互联网广告技术公司品友互动正式推出了自己的DSP,而且大量的从淘宝的TANX选择合适的曝光竞价来投放广告,成为了中国第一家真正意义上的DSP。目前,在世界网络展示广告领域,DSP正方兴未艾。DSP也是近年传入中国,并迅速成为热潮,成为推动中国网络展示广告RTB市场快速发展的动力之一。
[1] 资料来源:中信建投证券-行业深度研究报告
[2] 数据来源:中信建投证券-行业深度研究报告
[3] 资料来源:高华证券-证券研究报告
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 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 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02