如果总结2021年品牌广告主眼中的关键词，私域、CDP、DTC、直播、人身保险法、数据资产、数字化转型，大概率是必须要提的，但总有一些老话每年还是会被反复提起。比如广告效果的监测和衡量，作为数字营销的基础问题，并不新鲜，但因为难度大，一直在优化升级的路上。
尤其是品牌广告，各种衡量广告价值的指标层出不穷，但似乎都不尽如人意。起初，故事并不复杂。大部分广告是CPT投放的合同广告。广告主衡量的是“量”，由此产生了印象、点击等衡量方式。但是，在广告形式和广告流程变得复杂之后，仅仅衡量“量”是不够的，还应该增加“质”。另外，数字广告越来越程序化，于是出现了ROI、TA浓度、TA的N+reach等新的衡量方式。但是这些指标的出现并不能真正解决问题。本质上，不可能有一个通用的指标来衡量广告效果。而且广告效果的衡量往往是基于结果论。比如追求效果的广告主，当然会用ROI来衡量效果，但如果过于追求结果，就会忽略达到效果所需要的过程。品牌广告主过去喜欢用TA浓度来衡量投放效果，但消费者受广告影响的程度，单纯从TA浓度上根本无法理解。甚至有些方式还不够科学。比如TA浓度，如果一个战役的TA浓度比另一个高，就一定能说明这个战役的效果更好吗？
此外，《个人信息保护法》颁布后，衡量广告价值变得更加困难。
方法已经不尽如人意，外部环境发生了颠覆性的变化。因此，衡量广告效果的方式也应该发生根本性的变化。
在找到做出这些根本性改变的方法之前，我们需要就几个重要的想法达成一致:
过程和结果一样重要，甚至很多时候，过程比结果更重要；
广告效果的诉求是多样化的，这些多样化的诉求无法用统一的方式来衡量；
广告效果的衡量需要科学、逻辑、严谨。
从这三个概念出发，我们来看看如何衡量如今的广告效果。
广告的效果到底如何？
对于不同的广告主来说，广告的效果是什么肯定是不一样的。
即使都投同一种广告，对什么是有效的定义和衡量也可能不同。
一般来说，广告的效果基本分为以下几种:
1.广告以其转化为最终效果来衡量，同时跟踪转化过程。
最终的效果往往是用ROI或者转化率来衡量的，转化过程往往需要将后向链接数据和前向链接数据进行匹配，只有在广告归于全链接后才能体现出来。
2.广告覆盖的人群，有多少是真正受企业品牌影响的，也就是提升了认知、好感度甚至购买意向。这些共同构成了企业的品牌资产价值。
这是目前最难的领域。常见的方法是跟踪同一人群在一段时间内的行为变化，尤其是与品牌投放相关的交互行为的变化，从而推测品牌群体资产的变化。显然，这样的方法必然需要足够大的人群场和内容场作为支撑。基本上只有大型互联网媒体平台提供的工具可以做到这一点。
3.从行业来看，企业的品牌力在消费者心目中整体得到了提升。
以行业视角了解品牌力的占比，突破常规舆论法或问卷法的诸多弊端，更及时准确地跟踪更大范围人群的心智变化，从而判断广告投放后人们是否对广告主的品牌有了更多偏好，或者曾经属于其他品牌的消费者是否成为了广告主的品牌消费者。这对媒体平台提出了更高的要求:对行业和品牌的细致了解，对人群的品牌垄断行为的把握。
4.品牌和效果的全面提升。
如果一个广告主说要追求“产品效果协同”，我们不能简单地认为这是不理性的。广告本身就提供了“产品效果协同”的可能性。最常用的方法是在品牌广告的同时加入效果广告，利用不同的广告形式，按照一定的节奏组合投放。然而，不同的组合方式肯定会影响广告客户所追求的产品和效果的协同效应。但是，在各种组合中寻找投放效果的最优解，无论是广告主自身还是广告主雇佣的第三方都无法完全实现，因为广告主不可能穷尽所有的投放方式，所以无法确定当前的组合方式一定是最有效的。
在这种情况下，只有媒体平台，在海量投放数据的基础上，才能比较衡量广告主当前投放组合的效果，进而给出当前组合与自身组合或其他组合的差异。显然，这种解决方案只能由媒体平台提供，如果媒体平台提供相关工具，就可以为广告主衡量组合广告的效果，产生巨大的价值。
03衡量广告四种效果的新方法
那么，对于以上四种广告效果的衡量要求，我们有哪些创新的解决方案呢？
今天我们以腾讯的广告竞赛曝光归因模型为例，谈谈业界在衡量广告效果方面的努力和成果。
第一类:测量转化和转化过程的归因。
如前所述，如果只衡量ROI，衡量广告效果的标准只有一个:好坏。
当广告无效时，我们通常能做的就是停止它。
但正如我所说的，无效的广告中仍可能隐藏着巨大的机会——也许在归因或人群匹配上存在一些问题，但我们不能马上认为这个广告存在严重的问题。
举个例子，某食品品牌有两种主打的零食，分别是牛肉和鸡肉，这两种零食已经一波一波的推出，以同样的资源触达目标受众。牛肉小吃的产品线转型远低于鸡肉。我该怎么办？
在传统的单一转换度量方法下，虽然是面向转换的，但肯定是相当粗暴的，容易产生一刀切的优化方法。终端ROI高，量可期；如果ROI不达标，如果有些优化不够，就会停掉或者换成效果不错的鸡线广告。
但显然，我们需要用有效的广告衡量来判断。既然牛肉丝效果不好，那是什么问题呢？在过去，这种判断很难实现，但现在的工具可以帮助广告主洞察相关情况。
利用RACE模型，结合后面链接的人群数据，可以有“打开黑箱”的发现:两款产品的人群重合度很低，只有2%。这一波广告并没有区分牛肉和鸡肉产品的人群，而是统一覆盖了同一批人群。
问题来了。刚盖出来的这群人对鸡肉产品更感兴趣，所以简单的断定牛肉产品广告做的不够好是很武断的。按照这种错误的思路，我们可能很快就会得出下一个不正确的结论:如果下一波这个广告只是覆盖了对牛肉制品更感兴趣的人群，那就是鸡肉制品的广告做得不够好。
但是，有了种族模型，就不会有这种任意的推演了。更高效的机器建模学习也会让广告效果的优化变得不那么复杂。如果牛肉线上的人不匹配，那么找到匹配的人就有机会大大提高投放效果。要找到人群匹配的方法，当然也可以把后向链接数据作为正样本，把之前接触过牛肉广告频率较高但尚未转化的人群作为负样本，通过机器学习的方式不断优化人群匹配。
在这种情况下，优化后的牛肉线广告订单转化率比历史同类产品提高了43%，高消费人群转化率比历史同类产品提高了52%。
第二类:衡量广告对品牌资产的影响如前所述，目前，衡量广告对人的影响是非常困难的，品牌很难发现自己在消费者端拥有多少真实的品牌资产。但对于品牌广告主来说，量化品牌资产是证明广告效果的最佳方式。难就难在人的心智无法直接开成数据，然后去获取，去统计，去归因。但业界还是能给出一个相对较好的解决方案。
如果一个消费者根本不知道一个品牌，通过广告发现了它，并且对它感兴趣，那么他很可能会有一些行为去探究它。
这些行为基本上不能被广告主察觉，但媒体还是可以在大量人群的基础上发现广告前后人群行为的差异。
作为媒体提供的工具，RACE model就是能做到这一点的典型工具。消费者对品牌的认知可以通过一系列行为来定义。比如人和品牌广告的互动，可能意味着对这个产品有很好的兴趣，而进入这个品牌的小程序，可能意味着更深的兴趣和偏好。
对于目标群体中从未搜索过这个品牌的人来说，有30%的人在广告投放后进行了搜索，这就像一个标记，说明人们的心智发生了“破冰”式的变化，成为品牌资产中的一个环节。
例如，在3C笔记本品牌的一系列广告中，品牌资产的流通可以基于种族模型来展示。广告主选择了“质量与效率”兼顾的营销目标，拟定了投放更多R3和R4人资产的策略。在实际投放中，以深受触动且具有转化潜力的R3人群和产生转化的R4人群为正样本，进行深浅双目标联合优化建模。
从下图右侧的实际投放效果可以看出，模型优化前后，R1到R3的转化率提升了460%，R1到R4的转化率提升了63%。改善最多的两个指标与广告主的诉求是一致的。证明了RACE模型可以根据品牌的营销目标进行建模，进而有针对性地提高投放效率，帮助广告主实现“想玩哪就玩哪”的能力。
我们也可以用这个模型中的人口迁移来衡量广告活动的效果。同样的预算，经过我的广告投放，R1到R4的人群迁移比例是5%，而你的广告迁移比例是10%，这可能说明你的广告比我的更成功。这些价值都反映了一个公司品牌资产的跃升。
第三类:衡量品牌在消费者心目中的整体提升。
广告主也期望在投放自己的广告后，一定程度上“压倒”同类品牌。一个广告投放出去后，如果没有同一个品牌的消费者“转投自家门”，无论如何都不够成功。
广告主希望看到的人群迁移，不仅仅是从接触到浅层交互到深度交互，从行业层面来说，广告主希望看到其他类似品牌迁移到自己的阵营。这反映出品牌在消费者心目中的重要性越来越大。
目前这些数据只能由研究或大型媒体平台提供。以往的测量方法主要是问卷调查或民意调查，但往往受样本量或主观偏差的影响，难以跟踪消费者心智复杂、加速的动态演变。大型媒体平台提供的工具，如RACE model，可以提供相关数据，其背后的原理仍然是基于人群行为。
一个品牌手机在发布旗舰高端机的时候，广告效果非常适合用行业内品牌力的提升来衡量。
例如，研究发现“闪屏契约”和“信息流契约”在重新启动的基础上具有更好的心理逆转效果。所以在接下来的投放中，基于转化难转化人群的营销目标，有针对性的进行资源组合优化。下一波推出后，利用RACE模型分析，20%的购买者来自另一个原本使用某个高端品牌手机的人群，其中近一半持有该高端品牌手机的二代机型。三分之一被广告深深打动的消费者，原本是另一个类似品牌的偏好群体。
这些数据为我们提供了衡量广告效果的参考维度。坦率地说，品牌一定是想用更真实、更直接的维度来衡量广告效果，比如可识别的消费者的专属互动行为——实际点击该商品和其他同类品牌的广告，浏览搜索内容等。当广告投放完毕后，如果品牌主能清楚的看到这些数据的变化，那么广告效果的衡量就更有说服力了。
第四类:品牌和效果的全面提升。对于使用多种广告形式的广告主来说，这种效果的衡量是非常重要的。如果同时追求品牌和效果，往往会同时投放合同广告和招标广告。同样，更多的时候，会有各种类型的合同广告组合。问题是，什么组合会达到最好的效果？
所谓投放组合，是指品牌合约广告与竞价广告的预算比例，以及在给定预算或曝光次数下的曝光频率和投放节奏，应该决定什么样的策略。
广告主不可能穷尽所有投放组合的可能性。这时候就需要工具来“提前”通知广告主，在什么情况下可以达到最好的效果。
如何达到好的效果？RACE模型从两个步骤优化增益值:频率和资源。从下图的案例可以看出，第一步是找到不同偏好群体的最优触摸频率。基于品牌历史投放数据的测算和分析结果得出，从宏观角度来看，该产品偏好群体的转化率在7.1次曝光后基本达到拐点，而同一品牌群体在16.7次曝光后才能达到拐点。所以明确了接触到不同喜好人群的频率；第二步:根据不同人群的定制频率和本轮目标，匹配不同价值侧重点的资源组合，实现效果最大化。
还有哪些方法可以衡量广告效果？
除了RACE模型可以达到的四种科学归因方法，还有一些方法可以衡量广告的效果，尤其是品牌广告的效果。这些方法包括:
并捕捉数字世界消费者的民意；
在DMP，接触人群演示和目标人群演示之间的差异；
利用后向链路的流量行为数据判断流量的价值；
跨越后向链接的流量行为数据及其ROI的维度，构建参与度-ROI模型进行分析；
如果说对前四类效应的分析需要RACE模型等工具，那么上述四类分析方法也需要各种工具，例如，捕捉舆论需要舆论工具；与标准人群的demo相比，demo是必需的；链接后参与度和参与度-ROI模型的分析需要用户行为分析工具或CDP；转换和归因模型还需要专门的归因工具或具有相关功能的CDP。
前面说过，衡量广告的效果没有一个通用的指数，使用的工具也不一样。一个趋势是，媒体提供的中性工具为广告效果的衡量和分析提供了另一个角度。此外，如果广告主能够合理利用以上所有工具，广告效果的衡量基本上可以做到客观全面。
不过一个建议是，RACE model等工具的应用难度比其他自购或自建的工具低，对数据专业的要求也相应较低。如果企业没有预算也没有能力去做上面列举的这四种其他的衡量方式，那么直接使用媒体平台提供的工具可能是更好的选择，即仍然可以在不增加额外成本的情况下对广告的效果进行衡量和比较，至少可以得到相当全面的关于广告优化的见解和建议。
作者:宋行
