文章来源:卡思数据(id:caasdata6)作者:卡思数据
原文链接:从“营销度量”到“增长度量”:品牌度量进入科技时代
某知名汽车品牌的品牌部最近犯了难。
他们想要在抖音上做投放,但手头却有A、B两套素材,A素材是长视频,B素材是短视频,依据过往在其他平台的投放数据,A素材无论是点击率还是互动率都要略胜一筹。但到了抖音,他们并不希望基于这种经验而草率做出决定,于是把难题抛给了巨量引擎营销科学团队。
实际上,像这样的难题,每天都会出现在营销科学团队的眼前,常见的还包括:
•品牌投放,到底要不要背负GMV或ROI增长的任务?
•如果答案是肯定的,那品牌价值该如何度量?短期和长期又应关注哪些指标?
•如何科学分配预算,才能实现营销效果最大化?
•除了投后评估,在投前、投中还有没有什么工具,能够协同甚至前置优化投放效果?
这些问题提出的背后,本质反映的是触点分散、流量成本高企的营销环境里,营销人的不安和深层渴望。他们不再满足于看到一次传播事件所产生的“粗颗粒”效果,而是希望从长线视角衡量品牌价值,并能用定量而非定性的手法去证实“营销与增长”之间确有因果关系。
解决这个难题并不容易,需同时满足两大条件:一,建立有认知统一的“品牌力”模型,且模型里每一个“零部件”都可做数据化的拆解、量化;二,配备有相应的工具、产品,能及时发现模型里的问题并第一时间里优化解决,这样才能“对症下药”,加速品牌资产沉淀。
过去的几年里,巨量引擎营销科学团队一直围绕着这个目标在探索前进,随着巨量云图 “SCI品牌力模型2.0”的发布和与之配套的6大工具产品的齐亮相,他们也向行业交付了第一份具有高应用度的答卷。
SCI品牌力模型是巨量引擎营销科学推出的品牌健康度追踪模型,它是从品牌规模(Scale),品牌效率(Conversion)和品牌形象(Image)三个维度,来持续评估和追踪品牌的健康度,而配套推出的预算分配、AB实验、增效优化等工具,则致力于帮助品牌在发现问题后解决问题,实现“品牌塑造+心智影响+效果转化”三位一体的规模化增长。
*SCI品牌力模型聚焦企业的长效经营诉求,从品牌规模(也就是种草规模)、品牌效率(含人群流量效率和内容转化效率两部分)和品牌形象三个维度,帮助企业量化品牌价值,实现增长复利
度量技术的百年跃迁:
从“营销度量”到“增长度量”
现代广告发展的百年历史里,一直有一把 “达摩克利斯剑”横亘在广告主和数字媒体、营销平台间,它让广告主在是否加大营销投放预算时左右摇摆,也让数字媒体、营销平台等在说服和论证营销效果的路上变得艰难。
它,就是广告效果如何科学度量的难题。也因此,成为了营销人百年里都在试图终结的难题。
最早的广告效果度量来源于十九世纪二十年代的美国。为了清晰地判断哪一支广告的转化效果更好,美国人霍普金斯开创性地发明了一种广告,即在报纸同一版面、同一位置,刊登A、B两条广告语,然后基于广告下方不同试用装申领情况,来判断用户的喜爱程度。这可看作为AB广告实验的雏形。
在此后的几十年里,问卷调研成为了传统广告时代,营销人进行广告效果度量最为核心的手段。但调研结果的真实性、准确性也受到多个变量的影响,比如:抽样方式、圈选的样本量、问卷本身的设计等,此外,调研往往发生在投放结束后,无法对投放起到实时优化指导,也无法剔除其他因素(如组合营销活动、区域促销政策等)对于投放所产生的影响。
直到二十世纪九十年代,互联网广告的诞生,才让度量技术有了“质”的飞跃。
蓬勃发展的互联网,让用户的每一种表达,如:点击、浏览、互动、下载、支付等,都可被记录和留档,这也意味着:用户看广告后的行为可被追踪了。而随着全行业数字化营销能力的日新月异,以及广告媒介、广告流量、广告形式走向复杂,围绕着品牌广告的效果度量指标,也逐渐丰富起来。
在互联网发展早期,品牌广告的核心度量指标还聚焦在“量”上,较为常用的是:曝光量、点击率、广告可视度等。但这些粗浅的指标并不是广告主想要的,他们更在意广告是否对目标用户(TA)是否产生了积极影响,于是,衍生出了TA浓度、TGI、TA reach、TA N+Reach等新的度量指标。
但分析这些指标,局限也肉眼可见。比如,度量的仍只是一次营销活动的效果,无法做到全链路数据追踪,也无法排除组合营销活动对效果产生的影响;又比如,度量的结论仍是偏传播层面的,若要评估此次传播是否对用户心智甚至最终转化产生了影响,还需要配套其他营销手段方可进行。
由上不难看出:品牌广告度量技术要实现二次跃升,还必须满足四个关键词:大数据、全链路、扎实的技术能力和持续的投入。
于这个层面,巨量引擎下出了“先手棋”。一来,截至2021年6月,抖音的日活跃用户数已经突破6亿,而巨量引擎生态的全线产品月活跃用户数达到了19亿,海量的数据,突破了传统调研样本量过小的限制;二来,抖音电商的发展,也让巨量引擎逐渐完善了从种草、投放到线上留资、下单的一体化布局。
丰富的数据类型和全链路数据处理能力,有助于帮助品牌科学归因,在流动的数据里看清楚哪些是相关关系,哪些是因果关系,这样才能更客观地审视“营销与增长”的关系,做到精准优化。
这也是巨量引擎营销科学发布SCI品牌力模型的“底气”。
再看模型,你会发现,它聚焦全量增长,能够从认知、种草、行动不同的营销阶段,对品牌力和品牌健康度进行持续度量,服务的是企业的长效经营诉求;而与之配套的工具,则是从中短线营销活动视角,赋予了模型以“应用”的翅膀,让品牌能够在发现不足后及时矫正问题,以实现对营销每一环节的循环校验和优化。
具体来说,6大工具包括投前的预算分配、AB实验工具,投中的增效优化工具,和投后结案工具与效果验证(BLS+CLS)工具,它们贯穿于一次营销活动的始终,让品牌营销告别经验主义,在大数据的照拂下,获得确定且理性的增长。
6大工具:从前到后,
像素级优化营销每一环
在开展一次营销活动前,我们通常会遇到来自广告主的两大灵魂拷问:
预算是有限的,营销资源却是丰富的,怎样才能科学地进行预算分配?
在内容为商业母体的平台,什么才算是“对的内容”?又如何找到并触达给“对的人”?
解决这两个难题,过往多凭借经验。这些经验建立在营销人操盘的案例上,也建立在标杆品牌的学习上,但整体而言,仍是主观且武断的。而巨量引擎预算分配工具的上线,则能帮助广告主解决这个难题,一方面,它是建立在品牌历史投放数据和行业优秀数据基础上的投放模型,另一方面,它能够基于品牌所处的差异化营销阶段(如预热期、种草期、转化期),来设置差异评估指标,进而在数据指导下,获得新的预算模型。
听起来是不是有些“玄乎”?分享个案例:
某手机品牌在新机发布活动期间投放了包括品牌广告、竞价广告和达人广告在内的多种广告,希望以达人资源为核心,判断多触点投放场景下,如何科学地配比其他营销资源。
通过科学实验发现:达人广告辅以竞价广告可带来转化率2~4倍提升,而品牌广告的投放则能让效果表现更坚挺。考虑到竞价广告的助推效果明显,预算分配工具建议:品牌可持续增加达人和竞价广告的预算,但对于品牌广告的投入则可与之前持平。
预算分配好后,就到了内容测试的环节了。在多数营销人的心里,都潜藏着一个朴素但不简单的愿望,那就是“让广告在对的时间用对的形式出现在对的人面前”,那么,究竟什么才是对的内容、形式和人?AB实验工具了解下。
AB实验并非什么新鲜概念,在传统广告时代就已大行其道,它的工作原理很简单,即在相同的营销环境里,通过隔离实验对象来评估营销效果优劣。
打个比方,街角的奶茶店开业了,店主分别设计了A、B两版广告,两版广告对应店里的两款饮品,并在两个路口进行派发,然后基于顾客到店消费情况,来判断哪支广告引流效果更好?哪个产品应该视为主推品出现在店铺的灯箱上?
不难看出,AB广告实验的结论是否接近“真实”,需同时满足三个要素:一,参与实验的样本量足够大;二,人群相似度足够高;三,实验组与组之间完全隔离。
以上要求,对于有着海量丰富数据的巨量引擎平台,显然不是难题,在此基础上,巨量引擎的AB实验工具还支持3天为单位出具实验结果,并允许广告主自行设置变量,来找到“人与内容““内容与出价”“内容与转化”间的最优的组合方式。
如果说,投前的“预算分配”和“AB实验”,分别是从战略和战术上,前置性地优化了营销活动效果,那么,“增效优化”工具则是在投放中期为效果增益。
可能你会在此疑惑,竞价广告本身标榜的不就是精准投放吗,还有必要再去做“增效优化”吗?答案是肯定的。
众所周知,当我们在做竞价投放时,机器智能会倾向于将广告推送给“易被广告转化”的人群,但这些人群中,往往存在两类,一类是“不看广告也能自然转化的人群”,另一类是 “看广告才转化的人”,而“增效优化”会把更多的投放预算花在后者身上,以此来抓取到更多增量转化人群,通过破圈来实现ROI和GMV的提升。
很显然,相比于常规的竞价投放,辅以增效优化的竞价投放,能在相同的预算规模下,带来更高的ROI和更多的跑量。某头部女装品牌直播间就成为了增效优化工具的受益者,通过实验对比,发现:增效优化后的直播间,整体ROI提升了8.34%,全局GMV则提升了1个百分点。
当投前、投中的优化工作都做好了,投后的难题便接踵而至,常见为二:一结案难,二效果验证难。
结案的难题,通常在 “效果”和“效率”两端。于效果端,我们常见的结案,多是对于播放、点赞、评论数据的简单罗列,并不能从浅到深地查看跨媒体资源参与下的营销价值全貌;而于效率上,结案也多发生在营销完成后的一周以后,并不能及时辅导后续投放优化。巨量引擎推出的“投后结案”工具有效的解决了这两个问题。
它不仅支持广告主自主勾选广告资源,并以2小时为单位出具结案报告,也能够从浅到深,围绕着“触达-吸引-问询-转化”的营销漏斗,来细致拆解投放过程中存在的问题,并找到自身和TOP商家间的差距,逐一优化。
以某食品饮料商家的案例为例,在结案复盘中发现:Z世代是该品牌在抖音的核心人群,这些人群对于科技、游戏、二次元内容兴趣度高过美食内容,且比起单纯投放达人,辅以2次以内竞价广告投放的组合投放模式,会带来更高的点击和转化。这些宝贵的结论也成为了品牌后续投放的重要依据。
到了这个时候,你或许以为,一次营销投放的全过程已经结束了,其实并不然,为了帮助广告主找到“营销与增长”间的确定性关系,巨量引擎还在“增效度量”的基础上推出了BLS(品牌增效度量)和CLS(转化增效度量)两大工具。
有关于“增效度量”,卡思曾在前序的文章里系统地阐述过(点击可打开)。简单地说,增效度量就是通过科学的A/B分流能力,去除掉“不受广告影响也依然能转化”的人群,从而精准地还原一次广告所带来的真实效果。
而BLS和CLS两大工具的不同之处在于度量结果的论证手法和面向的核心客群上,前者需要辅以问卷调查来获知用户看到广告后的认知转变,偏向于服务品牌客户;而后者则依赖于客户回传的最终转化数据(如下载、支付等),多面向于效果客户。
而文首提到的汽车品牌,则在“AB实验+BLS”两大工具的支持下,解决了心中疑云。
实现方法如下:设置A、B两个对照组,A广告组只能看到短视频广告,而B广告组只能看到长视频广告,并在投放结束后辅以问卷调研,调研结果发现:不同长短的素材带来的点击率差异不大,但短视频广告触达过的人群,无论是对品牌的喜爱度、推荐度,还是购买意愿上优于长视频,也因此成为了品牌后期投放的核心内容形态。
由上不难看出,SCI品牌力模型与6大工具产品之间,是相辅相成,相互助力的关系。
在SCI品牌力模型2.0和6大营销工具的支持下,品牌不仅能及时发现问题并解决问题,还能从纷繁复杂地消费触点里,找到最能够帮助品牌实现增长的人群、媒介、创意、渠道,做好营销的精细化管理及费效管控,带领品牌走出暗坑密布的营销丛林,从主打“营销度量”的流量型增长阶段,进入到聚焦“增长度量”的品牌型增长阶段。