接上篇
互联网广告效果监测领域的问题
当前消费者及企业面对的传播环境非常复杂。如何透过不同的屏幕,识别出不同的消费者,打通多屏数据,对广告效果进行综合评估,实现媒介投放的优化。一方面需要打通不同终端的监测指标体系,提供较为统一的效果衡量标准,另一方面要通过大数据识别不同终端背后的用户,真正实现以人为核心的跨屏投放。
在跨屏监测发展过程中,电视时代的监测指标GRP(收视率)被引入互联网广告效果监测领域,出现了新的评估指标iGRP[1],以便二者进行比较。但是在不同的终端,同一形式的广告曝光后产生的效果是否相同?
Admaster和阳狮锐奇合作的研究发现,移动端视频前贴片广告整体优于PC端的视频前贴片广告1.2倍,平板电脑视频前贴片广告优于智能手机视频前贴片广告 1.08倍[2]。可见,即使是GRP或者iGRP相同,不同终端下观看同一广告所产生的效果也是不同的。但目前多数媒介代理公司在制定媒介计划的过程中,还是在默认所有终端媒介触达所产生的效果相同的前提下思考如何进行媒介覆盖的。
实现不同终端的指标打通,除了技术问题外,还有广告主的需求问题。目前来看,很多企业虽然进行了多个终端的广告投放,但是不同类型的媒体的广告投放却由不同的团队负责,户外媒体、电视媒体和互联网广告预算分别分开使用,不对其效果进行对比,就没有跨屏监测指标打通的需求。广告效果监测技术的发展从根本上来讲是基于广告主的需求的,因此,企业要想实现广告预算的进一步优化,还需要对组织架构进行相应的调整,将各类媒体预算纳入同一个管理和评估体系之中。
在跨屏时代,无论是广告投放还是广告效果监测,识别不同终端的用户,是实现跨屏精准投放以及广告曝光频次控制的前提。目前来看,用户身份识别的问题有两种解决方案。
一是腾讯、百度、阿里巴巴等互联网巨头建立了各自生态内的强账号体系,消费者使用同一个账号登陆多个终端,就可以识别出哪些终端属于同一个用户。其缺陷在于只能在生态系统内进行识别,数据开放性也比较差。
二是监测方通过记录多台终端在同一时间同一IP下使用的情况,结合历史数据和算法,可以识别出不同终端背后的同一个用户[3]。虽然这种方式覆盖的人群更为广泛,但存在误差,需要大量的多终端使用数据的积累以及科学的算法才能实现。
上述方案都没能很好地解决智能电视端的用户身份识别问题。智能电视和电视一样是一个共享的屏幕,目前监测方仍使用电视的收视调查的方式进行用户身份识别,通过问卷了解使用该设备的家庭的基本信息以及家庭成员观看习惯,并利用数据建模估算出不同成员在不同时间段内观看该设备的概率,并不精确。
广告欺诈是目前互联网广告市场健康发展的最大阻碍之一。AdMaster发布的《广告反欺诈研究报告》显示,2016年中国市场无效流量占比达到30.2%[4],在现有的监测体系之下,广告欺诈的问题还没有的到完全解决,目前来看,互联网广告欺诈主要有两种形式。
制造异常流量是当前互联网广告行业中最主要的作弊方式。主流的第三方监测公司的异常流量排查可以分为前期预防和后期排查,后期排查是前期预防的基础。反作弊工具通过一定的规则筛查出异常流量,将其从效果数据中剔除,同时记录产生异常流量的IP、UA和设备 ID 等信息。基于长期的监测数据,监测方将这些流量来源纳入黑名单,在投放中避开此类流量,实现前期预防[5]。
尽管现有主流的第三方监测工具都具备了反作弊模块,用以排查虚假流量,但此类作弊依然层出不穷。异常流量的大量存在受到多方因素的影响。一方面,一些DSP平台肆意夸大其所拥有的流量,流量造假甚至成为行业潜规则;第二,媒介人员为了完成KPI不断压低广告购买价格,逼迫媒体通过刷量、以次充好等方式完成投放目标;第三,目前的第三方监测公司的收费方式不合理,缺乏反作弊的内在动因。
很多消费者的购买决策并不是在一次广告接触后就完成的。多次广告曝光中,每次曝光到底产生了多大的作用,关系到广告主在媒介投放效果方面的选择,还影响到ROI的计算。
归因分析是解决这一问题的一项广告效果监测服务。监测方通过记录每个渠道的广告曝光和点击数据,结合设备信息及归因算法,得出不同渠道在一次转化的过程中的作用。在一些归因算法中,转化行为前的最后一次曝光被认为是贡献率最高的。一些渠道或代理商用技术的手段去把假的事件汇报给监测方骗取收益[6]。具体而言就是预测可能产生转化效果的用户,在其转化行为之前对其进行广告曝光,从而抢占最多的贡献率。虽然目前的一些移动广告监测工具已经具备了归因分析的功能,但是其中的防作弊功能仅能排查异常流量,无法对抢归因的行为进行有效监测。
广告学研究中将广告效果分为传播效果、心理效果和销售效果。在互联网广告效果监测领域,传播效果和销售效果都可以通过对用户行为的监测,利用定量的指标进行衡量,特别是目前大数据的发展,对于这两方面效果的评估变得更为精准、实时、高效。但在广告心理效果的领域,还存在很多大数据无法完全解决的问题。
传统的广告心理效果研究主要利用的是问卷调查和焦点小组等社会调查方法,测量广告对于消费者心理的影响。目前主流的互联网广告心理效果的研究方法仍然遵循了传统广告心理效果评估的方法的逻辑,采用了大数据和小数据结合方式进行。大数据在广告心理效果评估中的应用体现在数据源和数据采集技术上,第三方广告效果监测公司从监测数据库中筛选出观看过该广告的ID,并向其推送问卷,同时并选取未观看过该广告的ID并发放问卷作为对照组,从而实现了更为科学的抽样,相对于传统调研,样本量也大大增加了。但是在分析层面,仍然是使用传统的心理效果测量模型进行研究,则进入了小数据的范畴。
除此之外,一些第三方监测公司和技术公司开始尝试利用脑神经技术对这一领域进行变革。尼尔森(Nielsen)早在2011年就开始布局脑神经科学领域,应用于广告测试,如文案测试和广告时长压缩。布雷恩神经咨询公司(Brain Intelligence)推出的广告研究服务是利用神经学技术对消费者观看广告时情绪波动进行实时监测,获得消费者情绪变动数据,再结合传统的问卷及访谈等研究方法,获知消费者情绪变动的原因,从而实现科学的广告心理效果评估,为广告主的决策提供依据。
但是总体而言,脑神经技术在广告对消费者心理影响方面的应用还处于探索阶段,没有实现广泛的应用,更无法做到实时监测,在互联网广告活动中,尽管广告主和代理公司能够实时监测到广告在传播层面和销售层面的效果数据,但是由于心理效果的不可见性,对于广告效果分析仍然处于“知其然而不知其所以然”的阶段,无法及时根据效果产生的具体原因进行创意和媒介计划的优化。真正的广告实时优化的时代还未到来。
在互联网营销中,销售是企业希望实现的终极目标。但目前前期的广告数据和后期的销售数据之间并没有实现完全的整合打通,进而影响了效果数据在其他环节中的有效应用,如何将广告效果数据与线上线下的销售数据打通成为了行业内备受关注的问题。
Darral Clarke(1976)、Robert Leone(1995)、Marnik DeKimpe(1995)等研究者都发现,广告不仅具备瞬时效果,还具有延迟效果。AdMaster在与阿里妈妈合作的一项研究中也发现,电商转化数据和前端广告数据之间存在时间差。在两款测试产品中,单价在300-500元之间的一款产品转化时间差比较长,而单价较低的某款重复购买产品转化时间差则较短[7]。但是由于电商数据还未完全开放监测,这种研究还没有办法实现规模化。但是由于电商数据还未完全开放监测,所以目前来看,这种研究还没有办法实现规模化,无法在实际的广告效果监测中应用。因此,多数情况下,效果的监测是随着广告活动的结束终止的,长期的延迟效果则无法被衡量。对于一些延迟效果占据主导地位的广告,如果忽略了这部分的监测,那么就会导致对广告整体效果的低估,出现比较大的偏差,进而影响到企业新一轮的广告策略的制定以及效果的评估。
互联网的发展带来了消费习惯的根本变革,也影响了产品销售渠道的选择,传统的广告主也开始使用电商平台销售产品,使线上的营销活动与销售打通。但是主流的电商平台,如阿里巴巴和京东商城,拒绝第三方进行布码监测[8],导致第三方的所有监测数据在转化这个关键步骤前戛然而止,广告数据和销售数据分属于两个系统,形成了“数据孤岛”。
目前行业内还是通过间接监测的方式解决这个问题,记录广告曝光的时间,在电商的销售效果监测工具中找到对应时段的产品销售情况,常规销量之外的新增销量往往被认为是该广告所带来的销售效果[9],转化效果的监测存在很大的误差,阻碍了广告计划的实时优化,也可能导致对整体活动效果认知的偏差。
用户在互联网浏览了广告之后的线下消费也属于互联网广告所带来的销售效果,如何将线下消费数据与线上广告数据成为了一个亟待解决的问题[10]。目前来看,行业内有以下两种解决方案:
第一种解决方案是利用WI-FI探针获取用户手机信息,从而与广告监测数据打通。企业在门店内布置WI-FI,探针就可以获取连接WI-FI的用户手机的设备号或者ID,再将该数据与前端广告监测数据进行匹配,查找到重叠的设备并获取此前的广告数据,就可以将其与线下消费行为连通[11]。
第二种解决方案是利用iBeacon技术[12]实现线下数据的打通。只要在品牌自建APP内装入SDK并嵌入iBeacon,即可将用户的设备与品牌在自身的线下门店布置iBeacon传感器连接,记录消费者到店情况,获取线下消费信息,并与线上的广告监测数据进行匹配,就实现了广告带来的线下转化效果的监测。这一技术的问题在于企业自建APP成本较高,蓝牙连接的方式限制更多。
除此之外,电信运营商实际上掌握了用户在使用移动设备时所产生的所有数据,但是出于数据安全的考虑,目前的政策范围内还无法对这些数据进行大规模的商业应用。因此,总体来看,目前行业内还没有可以大规模推广使用的线上线下数据打通解决方案,互联网广告会对线下消费产生何种影响,仍然是一个亟待解决的问题。
实现互联网广告效果监测的前提是开放的可监测数据。但是到目前为止,还有一些媒体不允许第三方监测。从国内来看,无法实现第三方监测的主要有两类媒体。
具有优质流量的垂直类媒体在所属的细分领域内有很强的影响力,但是目前很多领域中的头部媒体不接受或不完全接受第三方效果监测。原因在于:第一,出于经济利益的考虑,第三方效果监测会获得垂直类媒体流量规模和用户活跃度方面的数据,可能影响网站估值和媒体价格[13];第二,竞争环境影响垂直类媒体对监测的开放程度,一些细分领域,例如在线视频领域,内部竞争比较激烈,为了获得更多的广告客户,媒体就会通过开放第三方效果监测证明自身的营销价值,但在头部媒体优势比较突出的细分领域,如母婴和汽车,具有优势资源的媒体就更加封闭;第三,垂直类媒体是否开放第三方监测以及开放的程度,归根到底是广告主和媒体之间的博弈所决定的。广告主比较强势的情况下,就会推动垂直类媒体接受监测,验证其对于广告主产生的商业价值,但在头部媒体比较强势的情况下就很难实现较为公正的效果监测。
第二类不接受第三方效果监测的媒体是以腾讯、百度、阿里巴巴为代表的生态封闭的互联网平台,在这些平台中,用户只能访问平台允许访问的内容。在国外,facebook、twitter和google是其中的典型代表。这些互联网平台拥有庞大的用户群体和优质的广告资源,出于保护用户数据和生态安全,以及控制用户及数据巩固自身竞争优势等方面的考虑,这些平台往往也不接受第三方效果监测,而是向广告主提供其自行开发的广告效果监测工具。
这给广告主带来了两方面的问题:第一,不同的平台有各自的效果监测工具和效果评价标准,不便于广告主打通各类媒体的广告效果数据进行综合评估;第二,由于技术层面的原因,一些平台的广告效果评价及广告收费不够科学。因此,以宝洁、可口可乐等企业为代表的广告主开始呼吁此类媒体打开黑盒,接受第三方监测。在广告主的压力之下,一些平台开始做出转变,例如Facebook 已经开始承诺为品牌提供更多视频广告的评估指标,以提高广告投放的透明度,以及允许第三方独立机构 Media Rating Council 进行审查[14]。尽管仍有一些强势媒体不接受第三方监测,但是从整体的趋势来看,互联网广告环境还是逐渐走向了透明化和规范化。
研究结论
本文通过文献研究法和深度访谈法,围绕互联网广告效果监测领域的问题展开研究,介绍了现有的广告效果监测指标,构建了一个较为全面的指标体系,并介绍了现有的广告媒体监测工具、网站分析工具、移动广告效果监测工具和电商引流监测工具,并尝试构建出一个覆盖广告活动全流程的广告效果监测体系。除此之外,笔者还深入探讨了目前我国互联网广告效果监测领域存在的问题。通过上述研究,笔者得出了以下结论:
第一,数据驱动的互联网广告效果监测主要是对广告的传播效果和销售效果进行的监测。其中传播效果是通过流量指标和互动指标衡量的,利用广告媒体监测工具、网站分析工具实现监测的,销售效果则是通过转化指标衡量,利用移动广告监测工具和电商引流监测工具实现监测的。但是对于广告心理效果层面的监测,还无法完全依靠广告效果监测工具实现实时和自动的监测,仍然需要调研人员参与,使用传统的问卷、访谈等调研方式实现用户心理的洞察。可见虽然大数据技术对广告效果的监测产生了颠覆性的影响,但是传统的广告效果评估方法还没有被完全替代,仍需要更为先进的技术去解决这一问题。
第二,数据驱动的互联网广告效果监测最大的特点是实时、全量和全流程。实时是指这种基于大数据技术的监测,能够做到监测用户行为的同时随时反馈效果数据,是实时监测而不是事后评估;全量是指这种新的广告效果监测是对所有用户行为的监测和对所有数据的分析,而不是通过抽样的方式通过间接的反映总体情况;全流程是指当前的互联网广告效果评估已经不仅仅局限于对媒体的监测,而是进一步深入到了企业同用户沟通和实现销售的整个流程之中。
第三,互联网广告效果监测的价值不仅在于经验积累,还在于基于数据对整个广告活动的实时优化。传统的广告效果评估最大的价值在于可以利用数据对广告活动所产生的结果进行整体的评价,积累经验应用于下一个广告活动。互联网时代实时的效果数据的出现使的广告效果监测带来的数据价值远远大于经验价值,广告主可以通过查看效果数据随时优化广告活动的各个流程,在执行过程中不断提升广告效果,提高投资回报率。与此同时,这些效果数据成为企业的数据资产,并被应用于企业经营的各个方面。
第四,当前的互联网广告效果监测领域最大的问题在于数据的问题。包括如何整合打通不同类型、不同形式的效果数据进行综合应用,实现一体化的渠道管理、预算管理和效果评估;也包括如何进一步提高数据的透明度,促使广告活动中各个主体开放必要的数据监测权限,提供更为丰富和准确的效果数据;还包括如何通过技术手段及其他手段防止广告作弊,减少广告欺诈,提升数据的可信度和安全性。这些问题还需要广告主、代理公司、监测公司和媒体等互联网广告市场主体共同努力解决。
研究的不足与展望
内容方面,由于广告效果监测领域竞争比较激烈,第三方监测公司不愿透露过多的和产品相关的信息,现有的公开资料中,利用各类监测技术和工具进行广告效果监测案例也非常有限,因此本文对各类监测工具的技术原理和使用方法的介绍还不够详尽,对技术的理解还不够透彻,缺乏必要的案例支撑。今后应通过广告监测实践,操作各类监测工具,进一步了解其功能和应用技术,更加深入地回答本文提出的问题。
研究方法的应用上,本文所涉及的广告主、媒体和电商平台方面的内容均来自二手资料和对第三方监测公司、媒介代理公司相关人员的访谈,由于时间、精力和资源等方面的原因,没有对广告主、媒体和电商平台的相关人员进行访谈,在涉及到这些主体利益的问题上认识还不够全面和深刻。另外,由于笔者在经验上的不足,访谈过程中的对个别问题的探讨不够深入,获取的信息有限,导致对广告效果监测指标和监测工具的研究还有许多遗漏之处。在进一步的研究中,还需要通过对多个主体进行深入访谈,综合评价当前广告效果监测领域存在的问题并寻找解决方案。
本篇完结
作者介绍:王淼(1992-),女,北京大学新闻与传播学院2015级硕士研究生
【注释】
[1] iGRP:互联网毛评点,在中国广告协会发布的《中国移动互联网广告标准》中规定,iGRP指在广告媒介计划中,指定时间周期内广告曝光量与总体互联网总人口的比值,计算公式为iGRP=impression/universe*100
[2]来源:中国广告网. AdMaster助力第四泳道完成跨多屏多媒体广告效果研究http://www.meipo360.com/html/Article/2014/0404/20140404164346532.shtml,2017年4月17日访问
联系客服