广告分析2.0时代来临

传统广告已死：广告分析2.0时代来临

过去10年，技术获得了日新月异的进步，消费者的购买行为也随之剧烈变化，这是的公司有能力也有需求去记录消费者的每一个在线行为。这就产生了大量的微观数据。除此之外，还有海量的数字视频记录、数字机顶盒记录、柜台购买记录、信用卡交易记录、客服中心呼叫记录以及其他多种类型的数据。你会发现，营销人员能掌握此前无法想象的宏大信息流，营销人员能掌握此前无法想象的宏大信息流，并以此洞察消费者的所见和行为。其中蕴藏的商机不言而喻，但它同时也带来挑战。正如著名统计学家和作家Nate Silver所形容的那样，“每天，人们在一秒钟内产生的信息量相当于国会图书馆所有纸质藏书信息量的三杯。其中大部分是无关的噪音。因此，除非你有强大的技术来过滤和处理这些信息，否则你就会被它们淹没。

迈向2.0

由于中等和了大量数据分析、云计算和新型分析模型，2.0分析法在广告市场回报方面为公司提供了全新的视角。2.0分析法包含三个广义的步骤：归因，即量化广告活动各环节对销量的贡献；优化，即在现今的预测分析工具帮助下进行情景模拟；分配，即根据优化结果，实时配置各类营销活动的资源。尽管这三个步骤在本文中有先后循序，但在实际操作中，这三个步骤有可能同时进行。一个步骤的结果输送到下个步骤，不断循环，其分析能力也随之持续提高

优化

在步骤一种，营销人员需要量化每一个广告行为的回报以及重要外界因素的影响。一旦完成第一步，就要进入情景模拟，这设计预测分析工具的使用。比如你想知道，把圣迭戈市某个产品的户外展示广告减少10%，或者将电视广告预算的15%转移到搜索广告和页面广告上会发生什么；或许你需要知道，当一位竞争对手在东京减价，或者悉尼的油价上涨时会对你的广告带来何种影响。

有了第一步中收集和分析的海量数据，你便可以给每一个影响因素赋予一个弹性系数——一个变量变化引发另一个变量变化，两个变化量百分比的比值即为弹性系数。掌握这些弹性系数就能帮你预测每一具体变化所产生的结果。举例来说，你的电视广告与销量之间的弹性系数为0.03，在其他变量保持不变的情况下，电视广告预算增加一倍，那么你的销量会提高3%。简言之，2.0分析法能辨别出所有因素的弹性系数如何与销量进行互动。

根据影响因素的弹性系数，优化分析可以在几分钟内运行几百次甚至上千次的情景模拟。在优化过程中，分析人员一般会设定市场营销目标，这些目标常常跨越产品和市场。通过对海量的弹性系数数据库的分析，优化软件会找到与目标最接近的虚拟情景，并提供营销建议来实现这些目标。

最新添加