投放的广告为何没有“效果”?

广告业通常采用“曝光/点击量/转化率”等表层数据策略来衡量效果,但广告是否真正影响品牌层,以及哪些用户真正受到了品牌广告的影响,以前很难用数据说明。
这则广告是否有“效果”,还差些什么?广告业通常采用“曝光/点击量/转化率”等表层数据策略来衡量效果,但广告是否真正影响品牌层,以及哪些用户真正受到了品牌广告的影响,以前很难用数据说明
近日,菲利浦·科特勒在《2019科特勒未来营销峰会》中提到,世界级营销人员将“通过大数据和市场分析洞察客户的潜在需求,并通过改善与客户的互动和忠诚度”。
不管是营销大师,还是一线行销人员,都在关心广告主和用户之间的关系,整个行业都迫切需要一种科学、实用的测量方法来判断广告投放是否有用。
腾讯广告近期更是引起了业界的广泛讨论,“Uplift广告效率度量”就是通过科学系统的因果关系构建,让早期“想当然”的猜测变得直观可信。
所以, Uplift的广告增效措施到底是什么?腾讯广告推出了国内第一款可以科学地衡量效率的技术产品—— Uplift广告效率测量,它包括“Brand Lift”和“SalesLift”,分别从品牌和效果两方面来衡量广告主关心的广告效率。
这一技巧的发现和运用,的确给广告行业带来了不小的震动,解决了我们一直困扰的难题,尤其是 BrandLift,正是广告行业一直难以科学测量的部分。
微信 Lift包括两个部分:(1)品牌互动性测量是用来测量在微信生态圈内广告投放后,用户与品牌的互动行为增量性影响:品牌相关大众号文章阅读、保存、转发。
我们做市场的时候,经常会注意到“品牌互动”这一维度,但局限于数据量、计算事物、剖析才干等都是在有限的情况下,不能做到客观真实。
当然,也有营销人忽略了这部分数据剖析的价值,假如你在朋友圈里投放广告,感兴趣的用户会发生多维行为,直接点击购买,在微信上找到相关信息,看到相关文章后再浏览,保存,转发,这样的行为下,广告主下一次投放广告时就可以提前发布相关内容,进行整合营销。
恰当需要深入了解产品相关信息的广告,例如化妆品,广告背后需要了解产品功能、效果、使用体验等,“广告草稿”的组合,也需要深入了解 Brand Lift的发现;合适的新品牌,或者新推子品牌等等,新品市场认知不高,浏览、保存等行为对于感兴趣的用户来说都很有价值,便于理解用户对品牌的良好感知,而不是仅仅因为广告的促销信息而吸引他们。
品牌观念测量是用来衡量广告投放后用户对品牌的正负情感变化,具体来说就是各种观念中提升多的是积极的品牌观念,下降多的是消极的品牌观念。
品牌获得用户评价的理念旨在改善优化产品,提高品牌知名度。
优化产品:使企业更清楚地认识到自己的产品或品牌的优缺点,从而提高优化产品和广告材料的效果;优化广告:正负概念的另一个价值是,广告主可以清楚地认识到产品和广告之间的差距,因为概念传递了误导信息,能够立即优化改善自己的广告概念。
《SalesLift》是一部以「转变提高度量」为主题的作品,主要衡量广告投放后实际转化的行为提升率和提升数量,包括 App激活,加入购物车,下订单,留下线索,实际到店等等。
以往特别重视效果层,今年四月推出的 SalesLift就是从广告投放到终转化,并能跨越线上和线下断层的全链效率测量产品。
而且现在 Uplift的产品体系又叠加上了衡量品牌效率的“BrandLift”,两者结合进行从产品到效率的全面衡量,这才是真正的“品效合一”!更新广告增效测量的使用场景:场景一:验证品牌投放广告的增效价值投放广告后,我们经常不知道该广告是否对品牌互动、品牌认知产生了影响?效果如何?进步了吗?通过 BrandLift,我们可以识别出品牌类广告是否真的影响了用户的心理,了解用户对品牌的正面认知比例,主动寻找的意愿以及相关文章的保存、转发率。
通过 BrandLift测试结果,腾讯广告了解了用户搜索、阅览、转发等品牌互动行为,引导品牌加强在微信运营流量方面的投入,增强用户的品牌深度认知和品类渗透率。
情景二:广告投放策略优化我们在每一次广告预算时,当然都希望清楚地知道:广告效果对哪一群人有影响!如今,通过 SalesLift,广告主可以了解不同人群、不同版位、不同构思、不同投放频率的递增效应,找到真正的单纯受广告影响的人,找到能提升效率的人群画像,强化这一群体投放和推广策略,终推动转化。
例如, SalesLift帮助暴龙测量广告投放在小程序中转化链上的递增提升,包括广告引流用户访问暴龙小程序商城、加入购物车和下订单等三种转化行为。
通过“验证品牌投入活动的增值价值”、“优化广告投入策略”两个场景,从品牌层、效果层为广告主投入广告提供了更多有用的东西, Uplift对广告主的价值点,我简单总结出三个关键词:动力、效益、转化。
动力:真正找到要影响的人群,更有效率;本钱:防止预算浪费,解决“50%预算浪费”的难题;转换:更有针对性地指导后续投入策略,提高转换效率,实现品牌广告与效果广告的有效配合。
广告效率测量方法对广告营销行业的影响是什么?(1)数据化思维:数据化指导原则的指导原则品牌类别方针的模糊性、模糊性和模糊性的形式被打破,并通过因果关系的建立,使其呈现更为清晰、具体和直观,便于进一步指导投进战略。
(2)精化处理:精化剖析在数字营销时代,经过体系化的营销手段、渠道,对广告投放后用户行为处理、精化尤其重要,一个细节的优化改进,就能形成企业的营销增长,好比是戴森用户的“隐藏行为”。
Dyson通过朋友圈广告投入并转化为京东商城,通过 Uplift对转化效率的测量发现,此次广告投入对五种转化行为(浏览,查找,保存,加购,下订单)都有改善效果,带来超过20%的转化效果,并且在投入后一个月内仍有改善。
"保留行为"的发生与用户购买意愿、用户消费力、促销活动(双十一、618等)、促销物品(限时、满减)等密切相关。
而仔细剖析 Uplift的增效措施后,腾讯广告也发现,在21-30岁的女性、一二线城市、本科学历的女性中,保留行为的改善为明显。
由此可以指导有针对性的营销活动,针对以上提到的潜客群体制定更为实用的促销策略,促使品牌潜客群体向品牌用户群体转化。
(3)全链化营销:从投入到转化,从线上到线下不同的产品决策链也存在着很大的差异,比如线上“种草”下的消费,或者是整个网上的消费完成,也许是非即时决策,需要特定场景触发用户消费。
所以“链式营销”不只是一种思维方式,一种战略方针,而是一种实打实的营销才能,比如戴森在微信朋友圈投放了广告引导到京东落地页,麦吉丽在微信朋友圈投放了广告,再到线下门店核销了优惠券,或者暴龙眼镜通过广告引流用户到小程序商城等,从渠道、内容到营销数据处理等,都需要科学的提高效率措施帮助广告主突破线上和线下的营销鸿沟。
在全链式营销方面,腾讯广告以腾讯大数据为基础,运用先进的算法引擎,具备了智能化定位、智能化报价、智能化构思、智能化预算、智能化测试、智能化诊断、智能化测度等行业前沿才能,贯穿广告投放流程全链,协助广告主精确投放,高效转化。
乌普利特的展示让我们更好地理解客户的决策动机,思想变化,行为特点。
一直以来,我们都希望把顾客变成终身顾客,这是让企业兴奋的工作,但我们很多时候都会“痴心妄想”,如何做到“知己知彼”,“心无旁骛”,这就需要不同维度的数据洞察和剖析。
广告营销人员下一步建议:投入使用 Uplift,进行智能广告投入与传统广告投入的测量对比,从而优化投入策略、预算;投入后的广告不断沉淀品牌数据资产,有助于衡量品牌互动、概念动态、降低负面观念、提升品牌好感。
Uplift所做的工作,就是有能让广告商事半功倍的才干。
期望更多更好的例子出现,证明“广告效率度量”的价值已经得到了广泛的认可和应用。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值