大数据人|大数据第一社区

 找回密码
 注册会员

扫一扫,访问微社区

【北大商业评论】归因模型:利用大数据精准营销

2015-7-3 13:33| 发布者: admin| 查看: 858| 评论: 0|原作者: 苏萌|来自: 北大商业评论

摘要: 互联网广告行业正在走进大数据时代,广告主和广告代理商的重心逐渐从大众媒体管理转向精准化受众购买上。如何利用大数据技术构建一个基于消费者转化漏斗的归因模型,对不同的互联网广告渠道效果进行全面地考察和评价 ...

传播诚信文化理念,开拓诚信生态环境


互联网广告行业正在走进大数据时代,广告主和广告代理商的重心逐渐从大众媒体管理转向精准化受众购买上。如何利用大数据技术构建一个基于消费者转化漏斗的归因模型,对不同的互联网广告渠道效果进行全面地考察和评价,从而指导广告资源分配的最优化,将是未来热点。


根据艾瑞的最新调查显示,2013年,中国互联网广告市场规模达到1100亿元,同比增长46.1% 。随着中国互联网广告市场的快速扩大和广告渠道的日益丰富,消费者通过不同广告渠道所产生的数据也在急速增长。中国的互联网广告行业正在逐步走进一个前所未有的大数据时代。


在这种时代背景之下,互联网广告的生态圈也在不断地调整、进化。广告交易方式已经从传统的按时段付费逐渐转向按点击收费和按单次展示收费,而广告主和广告代理商的重心也逐渐从大众媒体管理转向精准化受众购买上了。为顺应大数据的潮流,互联网广告商必须用最先进的数据挖掘技术和分析方法来武装自己。每一天,都会有更多的新技术、新模型、新应用诞生。在它们中间,归因模型将会是整个广告业的一个热点。


渠道归因:衡量多渠道广告的有效性


小A这两天正在考虑要购买一辆新车。有一天,他在优酷视频网站上看电视剧时,突然看到了一款车的广告,觉得这款车还不错。然后小A通过百度搜索引擎搜索了这款车,查看了它的广告介绍。之后,他登陆了这款车的互联网社区,打算了解其他消费者对于这款车的评论。正当看评论的时候,小A被一个电话打断了。再次回到电脑前,小A已经忘记这款车了,他开始浏览新浪微博,这时,他 “偶然地” 再次看到了这款车的展示广告,这又唤起他了解这款车的记忆。于是小A再次利用百度搜索了这款车,链接进入了官网,并联系了当地的4S店预约试驾,试驾后购买了这款车。


上例中这种广告的重复性展示,在市场营销学的领域,我们称之为“单纯曝光效应”。消费者如果多次看到某种商品,便会对其产生兴趣,甚至产生购买欲望。在上例中,小A的整条购买路径(见图1)上的所有广告渠道都对他的购买行为产生了一定贡献。然而传统的广告效果计量模型会将这次购买全部归因给小A接触到的最后一个广告渠道,也就是百度搜索引擎,这种归因的方式被称为“最后一次点击”。很显然,这种基于“最后一次点击”的模型会忽略互联网广告渠道中的“协同作用”,从而导致媒体贡献度/效果归因的不准确。

图1. 基于消费者购买路径的多渠道归因


与传统媒体广告渠道的独立性不同,互联网广告渠道的高度交互性和协同性意味着广告主必须整体地评估它们。由于消费者很有可能在进行一次转化之前接触过多个广告渠道的广告,因此孤立地去衡量任何一个渠道的贡献度都会导致结果的偏误。互联网广告渠道的这种特性催生出了新技术和分析方法,去解决广告渠道的效果衡量问题,这就是渠道归因模型。


归因模型可以回答一系列和渠道广告效果有关的问题:消费者在达成最终购买之前会接触几个渠道?哪些渠道在提升消费者品牌认知方面起到最好的作用?哪些渠道在引导消费者最终购买方面更有效?应该向哪些渠道倾斜广告资源?


归因模型利用了消费者的全网行为数据,并结合大数据建模和分析技术构建了消费者从浏览到最终购买的整条转化路径,从而能够准确地衡量转化路径上每个接触点上广告渠道的贡献度。因此,归因模型可以很好地衡量出不同互联网广告渠道之间的协同作用。基于多点归因模型的分析结果能够指导客户有效地进行多渠道管理,并通过最优化广告预算分配实现投资回报率最大化。


事实上,中国的一些广告中介服务商已经开始开发和采用归因模型了。


例如,爱点击互动(i-clickinteractive)公司为客户提供基于多渠道协同作用的归因分析报告,让客户对众多互联网广告渠道的贡献度一目了然,并且为客户提供可实践的渠道管理建议方案,方便客户对渠道资源分配进行调控。


转化漏斗:捕捉消费者的全网行为


归因模型在将消费者的最终购买转化归因给不同的广告渠道上显然是有效的。然而,在一个多渠道的环境中,仅仅从购买层面去考察互联网广告渠道的贡献度并不足以完整地刻画不同广告渠道的表现。


著名的“AIDA”模型(见图2)是广告模型中第一个从消费者认知(Attention) 、兴趣(Interest) 、欲望(Desire)和行动(Action)四个角度全面定义和考察消费者行为的一个模型。“AIDA”模型发现消费者的购买过程包含了从初步认知、信息积累、建立偏好到最终购买四个阶段。在每一个阶段,消费者的行为都具有独特的特征。因此,对于互联网广告渠道效果的完整测量也要考虑到消费者在不同阶段的行为差异。


事实上,消费者对互联网广告的反应过程与传统营销领域的模型十分吻合。首先,广告的展示建立起了消费者对于商品的认知。接着,消费者对某条广告产生了兴趣并点击了它。之后,广告将消费者带到广告主的网站上,消费者浏览了一些商品之后产生了购物欲望,于是注册了网站会员,并添加到购物车中。最后,消费者做出了购买的行动。消费者这一系列的行动构建了一条完整的转化路径:展示à点击à注册/添加购物车à购买,来自于业界的营销人员将其称之为“消费者转化漏斗”。


图2. AIDA模型


不同的互联网广告渠道在消费者转化漏斗的不同层级上表现是否一致呢?这个问题实际上可以拆解成两个方面:一方面,不同的互联网广告渠道在消费者转化漏斗的同一层面上是否表现一致?另一方面,同一广告渠道在消费者转化漏斗的不同层面是否表现一致?根据我们的研究结果,答案都是否定的。


事实上,付费搜索广告渠道在消费者转化漏斗的前几层(特别是点击层)更加有效,能够吸引更多的点击和流量,将消费者带到广告主的网站上;而实时竞价广告渠道在消费者转化漏斗的底层(购物车和购买层)更加有效,能够为广告主提供更多的订单和更高的营业额。


我们还发现展示广告联盟渠道对其他两个渠道有显著的辅助作用,并且这种辅助作用在不同的消费者转化漏斗层级上表现出不同的模式。例如,展示广告联盟对付费竞价搜索在点击层表现出直接的辅助作用,而在购买层表现出间接的辅助作用。这些结果都显示出,想要全面地评价不同互联网广告渠道的整体贡献度,不仅需要利用归因模型对渠道之间的协同作用进行考量,同时还要结合消费者转化漏斗的角度去考虑。


另外,不同的广告主可能会采取不同的广告策略。一些广告主秉持着利润最大化的策略,希望提升广告投放的投资回报率(ROI);另一些广告主则以提升品牌形象和品牌知名度为其广告策略,重点关注如何能吸引更多的消费者点击广告、浏览产品或者在网站上注册,成为潜在用户。也就是说,不同的广告主对消费者转化漏斗的不同层面采取的优化策略和目标不同,他们关注的广告渠道也应该不同,向不同渠道投放的广告资源也应该有所侧重。


大数据应用:实现互联网广告的精准投放


那么,在基于消费者转化漏斗的归因分析中,大数据技术应用在哪些方面呢?事实上,从数据收集,到数据存储,到建立模型再到实证分析都要依靠大数据技术的支撑。


首先,要建立完整的消费者转化路径,我们就需要收集消费者的全网行为数据。要收集和存储这么大规模的数据需要利用到大数据传输技术、大数据爬取技术以及面向大数据的分布式存储系统(例如Hadoop)。


其次,消费者在互联网上的行为数据是杂乱的、碎片化的和非结构性的。如何能够采集消费者的行为数据,并将它们整合到一起进行分析,搭建出完整的归因模型来评价不同的互联网广告渠道?这正是大数据技术所擅长的。


最后,传统的统计分析软件通常无法处理如此规模巨大的消费者互联网行为数据,因此,面向大数据的分析和建模需要利用到基于数据库内的分析软件(例如Alpine Miner)。


大数据生态系统在中国方兴未艾,包括大数据管理、大数据技术和大数据应用在内的一系列初创公司在迅速发展。这些在大数据领域由先进技术驱动的公司正在为中国的商业、媒体和公共事业带来巨大的变革。


例如,百分点科技公司从2013年开始全面进入大数据技术与应用领域,为广告主及广告代理的消费者人群购买及互联网广告精准投放提供数据支持。百分点拥有一个海量消费者标签仓库,基于对4.5亿消费者在超过1,000家电商和媒体网站上的行为整合,辅以先进的算法模型,构建了一个包括消费者人口属性、内容偏好、购买偏好等超过200万个标签维度的标签库。这一标签仓库使得百分点能够了解用户购物及媒体浏览的相关偏好。


通过分析消费者的全网行为,不仅能够分析消费者的购买意愿和品牌偏好,还能够对消费者的媒体接触点及媒体渠道偏好做出判断,这就支撑了广告主和广告代理对互联网广告投放及多渠道管理的需求,便于广告主从投放前到投放中再到投放后对不同互联网广告渠道的效果进行评估,提升渠道投放有效性。


对目标消费者全网行为及兴趣偏好的理解,可以更加明确地为广告主提供包括人群筛选、用户价值预估、动态广告展示等一系列核心投放策略,并结合数据监测技术和运营优化技术,对广告投放效果进行全流程的评估,从消费者接触广告到最后转化成忠实用户的转化漏斗各层去衡量不同广告渠道的有效性(见图3)。


此基础上,如果结合建立在大数据基础之上的归因模型,将消费者在互联网上各渠道各触点的行为进行打通,协助广告主对广告渠道在消费者转化漏斗不同层面的贡献度进行归因分析,就可以找到消费者的兴趣偏好和消费转化的真正动因,从而对广告主的未来广告投放提供一系列可执行的优化建议。


图3. 百分点大数据管理平台(DMP)对消费者转化漏斗各层的分析


————————

顺应大数据的发展潮流,互联网广告商必须用最先进的数据挖掘技术和分析方法来打造自身在互联网营销时代的核心竞争力,从而能够更为准确地分析消费者的全网行为,构建消费者的兴趣图谱,预测消费者的人口属性、兴趣爱好和购买倾向,并准确地衡量投放的互联网广告渠道效果,更好指导和优化未来的广告投放策略。


在数据逐渐成为真正有价值资产的互联网经济时代,如何利用大数据技术构建一个基于消费者转化漏斗的归因模型,对不同的互联网广告渠道效果进行全面地考察和评价,从而指导未来广告资源重新分配战略,将会是整个广告行业亟待解决的一个重要问题。


作者:苏萌 百分点创始人/董事长

杜晓梦 百分点数据分析部经理

来源:《北大商业评论》


鲜花

握手

雷人

路过

鸡蛋

最新评论

关闭

站长推荐上一条 /2 下一条


id="mn_portal" >首页Portalid="mn_P18" onmouseover="navShow('P18')">应用id="mn_P15" onmouseover="navShow('P15')">技术id="mn_P37" onmouseover="showMenu({'ctrlid':this.id,'ctrlclass':'hover','duration':2})">前沿id="mn_P36" onmouseover="navShow('P36')">宝箱id="mn_P61" onmouseover="showMenu({'ctrlid':this.id,'ctrlclass':'hover','duration':2})">专栏id="mn_P65" >企业id="mn_Nd633" >导航 折叠导航 关注微信 关注微博 关注我们

QQ|广告服务|关于我们|Archiver|手机版|小黑屋|大数据人 ( 鄂ICP备14012176号-2  

GMT+8, 2024-7-21 02:26 , Processed in 0.197127 second(s), 21 queries .

Powered by 小雄! X3.2

© 2014-2020 bigdataer Inc.

返回顶部