All About Programmatic
中国程序化广告科技资讯网

[视频] TubeMogul谈程序化购买大趋势4: 提高ROI衡量和评估能力

TubeMogul 作为全球领先的专注于品牌广告的DSP,在程序化产品开发、媒介营销策略上引领着未来发展的趋势。去年10月,该公司在美国Lake Tahoe举办了TubeMogul University,邀请全球300多家品牌直客和行业领袖共同参与学习。同时TubeMogul在中国也已开展业务,我们将其CEO的主旨演讲做成系列专题,与国内同行分享。上几篇中,我们就TubeMogul的发展方向,以及正在做的一些项目投入做了介绍。今天分享最后一篇。


 

程序化购买大趋势4: 提高ROI衡量和评估能力

对于未来产品的走向,其中有一项最大的投入是努力提高投资回报率(ROI)衡量和评估能力。做出这样的选择是基于这样一个洞察——目前的数字营销归因是基于相关性而非因果关系。但相关性并不等同于因果关系。

为了帮助您更好的理解这个概念,我们来看下面这张图:

tube-4-1

图表显示,缅因州的离婚率与人造黄油的人均消费有相关性。这真是匪夷所思。

又比如,尼古拉斯·凯奇出演电影的数量,与被落入池中溺水而亡的人数高度相关。

tube-4-2

当然,尼古拉斯·凯奇演的电影有些确实很烂,的确让人有想杀死自己的冲动。但您该明白这个道理了吧。显而易见,相关性并不等同于因果关系。

那么,当我们在衡量数字广告活动的成果时,我们有可能在使用同样的谬论。我们常常会去使用某种单位成本去衡量,比如去抠“每次获得成本”(CPA),而不是去设立一个真实的实验环境。而TubeMogul的做法是用一个随意对照组,去和广告曝光组中的销量增长情况做比较。

想想这样一个问题:

有一组购买了您的产品的人,碰巧也看了您的广告。如果使用目前的单位成本方法(cost per x),您会臆断认为:因为这些人看了您的广告才购买了您的产品。又或许是,这些人已经在市场中,本来就打算购买您的产品,您只是无谓地向他们投放广告而已。

举一个简单的例子来帮助理解这个道理。

假设一下,您正在进行一项广告活动,您有两种策略。一种策略是将重点放在CPA向来比较低的受众上。这些受众可能已经访问过了您的网站。而第二种策略是,您在参与度指标上进行优化,比如广告可见度。您要说服的对象是那些之前并没打算购买您产品的人。

tube-4-3

在前一种针对CPA的优化策略中,您将看到的是,仅管CPA成本低(33美元),但我们实际上没有将任何新客户带入到”考虑购买”的组里。在针对参与度优化的策略中,CPA要高一些,但我们赢得了真正的购买者,从而确实促进了销量的增加。

当我们在考虑衡量方式时,有一点至关重要。对于大多数的客户来说,极大部分的销售都发生在线下,发生在现实世界中。但在很多时候,我们却通过网络销售上的一点小小的信号,来指导我们所有的数字广告支出。其实,只有当您认为您的数字广告对任何的线下销售不产生影响时,这样做才有一定的道理。

现在请看我们所做的实验得出的结果。该实验是通过和一个客户和一个领先独立研究机构合作完成的。

我们媒体支出的金额是10万美金,将它分配到两个非常相似的5万美金的视频广告活动上。

对于其中一个广告活动,我们与一家领先的数字归因公司共同合作来测量结果。他们使用一种称为”多点触摸归因”(Multi-Touch Attribution)的方法。 这其实就是复杂相关性研究的一种更好听的说法。

请看他们的结果:

tube-4-4

他们只评估了网上的销售。可以看到,销量的增加非常小。当然,每次获得成本(CPA)就会很高。

如果您单独看到了这个报告,您会怎么做?您也许会减少视频广告部分的购买,而加倍花费在“营销漏斗”偏底部的活动上。比如付费搜索和展示类广告,至少这是根据数字归因公司给出的结果让您想要去做的。

至于另一个5万美金的广告活动,它和前一个很相似,有相同的目标参数。我们建立了一个真实状态下的实验环境,在其中,我们观察销售的增加在曝光组与随机对照组之间的比较。和之前的那种方法相比,我们获得了16倍销量的增长。差别是如此之巨大。

您可以设想,如果这一点被忽略的话,一旦执行了这样糟糕的市场营销策略会造成怎样的结果。

因此,您将会看到TubeMogul着手从产品端的设计去解决这样的问题,我们将销售数据融合进来,通过提供更多的实验场景,让广告主能通过测评分析得出因果关系,而不只是相关性。另外,还能让广告主尽量去找出那些驱动销售表现的变量。

tube-4-5

提高基于投资回报率(ROI)的测评能力对整个行业来说的确是一个挑战。而由于TubeMogul不拥有媒体,是100%站在买方立场的独立DSP,因此在这场游戏中没有利益攸关,所以,我们能处在一个很好的立场来为广告主提供帮助。

 

Via: TubeMogul China

赞(0) 打赏作者

觉得文章有用就打赏一下文章作者吧

微信扫一扫打赏