下载掌阅APP，畅读海量书库
立即打开
数据在广告营销决策的科学化中扮演着至关重要的角色，然而从广告监测的视角来看，数据往往是一个迷团。美国前邮政部长、百货商店之父约翰·沃纳梅克提出的经典问题一直困扰着营销经理和广告从业者：
“我们都知道广告费有一半被浪费了，但问题是不知道浪费的是哪一半。”
电视广告投放一直使用总收视点（Gross Rating Point，GRS）作为主要效果测量指标。这种测量方法基于城市统计人口数据作为投放单位，通过测量媒体的到达频次和覆盖量得出投放效果。此外，市场调查公司还补充了一套广告调研回访的效果测量系统，研究品牌广告的记忆效果。广告公司和广告主依赖媒介广告数据和调查数据来指导决策。在20世纪产生的这些数据战略因大数据的到来而面临挑战。
数据智能让人类社会的复杂行为模式变得越来越直观，以数据为基础的技术决定着未来，新的技术处理能力带来了新的可用知识。大数据时代预见了一种新思维：互联网技术可用数据改变广告传播的价值创造与营销效用。
将大量数据转化为信息，再将信息升华为知识，最终这些知识汇聚成集体智慧。这不仅对广告传播颇为关键，亦是企业营销管理的核心竞争力所在。
20世纪90年代，客户数据的变革之风首先在商超、电信和航空等行业吹起，尤其体现在它们的顾客关系管理系统上。以沃尔玛为例，其IT部门通过对数十亿条收银数据进行细致分析，发现了啤酒与尿布经常同时出现在购物车中的有趣模式。这一模式背后的心理动机很快被发现，进而促使大型零售商改变了货架布局策略，如将啤酒放置在尿布附近，显著提升了冲动购物的销售额。
如今，数据存储成本已大幅降低，数据处理速度得到显著提升，分析数据的算法和软件也变得日益智能化。
以通过 谷歌搜索词预测流感 的案例为例：2006年，多伦多大学通过分析各地区谷歌用户的搜索词，如“流感症状”，并与实际流感爆发数据进行对比，成功在健康机构发布消息的前一周预测了流感的爆发。这种方法被艾森·巴赫命名为Infomiology（信息科学），并发表在《医学互联网研究》期刊（ Journal of Medical Internet Research ）上。
如今已经可以直接在谷歌上注册并通过谷歌趋势功能下载详细数据，以此来观察各种搜索词的趋势，如数字货币的价格走势或图书销售排行的变化。这种大数据的应用已经扩展到了预测美国总统选举结果等领域。
这种对大数据的深入利用和研究，被信息科学家称为“大数据革命”，它展现了科学家智慧的无限可能性和广阔空间。
大数据 ，指数据量级超过了传统数据库软件工具获取、存储、管理和分析处理能力的数据集。因此需要新处理模式才能获得更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
谷歌、亚马逊、苹果等企业已基于顾客数据构建全球用户商业模型，涵盖顾客交易、社交内容、行踪、社交关系、媒体使用等数据类型。信息技术知识强调，全面顾客认知和差异化传播策略的产品运行规律，将根本性地影响互联网广告和营销。
获取消费者的全面画像是营销经理长期以来的愿望，如今，通过智能数据处理已经能够预测和监控用户反馈行为，深入理解消费者需求。利用互联网传播的强大数据收集能力，市场研究经理从问卷调研和焦点小组访谈的提问者转变为在线实时效果的监测者。通过集成用户数据，可以测量用户行为，得出关于营销策略（产品、价格、渠道、促销）的分析结论。数据驱动的营销成为数字营销的方向，指导企业在适当时间以正确的价格和方式提供适当的产品。数字广告成为探测消费者个体反应的交互式营销活动，基于有效点击和注册用户互动，形成连续的用户品牌关系。
使用数据需掌握数据基本单位的概念，如数据最小基本单位是位（bit），1字节（Byte）等于8位。所有单位的量级排序为bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB，按照1024（2 10 ）进率计算。
在技术上，大数据与云计算关系密切，如同硬币的正反面。大数据通常不可能仅用单台计算机处理，因此一般采用分布式架构进行海量数据的分布式挖掘。实时分析大型数据集一般需使用MapReduce分布式框架，将任务分配给数十、数百甚至数千台计算机。
舍恩伯格提出
大数据方法
不采用常规统计样本随机分析法（抽样调查），而是使用全样本数据分析。大数据具有4V特点，即Volume（海量的数据规模）、Velocity（快速的数据流转）、Variety（多样的数据类型）、Veracity（真实性）
，后加Value（较低的价值密度）。
企业或组织可以利用大数据分析降低成本、提高效率、开发新产品、做出更明智的业务决策等。
大数据对企业的有益价值体现在：
①分析所有SKU，以实现利润最大化定价和清理库存。
②根据海量顾客的购买习惯，推送用户可能感兴趣的优惠信息。
③从大量顾客中快速识别金牌客户。
④通过点击流分析和数据挖掘规避欺诈行为。
⑤及时解析故障、问题和缺陷根源，为企业节省巨额资金。
⑥为成千上万的快递车辆规划实时交通路线，避免拥堵。
大数据处理需要在由众多信息活动和多种参与者构成的生态系统上进行，这些参与者共同构建了一个多元互动的生态环境。
数字广告系统建设涉及信息通信技术的综合系统应用。针对广告的数据生态系统基础架构必然包含系统内部角色与市场的细分、商业模式创新与系统机制的双向调整，以及系统结构的调整，以适应竞争环境的变化，确保数据生态系统与业务信息传播紧密结合。
对于大数据驱动的营销方法创新，除了聚焦于其带来的利益，也必须关注由数据引发的问题。数据安全已上升至国家安全层面。数据的日益增长的经济重要性也引起了法律层面的重点关注，特别是数据与其他资产的根本区别，如数据的完美复制性和易于与其他数据结合的特性。数据的独特特征，如多方同时使用同一数据，以及数据附带的知识产权和消费者保护问题，都在《中华人民共和国民法典》《中华人民共和国网络安全法》《中华人民共和国个人信息保护法》等国家法律法规中获得了最高级别的关注。
数据访问
为了实现转型，企业需要整合多个数据源的信息。在某些情况下，企业可以购买数据访问权限。然而在许多情况下，通常无法直接获得第三方数据的访问权限。遵守法律法规与商业伦理的第三方数据源很可能不会考虑共享客户数据。
有时，经济激励也无法鼓励利益相关者提供数据，因为持有数据的利益相关者通常将数据视为主要竞争优势，因此不愿与其他利益相关者共享。其他利益相关者必须为数据持有者提供有吸引力的价值主张以换取数据访问权限。
广告代理商作为“代理”角色，正逐渐远离用户数据。说服消费者向一个“未知”的广告代理商授权使用个人数据是有难度的。消费者通常直接与互联网平台或品牌主（包括经销商）签订数据使用许可协议。那么，代理商是否能从技术开发、运营维护或电商产品代运营的角度，从互联网平台及品牌主那里获取数据呢？如果只从创意开发角度，未经用户同意而使用用户数据的空间非常有限。
不断出现的新问题和不断增长的计算能力促使新的分析技术不断发展。用于广告的技能不断创新，帮助个人和组织整合、分析、可视化和利用不断增多的数据。互联网记录消费者的在线行为，产生大量微观数据。此外，还有数字视频记录、数字机顶盒记录、柜台购物记录、信用卡交易记录、客服中心通话记录等多种数据类型。营销经理需要处理前所未有的巨大信息流，目标是洞察消费者的见解和行为。这其中蕴含的商机巨大，但同时也伴随着挑战和风险。
充足的数据直接指向传统广告的核心——广告效果评估，准确揭示广告在各个媒介之间的互动状况，实时分配广告预算，这将数字广告推向精准化营销。2013年，《哈佛商业评论》发布“广告业的未来”专辑（参见https://hbr.org/2013/04/the-future-of-advertising），揭开了“广告分析2.0时代”的科学主题序幕。
为理解广告如何与媒介及销售渠道互动，舒尔茨提出需要引进实时规模化数据处理的分析技术。以一次新品推广活动为例，数据可展示YouTube广告相较其他媒介在吸引网络搜索方面的高效倍数，以及这些网络搜索中哪些导致了实际销售。分析结果可支持企业重新分配广告预算，经过科学决策后，将低产出的广告预算转移到高产出广告。由此，数字广告和数字营销渠道的统一衡量成为可能。
这些新发现被视为市场营销学的“圣杯”，能准确把握营销策略对销量的推动作用，并预测调整后可能产生的结果。
长期以来，广告与营销传播效果的“圣杯”似乎遥不可及。在20世纪80年代早期，媒体组合建模（Media-mix Modeling）技术首次帮助营销经理将广告战役与销售数据相联系，开始利用此技术分配有限的市场资源。商学院培养的CMO和品牌经理都对数据建模分析趋之若鹜。这种情况持续了近三十年，直至数字营销爆发，营销经理开始通过监控每次鼠标点击评估广告与购买之间的因果关系。市场人员开始追踪客户在网络上的最新活动，如点击屏幕上端的Banner广告，并将购买行为与这些活动联系起来。
营销人员曾尝试将网络活动追踪与传统广告评估方式（如顾客调查、焦点小组和媒体组合建模）结合起来。但传统分析法是回溯性的，视不同接触点（海报、网络广告、电视、电台、电子邮件等）为相互独立的，分别进行分析。不同的营销团队、广告代理商和媒体投资者运作各异，但争夺同一资源。这种被称为“泳道式分析”的方法常导致营销经理错误地将特定销售成果归功于其市场活动，这也解释了为何公司财务数据与营销回报不匹配。
现在，面对数字互联网广告投入的分析，广告2.0分析方法相较传统方法具有数据可见、形成闭环和计算效果周期缩短的巨大优势。数字创新伴随着大数据分析、云计算和新型分析模型，为公司在广告市场回报方面提供了全新的营销视角。
广告2.0分析方法包含三个广义步骤：
1）归因 （Attribution）：量化每个广告活动对销售的贡献。
2）优化 （Optimization）：通过预测分析工具进行情景模拟，制定营销计划。
3）分配 （Distribution）：实时在各个市场之间重新分配广告资源。
这三个步骤形成数据闭环，在实际操作中也可以同时进行。一个步骤的结果被输入至下一个步骤，不断循环，数据分析能力随之持续提升，很容易成为机器学习的基础（见图3-5）。
图3-5 广告2.0分析方法简图
归因，即在多种因素共同或先后作用造成某一结果时，确定各因素对该结果所发挥的作用大小，也就是“功劳该如何分配及归属于谁”。为解决归因问题而建立的模型称为归因模型。归因对数字广告测评及互联网营销和运营至关重要（详见10.4节）。
在实际操作中，大品牌营销的统计模型需要处理数百甚至数千个广告行为和销售策略带来的变量组合。此外，统计模型还需要计算外部变量，如地理分布、就业率、定价、季节变化和竞争状况等。小公司借助互联网平台的数字广告系统，也能达到大公司信息系统的水平。显然，分析所有变量的排列组合需要借助云计算和云存储技术。
数字广告2.0分析方法使数据运转透明，能全程追踪广告如何影响消费者进行网络搜索，如广告上线后更改搜索引擎关键词或买断关键词。例如，归因分析企业互联网电商广告的投放后数据，无论是短期跳转的用户点击进入，还是长期品牌的网络声量，都成为数字广告营销的标准参考。
接下来，营销人员需要量化每个广告行为的回报和重要外部因素的影响。完成第一步后，进入情景模拟和使用预测分析工具。在分析引擎覆盖的数据指标中，归因、优化和分配是核心。“市场条件”的输入端包括了季节、油价、失业率、对手广告、竞价等控制变量；“消费者反应”这一端有搜索、在线聊天、访问商店、购买等数据。互联网数字广告的优势在于提供销售业绩数据，如售出数量、销售收入、利润、市场份额、广告份额、客户终身价值等。将这些数据加入广告计算后，提升了数字营销的运营速度和品牌适应市场快速变化的能力，详见第10章。
随着技术进步，互联网平台和广告主不断简化广告流程，包括广告购买、投放、评估、扩大（投放用户群）和撤销等环节。营销经理开始每周、每天甚至实时调整不同市场的广告分配。数字广告系统为优化师提供自动化工具，使调整能够瞬间完成。分配阶段包括将归因和优化的分析结果应用到市场、评估营销结果、校正模型和修正营销计划等。
广告分析法从过去少数媒介研究专家掌握的技能演变为实时规模化的数据处理分析，现已成为数字广告营销策略制定和投放运营的日常组成部分。
数字营销经历了约十五年的快速发展，形成了“数字营销上半场”。如今，许多数字营销团队负责人已晋升为公司高层，广告营销已深植数字基因，品牌主也精通数据分析。广告代理商若不能熟练地分析数据，将跟不上数智时代的广告业发展趋势。
迈入广告分析2.0时代，组织的数字技术至关重要，但仅有技术还不足以满足需求。尼科尔斯在《哈佛商业评论》中提出，所有广告营销都需要经历数字化转变，他建议注意以下五点：
❑ 高层支持：广告分析2.0方法需要得到高级管理层的支持。C级企业执行官，如首席营销官（CMO）、首席增长官（CGO）或首席数据官（CDO），应在职能上融合而非分割，加强使用实时广告营销数据支撑决策。
❑ 数据分析思维：项目负责人应具备数据分析思维。随着项目深入，项目负责人应有权引导业务计划制定和各部门（如市场部、销售部、信息部、财务部等）的资源分配。
❑ 选择性调研：成功应用广告分析2.0方法，将各部门零散的数据统一到营销增长导向。建立永久信息收集系统，如顾客数据平台，作为公司自有的顾客数据资产，并妥善维护。
❑ 逐步扩展：先对单个产品线、地理位置或产品类别进行分析，然后逐步扩展，更多地采用互联网行业的产品开发和迭代方法。
❑ 测试与反馈：积极测试并将结果反馈给分析模型，利用互联网数据完善分析模型。新测试目标是准确跨媒体回报归因，并参考互联网平台对各行业和品类的比较数据。
数字广告分析2.0模型在企业拥有多个销售渠道、多种产品或多个市场时变得复杂，此时具有特殊分析技术和计算能力的外包服务商（含数字广告与营销技术公司）显得尤为重要。
数字化公司需要经历数字广告分析2.0的转型变革。互联网广告平台和技术公司已具备数据科学分析的优势，这在一定程度上也会进一步推动广告主企业的数字化转型。在这条道路上，企业面临组织结构和数据处理（计算能力）的双重挑战。广告营销正迅速成为一场信息决策和处理效率方面的竞争。广告分析2.0方法推动企业完成数字化转型，加入数字广告生态系统。
21世纪，随着全球信息技术的不断发展和广泛应用，电子商务已成为企业间及企业与消费者之间进行信息沟通和贸易活动的重要形式，与消费者的日常生活紧密相关。科特勒观察指出：“大多数促销费用未能达到预期效果，仅有十分之一的促销活动能获得5%的响应率，这一数字还在持续下降。”在现代信息技术环境下，精准营销成为企业的新期待。
精准营销（precision marketing）是科特勒于2005年提出的一个营销理念：“具体而言，公司需要实施更精准、可量化且投资回报率高的营销传播，重视结果和行动导向的营销计划，并更多地投资于直接销售沟通。”遵循这一理念，网络和信息技术正在逐步改变传统的广告营销方式，成为数字营销发展的新趋势。
互联网企业、数字广告公司和数字营销技术企业共同推动了精准营销概念的普及和流行。精准营销依托先进的数据库技术、网络通信技术和高效的物流手段，实现企业与顾客的长期个性化沟通进而实现营销目标。
精准营销不仅是一种营销理念，也代表着营销预算投入的精准化和承担更多责任。这种方式摒弃了传统的“撒网式”传播策略和“发射后不管”（fire and forget）的代理商模式，使代理商的责权发生变化。以顾客关系管理的数据为导向，精准营销旨在解决不精准的广告问题。值得注意的是，全球的立法趋势正在通过赋予用户数据权力来制约广告营销的精准化。
精准营销 的个性化体系涵盖市场定位体系、个性化传播沟通体系和个性化产品及增值服务体系等，与精准的市场定位和传播相适应。企业需要针对不同的消费者和需求设计、制造和提供个性化的广告信息、产品和服务，以精准满足市场需求。
以大数据广告应用为例，精准广告投放的概念是由互联网平台和数字广告公司推广给品牌的，符合品牌主从营销学大师那里获得的启发。大数据技术在精准化广告投放中发挥了作用，其“精准定向”旨在影响潜在顾客，程序化技术（详见第8章）则提供技术支持。用户定向的特征工程（详见第9章）为精准化提供基础条件。
广告投放效果的下降进一步揭示了传统广告的局限性：营销投资回报率（Return on Marketing Investment，ROI）常通过媒体间接衡量，或根据年度预算的增长评估。像受众到达率、千人成本这类典型指标，测量的是广告规模而非营销效果。消费者实际购买的细节作为战役结果仍然隐秘，经济危机时营销预算经常首当其冲被削减。
另外，消费者对广告的防御性反应日益明显，“狂轰滥炸”式的大众媒体广告的营销效果日益减弱。消费者掌握的说服知识模型（Persuasion Knowledge Model，PKM）和广告回避理论（Advertising Avoidance Theory，AAT）增强了信息爆炸后的自主屏蔽效果。因此，精准营销基于精准化广告的基础，在2010～2018年得到了广泛应用。但在《中华人民共和国个人信息保护法》和《工业和信息化领域数据安全管理办法（试行）》的限制下，从2018年起，数字广告经营者和互联网平台开始谨慎使用“精准广告”和“精准营销”等词语。尽管如此，“精准营销”对品牌主而言仍是在实现长期价值的过程中所追求的目标愿景。
传统广告运作围绕媒体价值展开，广告投放首先基于媒体的内容定位来判断受众的大致身份和特征。通过媒体的总量数据（如发行量、收视率、读者问卷调研等）对媒体价值进行估算，并针对传统媒体的“时间”（广告时段）与“空间”（版面、广告位置）进行商业交易。这种模式称为传媒业“二次售卖”原理，即媒体先将内容免费“出售”给受众，然后再将聚集的受众“出售”给广告主。
这一原理指向了传统广告的核心逻辑——主要以媒体为中心，其价值评估主要依据媒体的覆盖人群和影响力。然而，这种模式因缺乏精细的数据收集和系统的数据支撑而存在局限性。舒尔茨指出：传统广告所依赖的媒体价值，无论是注意力价值还是影响力价值，都缺乏真正的量化评估标准。
与此相对，基于大数据的精准化广告实现了从媒体价值到消费者价值的根本转变。其核心逻辑是“以消费者为中心”，广告主或公司可以直接围绕数据追踪和标注的个体消费者展开推广。利用互联网和移动互联网聚集的用户及其行为数据，对标签化的消费者进行动态追踪和精准定位，针对消费情境和需求展开分析，进行有针对性的广告推送，并精准地分配每一笔广告预算以提升广告效果。此外，还包括根据精准评估的广告效果来实时调整广告策略。
大数据技术推动数字广告形成了一个精准、实时、可控、可反馈的 “闭环”营销 模式。在此模式中，媒体本身已不再是焦点，而是成为用户行为留存和记录的渠道及载体。最重要的资源是顾客，通过顾客数据的留存决定营销经理所经营的顾客生命周期价值。
传统广告通过在大众媒体上增加曝光规模和频次来提升品牌知名度和美誉度，核心在于面向大众的品牌营销理念。这种模式更适合实力雄厚的大企业和强势品牌，通过保持规模性和持续性的广告投放来维持品牌关注度和影响力。
《Facebook效应》中提到了Facebook的两大愿望：一是连接全世界，二是让广告成为用户需要的内容。在传统广告中，广告与内容是严格区分的，而大数据时代的精准化广告旨在实现“找对人”“找对时间”“找对地点”“说对话”。精准化广告通过提供个性化信息，更适时、适地、适度，更艺术化地满足目标消费者的需求。因此，广告变成了带有“价格标签”的内容，广告与内容的边界开始交融，形成广告内容化和原生化的趋势。
基于大数据的 精准化广告 通过技术手段精准捕捉和定位个体用户，进行精准化、实时化、个性化的广告投放。向特定的个体用户传播极具针对性的广告，提升广告传播效果，从而推动从“品牌营销”到“效果营销”的转型。
精准化广告通过与电子商务的购买支付体系关联，可直接促成广告点击和消费购买，形成“广告-用户-电商-顾客”的营销闭环，提升广告投放的效果转化能力和投资回报率。 效果营销 降低了广告主的预算门槛，也更适合中小型企业进行广告传播。
对于传统广告时代的品牌广告主而言，重视效果营销并不是忽视或取代品牌营销。一方面，效果营销是品牌营销的提升，注重个性和特质的传达；另一方面，品牌营销对消费者的品牌选择和消费决策仍然具有重要影响。如何量化品牌对营销效果的影响以及通过品牌广告效应提升营销效果转化，也是广告业的重要发展方向。
整合营销传播学派主张“以消费者为中心”，利用技术手段提升广告体验和优化广告投放。大数据驱动的精准化广告改变了“以媒体为中心”的传播学逻辑，确立了精准化广告的传播策略，成为通过数字广告实现目标效果的关键。
大数据技术、实时广告营销分析和精准化营销导向显著改变了营销研究和数字广告领域。根据互联网大数据对广告投资回报率进行闭环分析，可以发现数字广告营销实现了高精度的执行策略，这在理论和实践层面重塑了广告行业的企业经营管理模式。然而，与此同时，法律学者提出了对数据收集和数据挖掘可能侵犯隐私和公平性的担忧。为应对这些问题，国内外法律体系强化了对用户数据安全和个人信息保护的规范，以确保技术发展与个人隐私权的平衡。