【阿里妈妈营销科学系列】第三篇:受众沟通和品牌认知评价
??分析背景
品牌向目標(biāo)消費(fèi)者進(jìn)行新品推廣、內(nèi)容種草、心智提升時(shí),關(guān)注的并不是短期銷量,而是期望通過大規(guī)模曝光與受眾溝通,傳達(dá)品牌形象、產(chǎn)品功能,影響消費(fèi)者態(tài)度,提升品牌認(rèn)知度,從而影響長期購買決策,增加銷量實(shí)現(xiàn)市場份額的提升。在品效合一的營銷策略中,品牌效應(yīng)也是重點(diǎn)衡量的部分。
我們從受眾溝通能力和品牌認(rèn)知提升兩個(gè)方面來衡量營銷媒介的品牌效果,而受眾溝通能力評價(jià)也可適用于在投放前對目標(biāo)人群的媒介覆蓋能力評估,選擇合適的媒介。
??解決方案
受眾溝通能力
受眾溝通能力是以品牌觸達(dá)為目標(biāo),衡量渠道對目標(biāo)人群的覆蓋能力。我們可以從目標(biāo)受眾覆蓋力模型和覆蓋增量模型來評價(jià)本次營銷活動(dòng)中媒介渠道的受眾溝通能力。
目標(biāo)受眾覆蓋力模型
目標(biāo)受眾覆蓋力是品牌在渠道上對目標(biāo)受眾曝光的規(guī)模、效率、程度的衡量。通過覆蓋力模型,廣告主了解到本次投放對目標(biāo)受眾的覆蓋是否達(dá)到要求,是否有潛力媒體需要加大投放,是否有表現(xiàn)不足的媒體需要放棄。
衡量規(guī)模的指標(biāo): 目標(biāo)受眾到達(dá)人數(shù),目標(biāo)受眾到達(dá)次數(shù),目標(biāo)受眾到達(dá)率,毛評點(diǎn)igrp
衡量效率的指標(biāo): 目標(biāo)受眾濃度 、目標(biāo)受眾點(diǎn)擊率
衡量深度的指標(biāo): 目標(biāo)受眾人均曝光頻次 、目標(biāo)受眾人均停留時(shí)長等
分析方法
通過選擇用戶細(xì)分指定目標(biāo)受眾后,我們通過繪制氣泡圖,來對投放渠道的覆蓋力進(jìn)行評價(jià)。
橫軸x 是規(guī)模指標(biāo),比如目標(biāo)受眾到達(dá)人數(shù), 縱軸y是效率指標(biāo),比如目標(biāo)受眾濃度,氣泡大小是深度指標(biāo),比如目標(biāo)受眾人均曝光頻次,每個(gè)氣泡代表一種渠道或渠道組合。
氣泡圖可以直觀的對渠道的多個(gè)覆蓋力維度進(jìn)行綜合評價(jià),通過參考線將渠道氣泡劃成四個(gè)象限,對優(yōu)質(zhì)、低質(zhì)、問題、潛力渠道進(jìn)行甄別。
解讀舉例
第一象限: 高目標(biāo)受眾到達(dá)人數(shù)、高受眾濃度, 這里的渠道是優(yōu)質(zhì)渠道,流量覆蓋量大而且利用效率高,可以繼續(xù)保持投放。
第二象限: 低目標(biāo)受眾到達(dá)人數(shù),高受眾濃度,這里的渠道是潛力渠道,流量利用率高,但是覆蓋率不足,可以優(yōu)先篩選氣泡大即人均頻次的渠道去加大投放力度,獲得更多覆蓋。
第三象限: 低目標(biāo)受眾到達(dá)人數(shù),低受眾濃度,這里的渠道是低質(zhì)渠道,在預(yù)算不足情況下可以考慮放棄。
第四象限: 高目標(biāo)受眾到達(dá)人數(shù),低受眾濃度,這里的渠道是問題渠道,可以尋找原因是本身渠道特征中目標(biāo)受眾比例少,還是投放競價(jià)沒有爭取到目標(biāo)受眾,優(yōu)化投放策略。
覆蓋增量模型
覆蓋增量分析是評價(jià)品牌通過增加渠道投放,對目標(biāo)受眾到達(dá)量增量的衡量。廣告主希望通過在合理成本內(nèi)獲得更多目標(biāo)受眾的覆蓋到達(dá), 該模型可以幫助廣告主了解哪些渠道組合能夠最快達(dá)成覆蓋目標(biāo)。
衡量指標(biāo): 到達(dá)人數(shù) ,到達(dá)率
分析方法
分析者依次選擇投放的媒體,第一個(gè)媒體作為基準(zhǔn)媒體,通常他具有最大的目標(biāo)受眾到達(dá)人數(shù),之后的媒體以此為基準(zhǔn),每增加一個(gè)媒體,能覆蓋多少額外的目標(biāo)受眾。分析結(jié)果以瀑布圖的形式展示了增量過程,最右的柱子代表的所選的渠道一共覆蓋了多少目標(biāo)受眾。
下圖選擇為:
目標(biāo)人群:我品牌的目標(biāo)人群
基準(zhǔn)媒體:渠道A
增量媒體:渠道B、渠道C、渠道D、渠道E
解讀舉例
某品牌對本次營銷活動(dòng)中各渠道的目標(biāo)受眾到達(dá)情況進(jìn)行了解,期望以盡量少的媒體達(dá)到期望的目標(biāo)受眾到達(dá)覆蓋。
以A渠道為基礎(chǔ)渠道,它到達(dá)覆蓋1530萬目標(biāo)受眾,增加了B渠道以后, A和B渠道的到達(dá)群去重后,相比僅A渠道增加了1011萬目標(biāo)受眾。依次增加C,D,E 渠道,最終獲得2974萬目標(biāo)受眾。其中E渠道相對于ABCD渠道一起,能新增的目標(biāo)受眾量很少, 可以考慮舍棄。
品牌認(rèn)知度提升
品牌廣告尤其是展示、視頻類廣告,投放目的是提升品牌知名度和興趣程度,并不是為了促進(jìn)直接轉(zhuǎn)化。因此需要通過目標(biāo)受眾的知名度和購買意愿提升度來衡量渠道上品牌廣告的效果。
分析方法
在線衡量品牌提升可以通過兩種方式,用戶線上行為衡量和發(fā)送線上調(diào)研問卷測量。
線上行為衡量
衡量品牌知名度的線上行為的指標(biāo)通常有品牌回搜率,即品牌觸達(dá)的用戶,在觸達(dá)后一段時(shí)間內(nèi)搜索帶有指定回搜詞的比例。
衡量購買意愿的線上行為,通常是一系列品牌互動(dòng)行為的綜合打分指數(shù)或者綜合互動(dòng)率,比如品牌站點(diǎn)瀏覽、互動(dòng)、商品收藏、商品加購等行為。
以上行為在營銷活動(dòng)效果中都可以稱為轉(zhuǎn)化行為,通過對比目標(biāo)受眾曝光組較控制組的回搜率、購買意愿指數(shù)的比值差異LIFT值,來評價(jià)品牌廣告是否提升了目標(biāo)受眾的知名度和興趣程度。
LIFT%= 曝光組轉(zhuǎn)化率/控制組轉(zhuǎn)化率-1
通常未曝光組的選擇需要是曝光組的同質(zhì)人群。通過渠道、頻次、目標(biāo)受眾、人群屬性的對比,還可以了解
什么渠道、創(chuàng)意對品牌提升促進(jìn)最大?
觸達(dá)頻次對品牌提升的影響?
不同人群在品牌提升幅度差異?
在線調(diào)研
在線調(diào)研是對品牌曝光的人群隨機(jī)發(fā)送問卷,獲取受眾對品牌以及品牌廣告的心理認(rèn)知,包括品牌形象、產(chǎn)品信息、喜愛度、美譽(yù)度等,并與非曝光組進(jìn)行對比,評估品牌廣告對受眾心理認(rèn)知的提升。問卷有專業(yè)團(tuán)隊(duì)按品牌專門定制,這里不多做贅述。
模型介紹
在最簡單的場景下,圈定目標(biāo)人群,直接對比看過廣告曝光組和沒看過廣告的控制組的品牌認(rèn)知行為,獲得差異及提升率。但這樣的對比其實(shí)有缺陷, 主要是因?yàn)榭催^廣告和沒看過廣告的人群有差異,不是同質(zhì)的。看到廣告的人可能在廣告平臺更活躍、或者被本身更適合品牌才獲得了更多曝光可能性,同時(shí)這些特征也會(huì)導(dǎo)致曝光的人最終更容易與品牌發(fā)生互動(dòng),導(dǎo)致計(jì)算出的認(rèn)知度提升,并不僅僅是由廣告曝光引起的。要獲得更合理科學(xué)的評價(jià)廣告觸達(dá)后的轉(zhuǎn)化提升效應(yīng),需要使用因果推斷模型,下面我們介紹兩種常用的方式:事前隨機(jī)化的ABtest試驗(yàn),事后隨機(jī)化的傾向分匹配模型。
首先我們先定義:
處理組(treatment) : 看到指定廣告的人群
控制組 (control): 未看到指定廣告的人群
轉(zhuǎn)化:任一衡量品牌認(rèn)知的行為
ABtest方法
AB 測試也稱為在線對照試驗(yàn) (Online Controlled Experiments) ,是事前隨機(jī)化的實(shí)驗(yàn)方法。通過針對性的實(shí)驗(yàn)設(shè)計(jì),考察處理因素與結(jié)果變量間的因果關(guān)系,獲得效果提升增量。
衡量廣告片的品牌詞回搜效果為例, 首先要計(jì)算樣本量,將廣告位用戶流量隨機(jī)分割成 A/B 兩組,一組處理組,一組控制組,兩組用戶特點(diǎn)一致。同時(shí)運(yùn)行試驗(yàn),處理組曝光指定廣告,控制組曝光不含產(chǎn)品信息的白板廣告,比如公益廣告。試驗(yàn)運(yùn)行一段時(shí)間后分別統(tǒng)計(jì)兩組用戶的表現(xiàn),再將數(shù)據(jù)結(jié)果進(jìn)行對比,可以得出廣告對品牌認(rèn)知提升作用。
常見的ABtest方式傾向分匹配模型(PSM)
并不是所有營銷場景,均可以使用事前隨機(jī)化的方式對人群進(jìn)行控制,比如想衡量某期節(jié)目中植入廣告對品牌認(rèn)知的影響,分析者無法事先指定一群人不準(zhǔn)他們看節(jié)目。因此,我們采用已有的觀察數(shù)據(jù)進(jìn)行事后隨機(jī)化,進(jìn)行因果推斷分析。
場景舉例:
某護(hù)膚品牌在某期綜藝節(jié)目中植入廣告進(jìn)行品牌推廣,想衡量本期綜藝中的廣告創(chuàng)意對品牌認(rèn)知度的提升作用。
圖片僅作植入廣告形式說明,與案例無關(guān)處理組: 有效觀看該節(jié)目的人(廣告曝光)
控制組: 沒有觀看該節(jié)目的人 (未廣告曝光)
Treatment: 有效觀看該節(jié)目=1
我們知道,綜藝節(jié)目有內(nèi)容受眾人群,觀看該節(jié)目的人和不看的人會(huì)有特征上的差異,這些差異會(huì)導(dǎo)致廣告曝光的品牌認(rèn)知提升效果衡量出現(xiàn)偏差。
問題:在研究自變量(曝光)對因變量(成交)的關(guān)系時(shí),由于存在混淆變量,影響個(gè)體被自變量影響的概率,使得處理組和控制組不同質(zhì),影響自變量對因變量的“凈效果”?;煜兞康挠绊懗蔀檫x擇性誤差。
被曝光到的群體,如果當(dāng)時(shí)沒有被曝光到,會(huì)是怎樣的結(jié)果?
實(shí)際的處理效應(yīng)(因果)=曝光者的效果- 曝光者假如沒有被曝光時(shí)候的效果
在一個(gè)個(gè)體上最終只有一個(gè)結(jié)果會(huì)出現(xiàn)并被觀察到,也就是和個(gè)體所接受的處理相對應(yīng)的那個(gè)結(jié)果?!凹偃鐩]有曝光“是可能結(jié)果,是想象出來的,所以我們稱為反事實(shí)。一個(gè)應(yīng)該被曝光到的人,被曝光到和沒被曝光到都是潛在結(jié)果,但最終的觀察事實(shí)只有一種,另一個(gè)潛在結(jié)果是觀察不到的。我們能觀察到的是,被曝光的處理組,不被曝光的控制組。
因此傾向分匹配模型,就是要從控制組中找出一批和曝光組同質(zhì)的人群進(jìn)行對比。
傾向分匹配模型步驟:
選擇混雜變量,這些變量可能影響曝光或轉(zhuǎn)化的概率,比如性別、年齡、城市等級、購物偏好、網(wǎng)站活躍情況等
將混雜因素作為自變量,處理因素作為因變量進(jìn)行邏輯回歸,對樣本被處理(曝光)到的可能性進(jìn)行評分 ,即傾向分
分值最接近個(gè)體進(jìn)行配對,為每個(gè)處理組樣本找到“最同質(zhì)“的控制組樣本
匹配后做樣本平衡性檢定,混雜變量在兩組樣本中均衡可比,近似代替自身反事實(shí)狀態(tài)下結(jié)果,相當(dāng)于一次事后隨機(jī)化,從而減少選擇性誤差。
估計(jì)處理組平均效應(yīng) ATT(average treatment effect on the treated)=處理組效果-控制組效果
解讀舉例
某護(hù)膚品牌在某期綜藝節(jié)目中植入廣告進(jìn)行品牌推廣,想衡量本期綜藝中的廣告創(chuàng)意對品牌認(rèn)知度的提升作用。
對節(jié)目上線一周內(nèi)有效觀看者作為處理組,同期在改視頻網(wǎng)站上訪問但沒有看該節(jié)目的人作為原始控制組,通過傾向分匹配模型找出處理組的同質(zhì)控制組,并評價(jià)他們在節(jié)目有效觀看后品牌回搜率的差異。
人群同質(zhì)化前: ?處理組 vs 原始控制組 品牌回搜率處理效應(yīng)0.129%,提升率153%。控制了人群選擇效應(yīng)以后:處理組 vs 同質(zhì)人群品牌回搜率處理效應(yīng)為0.063% ,提升率為42%。
當(dāng)然,事后隨機(jī)化只是在無法做事前隨機(jī)化時(shí)一種彌補(bǔ)措施,由于無法窮舉所有的混雜因素,分析者僅能在已選的混雜因素上去控制兩組平衡。
??關(guān)于我們
阿里媽媽SDS(Strategic Data Solutions)團(tuán)隊(duì),致力于用數(shù)據(jù)讓商家和平臺的增長戰(zhàn)略更加科學(xué)有效。我們?yōu)榘⒗飲寢屓€廣告客戶提供營銷洞察、營銷策略、價(jià)值量化及效果歸因的技術(shù)服務(wù)。
投遞簡歷郵箱:
alimama_tech@service.alibaba.com
延展閱讀:
【阿里媽媽營銷科學(xué)系列】開篇:C.M.O——“人群.渠道.機(jī)會(huì)”營銷分析導(dǎo)論
【阿里媽媽營銷科學(xué)系列】第一篇:消費(fèi)者資產(chǎn)分析
【阿里媽媽營銷科學(xué)系列】第二篇:消費(fèi)者行為分析
END
歡迎關(guān)注「阿里媽媽技術(shù)」,了解更多~
瘋狂暗示↓↓↓↓↓↓↓
創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯,堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)總結(jié)
以上是生活随笔為你收集整理的【阿里妈妈营销科学系列】第三篇:受众沟通和品牌认知评价的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: CIKM 2021 | 多场景下的星型C
- 下一篇: 双11技术分享 | “喵糖”背后的商业化