东川解困品牌营销的“小数据分析” -如何在数据有限的不利条件下“从品到效”科学评估广告效果？

作品信息

作品描述

背景

当前“大数据”、“机器学习”、“深度学习”成为了一种流行文化和趋势，更是“数字 营销”领域专业人员所津津乐道的话题，而传统营销也在努力地往这一方向靠拢。 但在现实的商业环境中，我们又存在着众多的困惑，比如：如何在数据有限的不利条件下，完成“从品到效”的全链路评估媒体的广告效果？
解决这类问题，市场上的“大数据“玩家一般会声称可以通过“数据打通”拿到大到几乎涵盖总体的全链路全用户数据，然后“归因算法”给出评估结论，这种方法且不论合作上技术和商业可行性，随着个人隐私法律法规健全，逾越法律红线当下已完全行不通。因此我们回归到传统基于样本的“小数据”研究方法上群求突破。

目标

在“品效迁移”链路重构大趋势下，如何客观衡量视频类广告跨屏、跨广告形式组合的效果，成为业界的热点和痛点。整个行业也需要“从品到效”全链路的广告效果评估体系，以正确指导媒介投放策略。

创意

首先，在指标体系设计中，提出了前链路到后链路的全链路观点； 涉及两大维度——
维度一 品牌力指数
维度二 后链路转化力指数
从而构建起综合不同广告形式效果的综合评估指标体系，实现前链路到后链路及库存规模的360度视角。
此外，还结合实际案例数据库及线上调研结果，通过统计计量模型的定量分析和模拟，评估和对比“效果优先”、“品牌优先”和“传统策略”这三种不同媒介投放策略的投资回报率，以帮助广告主根据自己的全链路所侧重的策略方向，确定媒介资源最优的组合方式。

结果

从解决广告主的品效评估实践中遇到的典型问题，我们总结出一个与“大数据”正好相反的概念，称之为“小数据”。 “小数据”本质上是信息获取的有限性和局限性，对我们的决策构成的天然约束。我们的任务是在这样的约束条件下，如何使得决策最为理性和科学。
这次项目实践是业内较为完备地对前后全链路不同广告形式的效果所做的综合性研究，传统研究方法结合互联网广告技术，探索出崭新的行之有效的数字广告研究思路，由爱奇艺、东川广告技术、勾正联合发布了行业白皮书，对数据研究，媒介方及广告主媒介策略均有一定的指导和借鉴意义。

分析

假设基于大数据”打通“能力”不存在的后IDFA时代，为了取得“前链路品牌心智占领”研究资料，主要采用了线上问卷调研的方式以获得客观数据。
而且线上调用充分运用了程序化购买环境中的“准实验”方式，以东川广告技术Ad Serving平台为核心，实现问卷对实际曝光特定类型广告受众的定向追投；OTT端则联合大屏研究机构勾正数据作为DMP实现部分样本的定向追投。
计量模型分析则量化分析了影响CTR及CVR的各个可能的驱动因素，从而构建对CTR及CVR的预测模型。
整体用“小数据”样本方法结合可靠可行Ad Tech方法实践，探索出行之有效的数字媒介研究新思路。