|
当前,广告业正面临巨大的变革。程序化广告正以极快的速度,成为广告主的营销首选。那么,对于程序化广告,你又了解多少?这正是一篇带你快速了解程序化广告的干货分享!我们针对广告主、广告代理商经常提出的有关程序化广告的问题作出了客观的解答,期望以此为契机,为您如何应对数字营销提供一些启示。
一、程序化广告真的有效吗?
从广告投放方式看,广告主可以选择:1.电视、广播、报纸、楼宇、广告牌、大屏幕等传统广告形式;2.搜索广告、展示类广告、电子邮件等互联网广告形式。因此,回答是否有效这个问题,就要将程序化广告与传统广告做一下对比。
首先,程序化广告在投放中有丰富的数据作支撑。以这些数据作为基础就可以分析出哪类人群是潜在目标受众;哪些广告创意、广告文案更吸引人;还可以在广告投放中,实时分析出哪些投放给了无需求的受众;并针对更有需求的优质受众群体重点投放...这样做,不仅能精准的定位目标受众,有效提升转化率,更能节约大量的投放成本。
另外,从考量效果上看,程序化广告更能够有直观的、可量化的数据指标,即每次展示、每次点击、每次注册都有详细到个位的统计,这是广告主希望见到的,而传统广告却无法做到。这种互联网广告效果好坏的可监控和可衡量,可以方便广告主与优化人员直观了解投放环境和进程,实时调整营销策略,最大化提升
ROI。
综上所述,可以明确的说:程序化广告不仅是有效的,而且随着技术手段的愈加成熟和从业者的探索创新,程序化广告的效果更会越来越好!
二、如何评估程序化广告的效果?如何计算潜在的转化率?
程序化广告投放势必要进行效果评估。从美数以往的投放经历来看,广告主、代理商对于广告效果的评估多是结果导向,即以一段时间内数据为参考标准来衡量效果:曝光率、点击率、到达率及转化率等都是重点衡量指标。事实上,对于甲方来说,这种结果导向型的评估思路带来了效果及时传递、可量化衡量等好处,是普遍应用且具备一定价值性的。
但同时,也带来了坏处——“一切皆以结果说话”,某种程度上,会导致考核的片面性和投放策略调整的实时性。因为,在当前错综复杂的互联网环境下,消费者无法长时间始终聚焦在某一块屏幕上。例如:支付宝、微信等支付的便捷、优惠手段让很多人最终选择在移动端下单购物;但是在此之前,他们仍需通过
PC、智能电视等屏幕了解、认识品牌。因此,评估广告效果或者说计算潜在转化率,就不能单纯依靠某一单一渠道或单纯的最终数据进行效果评估,而是需要对各阶段的广告投放效果进行综合性评估,建立多触点、多渠道的归因分析模型,然后根据评估结果适时调整广告投放节奏和安排,在不断的广告效果评估中去优化和发挥所购买广告的最大化效应和价值。
此外,如果广告主过于强调直接数据效果,也会导致服务你的广告商可能在流量规模上无法满足你的要求。此时,其可能会与渠道方为了“利益共享”而展开某些作弊手段。作弊行业的水之深,一般的广告主不仅无法去探底和解决,最终也会反受其害,投放效果大大降低。
三、通过对用户数据的抓取、分析和挖掘,是否可以绝对保证广告推送的准确度?
理论上来讲是可以的。以现在的广告技术手段,通过对用户线上的浏览纪录产生的数据进行挖掘和分析,使服务端构建的用户模型无限接近真实用户,在一定程度上是可以还原用户行为模式和偏好的,当然这也取决于人群粒度的细分度、精确度。
但在实际处理过程中,用户是复杂多面、持续变化的个体,且数据来源、数据集规模和建模学习算法有天然上限,加之国内“围墙花园”的特殊形态,如何计算用户真正的实时兴趣,是个较大的问题。
另一方面,实时广告推送会导致用户的反感和防备,进而出现线上浏览与行动的扭曲和变形。所以将广告的推送精准度、推送频次、推送渠道与消费者的接受程度达到良好均衡点,显得尤为关键。
四、从PC向移动互联时代的转化中,广告投放存在哪些问题,该如何解决?
1)广告形式不够内容化、服务化、品牌化。与 PC端简单粗放的
Banner、弹窗等广告形式相比,移动端虽然受屏幕尺寸的限制,却因其独占性、社交性、个性化、碎片化、场景化的天热优势,给广告提供了更好的土壤。随着当前移动广告形态的逐渐多元化:Banner广告、全屏广告、插屏广告、视频广告、原生广告等,但是由于缺乏标准和规范,移动广告的呈现正在逐渐成为用户的“灾难”,一些移动广告的呈现内容、呈现篇幅、呈现时长和呈现频次正饱受诟病。这些“无用的”广告呈现不仅没有达到广告主的预期效果,反而影响用户体验,损害了品牌形象。因此,要想真正发挥移动广告的效用,就要真正将内容与广告高度吻合,让广告素材和用户当前所处的场景、媒体上下文紧密结合,为受众提供精准、定制化的个性广告服务。当然这还需要更深层次的了解媒体属性、明确广告需求加以丰富的营销场景。
2)数据来源割裂,整合困难。虽然理论上来说,移动环境对用户的了解更加深入,但运用到实际的数据获取、整合中却存在挑战。移动与
PC相比,移动各应用之间相对独立,没有
Web环境下超链接那样的组织体系,因此数据来源呈断点式形态,整合起来比较困难。Web生态下常用的数据交接口,如
JS跟踪代码之类,在应用生态中则需要更加复杂的
SDK来解决,可行性往往大打折扣。因此通过多源数据的聚类交叉分析,让数据真正流动、融合起来,才有望释放大数据的真正价值。
五、互联网广告投放中,广告主该如何保障自身品牌和利益,最大程度避免广告作弊?
第一,设置合理的
KPI目标。当前,许多广告主不能正确看待程序化广告、大数据技术等,盲目把所有的广告效果期许都施之于上,在此基础上设置了不合理的
KPI指标。要知道,程序化广告也好,大数据技术也罢,都只是营销手段和工具,而不是万能的“良药”。如果广告主过度追求
KPI,必然造成不良的短期行为,导致服务方与渠道方为了“利益共享”而展开某些作弊手段,造成“劣币”驱逐很多认真客观做事的“良币”的现象。
第二,正确选择 DSP平台。目前国内市场上有逾百家 DSP供应商。广告主在选择 DSP的时候,应从多方面进行考量:
1)技术、算法能力。规避异常流量一定要有强大的机器学习算法、持续优化反作弊技术能力为支撑,建立有效的防作弊体系,通过 IP分析、行为习惯分析、系统识别、设备识别等多维度分析、评估、识别和去除假量;
2)强大的数据积累及处理能力。长期积累的受众数据可对异常流量分析判断进行指导;其次,面对每日百亿量级流量,能否及时有效的去伪存真,也是考量 DSP供应商的重要因素之一;
3)专业的服务能力。选择 DSP平台,还要看其是否具有丰富的、给广告主可信赖感的服务能力。比如,能否给客户方提供良好的提案建议和运营指导、是否用心的去沟通优化,直到效果让客户满意等等。
第三,与第三方监测机构进行紧密合作。广告主还可以通过与第三方反作弊服务机构、品牌安全服务机构建立合作关系,从供应商评估、媒体采购优化、品牌安全及投放效果监测等多个方面入手进行品牌安全检测服务,从各个环节击破作弊行为。
在这里,大家还要明确一点:“作弊”问题并不是互联网广告特有的,之前传统广告采买中肯定也存在类似的黑幕,只是因为数据和执行过程不能可视化和可量化,很少被人洞察罢了。从另一方面来看,在互联网广告中,一些程序化广告技术工具的出现,反而让一切营销效果更透明,保障了广告主的利益,推动了整个产业向更健康的方向发展。
六、京东、淘宝等大型互联网公司都在自建DSP平台,目的是什么?为什么不使用现有第三方DSP平台?如自建DSP平台需要考虑哪些因素?
对于广告主来说,流量导入的重要性是不言而喻的。当如今的流量购买和投放已经在向程序化领域集中时,DSP平台就成为了广告主们最为重要的营销武器。类似京东、淘宝、宝洁等广告主都是在使用
DSP推广后,看到了程序化对其业务带来的实际性增长效果,于是希望通过自建
DSP来进一步实现降低推广成本、保护私有数据、高度匹配自有评估标准的需求。另外,由于第三方
DSP公司都有自己的广告推荐算法,这些算法为了效率等因素不太容易随意修改和调整,因此对于广告主来说并不一定是最优方式。而通过自建
DSP对数据、受众、关注媒体的特点进行自行设计和优化投放,可控性则更强。
但这并不意味着所有广告主都适合自建
DSP平台。自建平台前首先要考虑的就是投入产出比。还以京东为例,它作为大型的电商每年在流量上的花费不菲,同时发展规模已具备了建设自己技术团队和硬件的基础,也就是收入与支出对比优势明显,那自建是一个顺理成章的行为。而如自建平台的成本支出(包括机房、硬件设备、技术运营人才组建等)和精力投入(如各渠道资源谈判、整合;长期维护、优化平台等)大于采用第三方
DSP所产生的营销费用,那自建就是一个冒险的行为。
但对于广告主,更希望对自己的数据有绝对掌控权。这时,就有一个折中的办法,即自建 DMP对接其他 DSP,由自己的 DMP指挥
DSP投放,DSP只能得到是否投放的指令,而得不到或者最小范围内得到相应的数据。可谓两全其美。美数就是一家基于 SaaS服务模式的独立第三方
DMP服务开发商,其强有力的数据吸纳整合、数据建模分析、数据挖掘优化、数据管理应用、数据安全防护能力,可实时为广告主提供独家定制化解决方案,保证广告主对所有数据产权和技术的绝对控制权和使用权。
总之,程序化虽然带来了革命性的变化,但营销本质从未变化。深入了解消费者,为消费者服务才是广告的本质和灵魂。对于广告主,要有自己的数据战略,看清形势和自我优势再去行动,扬长避短才能事半功倍。
结语
数字化时代,品牌营销面临着新的机遇,同时也面临着巨大的挑战。对于营销者来说,对行业相关概念和方法拥有正确的认知,是制定营销策略的必备前提。本文不期望一蹴而就让广告主透彻搞懂数字营销,只希望或许能给您一些启示,提升您未来决策的合理性和效果性!
免责声明:本文内容均来企业宣传,转载目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议,请注意可能的风险。请读者仅作参考,并请自行承担全部责任。
|
|