数据驱动的互联网营销和运营
宋星的个人博客

数据·赋能·营销 – WAW沙龙北京2017年11月活动!

宋星阅读(1126)

“数据·赋能·营销”的WAW沙龙北京站!

接近岁末,如果问你2017年的互联网营销留给你什么印象,你会怎么回答?

对于我,两个最重要的事情不可能忽略——数据与寡头。

数据,在2017年突然如暴雨般冲刷了数字营销的几乎每个角落。媒体、广告代理、广告主、运营商以及技术解决方案公司不仅言必谈数据,更是纷纷将数据作为自己的竞争优势呈上前台。这在过去是从来没有过的如此整齐划一的奇观。

寡头,则是另一个人让我无法释怀的“奇观”。这个词其实并不带有贬义,它描述了一个集中化的现象,描述了长尾失效的内容的聚集以及由此而来的广告资源话语权的重新分配。但是,很有意思的,在2017年,这一权利的分配彻底改变了整个行业的生态。

所以,数据和寡头交织,勾勒了2017年整个中国互联网营销的一副充满诡辩氛围的浮世绘——数据揭示了一个尚未成型却光芒万丈的未来,而寡头却又奠定了现实中的已然格局清晰的未来。

这到底是什么样的一个未来,我们将怎么面对这样的未来?

为了解答这个问题,我们从现在寻找答案。

因此,这一次的WAW沙龙,我们的主题定为:“数据·赋能·营销”,并且请到了三位可以称得上“从未来而来的分享者”,他们一位来自“数据”,一位来自“寡头”,再加上我,似乎只能称得上来自“现实”,为大家奉献一场关于何为数据、何为用数据赋能的营销的思辨盛会。

分享内容

看看具体内容吧!

分享一:市场营销与业务增长的数据之道

分享嘉宾:神策数据(SensorsData)创始人兼CEO 桑文锋

桑文锋的大名不用多介绍了,在行业中他拥有众多粉丝。神策数据同样不用过多介绍,这家公司在用户行为追踪、企业级的数据分析系统搭建以及增长工具等领域均称得上首屈一指。

这次分享,他为我们谈一谈他理解的市场营销与业务增长的数据之道。

包含如下内容:

  • 入境营销(inbound marketing)的数据优化策略
  • 品牌营销的数据分析与优化
  • 利用数据驱动的B2B和SaaS行业的新媒体运营

文锋的粉丝们千万不能错过!

分享二:阿里Uni Desk的数据赋能

分享嘉宾:阿里巴巴Uni Desk业务总经理 闫昊

阿里的Uni Marketing前段时间在行业中掀起了浪潮,这其中又属Uni Desk特别引人注目。我在前段时间写的一篇文章:《令行业颤抖的阿里的Uni Marketing全域营销是什么?》专门进行了介绍。

不过,这是我个人的解读,我们的读者群里有强烈的呼声希望能够有来自阿里内部的更“内行”的解读。所以,不负众望,我们请来了阿里专门负责Uni Desk业务的闫昊先生给我们做关于Uni Desk的分享!

这个分享包含如下内容:

  • 阿里正在用大数据全面赋能品牌营销
  • Uni Desk赋能了谁?
  • 数据在实战中的一些洞见
  • 未来已来,我能做些什么?

分享三:互联网营销效果提升的密码

分享嘉宾:互联网数据官创始人 宋星

提升互联网营销的效果,是一个很大的命题,而且在“互联网进入下半场”的新形势下,提升互联网营销效果的思维也跟过去有很大的不同。此次分享将阐述在互联网营销效果提升中起到关键作用三个要素(密钥)。

分享的主要内容如下:

  • 互联网营销核心竞争优势来源的普遍误解(技术驱动和流量红利)
  • 营销获客的提升密码:人群、成本等约束条件下的获客思维
  • 承接与互动:核心人群的说服与次级人群的迁移
  • 转化与维系:漏斗、微转化和时间周期思维

还有其他升级!

从这一次WAW活动开始,WAW活动将增加大家social networking(交新朋友)的时间。活动将提前到7点钟即开放,7点-8点,我们提供茶歇、饮料和小食品等——当然吃不是目的,跟同行朋友们交流才是最重要的,不是吗?

所以,如果有空,欢迎早点到,WAW的大门为大家敞开!

时间地点

时间升级:2017年11月22日晚19:00-22:30(19:00-20:00 签到+茶歇交流认识朋友,20:00正式开始分享)。

地点升级:酒仙桥北路9号恒通国际创新园八九街C8-g Mee Park(如下图)

为什么说地点升级呢?此次场地是专业活动场地,这也是TED所使用的场地。

活动费用

早鸟票:老规矩仍然是100元/人(仅限11月22日前报名)。

现场票:150元/人。

特别解释一下,活动费用是大家众筹场地、演讲者、茶歇等费用。如果有盈余,将会继续作为WAW的活动经费。WAW不是盈利机构,所以也不能给大家开具发票。如果介意,请慎重付费。

如何报名

方式一:微信扫描以下二维码

方式二:点击以下链接报名

http://t.cn/RWk1HHX

最后感谢本次优惠提供会场的Mee Park!希望大家在这里收获一个愉快的夜晚。

强烈推荐:互联网营销和分析专用名词速览(2017年11月加强版)

宋星阅读(4136)

 

Part1:最基本的名词

Ads:就是广告(名词)的英语复数啦。Ads = Advertisements。如果是“做广告”(动词),应该用Advertising。

Click:点击,是指互联网用户点击某个广告的次数。

CPM:Cost Per Mille,这次实际上省略了impression,全文应该是cost per mille impression。Mille是千的意思,在英语中它只跟着per一起用,即per mille,就是汉语的“每千……”的意思。所以CPM是每千次展示的成本。

CPC:Cost Per Click,每次点击的成本。

CTR:Click Through Rate,点击率。就是用click除以impression的比例。

DA:Digital Marketing Analytics的缩写。数字营销分析。

Impression:意思是“曝光”,也被称为“展示”或“显示”,是衡量广告被显示的次数,一个广告被显示了多少次,它就计数多少。比如,你打开新浪的一个页面,这上面的所有广告就被“显示”了1次,每个广告增加1个Impression。

PPC:Pay Per Click的简称。一般是特指搜索引擎的付费竞价排名广告推广形式,因为搜索引擎竞价排名只有一种收费方式,即按照点击付费。虽然也有其他广告形式也是按照点击数量来进行收费,一般不被称为PPC,而被称为CPC,即Cost Per Click。为什么?似乎是约定俗成。

ROI:Return On Investment的简称。一般而言on这个词是应该小写的,所以ROI似乎应该是RoI,不过大家都约定俗成了,不必较真。ROI是典型的追求效果类的营销的关键指标。在中国的互联网营销,这个值一般指的是,我花了多少钱推广费,直接产生了多少的销售。比如花了1万元做SEM推广,直接卖了3万元的货。ROI会被认为做到了3(即3:1)。这一点与财务计算上的ROI是不同的,后者是利润和投入的比值,但在互联网营销上,大家没有把利润作为R,而是用GMV。关于GMV是什么,本文的下篇有。:)

SEM: (Search Engine Marketing)(搜索引擎营销),实际上它是可以适用于以下任何一种表达的模糊术语:1.涉及使用搜索引擎的任何数字营销,或2.仅涉及搜索引擎的付费数字营销,即:PPC(付费 – 点击)。对于哪个定义是正确的,没有一个准确的标准,但后者是最常用的。

SEO:Search Engine Optimization的简称。就是搜索引擎优化,特别指搜索引擎搜索结果自然排名的优化。所谓自然排名,就是不通过给搜索引擎付钱就能获得的排名。不花钱就能被搜索引擎排到前面当然是好事,但大家(每个网站)都这么想,所以要出头还挺难的。懂得这个领域的高手过去能挣很多钱,但今天SEO却越来越短时间内就出效果,所以想要通过SEO挣快钱越来越难。

Social:社会化,是social marketing(社会化营销)或者social media(社会化媒体)的简称,具体指二者的哪一个要看场合。社会化媒体,在中国过去是人人网、开心网之类,现在是微信、微博、图片分享类网站应用等。

WA:Web Analytics的缩写。就是网站分析。

 

Part2:数据分析领域

AI和BI:AI是Artificial Intelligence(人工智能)的简称;BI是Business Intelligence(商业智能)的简称。商业智能又称商业智慧或商务智能,在过去指用数据仓库技术、联机分析处理技术、数据挖掘和数据可视化技术等进行数据分析以实现商业价值的一种能力。今天的商业智能开始引入人工智能,从而进入一个新的领域。

Benchmark:我在大学的时候这个词被翻译为“定标比超”,真是不明觉厉的感觉呀。Benchmark就是“可以作为对比的参照值”。我的很多客户会问,这个指标在行业中的平均情况是什么样呀?他们的问题可以同样表述为:这个指标在行业中的benchmark是多少?

Bubble Chart:气泡图。一种最多能够表示同一个事物的四个维度(但是一般只用其中三个)的直观的数据可视化方式。这种方式多用在分析流量、用户或者内容的表现上。

Cohort:没有比较约定俗成的翻译,比较多的翻译是“同期群”。跟Segmentation有点类似,但内涵要多一点,多点排队的意思。Cohort一般是一种分析方法,所以一般不单独出来,而是跟analysis在一起,即cohort analysis——同期群分析。这是一种很重要的分析方法,尤其在分析ROI、用户留存这两个领域。课堂上会详细介绍。

Dimension:维度。维度是对一指一个事物的不同的方面、特征或者属性。这么说太抽象。简单说,人可以分成男人和女人,性别就是人的一种维度。或者汽车可以分为白色、黑色、红色等,颜色就是汽车的一种维度。维度是最基本的数据结构,任何一个度量(指标)必须要依附于一个具体的维度才有意义。比如说,我说visit=100,这没有任何意义。我说搜索引擎给我的网站带来的visit=100,就有了意义。搜索引擎流量就是维度(即流量来源)的具体的值(就如同男人是性别这个维度的具体的值)。

Filter:过滤。过滤是指摒弃掉不需要的数据,只留下需要的。过滤都需要遵循一定的规则(这是废话),而且过滤掉的数据往往不能找回。过滤是一种常用的定位某个细分领域的方法,与细分(segmentation)的区别在于,segmentation是把总体分成并列的若干块(segment),而Filter则只保留符合规则的块,而丢弃其他不符合规则的块。

Machine Learning:专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

Metric(常用作复数,即Metrics):通常翻译为度量或者指标,但是因为指标含义更宽泛,例如KPI或者benchmark都可能被称为指标,所以在我的培训中metrics都是用度量来表示,这样更严谨。度量绝大多数都能能用数字表示,比如汽车的速度,速度就是度量。课程中涉及到的度量分为两类,一类是计数度量(比如常见的PV、UV、访次、停留时间等)和复合度量(两个度量四则运算而成,常见的有转化率、跳出率、留存率、活跃率等)。另外有些度量使用布尔量表示,即是或非。度量必须依附于维度才有意义。

Pattern:指某种会重复出现的模式或规律。Pattern常常用于发现用户行为上的某些趋同特征。比如,我们发现用户都喜欢在晚上10点到11点打开某个app应用,这就是一种pattern。如果我说发现了一个pattern,很兴奋,实际上的意思就是说我发现了一个规律。规律这词,几十年前就有了,pattern这洋文多有逼格呢……

Pivot Table:数据透视表。微软数据表格工具Excel的一个重要功能,用于快速汇总统计不同维度的数据,是Excel中最常用也是最实用的功能之一。Pivot table有时也直接表述为pivot。

Random:随机数,或者随机性。但是老外们也用它来形容“混沌”之类的意思。

Segmentation:细分。这是我们最基本的方法,即把总体按照一定的规则分成并列的若干块。做了segmentation之后,每一个块就是一个segment。所以segmentation和segment不是同义词。Segmentation怎么用?怎么发挥最大价值?课堂上有很多案例。

Supervised Learning:最常见的一种机器学习(machine learning)的方法。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成——例如,营销相关的创意、广告出价(排名)、目标人群的各种设置等为输入对象,广告的效果(例如点击率)就是输出值。监督学习算法是分析该训练数据,并产生一个根据已有的数据(输入对象和输出值)推算得出的映射关系,用这一映射关系去推断新的实例的情况。在刚才那个例子中,历史的创意、出价、目标人群设置数据及其相应效果的输出值可以用来推断未来在各种创意、出价和人群设置下的效果,并利用效果的推断不断调优输入对象的设置,从而让机器实现自动化的营销效果优化。

Unique:Unique是指排重(排除重复)。Unique很少单独用,常用在计数类度量的前面,比如unique visitor,指排除对同一个访问者重复计数之后的访问者数量——同一个人今天到网站一次,明天又来一次,不能就因此变成两个人,unique visitor仍然是1。Unique visitor通常可以简化为visitor,两个可以通用。Unique visitor和unique user是唯一的两个可以加不加unique都算unique的度量。另一个例子是unique impression,即同一个人多次看同一个广告,还是计算为1次。Unique impression和impression是两个不同的度量,因为后者不排重。

Visualization:数据可视化。是以图表、图形或者动态图形的方式直观展现数据的一种技术和学科。合理恰当的数据可视化能够极大提升数据分析的效率和效果。

 

Part3:互联网和互联网营销分析技术领域

Attribution:归因。但是实际上这个词被翻译成“归属”更好。归因是指在多种因素共同(或先后)作用造成的某一个结果时,各种因素应该占有造成该结果的多大的作用,即“功劳应该如何分配以及归属于谁”。为解决归因的问题而建立的模型被称为归因模型,即attribution modeling。但我一直可惜这个词没有翻译好,翻译成归属模型或许更容易理解。

Bots:机器人。非人产生的流量,都被称为机器流量,即bots traffic。Bots是互联网虚假流量主要的创造者之一。参见条目:Spider。

Cookie:Cookie并没有真正的中文翻译,cookie是在你浏览网页的时候,网站服务器放在你电脑(或移动设备)的浏览器里面的一个小小的TXT文件。这个文件里面存储了一个标识你这个人的匿名的ID,以及一些与你访问的这个网站有关的一些东西,这样当你下一次访问这个网站的时候,cookie就会知道你又来了,并且记住你上次访问时候的一些状态或者设置。Cookie以及与cookie类似的东西是互联网营销的最重要技术之一,几乎所有识别人和标记人的工作都需要cookie及类cookie技术完成。在这次培训中会有详细的说明。

Dashboard:即仪表板(在GA中被称为信息中心), 一个包含并显示有关网站或数字营销活动综合数据的展示页面。仪表板从各种数据源提取信息,并以易于阅读的格式显示信息。

Deep Link:没有汉语直接对应名词,我觉得直接叫“深链”好了,但不能叫做“内链”,后者是另外一个东西。Deep link历史悠久,过去把能够链接到网站的内页(即非首页的页面)的链接都称为deep link,但此后很快deep link这个词的意义就消失了,因为这样的链接实在太普通,都不需要用一个专用的名词来表述。但随着移动端的app的出现,deep link又“东(si)山(hui)再(fu)起(ran)”,特指那些能够跨过app首屏而直接链接到app的内屏(类似于网站的内页)的链接。嗯?如果这个app还没有安装过怎么办?这两期的公开课会专门讲。

Device ID:指用户的硬件设备(尤其是指手机设备)的唯一标识代码。Device ID是这一类设备唯一标识代码的总称。安卓上的device ID一般是安卓ID或者UDID,苹果手机的device ID是IDFA。在PC端广告商用cookie追踪受众,在移动端则利用device ID。

Event Tracking:对用户的行为直接进行定义并追踪的一种追踪方法,广泛应用在Google Analytics、Ptengine、神策分析、AdMaster的SiteMaster等用户数据监测与分析工具中。参见词条:Event。

JavaScript:简称JS,网站页面上的程序,能够让页面除了展示内容之外,还能实现更多的程序运行和功能。网站分析工具监测代码就是JS代码,将JS代码部署在你要监测的网页中,就可以把用户在页面上的互动访问行为不间断的发送到相应数据分析工具的服务器,从而获取想要的用户数据。

Heat Map:热图。在一个图上标明这个图上哪些是获得更多关注的部分。关注可以是眼光,也可以是鼠标点击或者手指的指指点点。热图是做行为统计学研究的好可视化工具。大家都看得懂的东西,但用好则要水平。

HTML:Hypertext Markup Language,即超文本标记语言。HTML是一组代码,用于告诉Web浏览器如何显示网页。每个单独的代码被称为元素或标签。HTML的大多数标记都具有起始和终止元素。

HTTP:Hypertext Transfer Protocol,即超文本传输​​协议。HTTP是由万维网使用的协议,用于定义数据的格式和传输方式,以及Web浏览器和Web服务器应采取什么措施来响应命令。简单讲就是看到这个东西,就知道是要传输超文本的。而超文本最主要的应用就是网页,这也是为什么网站的域名前面会有http://这样的标识的原因。

HTTPS:Hypertext Transfer Protocol Secure,即超文本传输​​协议安全版。是HTTP的安全版本,用于定义数据如何格式化和通过Web传输。HTTPS比HTTP具有优势,因为在抓取网页时发送的数据被加密,增加了一层安全性,以便当数据从服务器发送到浏览器时,第三方无法收集有关网页的数据。不过,这对于我们从事数字营销中的部分数据追踪工作带来了困难。我在课程中会介绍这一协议带来的问题即我们如何解决。

IP:是Internet Protocol(网络互联协议)的缩写。IP地址就是给每个连接在互联网上的主机分配的一个地址,过去用于判断不同的访问行为属于同一个人(因为都是同一个IP记录产生的访问)。但由于各种动态IP和虚拟IP技术,用它判断用户人数已经很不可行。

Link Tag:Link Tag特指在流量源头的URL后面加上的标记,用来标明流量源头的名称和属性。最典型的link tag是Google Analytics的UTM格式的标记。目前已经成为标明paid media(花钱购买的广告流量)的标准配置。如何用好它,比你想的丰富,课堂上详解。

Path:路径。任何构成先后次序的一系列事件或行为都可以用路径来描述。路径分析(path analysis)也是较为常用的一种分析方法。

Pixel:本意是像素,但是在监测领域,是tracking code(监测代码)的同义词。参见后面的词条:Tracking。

Responsive Web Design:响应式网页设计,一种允许所有内容无论屏幕尺寸如何设备如何都可以正确显示的创建网站的理念。你的网站将“响应”每个用户的屏幕尺寸。

Spider:蜘蛛,也称Bot(机器人),Crawler(爬虫)。蜘蛛是一个自动程序,它的作用是访问收集整理互联网上的网页、图片、视频等内容。比如百度蜘蛛会将互联网的各种内容抓取回来并分门别类建立索引数据库,使用户能在百度搜索引擎中搜索到想要的内容。同理,Google使用Bot抓取网站,以便将其排名并添加到Google搜索。当垃圾邮件来源的Bot出于恶意原因访问网站时,有时能在Google Analytics中被显示为垃圾邮件。

Tracking:翻译为跟踪,就是数据分析工具跟踪用户各种行为的“跟踪”,用户所有的线上行为都可以被跟踪。监测这个词的“监”这个字,就是tracking。而测,则是measurement。所以监测这个汉语词,最准确的翻译就是tracking and measurement。监测需要用一定的技术手段实现,其中核心技术之一就是监测代码(tracking code),是一串可以发挥监测功能的程序(很多都是脚本语言编写,比如JavaScript语言)。

UID:是User Identification的缩写,即用户ID。

VAST:即Digital Video Ad Serving Template。一种实现视频程序化广告的基础性协议。目前是4.0版本。

 

Part4:流量与用户行为领域的名词

Acquisition:泛指用户获取。在用户运营中使用的极为广泛,做任何产品的运营的第一步就是获取用户,比如在网页端的推广流量的获取、App推广中用户的下载等。

Action:特指用户需要做出某个动作的交互行为。例如,添加商品到购物车、留言、下载等,都属于action。Action实际上是Engagement的子集。参见词条:Engagement。

Bounce Rate:跳出率,即进入网站后就直接离开网站的人数所占百分比。例如,如果100人访问网站,其中50人立即离开,网站的跳出率为50%。网站的目标是尽可能低的跳出率,平均值往往在40-60%之间。会在课堂上讲解。

Direct:翻译为直接访问,比如用户直接在浏览器输入网址访问,或者用户直接点击收藏夹里的网址进行访问,都会被记为直接访问。除了上述情况,从QQ客户端聊天窗口或微信客户端的链接直接访问网站的也会被记为直接访问。

Engagement:没有特别合适的中文翻译,这个指标指的是用户在网站或APP上的交互程度或者参与度,可以由多个指标组合而成。比如一个网站有很多交互行为,包括下载文档、观看视频、咨询等,那么会根据每个交互的重要程度给每个交互行为赋值,用户每完成一个交互及赋予相应的数值,这样可以判断不同类别用户的交互程度以及不同页面的交互差异。Engagement和其他一些名词比如effectiveness、performance、acquisition等相似,都是泛指性的名词。

Exit:退出,即用户离开网站或APP的行为,用户离开网站前的最后一个页面称为退出页(exit page),离开APP时所在的最后一个screen叫做exit screen。

Event:事件。在Google Analytics中,对于action(参见词条:action)的表述使用了event这个词。Event和action并不完全一样,但你可以理解为他们是一回事。微小的差别在于,event是用户自行定义的,它可以不是什么特别重要的行为。而action一般指具有一定意义的标志性的用户交互动作。

Referral:翻译为引荐来源。现实生活中,如果我推荐你使用了某个产品,或者我介绍你加入我们光荣的党,我就是引荐人(referral)。而在数字营销中,referral是指那些给我的网站带来了流量的其他网站,通常这些网站上会有链接到我的网站的链接。如果没有做特殊的标记(如使用link tag标记)或者不是特殊的流量源(比如搜索引擎),那么大部分的流量来源都会被监测工具记录为referral。

Retention:指用户的留存。如何让用户能够留存,是一个重要的课题。在这两期公开课培训中会跟大家介绍如何提升retention。

Session:session实际上和visit是一回事。本来,各类工具都是将用户的一次访问(网站)称为visit,但是随着app的普及,visit app听起来很别扭(因为我们都是use app),所以app也就不存在visit了,于是就用session代替。为了统一表述visit和session,有些监测工具把visit改称session。

UI:User Interface,用户界面。UI是用户通过电子设备与内容交互的区域,良好的UI应该是流畅且易懂的。

UX:User Experience,用户体验UX是指用户如何与网站或应用(他们点击的位置,他们访问的网页)进行互动。 我们可以通过测试页面布局,CTA,颜色,内容等方面的差异来改善转化率的方法来提升UX。拥有良好的UX对于创造良好的业务至关重要,它促进着再营销和用户的参与度。

Visit:即访问。指对用户对网站的访问,通常以30分钟为区隔。如果超过30分钟在网站上没啥动静,则一次访问结束。

 

Part5:策略与运营

Funnel:漏斗。常与conversion一起用,即conversion funnel(转化漏斗),用于分析转化流程的数据模型。参见词条:conversion。

Goal:目标,是想要达到某种效果,每个网站都会有一些作为目标的交互,比如点击下载说明书、登录、注册、提交订单等。那我们就可以将这些设定为目标,那么这里引出另一概念:转化(conversion)。每完成一次上述的目标,就可以认定为完成一次转化。

KBR:Key Business Requirement。关键商业需求。是一个企业商业目标中最关键的。KBR决定了一个企业的其他目标,并且也决定了我们应该如何制定digital marketing的目标,以及针对这些目标选用什么样的指标或KPI。

KPI:Key Performance Indicator的缩写,译为关键绩效指标,是若干个用于衡量业务表现的最重要的度量。不同的商业目标,不同的业务,所对应的KPI不同。如何设置KPI是一门技术,也是一门科学。在这次的培训中也会做详细介绍。

Landing Page:着陆页,或落地页。 用户进入网站或者app后,看到的第一个页面。对于网站而言,由于搜索引擎的存在,可能将流量导入到网站的任何一个页面,因此,一个网站的任何一个页面都有可能是landing page。但对于app而言,一般landing page就是首页。不过由于为app提供的deep link也逐渐发展起来,app的landing page也可能是其中的某一个具体页面。参见词条:deep link。

Performance:绩效,即通过营销之后获得“战果”。ROI就是一种典型的performance,销售额之类的也是。

 

Part6:互联网广告领域的名词

Ad Network:广告网络。它既像是一个行业协会,又像是一个中小publishers(愿意在自己网站和apps上放广告的其实都是publishers。参见词条:publisher)的中介(agency),它帮助建立publishers联合的标准和联合的方法,它代表这些publishers与广告主谈判,它同样与广告主谈价格,提供双方都能接受的定价。愿意进入Ad Network的publisher,签一个协议服从规则就好了,不愿意的,不勉强。如果广告主有广告需求,会发给Ad Network,然后Ad Network会把这个广告散布到各个适合发布这个广告的众多publishers上去。广告主付费之后,相当部分的费用被分配给publisher,Ad Network则自己留存一部分作为自己的“辛苦费”。

Audience:受众。就是广告的阅览者,普罗大众。受众这个词太书面化了,但是确实没有比这个更明确的词,所以在这两期公开课中都会用这个词。

Awareness:对品牌或产品的认知。做广告的首要目的,就是让消费者意识到你的品牌或者商品的存在,说白了就是搏存在感。看看近期密集发布的手机在各个新闻app、电商app中频频发力,就知道awareness对广告主有多重要了。

Banner:广义上是图片或者动画展示类广告的统称。这个词的含义源于上街游行队伍中拉着写有标语的大横幅,后来扩展到互联网广告商,并与display ads同义。 

Bid/Bidding:竞价。搜索引擎PPC广告,或者RTB广告,都需要竞价。类似于拍卖,但需要在预置条件的前提下通过程序来实现。课堂上详细说。

Bidder:Bidder即竞价者,在PPC广告范畴内,bidder就是普通SEM的操作从业者。在程序化广告范畴内,bidder一般就是DSP服务提供商。

Branding:品牌推广。

Buzz:消费者或网民对于品牌、产品等广告主在乎的事情在网上发出的各种声音。与IWOM是一个意思。Buzz是苍蝇蜜蜂之类的嗡嗡声,无数网民每天在网上发出的各种意见, 在上帝看来就像苍蝇蜜蜂般嗡嗡作响。

Campaign:特别难找到准确对应的汉语名词,大意是一次有始有终的营销活动。有始,是指营销活动是从严谨的策划和详细的执行计划开始的,有终,是指营销活动有清晰的执行结束的节点。所以心血来潮的营销“游击战”不能称为campaign,那些几乎永远不停止的营销行为(例如SEM投放)也不能称为campaign。

Content Feeds:信息流广告。信息流(主要是在社交网站和APP上)是内容并列排列自上而下像瀑布流一般,而在信息流中插入跟信息内容形态一样的广告,这种形式就是信息流广告。课堂上会介绍。

Coverage:人群覆盖。跟触达非常类似,只是它的含义更模糊一些。往往用百分比来表示,例如,希望reach到的人群是1个亿,而实际reach到的是6000万,那么coverage大约是60%。Coverage不是一个度量,而是一个约定俗成的说法。

Display Ads:展示广告。展示广告主要指静态的图片广告、动画广告,以及富媒体广告(就是能互动一下的flash神马的)。这一广告形式与文字广告(就是文字链)和视频贴片广告形式是并列的不同类广告形式。

DMP:Data Management Platform,数据管理平台。程序化广告(programmatic advertising)中为实现定向受众所需要倚仗的数据平台。但它能做的还远远不止这么多。培训课程中会专门涉及。

DSP:Demand Side Platform(需求方平台)。程序化广告的广告投放管理系统平台以及相应的服务提供方。具体解释这里不多说了,到时候课堂上会详细介绍。

Effectiveness:效果。这是广告主评估品牌推广类广告好坏的一个关键指标。效果的含义比较广泛,在不同的campaign目标下可能不尽相同。比如,能够覆盖到的人群情况(coverage)可以作为一种效果;或者,人们是否真正对你的品牌产生了认知(awareness)也被称为一种效果。类似的,人们也用performance来表示营销的好坏,二者是近义词,但又不完全相同。Performance更偏重有实际产出的具体效果,因此常常被翻译为“绩效”,例如campaign产生了多少的click,产生了多少的交易等等。因此,effectiveness较为抽象,几乎只在品牌推广中被提起,而performance较为具体,在效果类推广中更为常见。

Efficiency:效率,即达到某种效果所花费的成本(包括金钱与时间)。品牌推广类营销常用,效果推广类很少提及。

ePR:通过互联网进行的PR。

Fraud:作弊,也有更通俗的写法即cheating,但fraud特别指流量作弊。反作弊是anti-fraud。另一个与fraud类似的反面词汇是spam,即垃圾短信、垃圾邮件之类的骚扰垃圾信息。 

Inbound Marketing:入境营销。入境营销是指用于吸引潜在用户的活动和策略,通过内容、教育和通过提供服务、产品或品牌的信任来吸引潜在客户的方式。本质上就是不拿钱砸广告,而是拿吸引你的东西吸引你的一种营销方式。

IP:Intellectual Property,即知识产权。就是过去说的那些原创的,有知识产权的东西。现在天天出现在各种口语和报道中的这个词指各种在互联网上创作的内容。例如,我的这个公开课也可以称得上是IP。抖音里面你上传的短视频算不算?当然也是咯!与上篇的IP写法一样,意义完全不同。

IWOM:Internet Word of Mouth的简称。即网络口碑。

Look-alike:相似人群放大。为了找到更多目标人群,一种方法是,利用DMP,找到与既有目标人群情况(属性)比较类似的人群。这个寻找的过程是通过计算机算法完成的。这个通过寻找相似人群放大目标人群的过程被称为look-alike。关于什么是DMP,请参见词条:DMP。关于什么是目标人群,参见词条:Target Audience。

Minisite/Microsite:没有对应的汉语名词,而且大家也从来不用汉语描述它。就是指为campaign专门定制的campaign网站,这些网站规模都不大,所以被称为mini(迷你)或者micro(微)。

Native Ads:原生广告,通俗说是那些看起来就像网站或者app中正常内容一样的广告。原生广告容易和信息流广告混为一谈,但它们并不是一回事。原生广告可以采用信息流来实现,但不仅仅局限于此。

Post-click:点击后阶段。指流量入口在被用户点击之后的相关用户行为即对应的营销监测与分析体系。

Pre-click:点击前阶段。指流量入口(尤其是广告)在被用户点击之前(含点击本身)的相关用户行为及对应的营销监测与分析体系。

Pre-roll:也叫pre-roll ads,即前贴片广告。就是视频播放之前的长达6秒到丧心病狂的120秒的视频广告。

Programmatic:程序化(广告)。一种革命性的广告运作方式。在课堂中会有详细的介绍。

Publisher:即广告发布商。愿意在自己网站和apps上放别人广告的其实都是广告发布商。这么文绉绉的名字国内不这么用,国内直接说——媒体。其实媒体这个词是不准确的,因为含义太广。在国外的文章中,媒体的含义和中国不同,我们所说的媒体投放,实际上是透过publisher所做的广告投放。

Reach:人群触达。如果做互联网广告,能够让广告触达到多少人是广告主关心的。触达实际上等同于unique impression,所以它不是动词,而是一个名词,一个用来记录广告触及到了多少人的计数度量。

ROAS:Return On Ad Spend,即广告支出回报率,数字广告推广的一个指标,显示与广告花费的金额相比的利润。类似于ROI。

RTB:Real Time Bidding(实时竞价广告),这是程序化广告最重要的一种方式,也是理论上最佳的广告资源变现方案。但具体如何实现,优劣问题,以及国内的情况,课上详细讲。

SSP:Supply Side Platform(供应方平台)。程序化广告的广告资源管理系统平台以及相应的服务提供方。具体课上介绍。

Survey:调研。这个词是一个有意思的词,主要在它的发音。作名词的时候重音在前——[ˈsəːveɪ],作动词的时候重音在后——[səˈveɪ]。

Target Audience:目标受众。任何人都可能看到你的广告,但只有那些合适的人才会购买你的商品。所以,合适的人就是你的目标受众,是你最希望影响到的那群人。

Verification:特指广告的验证。验证有两类,一类是验证广告是否真实被投放出去了,以及投放出去之后广告所处的环境是什么。什么是广告所处的环境?——对于PC web上的广告而言,环境就是这个网站以及具体承载广告的这个页面。另一类是验证广告覆盖的人群的情况是不是跟预想的一样。

Viewability:广告可视性。过去统计广告的曝光的时候,不考虑广告是不是真的被人看到了,所以有些广告处在一个很长的页面的第二屏或者更后面的位置,而某个同学只看了第一屏就离开了的情况下,这个广告其实是根本没有处于屏幕中的,这个同学根本看不到这个广告。在不考虑viewability的情况下,这个广告仍然因此而有增加一次曝光(impression),而若考虑viewability,这个广告不增加一次曝光。

 

Part7:效果营销领域的名词

Affiliate Marketing:有时也就直接简称为Affiliate。这个词在国内没有对应的名词,在台湾被译作“联署营销”,但是这个翻译似乎仍然莫名其妙。Affiliate marketing就是典型的代销模式——你的东西,我帮你卖,卖出多少,你给我按照一定比例提成。在互联网上,affiliate marketing变成了我帮你引流量,我给你的流量如果有转化了,你给我提成。国内的亿起发、领克特等就是做affiliate marketing的专门平台。

AOV:Average Order Value。平均订单价格。

Backlink:反向链接,指一个网站使用html href代码超链接到另一个网站。 反向链接由搜索引擎在其SEO排名因素中使用。其基本思想是,如果“网站A”具有来自其他权重高的网站(网站B,C和D)的反向链接,则网站A可以获得从B,C和D传递而来的一定的权重(即搜索引擎认为你的网站有多重要)。

Black Hat:黑帽,俚语,指不道德的数字营销人员或SEO使用作弊策略来提升自己网站排名或打击竞争对手的网站排名,如伪原创,链接农场或负面(反向)SEO等。与之相对应的则是白帽(white hat)。

Churn和Churn Rate:客户流失和客户流失率。所有需要尽可能让用户反复购买(或付费)的生意,都有这个度量。看名字就知道,这个度量用来描述失去客户的情况。具体如何定义,以及如何分析,在课堂上会有详细说明。

Conversion Rate:转化率。是指从流量到实际销售转化的能力。与ROI本质是一样的。只是ROI衡量的是现金(收入)对现金(支出)的对比,而转化率衡量的是销售的数量与进入销售漏斗的人数(或者次数)的比例关系。

CTA:Call to Action,号召性用语。网页上的元素,用于将访问者推送到特定的操作或转化。 CTA可以是具有文本,图像或文本的可点击按钮,并且通常使用迫切式动词短语,例如“马上联系”或“立即购买”。

EDM:Email Direct Marketing(电子直邮营销)的缩写,是利用电子邮件(Email)与受众进行商业交流的一种营销方式,电子邮件营销是网络营销手法中最古老的一种。

GMV:Gross Merchandise Volume。这是电商经常会用到的词,书面是“毛销售量”,实际就是销售流水。当然,销售流水不等于最后赚到的钱。GMV=1销售额+2取消订单金额+3拒收订单金额+4退货订单金额。GMV是流水,只要你下了订单,生成订单号,就算了GMV。而这个订单转化为平台的实际收入还会有2、3、4这些流失量。下单以后后悔了取消订单,订单送到你面前了后悔了拒收订单,签收订单以后后悔了要退货(这个步骤不同的电商平台计算方法不一样,有的平台是不管退不退货都搜算进销售额中)。总之,人艰不拆,GMV数字大,好看,而且我们监测起来也最容易,所以这是最常用的。

Keyword:使用搜索引擎竞价排名的广告主设定的关键词,较为结构化,较规范。这些词不可能穷尽用户的search queries,因此搜索引擎会把用户的search queries转变为与之最相近(不过是否真的是最相近,那就只有搜索引擎知道了)的keywords,然后显示搜索的结果。

Lead:销售线索。常常用复数(leads),发音跟中文的“栗子”很像。销售渠道中与潜在客户进行沟通,意图通过电话,电子邮件或在线表单填写进行交易的负责人。

Monetization:变现。

MRR:Monthly Reoccurring Revenue,直译是每月都会产生的收入,实际就是用户要交的月费。比如我办了一个158元的包月电话套餐,对于电信公司而言,我就给他们贡献了MRR 158元。

Organic Search:自然搜索流量源,即用户点击了自然搜索结果产生的流量,而不是点击了竞价排名(PPC)而产生的流量。

Quality Score:质量得分,百度凤巢或者Google Adwords对PPC广告中使用的关键字质量的评级。这些分数主要取决于广告文案的相关性,预期的点击率以及着陆页的质量和相关性。 质量得分是确定广告竞价的一个组成部分,获得高分可以以更低的成本获得更高的广告排名。参见词条:SEM、PPC、Landing Page。

Remarketing:再营销,也称为重定向(retargeting)。一种付费广告的形式,允许广告客户向已访问过其网站的客户展示广告。原理是利用第三方cookie或者device ID进行追踪,当某个曾经来过你的网站或者app的访问者出现在与你的再营销广告服务商合作的网站或者app上时,这个网站或者app上的广告位呈现出你的广告。

Search Query:用户的搜索词。人们在各种搜索框(典型的如搜索引擎的搜索框)内填入的词,这些词可能很不结构化,且非常随意。而keyword,则是使用搜索引擎竞价排名的广告主设定的关键词。

SERP:Search Engine Result Page。就是搜索引擎的搜索结果页面。

 

Part8:移动端常用的

ASO:App Store Optimization。狭义上指针对苹果应用商店的app排名所做的优化工作。广义则指对所有的应用市场的优化。与SEO类似,都是排名优化,只是优化的对象变成了应用市场。

DAU:Daily Active User(日活跃用户数量)的缩写,通常统计一日(统计日)之内,登录或使用了某个产品的用户数(去除重复登录的用户),是用来衡量产品的用户粘性的重要指标。

H5:是HTML5的简称。它实现的功能与Flash类似(用于实现动画和各种酷炫的人机交互界面等),但是比Flash具有更强的兼容性,可扩展性,稳定性以及安全性,因为该技术是HTML的延展,而非如同Flash一样是一个单独创立出来的事物。目前各大互联网钜子们——包括Adobe(Flash的所有者)——都已经加入支持H5,H5在移动端几乎已经完全取代了Flash。

LBS:Location Based Service,基于位置的服务。低逼格的讲就是用手机定位之后,能否关联一些服务或广告的。当然实际的应用比我说的肯定逼格高很多。

MAU:Monthly Active User(月活跃用户数量)的缩写,概念与DAU相仿,区别在于时间跨度。MAU除了能衡量用户粘性,还可以分析产品衰退周期。

Screen:如果说web端用page view来记录页面被浏览的次数,那么screen就是app的页面,screen view就是app的页面浏览的次数。但因为screen没有page这个东西,所以就用screen来表示。我也不知道应该对应什么汉语名词,或者应该用“屏显”?反正相信你懂的。。

 

Part9:企业、组织机构与产品

Google Analytics:谷歌分析,简称GA,是全球用户量最大的网站和APP上流量用户行为的监测与分析工具。

Universal Analytics:简称UA,是GA在2013年左右做的一次大升级版本,目前无论是免费还是付费版的GA,都是基于Universal Analytics的。GA的付费版叫Google Analytics Premium,简称GAP。

GTM:Google Tag Manager,是谷歌公司用于管理网页上各种广告、监测和分析代码的平台型工具。课堂上会简单介绍。

DCM:DoubleClick Campaign Manager的简称 (即新版 DoubleClick for Advertisers 7),DCM 是一个管理及投放广告的全面解决方案,覆盖从 广告策划、管理、定位、投放、优化到生成报告等。广告的impression和click等几乎所有的度量,都可以通过它来进行监测。

AdWords:全称Google Adwords,是谷歌搜索引擎的关键词竞价系统,按点击收费(CPC)。

AdSense:全称Google Adsense,是谷歌推出的针对网站主(简称发布商)联盟的一个互联网广告服务,通过程序来分析网站的内容,并且投放与网站内容相关的广告。

DAA:Digital Analytics Association,数据分析协会。美国的互联网营销数据分析行业协会,号称是全球协会,但主要章程和成员都在美国,对其他国家的影响力较小。

IAB:Interactive Advertising Bureau,美国的互动广告局,也是类似于DAA的行业协会,主要领域是数字广告。这个协会在美国,但对全球数字广告的影响力巨大,尤其是标准和技术上。

 

宋星大课堂报名中!数据化的互联网营销和运营:方法、案例与实战!(总第11期)

(两日课程)上海,2018年12月1日、2日(周六、周日)

点击链接了解课程详情:宋星大课堂

 

指数全部下挫!内容平台们的十月份怎么了?!

宋星阅读(1528)

 

这个十月份引起了我的注意。

大家复工了,十九大开幕又胜利闭幕了,NBA开赛了,人工智能更强了。似乎都是好消息。

但是似乎总觉得有什么不对。

比如,朋友们在微信朋友圈发图晒照搞分享的明显少了。内容平台们十月份是不是有点什么变化?

于是我做了一点小小的“毫无科学性”可言的评测工作。评测主流的内容平台们在十月份是否关注度下降。这些平台分别是:今日头条、微信、知乎、微博。

我的工具是这些内容平台们自己的“指数”:百度指数、微指数(微博的)、头条指数(今日头条的)。微信指数(微信的)在手机上,用起来费劲,所以不截图了,不过趋势跟下面的工具都差不多。另外还有一个指数工具:知乎指数,目前没有开放,所以没用成。

不过,有这三个感觉就差不多了。百度指数代表着搜索,微指数意味着KOL的声音,头条指数则是坊间奇闻异志的热图。

很不严谨,但是趋势就是趋势。上图。 (更多…)

半小时读懂系列:规模化拉新的最佳实战——利用“繁殖策略”与归因

宋星阅读(2223)

 

内容提要

第一部分:流量铁律:量与质——流量的永恒矛盾

第二部分:流量的r-选择和K-选择模型

第三部分:流量的量与质的平衡公式:Max(X) = 营销预算 ÷ 流量单价 x 目标人群浓度

第四部分:营销必须攻克的山头:r-选择向K-选择的转变

第五部分:归因如何帮助我们分析从r-选择到K-选择的转变

第六部分:可用工具和其他阅读资料

流量有一个铁律

流量有一个铁律:随着流量数量的提升,流量的质量开始下降。

这并不奇怪,因为我们投放一定是先选择那些最目标的人群,当这群人被一网打尽之后,我们才会往外扩展,去寻找次目标人群,乃至去影响普罗大众。

如果营销预算很有限,这或许不是一个问题。因为,你的预算甚至不足够俘获全部的最相关的人群。但是,很多时候,我们是持币待购,但并不知道我们应该再去获取那些流量,因为似乎除了最相关的核心人群,便再也没有能够找到相提并论的流量了。

有多少甲方在为找到合适的流量而苦恼?恐怕不计其数。但大家几乎都是想再找到一块流量红利的处女地,狠狠掘尽全部红利再苦寻下一个处女,却很少真正思考流量运营背后真正的逻辑。

今天我想讲讲真正的逻辑是什么。我们从生物学开始。

流量的r-选择和K-选择模型

这两个模型其实不是互联网营销的模型,而是来自地球生物的繁殖模型。我们的流量情况跟生物繁殖情况其实非常非常类似,所以每当我观察思考流量的本质,我都想到了这个模型。

生物的繁殖总体看有两个模式:这两个模式一个是r-选择,一个K-选择。

简单理解r-选择是下很多蛋,但是蛋都不大,孵出来的宝宝也不强壮,生了父母也不管了,整体的存活率很低,但是总有能活下来的,于是种族得到繁衍。K-选择是只下很少的蛋(哺乳动物其实也是卵细胞的裂变,本质上也是蛋),但是蛋比较大,孵出来的宝宝也大,存活率高,生一个是一个,优生优育,于是种族得到繁衍。

这两类没有绝对的好与坏,都是适应大自然之后的自然选择的结果。

流量策略,其实跟这样的繁殖策略很类似。

你可以选择大量的低成本流量(蛋小、数量大),但是转化这些流量的机会也低(存活率低)。

你也可以选择优质流量,但数量一定有限(蛋大、数量小)——因为任何生意的核心人群都是有限的,高质量的媒体更有限,但是转化的机会则很高(存活率高)。

你说,我想找一个流量质量高,又价格便宜的奇葩。这个,反正我没有见过。

不管怎么样,我们的流量策略,都一定是在r和K之间做选择。推广某个产品,你会发现一开始能够找到不错的流量,但随着流量的增加,流量的品质逐步下降。最终,你需要在下面的公式中找到一个最大值得解:

(请注意这不一定是准确的数学表示,但是意思很明确:找到等式右边的公式的最大值)

公式中的目标人群浓度,就是由你采用r-选择还是K-选择所决定的!

这个公式有意思的地方就在于,如果你需要目标人群浓度提升,你的单价也会提升,从而,并没有一个明确的最终X一定会变大或者变小的结论。

比如,r-选择,就是流量单价低(从而使流量的数量多),但目标人群浓度就低(从而使存活率也低)。

或者,K-选择,流量单价高,流量质量好,但是价格也贵,流量数量也相应降下来。

好了,为什么讲这个模型?

这个模型告诉我们很多有价值的现实:

  1. 如果你有好的爸爸,甭管这爸爸是腾讯阿里还是百度,或者是其他的媒体,让你在能够在保持甚至降低流量的单价的前提下,目标人群浓度不降反升。含着金汤勺的你赢了。
  2. 大部分人没有那样的爸爸,因此,你需要考虑在有限的预算内,选择增加流量的质量,但牺牲流量的数量;或者增加流量的数量,但牺牲流量的质量。二者无法得兼。如果你问我哪种策略更有效,我会说任何生意都可能有不同的解,但肯定没有相同的解。这也是为什么营销不只是技术,而必须依赖于业务。
  3. 任何告诉你能够增加目标人群浓度,且能降低流量单价的技术或者方法都是不靠谱的。用人话说,就是任何告诉你用我们的技术或者解决方案能够帮你找到很多高质量低成本的流量的说法都不可信。真有这方法,他为什么给你用?任何技术或者解决方案,在没有外力(额外资源进入)的情况下,只能提升(或降低)其中的一个,但是不能做到同时优化二者。
  4. 其实想说的是,到了这个时代,流量红利基本上已经不存在了。好流量的拥有者,谁不知道自己流量值钱呀。

互联网效果营销的全部努力,其实就是找到这个Max(X)。其实包括几个关键性的事情:

  1. 流量单价一定的情况下:提升目标人群浓度。提升浓度不只是针对浓度本身,也包括将非目标人群引导(转变)为目标人群。这一点也至关重要,后面会讲。
  2. 目标人群浓度不能为零。否则无论流量单价多少,X都等于0。什么目标人群浓度为0?作弊流量。
  3. 在发现新的目标人群浓度较好的流量的时候,增加营销预算。

引申阅读:其他的流量竞争优势公式

在我近期的演讲中,比如10月28日的上海WAW的分享,我会讲流量竞争优势的来源,如下图所示。如果感兴趣,欢迎大家参加。

从r-选择到K-选择的人群转变策略

我们的营销策略究竟是选择r还是K呢?

对于大部分的推广,从K-选择开始是我们自然而然会做出的选择。另外一些,像58同城这样神奇的网站,r-选择是合适的,不过这种情况不具有普遍性。

而且,我的真实经历表明,由于有大量虚假流量的存在,从K-选择开始是一个非常实际的办法,而从r-选择开始,风险则很大

从K-选择开始并没有什么不妥,但很快我们就会碰到本文最前面提到的问题,当核心人群最终被打尽(这个过程其实会很快),我们该怎么办?

我们必然会在保持K-选择的同时,开始猎取r-选择的流量。尽管有风险,并且必将面对更低的ROI,但我们仍有预算,我们一定会考虑再更广大的非核心人群中碰碰运气。即,我们一定会开始考虑r-选择的策略。

不过,与生物界的r-选择不同,生物界是生一大堆然后不管了,我们做营销,即使是r-选择,也必须管。管的目的,是让r-选择中的部分孩子,变成K-选择的孩子。即从r向K的转变。各位看官应该已经明白了我的意思。

对于任何互联网推广从业者而言,从r转K的策略,不是随意的,而是一层一层的扩张。举一个例子,当你把最核心的人群搞定了,你会去找与最核心人群比较相关的次核心人群,而不会去随意找一些不相关的人。做索尼游戏机推广的商家,会首先搞定主机游戏爱好者,然后去找其他游戏的爱好者,但不会在穷尽主机游戏爱好者之后,立即去找摄影甚至是旅游的爱好者。

如果是你,你也会这么做。不过,下面的情况开始变得不同了。

为了转化次核心人群,同样有两个策略。

第一个策略,是直接转化他们,让他们直接成为你的客户。大部分老板们都会强烈督促他们的推广同事这么干。  –>这个策略不符合现实。

第二个策略,是把这些人尽量转化为核心人群,再将已经转变为核心人群的人转变为客户。 –>这个策略才符合现实。

第一个策略的背后,是业绩重压之下的孤注一掷,其结果可想而知。绝大部分采用这个策略的,都很快不得不放弃,并且退回到核心人群的安全地带。因为,直接考察这部分次级核心人群的ROI,无论如何不可跟核心人群相比,而且不是差的一星半点,是有显著区别。

更重要的一点是,现实中的次级人群的转化,不可能按照这个进程完成。他们不会因为你的一个投放,就立即购买你的东西,他们与核心人群有本质的差异。

第二个策略是更加现实的策略,次级核心人群未必不能成为你的客户,但是转化他们的过程一定会更长,但更现实。因为,次级人群的转化,是因为他们先成为了你的核心人群,然后才会被真正转化的我们的策略是创造次级人群转变为核心人群,再转化为购买客户。而第一个策略,想让次级人群直接购买,省去了中间一步,是无法实现转化的根本原因

比如上面索尼游戏机的例子,对于非主机游戏的其他类型游戏的爱好者,你无法直接告诉他们我的主机有多么好,因为他们根本不会care,你若想让他们转化,必然需要让他们开始意识到主机游戏原来也是很有意思的,然后当他们中的小部分人(你当然不可能贪心到让所有的人都转变为主机游戏爱好者)关注并且产生对主机游戏的兴趣,你才有机会转化这些人。

同样,我的金融研究生类教育客户,我们在全部打尽了金融研究生需求人群之后,自然而然的会向与之较类似的经管类研究生扩展(这类人群数量更庞大,流量单价相对更低),并且想办法让他们中的部分人产生对金融研究生学习的兴趣。

所以,我的引导内容(典型如落地页),不会跟核心人群的落地页一样,去强调我的主机运算能力多么强大,或强调我的金融研究生学位文凭和师资多么的强大,而是会强调主机游戏体验有多么的无与伦比,以及强调投资类、经管类去学习金融也会有很大的价值,也有很重要的意义,甚至会比其他专业更好云云(虽然我不鼓励这么做)。

如果采取这样的方法,次级核心人群有转化的可能。

可是,为什么很少有人采用第二个策略呢?——因为很少有人能说得清楚,到底有多少次级人群转变为核心人群。如果没有定量的描述,那么这个方法的ROI无法计算,也不会得到老板的支持

好在我的朋友们信任我。

次级人群转向核心人群的归因怎么分析

为了分析你在“次级人群”上所做出的努力使他们中的多少个转变为“核心人群”,你需要定量分析。而我们分析的工具,正是我们既熟悉又陌生的“归因分析”。

归因模型是什么,我就不多讲了。参看这篇文章的最后一小节,那里有大家能找到的很多资料。

归因模型有很多用法,上过我的大课堂(下一期在上海12月初开)的同学们已经知道这个模型在分析流量渠道价值、分析转化时候的应用,还有给各个渠道的同事评业绩发奖金的时候归因也有巨大的意义。这篇文章篇幅所限,就不再赘述了。欢迎大家参加我的课程进一步了解。

当我们的营销从K逐渐转向r的时候(即从精华流量核心人群逐步不得已转向普通流量非核心人群的时候),归因模型的分析开始派上用场。

利用这个模型背后的原理很简单,我需要了解有多少人在搜索了我为“次级人群”投放的关键词之后,又搜索了我为核心人群准确的关键词,甚至更理想的状态下,我们还能知道他们中的多少人在搜索核心人群词之后发生了购买。次级人群开始主动搜索我们为核心人群投放的关键词,是他们开始转变为核心人群的标志

大家知道归因分析的设置是要设置转化目标的。所以你可以设置最终转化(成为你的付费客户)为目标。

不过,往往成为付费客户的追踪很困难,主要是容易断线(这个以后有时间再讲),有的生意,甚至连留资都很难追踪(因为是在线客服)。所以,如果你确实不容易追踪最终的转化,不要泄气,你可以直接把到达核心人群的落地页就设置为一个转化,这样归因的数据一样可以出现。当然,这种替代方式描述的并不是真正的转化,而是描述了那些次级人群先搜索了次级人群对应的关键词,然后又搜索了核心人群的关键词的情况,它实际上仍然能说明你在次级人群的投放,有多少开始关注你的核心人群应该关注的内容。这同样可以帮助我们做分析。

我下面的案例就是后一种情况。

上图:如果你确实不容易追踪最终的转化,不要泄气,你可以直接把到达核心人群的落地页就设置为一个转化,这样归因的数据一样可以出现

案例中是一个MBA的教育产品,投放的次级人群实际上是“在职研究生”人群。为什么选择“在职研究生”这个人群呢?因为他们与MBA很相关,MBA本身也是一种在职研究生。其次,在职研究生人群数量十分庞大,十分,而获取这些人群的流量单价又相当低廉。他们是典型r-选择策略下的人群。

通过归因,你可以看到,有多少人在搜索了“在职研究生”类的词进入我们专门设置的“在职研究生向mba的引导比较”落地页之后,又搜索了“mba”类核心人群词。

说起来有点拗口,意思很明确,就是多少人因为受到了这个教育集团宣扬“在职研究生也值得读mba”的推广后,对mba开始感兴趣的数量。如果一段时间之内(归因默认是90天,我一般设置30天),数据表示有5%的人感兴趣,那么,实际应该超过10%的人受到了影响产生了兴趣。这绝对意味着次级人群是值得去做投放和影响的。

为什么说超过10%?因为web端很多人会清理或者更新cookie,而移动端很多浏览器不支持cookie,所以实际的数量一定比5%要大很多。

我做过的一些案例中,不仅仅是关键词之间的归因,我也经常查看其他渠道,比如信息流的投放对核心人群搜索的归因。

比如,我查看信息流投放的次核心人群,有多少之后会搜索品牌词或者核心人群相关的产品词/通用词。

这些案例中有些能看到强烈的次级人群向核心人群的转化,归因报告中超过1%,意味着可能有2%~3%的次级人群被转化为核心人群。

我们可以算一个账,我在投放次级人群的时候,往往流量是核心人群的5-10倍,甚至更大,那么有3%的次级人群转化为核心人群的话,意味着原有核心人群增加了15%~30%。这部分都是从次级人群转变来的。而如果像上面的案例,你能转化5%的话,那么最终可能有50%甚至100%的核心人群增量。针对高质量流量的放大力量非常显著!

这个策略的核心点

转化次级人群是这个策略的核心点。不过,次级人群的转化策略有一些要注意的。它并不是一个拿着就可以用的办法,这是一个高阶策略,你需要对你的业务、受众人群和营销策略有深入全面的理解,而且你需要熟知工具和数据分析。但这些肯定是我们需要攻克的。

如下事情需要注意:

  1. 为次级人群传递的信息是针对性的。绝对不可以用核心人群的信息去“粗暴”转化他们。这就是很多人正在做的事情。这么做会看到ROI和转化率灾难。
  2. 针对次级人群的信息(创意)技巧在于引导这部分人关注针对核心人群提供的产品或服务,并让他们产生“这个也不错”或者“这个更好”的兴趣。主要的创意控制点就是两个:广告创意本身,和落地页。我尤其重视后者,因为引导和转变都在这里发生。
  3. ROI方面,无论如何计算次级人群的直接ROI,都会比核心人群的ROI要高,因为你实际上做了两步转化:将次级人群转变为核心人群,然后再由核心人群转变为客户。不过,每一个案例我都看到在次级人群投放之后,核心人群的ROI实际上升高了。因此,这个策略并不会显著降低整体ROI,有些案例甚至还显著升高了。但对最终转化规模的扩张却有着超出预期的价值。

这三个核心点前两个是我们在执行中一定要注意的。第三点则是你经过缜密部署和执行之后必然的优化结果。

国内能用的归因分析工具有哪些

最后,哪些工具能够帮助我们实现归因?

首推谷歌的Google Analytics,免费版即可,已经提供了几乎所有的功能。如果你确实有巨大的流量,而且口袋里不差钱,当然付费版是更好的选择。

而且,Google马上要推出归因分析的专门工具,功能更为强大,重要的更新包括跨设备的流量归因。我极为期待。在我们未来的WAW活动中,我们也会请Google的负责人专门来介绍。

国内能进行归因分析的工具寥寥无几。但是AdMaster的工具可以提供这块的分析,而且还包含impression attribution(曝光归因)这样的帮助分析广告曝光最终效果的功能,也很不错。不过是付费的。

与本文相关的必读文章(可以帮助你更深入的理解归因以及整个策略背后的互联网数据分析原理)

谢谢大家!

半小时读懂系列由宋星全部原创,刊载于“网站分析在中国”。版权所有,未经许可,谢绝转载。
 

宋星大课堂报名中!数据化的互联网营销和运营:方法、案例与实战!(总第11期)

(两日课程)上海,2018年12月1日、2日(周六、周日)

点击链接了解课程详情:宋星大课堂

 

令行业颤抖的阿里的Uni Marketing全域营销是什么?

宋星阅读(3309)

这几天阿里的新闻很多。首当其冲是阿里投资千亿人民币的牛逼闪闪科研研发中心。我想关心这个,但关心的人太多了,轮不到我了。

所以,难免有另外一个事情被这个事情稍微淹没,这个事情倒是我更应该关心的——Uni-Marketing。就是下面这个在阿里云栖大会上被偷拍的有点变形的图。

新瓶装旧酒的“全域营销”?非也——它不是概念的炒作,而是被迫提出的

所谓全域营销,这个概念被诸多人做了诸多解释,它当然不是阿里巴巴提出来的名词,且这个名词难免让人有种新瓶装旧酒的感觉——让人联想到整合营销。不过,二者当然不是一回事,整合营销是策略上的整合,而不是技术和数据上的整合。

我认为,全域营销的提出与整合营销不同,前者是在新时代下“被迫”提出的概念,却又在新时代下被技术和数据的驱动发扬光大

为什么是“被迫”?因为互联网进入下半场,数字营销人突然都慌了,发现除了过去能用的两大广告体系(展示广告和搜索),突然似乎是一夜之间又冒出来无数的各种可以花钱(或是间接花钱)的营销渠道。这些新涌现的营销渠道让营销人很为难,不仅仅是因为大家不得不学习它们、适应它们,更麻烦的是,它们如何融合进入整体的营销策略的问题。在这种情况下,营销人不得不寻求新的营销方式的帮助,对新的营销方式的探索成为“全域营销”出现的前提。

“全域营销”是传统营销策略的延续而非颠覆

这里提到了营销策略。营销策略那恐怕是得写几本书才能写清楚的,但简单说一句话却能说清楚它背后的执行逻辑——即不要重复影响一个已经被影响了的人,也不要漏掉一个本来该影响到的人。新渠道多了,难免相互之间有重有漏。另外,营销策略的另一个执行逻辑是在不同的渠道上用与其相适应的方法影响每个目标人(群)。

营销策略的两个核心执行问题:

1. 不重不漏;

2. 不同的渠道上用与其相适应的方法影响每个目标人(群)。

实现这两点,在过去并不困难。比如展示广告,我找齐了媒体之后把媒体受众重合度搞清楚,把媒体对应人群的属性搞清楚,基本上不重不漏的问题不大了。搜索就更不用说了。

但是,今天的情况大大不一样。现在媒体形式和属性实在太碎片,同一个人在不同媒体上穿梭,既随机又动态,想要不重不漏实在太难了。媒体的碎片化也造成了另一个困难,即给这个人提供合适的广告内容也比过去要难,因为不同媒体的广告形式区别也很大,有的还有原生形式,像过去那样去一个一个做创意发物料的解决方法基本上已经跟着门户网站的衰落一起告别时代了。

因此,我们被迫依靠机器、依靠数据来解决这个问题,实现在极为异构的媒体上识别这个人,并且快速的提供与这个人相关的广告。从而能够匹配前面所讲的营销策略的两个核心执行问题。

“全域营销”是来做这个事情的。当然,我指的不是阿里巴巴的这个,而是普天下的全域营销应该做的事情。

这样看来,我们可以很清楚的看到全域营销和整合营销的区别,因为后者是营销渠道的选择和配合上的整合策略,而不是技术和数据驱动的媒体整合和策略执行。

全域营销要解决的问题,是依靠机器、依靠数据,实现在多个异构媒体上的不重不漏并以与各渠道相适应的恰当方式影响每个目标人(群)。

这里稍微澄清一下不重不漏中的“不重”的问题。并不是只给这个人看一次广告就不许看第二次,而是在你既定策略之下的“不重”。举个例子,你的策略是同一个人在微信上被影响3次,在视频前贴上被影响2次,在搜索上(注意,并非一定是百度这样的搜索)被影响1次。超过这样的频率才被称为“重”。

实现真正意义上的“全域营销”根本做不到

真正意义上的“全域营销”其实做不到。因为一个现实的、不可能逾越的障碍:围墙花园。

围墙花园是封闭的。阿里的流量不可能与腾讯的打通,我想通过技术将这二者统一起来,实现我希望的“全域营销”,这不啻于让鹿han变成爷们,不是难度很大,而是没有可能。

而且数据也是各自为政的,你基本上没有办法能够识别不同围墙花园内的同一个人。

识别不同围墙花园内同一个人,运营商可能可以,至少可能性很大。可悲的是,不仅仅运营商有好几家,就连运营商内部也是军阀割据的。所以连理论上能在全网识别同一个人的方法都不存在。

这也是为什么,一个营销公司喊整合营销很容易,因为它的概念本来就模糊,而在全域营销上则不敢瞎咋呼,除非故意要把二者混为一谈

阿里的Uni Marketing是什么?

回到阿里的“全域营销”。

看懂了前面的内容,再理解阿里的Uni Marketing不会太难。在围墙花园的内部,把自己的广告推广资源都打通不是难事,在此基础上实现依靠机器、依靠数据,实现在多个异构媒体上的不重不漏并以与各渠道相适应的恰当方式影响每个目标人(群),在技术上和落地上都是可行的。

反正都是你的东西,你爱怎么玩怎么玩。当然,媒体形式上必须支持,这是前提。后面会讲到。

什么是打通?

现在到处都说打通。互联网营销的打通主要是指广告资源在数据和投放管理上的打通。同一个人在不同广告上,你能识别他是同一个人共享这个人的属性数据,这就是数据打通了。你用一个统一的系统在异构的广告媒体资源上对你利用数据选定的人群进行的投放,就算投放打通了。真正可用的打通,是二者缺一不可的。

不过,你会注意到,阿里的Uni Marketing打通的似乎不仅仅是自己的资源,也包含阿里之外的资源。

我们先看看阿里自己的资源是哪些。你会注意到是上面这个图的左边部分,如下所示:

新品专,应该就是目前天猫/淘宝品专的升级。我就不介绍了,大家自己在网上找。

新霸屏,应该就是之前天猫/淘宝的“一夜霸屏”的升级,跟百度的“一夜成名”简直连名字都差不多!形式上也没有太多区别。大概是下图的样子。

直通车和智钻(钻展的升级)就不说了。

阿里之外的资源,是右边的“全域媒体合作生态”的部分。下图所示:

淘宝客是淘宝的CPS(affiliate),没有什么新鲜的。TANX是阿里的ad exchange,以公开市场为主的程序化广告交易部分,我之前的文章已经介绍过,所以也不再赘述。

那么,剩下的一个“Uni Desk”则是我们特别值得注意的,因为它是今年新创的事物,而且我的东家世界最大的广告集团之一的阳狮传媒集团也参与了它的创建。简单讲,它是阿里的Trading Desk,其核心,是阿里为品牌广告主提供的ad serving。我们在后面的小部分中专门介绍它。

阿里的Uni Desk,是阿里提供的Trading Desk服务,其核心,是阿里为品牌广告主提供的ad serving。

现在回到这个小部分的题目上:阿里Uni Marketing是什么?

有如下一些有意思的点,但至于是不是真正意义上的全域营销,各位看官自辨:

1. 是阿里全部广告产品的(有机)整合,也是这个整合体的大名字——先甭管这些广告产品是否真的都打通了,先起一个拥有好概念的名字再说。未来朝真正全部打通的uni-marketing进化吧。

2. 既然未来朝全部打通的方向进化,那么现在肯定还不算是全部打通的uni-marketing咯。

3. 淘宝客、直通车、新品专这三个我想不到要怎么在Uni Marketing内跟其他的媒体资源和数据进行打通投放,因为广告形式所限它们就是独立的非程序化广告的系统。而智能钻石展位(智钻这个产品我推测的真正名字)具有打通的可能,但现在应该也还是独立的系统。所以对这些广告产品而言,只能算得上是“整合营销”,而不算真正的“全域营销”。

4. 看起来真正有“uni”可行性的,只有Uni Desk和Tanx了。因为这两个本质就是程序化广告。这两个理论上也是真正可以直接利用阿里的三大核心数据(其实主要是前两个直接用于投放)的。如下图所示:Uni ID是对同一个人的识别;数据银行理论上应该是对人的属性的描述;广告数据则应该主要是投后数据,这个后面会讲到。

5. 所以,从需方的投放或者推广的角度上看,阿里Uni Marketing本质上是“整合营销”+“(局部)全域营销”的混合。当然,有人可以说反正这些名词就是大杂烩,因此可以随便解释,所以“整合营销”+“局域营销”=“全域营销”是说的过去的。但我不认同。

不过,特别需要提及的是,从投放后的数据角度看,由于投放管理都在整个阿里的生态内(TANX和Uni Desk也是阿里的生态内的,虽然广告资源本身可能是外部资源),广告的覆盖和触达监测阿里是可以全程监测的,因此同一个人在阿里Uni Marketing中与不同广告产品的交互阿里可以完整追踪,理论上可以提供给广告主全部触点链路的数据与分析,即我们俗称的消费者历程(customer journey),也是上图中广告数据消费者全链路行为的含义。但强调一下,这是投后,而不是投前,且只能提供Uni Marketing内的数据。

所以,如果让我总结什么是阿里的Uni Marketing,有两个点:

阿里的Uni Marketing是什么

  • 投放上:“整合营销”+“部分的全域营销”,以及效果营销 + 品牌营销。
  • 追踪上:可提供投放后受众全部触点链路的数据。

在投后数据上我再多想一点,淘宝天猫还有这些人的淘宝天猫的engagement甚至购物行为数据。这样就能把广告的效果和实际的转化打通。这是我能想到的这个事情最落地最诱人的点。不过阿里会提供吗?估计悬。

看了上面的分析,你会知道除了Uni Desk之外,其他的产品其实跟过去区别不大。所以若没有Uni Desk,Uni背后的价值,更多是投后数据追踪的,而不是投放本身的。但投后数据跟踪,有没有Uni Marketing不都能做到嘛。

我凌乱了。幸好有一个新生事物:Uni Desk。

特别要注意的是Uni Desk

前面说过,Uni Desk是阿里的Trading Desk,其基础架构是阿里提供给广告主的ad serving。你投任何支持第三方广告伺服的广告,理论上,都可以用阿里的Uni Desk。举一个极端的例子,你若是在腾讯的网站上投广告,腾讯网站也不加区分的支持第三方广告伺服,你甚至可以用Uni Desk投放到腾讯上!当然这只是个例子,真实情况中腾讯肯定不愿意了。

你会问,为什么广告主要用阿里的这个ad serving呀,我用自己的不行吗?

当然可以。但是你用阿里的ad serving,阿里可以让你使用他们的数据进行投放,而且可以让你用它功能“金光闪闪”的广告管理系统(具体体验还行)。

哇,好到爆!阿里数据让人流口水,若能用它投放,广告效果一定能上一个台阶!——是的,确实如此。

不过,阿里也不是只为行业做义工。为你提供了ad serving,你投放的数据(监播数据、Device ID、页面上的文本数据等)它也就知道了。若是你的广告受众最后在淘宝上的购物增加了,阿里说不定还能了解到你这些广告的实际效果呢。

你说,没关系,阿里也给了我数据呀。这里要澄清一点,阿里给你在Uni Desk内使用数据,不意味着你可以拿出这些数据。广告监播数据可以给你,但Device ID是不可能给你的,属性数据也不可能给你。你可以用,但你不可以拥有。

你说,凭什么不给我,这是我的广告!

广告是你的,数据是阿里的(或阿里收集的),阿里确实没有义务,也没有理由给你这些数据。从最坏的情况上讲,阿里给你了这些数据,你拿去到别的地方竞争对手那里做投放,它是一点办法都没有的。不仅阿里不会给,理论上任何媒体都不愿意给。

如果你找一家DSP投放RTB广告,投放之后,说,请把你投放的人群数据都给我。你想想DSP会答应吗?阿里的Uni Desk是同样的道理。

所以,有舍有得,取决于你在乎数据,还是在乎效果。当然,更取决于你想要投放的媒体支不支持阿里的Uni Desk。据我所知,目前主要支持媒体,应该都还是阿里大生态内的,这一点也不奇怪。

Uni Marketing来了,谁会颤抖?

其实行业上下游的大部分,都不会特别紧张。

首先整个Uni Marketing除了Uni Desk之外,没有什么特别新生的变化。

而Uni Desk的出现,会让提供Trading Desk技术解决方案的部分厂商可能会稍微受一点影响,多少失去一些阿里系的可用资源。但,本身这类厂商就不多了。

代理商(4A),拥抱这类变化没有问题。无非是从第三方Trading Desk服务商转向阿里,本质没变,数据还更好了。短期内没有坏处。长期看阿里也不会在乎agency那一点小钱。Agency的问题是整个行业技术进化造成的,而不是某一个局部变动。

竞争对手?几乎没有影响,腾讯我估计也会跟进一个类似的东西。就算不跟进,腾讯的资源摆在那里,该买还是得买。不过,从长远看,若是阿里因为Uni Desk及整体的Uni Marketing而使品牌广告的效果优化,广告主可能更多考虑阿里系统的投放,这样可能对腾讯或者其他媒体的广告预算分配造成负面影响。但这不会立即发生。

不过,别忘了阿里目前在国内互联网广告市场的份额,排名第一。所以,如果阿里这样一个封闭广告的私有市场进化的更好了,到底对这个业界是更好还是更糟呢?我谨慎乐观。你懂的。

所以,大概也就是这样。


对上面的一些名词很不理解?没关系,看我的两篇文章:

半小时读懂互联网广告新生态

半小时读懂PMP私有广告交易市场

谢谢!
 

宋星大课堂报名中!数据化的互联网营销和运营:方法、案例与实战!(总第11期)

(两日课程)上海,2018年12月1日、2日(周六、周日)

点击链接了解课程详情:宋星大课堂

 

这样的营销着陆页,有点浪费推广费用!

宋星阅读(1470)


;

听过我的演讲的同学,一定对我讲过的产品页五原则有印象。

今天这个故事,要用到其中的一些原则。

前天早上,阳光保险的一位网上推广负责人找到我,跟我请教,为什么我们的落地页转化率如此的差(具体多差这里不方便说,只要知道很差就是)。

(更多…)

永恒的悖论?!——精准营销精准吗?

宋星阅读(1574)

【正文】

所有做推广的人,都希望自己的营销努力是精准的。

不过,精准与否,可不是媒体和广告商们吹嘘的那样,是不是精准,不由人的意志为转移。

举一个简单的例子吧,你是从什么时候开始听说“精准广告”、“精准推广”之类的说法的?恐怕小十年是有了。现在你回想起来,那个时候的“精准”二字,恐怕多半是“忽悠”吧!

既然如此,你怎么能保证再过五年回过头来看现在的“精准广告”,它不是“忽悠”呢?

既然如此,我们值得认真了解,到底精准营销是什么,在发展了十年后的今天,它是否已经名副其实了?

这篇文章我想讲讲这个。

一、精准营销的过去

从本质上看,所有的营销都希望精准(卖水的除外),在过去的岁月中,营销人也尽其所能让广告能够触达到目标人群(Target Audience,简称TA)。

比如说一本杂志是讲汽车的,那么汽车公司就在这个杂志上做广告,一个网站是讲数码产品的,那么显示器厂商就在上面做广告,这就是那个时候的精准。

你可以看出这种精准其实没有任何技术含量。

不过,大概在2005、2006年开始,一种(当时)新的互联网广告商出现了,他们的出现,把精准的档次提高了一点。这些广告商就是我们今天说的广告网络(Ad Network),他们到处购买各个网站不容易卖出的广告位置,然后再把这些位置转售给广告主,从而赚取其中的“差价”。就跟今天的电商卖家批发进货然后零售卖出差不多。

广告网络之所以能够买到各个网站的广告位,原因很简单,每一个网站都有好的广告的位置和一般的位置。好的位置总是有限的,被人一抢而光,而那些一般的,不太好的位置,总有很多剩下来卖不掉。

因此,当有人愿意打包把这些卖不掉的广告位都买走,就算价格比较便宜,也绝对比卖不出去强。

当然,广告网络也不傻,这些位置虽然不是好位置,但价格便宜。而且,对于单一的网站而言,这些品相一般的广告位有一来位置不佳,二来流量也不多,所以广告主才不愿意购买。可是广告网络因为收购了很多网站这样的位置,所以聚沙成塔,流量不多的问题反而迎刃而解。

不过,广告网络还要面对售卖这类广告的另一个障碍——位置不佳。没关系,广告人最擅长的事情是包装,比如,我可以包装这些广告是——“精准广告”嘛!

广告网络说自己的广告是“精准广告”,并不是完全没有依据。因为他们说上握着的广告位来自很多的网站,这些网站可以分门别类的归到不同的行业上,因此,我把某一些分类的网站广告位打包起来,卖给对应行业的广告主,对于这些广告主而言,就是相当不错的“精准”广告了。

在那个时代,这种广告肯定比在网易的首页上的广告面对的人群要“精准”一点,还是受到了不少欢迎。直到今天,类似这种“精准广告”的模式,仍然是非常主流的。

当然,我知道这跟你想象的精准不是一回事。

二、第一种真正意义上实现精准的广告

上面那种精准如果不被大家认可的话,那么第一个真正意义上实现精准的广告其实是有的,而且大家绝对不会陌生。就是搜索竞价排名广告。

不过由于百度长时间不认可竞价排名是广告,而是一种资讯服务,因此长久以来人们也不把它作为精准广告——哈哈,当然我这么说是开玩笑。人们不在精准广告范畴内讨论搜索竞价排名的真正原因,是因为它先天就极度精准,反而没有什么可说的了。

不过尽管如此,第一种真正意义上的精准广告,跟搜索引擎还真有关系。这种广告最典型的是谷歌的AdSense广告。与前面提到的广告网络不一样的是,AdSense的广告不是直接采购网站上卖不出去的广告位,而是把自己的广告利用技术推到各个网站上去,当然前提是各个网站同意谷歌这么做。

简单讲,AdSense的这种广告利用了一种技术,这种技术把一段AdSense的代码放在网站想做广告的广告位上,然后网站在被用户打开的时候,AdSense会通过这个代码把一个广告展示在这个广告位上。

AdSense的广告形式一开始只能以文字的形式,后来可以以规定的尺寸展示图片。这种广告在创意上受到了很多限制,但是,由于它能够一定程度实现精准,因此无论是广告主还是广告媒体都开始接受这种广告方式。

上图:历史上的典型AdSense广告

  它的精准能够实现的原因很简单——因为搜索引擎知道你搜了什么词,然后根据你的搜索词,提供与之相关的广告。

今天,AdSense广告以及国内的复刻版百度网盟广告等,仍然占据了一定的广告份额,不过,这类广告的份额在逐年降低。有几个原因:

第一,这一类广告形式,拥有大量流量的主流网站并不喜欢。广告的尺寸规格限制得很死,而且广告的eCPM(就是网站上面的广告,每1000次曝光能够给网站带来的收入)很低。因此,这类广告的主要发布商(publisher)是中小网站,个人站长。但是今天,中小网站和个人站长基本上所剩无几了。

第二,有大钱的金主广告主,也不待见这种广告,因为尺寸规格太死板,背后的流量又是中小网站或者个人网站。

第三,这种广告形式随着时间的推移,很多已经融入其他广告形式中了。我们后面还会专门讲到。

但是,谁也不可否认,AdSense的这种广告的定向技术,是第一种真正意义上的精准广告。从定向的能力而言,由于背后是搜索引擎获取的用户数据的支撑,准确度在今天看都超过绝大多数的定向方式,这也是为什么直到今天,它仍然具有生命力的原因。

AdSense这种类型的广告形式,也是我们后面要讲到的AdExchange的雏形。

三、今天主流的精准广告是哪些?

今天的精准广告,主要有三大类,这三大类到底精准不精准,我只做我认为的客观描述,是否精准,各位看官自辨。

第一类:retargeting(或者谷歌叫remarketing)一类;第二类:RTB及其衍生品;第三类:大型媒体的广告体系。我们从第一类看起。

  精准广告之一:Retargeting广告

Retargeting广告的思想其实很简单。我们所做的广告,大部分人对这些广告视而不见(你可以看见即使是最好的广告,点击率也只是个位百分数),但另外有一些人,对这些广告似乎确实有兴趣——总有一些人会点击你的广告,进入着陆页,甚至在你网站内“游玩”一番。这些对你的广告感兴趣并且到你的网站上的人,其中一些(一般又是一小部分人)会购买你的商品,而另外一些,则会在没有任何交易之后离开。

Retargeting广告的宗旨是对这些来过你的网站却又没有买你东西的这些人“进行轰炸”。由于web端有cookie进行追踪,retargeting广告的服务商会在你的网站上加上他们的代码,然后跟踪这些人。当这些人又在互联网上打开了其他的网站,而这些网站上又正好有这个retargeting服务商的广告位的话,retargeting广告服务商就会给他们再次推送你的广告。

如下图所示:

  Retargeting广告本质上是一种“行为规则触发”式的定向广告。在上面的例子中,这一行为规则即:访问过你的网站却没有在网站上购买东西。Retargeting的“Re”,就是针对这群人。为什么是“Re”?就是因为这些人是已经跟你打过一次交道的,再对他们投放广告可不就是“Re”了。

当然,上面讲的这种规则,只是一种。Retargeting的行为规则定义可以更加宽泛,比如,只要点击过我的广告的人,无论有没有进站,有没有买东西,我都追踪他们,给他们投放广告;也可以更加聚焦,比如,只对那些没有购买,但是已经把商品放入购物车的人进行跟踪投放。

因为是对已经对你产生兴趣的人进行追投,所以retargeting的广告效果往往相当好,甚至能超过搜索广告的ROI。但是,这种广告方式也屡受质疑,最大的质疑在于,这些已经进入我的网站中的人,虽然他们还没有立即购买我的商品,但其中一些其实是准备买的,只是他们拖延了一下而已。而retargeting广告,会继续对这些人做广告,而且把这些人最终的购买功劳(归因)算到retargeting的头上,这就显得retargeting广告很有用。但实际上,真正起到作用的是第一次进行的广告推广。也就是说,retargeting的好效果,实际上有非常明显的抢功之嫌。

Retargeting广告另一个被人诟病的地方在于,它是否是真正意义上的精准。Retargeting的“精确性”并不是依靠其自身的算法在完全随机的人群中找到目标人群,而面对的已经是完全封闭环境中的有限高质量人群。因此,它实际上并不是在大营销漏斗的顶端寻找精准人群,而更是在漏斗的底端去实现截流。精准与否,你来判断。

  精准广告之二:RTB及其衍生品

RTB是Real Time Bidding的首字母简写,这种广告方式我曾经专门写文章详细介绍过。如果大家不熟悉,请看这片文章:半小时读懂互联网广告新生态,也是这个博客的经典文章之一。

RTB广告的最大特点,就是广告位上事先并不确定会出现什么广告,只待有互联网用户看到这个广告位的时候(例如在打开包含这个广告位的页面的时候),广告才会根据这个人的情况,展示出来。

比如,一切都很理想的状况下,如果这个人正怀着孩子,那么出现婴儿奶粉的广告最合适不过。而另一个人,他这段时间满脑子想的都是购买汽车,那么他来到同样的这个广告位,看到的应该是汽车的广告。

从这一点看起来,RTB应该是最接近于真正意义上的精准营销——在完全开放的互联网全网空间中,寻找在此时点上最适合某个广告的人群。理论上,这种广告的效果会非常惊人。

理论上如此无敌,现实情况下这种广告形式真的精准吗?

与Retargeting广告相比,RTB广告是在全网开放环境中,面对的人群完全随机,因此,实现精准人群定向的难度,比前者实在要困难无数倍。RTB的精准与否,有且只有一个决定因素——数据。

不过,有一丢丢令人沮丧的是,RTB可以依赖的数据有两个很大的问题——第一、可用数据非常稀疏,且局部化、片段化,用人话说,就是可用数据太少了,离真正深入的了解一个互联网用户此刻的需求或兴趣,还差的十万八千里;第二、就算有数据,也经常不能把数据帖上人。这主要由数据的“围墙花园”状况和对互联网用户标识的不能互认互联互通所导致。例如,如果一个广告投放公司,拥有网上所有访问者的准确数据——他们的人口属性、社会属性、兴趣爱好、此刻需求等,那么这种情况能够实现精准投放吗?——这又涉及到这些数据的使用范围的问题。RTB广告,拥有数据和能够利用这些数据还不是一回事。比如,我是一家DSP,我拥有所有这些准确的数据,我要把这些数据用在RTB的广告平台上(准确说,是用在AdExchange中),我需要跟AdExchange做每一个受众个体的互认,这可不是一个简单的工作。技术性的内容不多讲,这里简单解释一下——二者涉及到相当长时间大量的数据匹配(透过重定向技术带来的ID mapping技术实现),在数据量级不大的情况下,这并不是大问题,可是,真的拥有全网用户数据,这种数据匹配就目前的技术就几乎变成了一个不可能完成的任务。

关于这两点,稍微引申一下就可以说上个大半天,所以这里就不再多说了,大家也可以查看我之前写的关于程序化广告数据方面相关的文章。总之,结论就是——RTB广告也依仗的数据,可以用,但是与我前面所讲到的理想中的状况,还真是封建社会到共产主义社会的距离。

因此,RTB广告,在现实环境的运行中,并不是我们想象中的,这个人喜欢汽车,我们就投放汽车广告,绝大多数都不是这样。而是采用了监督学习的方式,即RTB“实际上并不通过人类语义学上的标签实现人群的遴选和优化,而是通过类似于重复博弈的机器(监督)学习实现,理论上无论人群被打上了与我们自然语言多么不一致的标签,它照样能慢慢实现效果的优化(以及不断的优化)”。也就是说,通过机器学习,哪怕一群人打的标记是“女性化妆品”,可是广告系统通过监督学习,发现“女性化妆品”人群的汽车投放效果好,后面就会给这类人群投放汽车广告!

讲到这里,你觉得RTB算是精准营销吗?

利用RTB技术的其他一些“衍生品”广告,例如Automated Guarranteed(中国叫PDB)广告、Prefer Deals广告等(关于这些广告的解释,请看我的这篇文章:半小时读懂PMP私有广告交易市场),在精准定向上面临的问题跟RTB完全一样。所以,不再单做讨论了。

  为了解决这些数据不够强大造成的定向不精准的问题,行业中出现了一些专门致力于实现营销用数据的广泛性和精确性的解决方案,例如DMP(Data Management Platform),例如CDP(Customer Data Platform)。前者以互联网全网人群数据的覆盖为主,更偏向市场营销;后者以广告主自己所有的客户数据为基础,更偏向于客户运营和营销。前者的数据目前还没有摆脱前面所述的几个问题;后者的数据准确性足够,可惜覆盖的人群太窄太少,甚至比retargeting广告的人群还小。所以都只能说差强人意。

  精准广告之三:大媒体内部的广告体系

“广告体系”——为什么用了这么含糊的一个说法呢?因为大媒体内部的广告体系的命名相当混乱。有的称自己的广告资源及其售卖方式为“Exchange”(这也是最多的一种),有的称“广告平台”,有的则起炫酷的名字,但实际上它们都不过是媒体自己的广告资源的销售平台。所谓大媒体,也是一种泛泛的说法,流量大的网站、app,就算是大的媒体了。媒体自己的广告资源,这也是一个泛泛的说法,有时候大媒体的流量也未必够用,这个时候难免从别的地方引来一些流量,所以也未必都是自己的流量资源。

大媒体内部的广告体系,往往一定会宣传自己是“精准营销”。一方面,用户(广大网民)往往都会在这些媒体上进行注册登录,难免留下很多个人信息;另一方面,大媒体对于自己用户的内容消费行为能够全方位跟踪。因此,理论上,大媒体内部的广告资源可以做到非常精准的人群定向。

比如,炽手可热的信息流广告,或者微信上的广告,或者大型视频平台上的前贴片广告。理论上,都是可以很精准的。

  不过你会注意到,我连续用了两次“理论上”。

理论上精准,实际上可能有距离。

大媒体内部的广告体系的精准程度,取决于三件事。第一,用户数据系统的成熟程度;第二,广告资源配置的算法;第三,广告主的数量,或者更准确说,是广告资源的消耗。第一件事我就不用多解释了,数据不准,恐怕没法实现精准。第二件事情,也不难理解——媒体的广告资源配置的核心是按照eCPM构建的,目的是为了最大化广告收入。如果广告按照CPC定价,广告资源配置模型是以CTR(就是质量分背后最大权重的东西)和广告主的出价共同影响的。尽管广告被点击的概率和人群的精准性高度相关,但是并不能直接划等号。再加上出价的影响,可能会因更高的出价而牺牲一定的点击率,使精准度程度下降。因此,可以理解,当精准程度符合eCPM最大化时,算法也倾向于实现更好的精准,但当精准度和eCPM并不一致时,算法往往不会为精准度而牺牲eCPM。

而第三件事情,则是我想多说几句的。

广告主的数量,或者更准确说,广告资源的消耗,是最影响媒体广告精准性的。首先,我们需要理解一个前提,任何一个媒体都不能无限制供应广告位,因此广告资源必然是稀缺的。比如,百度贴吧的广告仅仅是比之前多了一些,就被网友们诟病为“在广告中找帖子”。广告位太多,会影响媒体产品的用户体验。媒体必须在维系用户数量和尽可能多的提供广告二者之间找一个平衡。

因此,常常出现媒体的广告资源供不应求的情况。这种情况下,如何处理呢?

媒体有两个办法,第一个办法,当然是提价。价高者得。这个很公平。第二个办法,增加流量。可是,增加流量并不容易,靠改进产品体验增加流量,是一个缓慢的过程,广告主等不及呀!于是,从各种渠道引入流量或者交换流量,成为一种选择。这也是为什么我前面说,媒体自己的广告资源只是一个泛泛的说法。

那么,实际情况下,媒体如何选择呢?大部分媒体都不是傻瓜,他们的选择是——第一个办法+第二个办法!也就是说,他们既提高价格,又增加流量!

由于增加的流量,往往不可能是自己媒体的流量(因为前面说了不可以随意增加广告位而影响用户体验),来路如何,是个黑箱,而且媒体自己的用户数据跟这些流量的打通情况也无从知晓,因此,这些流量的精准性,也同样无从知晓。

而这些额外增加的流量,如何分配,又是一个大学问。比较科学的分配方式,是按照广告主们的流量采购份额,按比例分到各个广告主去。这样,大家都不会觉得有什么不正常。不过,有的时候,为了确保那些“更重要的”广告主的利益,部分不那么重要的广告主就难免收获更多这些“外来流量”,从而极大影响精准性。

无法确定到底多少媒体采用这样的方法,但资本市场的逐利性,必须不断攀升的广告销售额以及中国互联网用户增长率的必然放缓和用户使用行为的碎片化,只会加重这种状况,而绝不会缓解。

四、新技术带来的“新精准”

近些年来移动端的不断发展和新的技术持续问世,继续刷新着“精准”的方法。

一种非常常见的精准营销方法是:从CRM到DMP再到广泛程序化投放的精准方法。我们来看看这种方法情况如何。

首先,很多大型品牌主都有数据量较为庞大的CRM系统,记录了很多他们的客户数据,尤其是其中有这些客户的PII(个人识别数据)数据。PII数据中最重要的,又是客户的手机号码数据。

于是,握有这些数据的广告主说,我要用这些数据做精准营销!

怎么做呢?主要有两种方法:定点投放和放大定点投放。先看第一个。

定点投放:

定点投放的意思,就是寻找你的CRM中的这些客户,并且针对性的给他们投放广告。这些用户不是有手机号码吗,我给他们发短信!发短信是最“低级”的玩法。更高级的玩法,是把这些手机号码对应的手机设备ID(device ID)找到,然后在移动端(主要是各种app上)锁定他们进行投放。这种方式,与我们前面所讲的Retargeting方式实际上非常类似。读者朋友们可能会问,为什么不能用手机号码直接在app上投放广告呢?主要有两个问题,第一,手机号码一般的app不能够随意拿到,尤其是对没有root的Andorid或者没有越狱的iOS而言,所以直接用手机号码在app上定位目标受众,有技术上的不可逾越的障碍。相反,app是拥有获取手机上device ID的权限的,所以使用device ID进行定向广告投放,基本上app都可以做到。第二,法律上也是禁止的。所以,必须要将手机号码对应的device ID找到,才可以进行定向广告投放。

这种方法毫无疑问的非常精准,但却几乎无法作为广泛使用的营销方法。一来即使是最大的广告主,他们的CRM系统中的客户数据也只能被成为“小数据”,最多几十万个客户的数据与动辄数千万的“受众数据”实在相去甚远——所以覆盖的人群太有限。其二,营销面对的人群已经是你的客户,营销的价值已经大大降低。其三,也是这个方法的最大问题,是通过电话号码找到对应的device ID的难度较高。并非不可以做到,但只有特定的数据提供商可以拥有部分匹配数据(即使是运营商也比较困难,因为运营商手里有电话号码,却不一定有足够的device ID)。因此,本来CRM覆盖就有限,再加上其中能够找到device ID的更加有限,所以自然这种方法不堪重用。

上图:安卓ID(Android Device ID)和IMEI都是典型的设备ID

  再看第二个。

放大定点投放:

放大定点投放是在定点投放的基础上的改进。定点投放的问题不是能够“准召”的人太少吗?没关系,我们可以把已经找到了的人的情况,做“放大处理”。什么是“放大处理”?就是把已经找到了的人的数据标签做为基础依据,然后再到互联网上找跟这些人相似的人群。其实,就是look-alike的方法,即利用算法,在互联网上,找到那些跟你已经掌握的人群(例如你的CRM中的客户人群),相类似的人群。

放大定点投放也被认为是一种新的精准投放的方式。它的精准性能(效果),取决于很多因素的影响。这些影响因素包括但不限于:(1)基础人群数据的准确性(例如CRM数据中对于客户信息,尤其是人口属性、兴趣和行为数据的准确性);(2)Look-alike时,面对的更为广大的受众数据的真实性和准确性;(3)Look-alike算法本身的能力;(4)可支持对look-alike之后的定向受众进行定向投放的媒体广告位置的数量。

因此,这种方式是否能够实现真正的精准,我就不做太多评论了。我的主观感觉,影响变量如果太多,效果的可控性就一定会太少。

五、永恒的悖论——精准营销到底能不能精准?

目前为止,我们分析了市场上的各种精准营销手法。

从上面的文字中,你可能能够发现一个规律——越是封闭环境,且有限可控的流量,越是能够接近我们所期望的精准;越是开放环境,越是广泛的流量,则看起来与精准有更远的距离。

另外,还有一个强烈影响精准性的因素,是所有追求KPI的营销努力,都可能被“问题流量”所影响。而精准广告,被广告主所期望着应该带来更高的KPI,则更有可能被“问题流量”所左右。

互联网营销的一个铁律,或者悖论,是你不可以同时放大流量的数量和提升流量的质量。精准广告似乎要打破这个悖论?还是会在未来才能够打破这个悖论?还是让我们更待未来吧!

感谢各位朋友!
 

宋星大课堂报名中!数据化的互联网营销和运营:方法、案例与实战!(总第11期)

(两日课程)上海,2018年12月1日、2日(周六、周日)

点击链接了解课程详情:宋星大课堂