計算廣告語境下的數據閉環與營銷變革

文/鐘書平 劉慶振 陳疆猛

對于廣告營銷活動而言，無論是市場細分還是整合營銷，更多的都是一種理論上的完美設想，而最終影響消費者的消費態度和購買行為才是其根本目的所在，這就需要對廣告營銷的最終效果進行監測和評估。效果營銷、精準營銷成為一種主流的營銷模式[1]，在新技術、新媒介、新營銷的整體背景下，廣告活動在哪些層面上發生了本質的變化？如何重新定義媒體、營銷和廣告？除了效果監測，程序化廣告或計算廣告又會在哪些層面上改變廣告營銷？對于這些問題的探討有助于我們更好地理解新形勢下的廣告、營銷和傳播活動。

1.中國程序化廣告簡明發展進程

在我們進入新千年之前，美國就存在程序化廣告的雛形，其實它們在傳統媒體上的廣告投放在某種程度上就具備了程序化廣告的精準投放特征。比如根據你的郵編（zip code）不同而向你郵寄不同的DM廣告（Direct Mail Advertising），這就非常有針對性，再如它的數字電視技術使電視臺某些時段的廣告也是可以實現定制化個性化投放的。只是那時候我們并不叫它程序化廣告而已。

對于程序化，很多人都比較看好它所表現出來的精準這一特征。但實際上精準有時候卻是一種悖論，比如諸如很多快消類、IT類、汽車類客戶，他們的投放在追求的其實往往是到達率，但是到達率高并不意味著精準率就高。所以當我們談論廣告營銷這件事的時候，我們一定要非常清楚地知道廣告主所要求的KPI（Key Performance Indicator，關鍵績效指標）是什么。因此，今天的程序化購買也必須要跟廣告主的KPI高度相關。五六年或者再早之前的程序化購買因為有著比較明顯的價格優勢，而同時又能很好地完成廣告主對于到達率這樣的KPI的需求。只要廣告能夠投放廣告主想要的更廣泛的人群，并且廣告的單價相對較低，廣告主用與之前相同的預算可以接觸更多的消費者，這就是一件皆大歡喜的事情。這是中國程序化廣告的第一階段。

但是后來廣告主和廣告公司逐漸發現，有一種流量叫做無效流量，于是五年之前一家名叫ADMaster的中國公司開始發布《無效流量白皮書》。對于所有的廣告主而言，大家都想要以更低的價格購買到更好的媒介資源，但這些低價購買到的媒介資源，真的能實現廣告主對廣告營銷活動最根本的期待嗎？或許并沒有完全實現。所以慢慢的，程序化的廣告市場也開始回歸理性，同時整個生態也逐漸地完善起來，并出現了DSP（Demand Side Platform需求方平臺）、SSP（Supply Side Platform供給方平臺）、AdExchange、DMP（Data Management Platform數據管理平臺）等服務機構。這是第二個階段。

現在我們正在經歷的是第三個階段，整個營銷行業都在探索除了在線廣告之外的其他更多甚至所有廣告資源，是不是都可以實現程序化購買？怎么實現程序化購買？比如戶外廣告、樓宇廣告、電視廣告等，很多新興的媒體和服務商都已經在這方面展開了非常深入的嘗試。理論上講，每一種媒體類型在數字化和數據化之后都具備了程序化交易其廣告資源的基礎條件。而對于現實中的廣告投放活動來說，它遇到的難點就是怎么把各家媒體的數據打通，來為其整個的營銷活動服務。很多時候，數據只有在可以自由流通的情況下才能夠真正實現閉環創造價值。

2.數據孤島困境容易被打破嗎？

數據是程序化投放乃至整個廣告活動各個環節的關鍵要素，而開放數據則是全媒體化的廣告交易平臺所賴以生存的基礎，是促使廣告資源配置和使用更加透明、更加高效、更加創新的重要手段。如果能夠對數據進行采集、分析、探索及應用，就能做到精準營銷，引導廣告商將資金投向有需求的特定受眾，不僅可以幫助廣告主省下大批的預算投資，還能夠在精準定義市場需求的基礎上提升廣告效果，同時也便于用戶們及時找到他們所需要的信息，讓個性化的消費需求能夠迅速得到滿足。[2]但在過去，不同媒體類型和組織之間形成了一個個的數據孤島，那么這種數據隔閡有望被打破嗎？

從廣告營銷的角度看，單獨一家企業生態的閉環不能稱為真正意義上的數據閉環，因為營銷活動成功與否主要取決于它為客戶帶來的實際價值。客戶每年要花大量的預算在不同的媒體上投放廣告，那么這些來自不同媒體的數據之間是否能夠實現相互匹配，線上數據和線下數據之間是否能夠實現相互完善，就直接決定了這些數據是否能夠很好地服務于客戶的數據管理體系和廣告投放活動。這一點其實是很重要的，也是廣告主非常在意的。比如現在的BAT都在大規模加碼新零售領域，而新零售要取得成功就必須將不同平臺的數據打通、線上線下的數據打通、各個環節的數據打通。未來一段時間這幾家大的互聯網巨頭怎么去解決數據自由流通的問題，是中國乃至全球各大中小型企業都非常關注的事情。

當然這個問題并不是中國市場特有的問題，美國市場也存在類似的困境，Google和Facebook都有自己的生態，就像中國的BAT一樣，美國的互聯網公司目前也都沒有誰能夠拿出一個普遍認可的方式方法，畢竟各個公司都有各自不同的利益或競爭關系。當然，具有匿名性、去中介化、信息不可篡改等特征的區塊鏈技術，或許能夠為數據共享提供一些新的思路和借鑒，現在市場上已經有新的基于區塊鏈技術的數據服務機構或廣告交易平臺出現了，它們的快速成長有望使數據流通、數據共享和數據閉環的美好愿景加速到來。

區塊鏈技術在很大程度上能夠避免本文前面提到的無效流量問題。舉一個簡單的例子來說，對無效流量進行管理有一個比較簡單的操作辦法就是，鼓勵中國廣告協會成員單位每家都提交一個無效流量的黑名單，協會對這些黑名單進行統一整理之后再共享給所有的成員單位，這樣每家企業在進行廣告投放之前就可以利用自由的DMP系統篩除這些無效流量，從而減少廣告預算的浪費并提升廣告投放的精準程度。利用區塊鏈技術則可以對這個無效流量的黑名單進行范圍的擴充、動態的更新和精確的管理。我們利用區塊鏈技術可以把這個共享的范圍擴大，這樣就能在投放的時候幫助更多廣告主把這些無效流量過濾掉，從而做到更精準更優化的投放，同時避免資源的浪費。事實上，區塊鏈技術可以像處理更加龐大且復雜的金融數據那樣處理廣告營銷的數據，從而幫助我們解決更多的數據共享和效果優化等現實問題。但現在的難點并不是技術的問題，而是由誰來主導這個數據和資源共享的平臺、怎么樣確立一個參與方都一致認可的機制以及如何對更敏感的用戶隱私進行保護等。

3.完善用戶畫像可以精準預測消費需求嗎？

隨著用戶在線的時間越來越長以及互聯網企業采集用戶數據的方式越來越多，用戶所有網絡行為所產生的數據規模也越來越大，這些數據使媒介、廣告主和廣告公司所進行的用戶畫像也越來越清晰。這些清晰的用戶畫像被運用到具體的營銷過程中之后，就產生了越來越精準的廣告投放。企鵝智酷發布的研究報告公開顯示，大量用戶平均每隔14分鐘就會看一次微信，換句話說就是用戶每14分鐘向微信貢獻一個數據點，這些數據點會在系統已經形成的用戶畫像基礎之上對他不斷進行更加細致的描述。如果再補充更多的用戶LBS數據、電商消費數據、媒介瀏覽數據等，我們就會發現借助于大數據工具，營銷人員對用戶的了解就越來越全面:用戶每天在城市中的行走路徑是什么樣的，他使用了什么應用點擊了哪些廣告，他在什么樣的電商平臺上花費了多少錢購買了什么……這個時候用戶畫像就會清晰到令人難以想象的程度，所以我們也一再強調和呼吁各界提高對用戶隱私的重視程度和保護程度，這是另外一個話題。

隨著用戶畫像越來越清晰，我們就越來越接近程序化廣告、計算廣告或者智能營銷的一個核心話題:預測用戶的消費需求或行為動向。事實上，無論是電商公司還是媒體機構，無論是傳統媒體還是網絡媒體，大家一直孜孜以求的那個“水晶球”，就是怎么樣實現對消費者行為的精準預測。以汽車營銷為例，廣告主之所以會對大數據、用戶畫像、計算廣告這些概念感興趣，并不是因為他們真的在意用戶長什么樣子，而是因為這些工具可以回答他們最關心的問題:誰會在未來三個月有可能產生買車的行為？預測消費需求這件事，這就好像是營銷領域的圣杯一樣，盡管所有營銷人員每天都在想著怎樣破解這一難題，但是直到目前還沒有哪個產品或者公司敢于宣稱他們已經真正做到了。基于現有的數據營銷人員基本上可以了解用戶過去的消費行為，并通過曾經的消費標簽建立一個模型，然后用這個模型去預估這位用戶可能的興趣愛好是什么。但是精準預測消費需求這件事的難度，已經遠遠超出了挖掘一堆歷史數據和建立幾個用戶模型這些初級套路。事實上，未來營銷領域要重點突破的一個重要方向就是無限提升對用戶行為進行預測的精準度。

紐約的一家網絡輿情管理公司提供了一種有意思的借鑒。在過去，國內外的輿情監測與管理活動通常都是往回追溯品牌危機事件的發酵、起源、爆發、應對等重要節點，然而很多處在危機旋渦中的品牌所采取的公共關系措施簡直糟糕透頂。這家公司則打破了慣常的做法，將焦點放在了對未來一段時間內品牌可能產生的輿論危機進行預測，它會根據目前已經掌握的所有數據來預測這個品牌在未來可能出現的種種負面危機，甚至可以比較精確地告訴客戶，某個危機事件在未來24小時、48小時、72小時會影響到哪些可能的媒體，它將如何蔓延乃至出現一種爆發式的傳播等。這種思路就像是我們非常熟悉的天氣預報，氣象專家可以根據實時的衛星云圖確定當前的臺風中心在什么位置，并借助大量數據來預測它下一個小時的運動路徑會是什么樣的、哪些地方會受到非常大的影響……

按照這樣的思路，我們可以把這種對于未來輿情的預測稱為輿情預報，把對未來消費者將要產生的消費行為稱為消費預報。類似的概念和應用在未來的廣告營銷活動中將會大有用武之地。仍以汽車營銷為例，很多時候基于歷史的數據是很難預測用戶在未來一段時間是否真正有購車或者換車需求，因為這些數據告訴我們的是他過去利用什么交通工具出行或者最近經常瀏覽汽車網站，但用它精準預測用戶的真實需求是有難度的。當然，也正是因為做到精準的預測很難，所以這個水晶球才會如此有魔力。在國內外程序化廣告快速發展的背景下，有越來越多的企業和研究機構投身到這個領域，嘗試建立一個更有價值的模型或者體系去攻克精準預測的難題，成為廣告領域未來一段時間的重要話題之一。

事實上，要做到更加精準的預測，就必須要把不同企業、不同維度的數據打通。現在的基本情況是每家企業都是一個數據孤島，當真正把多樣性的數據打通之后，用戶畫像就會更加的清晰和完善。例如，為什么我們能精準地預測到某位用戶會在未來三個月買一臺新車呢？原因在于不同維度的數據向我們顯示了這種必然性:政府公開數據顯示這位用戶獲得的新能源汽車指標將要在3個月之后作廢，即時通訊工具的數據向我們顯示他在一周之前曾經在朋友圈發表過想要購車的計劃，社交網絡的數據向我們顯示他最近與親密好友經常討論什么類型的汽車更適合自己，汽車網站的數據向我們顯示他頻繁地登錄幾家不同的網站針對某三款車型進行詢價和比較，再結合諸如電子商務交易記錄等更多維度的其它數據，我們就能夠得出一個類似天氣預報中的衛星云圖那樣動態的消費預測模型。而要建構這種高度精準的預測模型，就需要依賴那些聚焦于打通多方數據的第三方數據服務機構或者數據聯盟，畢竟任何一家公司的數據都很難真正實現有高度的說服力和可信度的數據閉環。隨著我們對用戶的畫像越來越清晰，程序化廣告所投放的目標受眾也就越來越清晰，廣告主所期待的廣告營銷的效果也就會越來越明顯。

4.加速數據資產化打造新零售新服務

在營銷決策越來越依靠數據以及建立在數據基礎上的用戶畫像的當下，現在幾乎所有的企業、公司、門店、媒體都深刻意識到了數據作為一種資產所造成的顛覆性影響，并開始想方設法加速他們的數據資產化和DMP建設進程。DMP對人群數據進行分類標簽整理及相似人群尋找，旨在精準定位用戶的數據處理，使廣告投放更具針對性，DMP平臺不僅可以為品牌提供有效品牌用戶的人群畫像、消費者洞察和品牌營銷建議。[3]當然，在數據資產化和DMP建設進程中，大的組織跟小的企業之間必然存在著很大的差異。大企業的數據資產化進程或許開始得早一些，投入的人財物力多一些，但在這條路上他們未必就是走得最快、做得最好的典型代表。在數據資產化方面，很多大企業做得不錯，但也有很多大企業徒勞無功，因為它們并沒有真正意識到數據在它的營銷環節乃至整個商業模式中的重要性，于是它們反而不如那些真正用心去做DMP的中小企業。有些中小企業，因為它的內部架構和產品品類都相對不那么復雜，DMP搭建起來反而能夠起到立竿見影的效果。這也就是說，在數據資產化過程中，大企業有大企業的困難，中小企業有中小企業的優勢。事實上，廣告主、廣告公司和媒體都在積極地推動它們內部的數據資產化以及多方的數據相互開放。但對于任何一家企業而言，最大的挑戰首先是來自于它的決策者是不是有決心一定要把這個數據平臺做好，然后才是資金的投入以及實施的步驟，最后才是技術的解決方案。技術層面的很多問題都容易解決，但是關鍵的問題在于企業能不能梳理清楚自己的營銷目標、用戶需求、消費場景以及數據資產化過程中所涉及的人財物的投入。只有自己梳理清楚了，它才能清晰地告訴技術方或者其它第三方來幫它實施和落地。

今天，在數據資產化的道路上，所有的企業和個人都在不停地學習、不停地思考大數據革命到底給我們帶來了什么。在另外一個層面來看，或許數據資產化也是方興未艾的新零售形態非常重要的一環，目前包括BAT在內很多大中小企業都布局這一領域，它是對傳統零售進行重新改造甚至徹底顛覆，那么數據化在這個過程中將會起到什么樣的作用呢？市場營銷學通常會提到一個概念叫做目標市場（target market），企業面對的核心問題就是如何更好地服務于它的目標用戶，這里的目標用戶既包括存量用戶也包括新用戶。無論是新零售，還是智慧零售，這個目標用戶市場依然是它們必須直接面對的問題，只不過它所采用的是基于數據分析的全新方法來解決這一問題而已。舉例而言，咖啡廳可以通過對所有用戶歷史消費記錄的挖掘和分析，并針對不同用戶在不同時間進行不同訴求的廣告營銷活動，從而提升店面的用戶重復購買率或者客單價（per customer transaction）。我們也可以把這種與數據高度結合的商業模式稱為新服務，這種新的服務模式對于很多線下零售門店都有非常大的意義。在過去，客單價的提升與店面不同服務人員的勤奮程度和情商高低有很大的關系，但今天，數據化的工具正在幫助我們把這種針對不同用戶展開的個性化服務變得標準化、體系化和規模化。

在未來的新零售領域，DMP系統或者其它某個智能化數據系統是不是會承擔起向在店的服務人員發號施令的指揮官這樣一種角色呢？它可以告訴服務人員怎樣能夠更好地提升顧客的滿意度和客單價，這就是數據的意義和價值:在實現消費升級之前先要完成的是數據思維和數據系統的升級。比如商圈美食點評類的應用可以通過LBS的方式獲取到用戶所在的具體地理位置，比如國貿附近，那么晚上這位用戶還會不會在附近的位置，我們可以通過用戶所在的場景、他在手機上搜索瀏覽的內容以及他更多的餐飲消費數據，向他更精準地推送一條附近餐廳的廣告信息或優惠信息，這也是數據化和程序化的典型應用，它能幫我們解決更多新零售新服務的具體問題。這也就是計算廣告面臨的核心問題:如何做到用戶、場景、內容和廣告的完美匹配？

5.在數據閉環的邏輯下重新思考廣告

實際上，這個時候我們單純再用傳統的廣告思維來進行營銷就受到了很大的局限。第一個原因在于“廣而告之”的思維越來越不能適用于今天我們所說的程序化廣告或者計算廣告了；第二個原因在于簡單粗暴的廣告轟炸不但浪費營銷成本而且效果越來越差。建立在大數據基礎上的社會計算思維方式，必然是對之前傳播模式的一種顛覆，曾經占主導地位的廣告傳播模式開始發生改變。[4]事實上，數字營銷領域近些年呈現出了很多新的趨勢，比如內容即廣告，比如社會化營銷，比如口碑營銷等，因為用戶與用戶之間在線上或者線下是好友關系，所以他們彼此推薦的產品和服務在一定意義上更像是一種經驗分享、一種社交滲透或一種內容輸出。現在，所有的媒體和廣告主都在傳統硬廣之外積極努力地拓展更加原生化的營銷方向，那就是怎樣將營銷與內容結合得更緊密、更有機。這就涉及我們經常探討相關性或者關聯度（Relevence）問題。

幾十年來，廣告界一直在爭論消費者到底是否喜歡看廣告這個問題。美國的研究發現用戶在回看錄播節目的時候通常會跳過廣告，國內的研究也表明在插播廣告的時段觀眾換臺率是最高的。為什么？因為這些廣告跟用戶沒有直接關系，大家當然會選擇跳過去。但美國的超級碗決賽卻是個例外，第52屆超級碗比賽的一條30秒廣告賣出了770萬美元的天價，光靠比賽時段的104個廣告位福克斯的收入就超過5億美金，而加時賽中播放的四個廣告又帶來了額外的2000萬美金。可以說，超級碗幾乎是世界上唯一一個能吸引觀眾仔細收看廣告的電視節目，除了制作精良、創意制勝等眾多原因之外，還有一條就是它的廣告與內容、與用戶需求有著高度的相關性。可樂品牌、薯片品牌、啤酒品牌等是超級碗決賽的重要廣告主，而事實上這段時間正是美國當地此類產品銷量暴增的時間。相關性的原則不僅僅適用于超級碗這樣的電視廣告，同樣也適用于互聯網的程序化廣告，僅僅靠傳統購買流量投放廣告的粗放模式已經不奏效了，在未來的程序化購買乃至整個數字營銷領域，我們都需要認真的思考廣告與內容的高度相關、與場景的有機結合。在這樣的情況下，關鍵要做的是要基于數據管理系統對用戶的需求進行推斷，于是，更精準化、更個性化、更智能化、更動態化的廣告活動越來越大規模的發生了。[5]

實際上我們今天正在用全新的視角來重新審視、重新思考和重新界定廣告。在一定意義上，未來的廣告更像是某種形態的新服務，用戶需要的不是廣告本身，而是廣告、營銷、內容或者其它什么服務形態能為他解決對于信息獲取、產品選擇或者品牌消費等方面的難點、痛點或者癢點，總之他需要的不是那么干巴巴、硬生生、不痛不癢的一則廣告。而新服務就是運用海量數據、標簽體系、用戶思維等工具去滿足每位用戶的個性化需求，并把它發揮到極致。過去的營銷會出現拍腦門決策的現象，主觀地認為哪種營銷方式是最優的，但是未來會有越來越豐富的數據告訴廣告主，你的品牌與哪些其它品牌、與哪些內容、與那些線下的活動是高度相關的，這時候我們的廣告營銷、內容營銷、跨界營銷就會更精準、更有效、更有目的性。在這樣的邏輯之下，我們重新回到重新定義廣告、重新定義營銷、重新定義媒體的話題就有了新的意義，品牌之間的跨界營銷就為我們打開了新的思路:一個品牌成了另外一個品牌的媒介，或者說二者之間互為媒介、互為營銷渠道，比如一家咖啡館，除了自營的咖啡之外，它的場景還適合混搭營銷很多其它的品牌或者產品。所以在萬物互聯的時代，電視機就是裝在家庭中的媒體，汽車就是裝在輪子上的媒體，智能機器人就是應用在更多場景中的媒體，它的技術邏輯和商業模式都是成立的，我們可以更大膽的、更天馬行空的想象未來的媒體和廣告生態。而我們現在應該做好的就是更好地完成企業的數據閉環，更準確地預測用戶的消費需求，更有效地做好廣告營銷新服務。