吉宁博士观点
碎片化市场
我们的一位客户是消费电子产品巨头，长久以来，这家公司都会分别评估公司广告在各类媒体上的影响力。实际上，这是大多数公司的通行做法，它们会分别评估电视、平面媒体、电台和网络广告对销量的推动作用。他们显然尚未意识到，如今不同形式的广告之间会相互影响。例如，一次电视广告接触点会带来一次谷歌搜索，而搜索结果会带动一则网络广告，最终消费者点击该广告会实现一次销售。
为梳理广告如何与媒介以及销售渠道进行互动，我们的客户最近采用了一种更加先进的数据分析技术。该分析方法揭示出一些出乎意料的现象。以一次新品推广活动为例，数据显示，电视广告鲸吞了其广告预算的85%，而Youtube广告只分得预算的6%，但Youtube广告吸引网络搜索的效率却比电视广告高出近一倍，这里的网络搜索指的是那些产生实际销售的搜索。分析结果还显示，网络搜索引擎广告只占公司广告预算总额的4%，却产生了25%的销售额。在掌握了这些重要发现后，公司重新分配了广告预算。其结果是，在没有增加一分钱广告预算的情况下，公司的销售收入提高了9%。
这些新发现代表着市场营销学的“圣杯”，它们可以帮助人们准确掌握营销过程中的每一举措对销量的推动作用，并在调整前预测出可能产生的结果。一直以来，人们都对这尊圣杯可望而不可及。20世纪80年代早期，媒体组合建模（Media-mix Modeling）技术出现，它首次帮助营销人员实现了把广告活动与销售数据联系起来分析的功能，营销人员开始利用这一技术分配有限的市场资源。每个市场营销人员都对这种原始简陋的分析法趋之若鹜，这种情况延续了近20年，直到20世纪90年代末数字营销的出现。数字营销通过监测每一次鼠标点击，提高了评估广告和购买之间因果关系的可能性。市场人员开始追踪客户在网络上的最新活动，例如，点击网页上的Banner广告（出现在屏幕上端的条形小广告），并把购买行为与这些活动联系起来。
营销人员还将网络活动追踪与几种传统广告评估方式相结合，例如客户调查、焦点小组和媒体组合建模。这种多管齐下的方式似乎万无一失，因而很多销售人员都认为，他们已经掌握了广告影响购买行为和推动销量的奥秘，但其实这种看似保险的分析法已经过时。其主要原因在于，传统分析法是回溯性的，无论哪种接触点——海报、网络广告、电视、电台、电子邮件和其他渠道，传统分析法都认为它们彼此毫不相干，各自独立地发挥作用。更糟糕的是，不同的营销团队、广告代理商和媒体投资人的运营也各自为战，采用的评估方法更是截然不同，但是他们争夺的是相同的资源。这种分析方式被称为“泳道式分析”，它常常导致营销人员错误地将特定的销售成果归功于他们的市场活动，这也解释了公司财务数据与营销回报不匹配的原因（见图表“跳出泳道”）。一位《财富》200强公司的CFO曾告诉我:“当把所有广告渠道的投资回报数据相加后，我感觉公司应该比实际规模要大一倍。”
今天的消费者暴露在一系列碎片化的市场接触点下，它们横跨不同的媒体和销售渠道，并且数量在不断增长。想象一下，当一位消费者在电视上看到丰田凯美瑞的广告后，她拿起手机，在谷歌搜索栏里输入“轿车”；首先弹出的是包含凯美瑞广告链接的付费搜索结果以及该车型的相关评论。此后，这位消费者又打开专业汽车网站，阅读关于凯美瑞车型的点评，在点评的页面中，她发现了当地经销商的网络广告，但并没有点击。一条评论中含有丰田凯美瑞的Youtube视频，于是她点击观看。在Youtube网站上，她还看到了8个月前丰田“智能凯美瑞”的超级碗赛事插播广告。在上班的路上，她看到了自己从未留意过的丰田广告牌，同时她还收到了丰田公司“限时促销”的广告邮件。随后她访问了当地几个经销商的网站，其中包括限时促销的商家和汽车专业网站推荐的经销商。最终，消费者实地探访了经销商店，试驾并购买了这款车。
到此，丰田的CMO应该问两个问题：1.这些广告接触点是如何进行组合和互动，并最终影响消费者的购买决策？2.在消费者的决策过程中，丰田是否对正确的接触点进行了恰当规模的投资，并最终引发了消费者的购买行动？
数据泛滥
数据泛滥
过去10年，技术获得了日新月异的进步，消费者的购买行为也随之剧烈变化，这使得公司有能力也有需求去记录消费者的每一个在线行为，这就产生了天量的微观数据。除此之外，还有海量的数字视频记录、数字机顶盒记录、柜台购买记录、信用卡交易记录、客服中心呼叫记录以及其他多种类型的数据。你会发现，营销人员能掌握此前无法想象的宏大信息流，并以此洞察消费者的所见和行为。其中蕴藏的商机不言而喻，但它同时也带来挑战。正如著名的统计学家和作家奈特·西尔弗（Nate Silver）所形容的那样，“每天，人们在一秒中内产生的信息量相当于国会图书馆所有纸质藏书信息量的三倍。其中大部分是无关的噪音。因此，除非你有强大的技术来过滤和处理这些信息，否则你就会被它们淹没。”
在这个新世界中，执意停留在广告分析1.0时代的营销人将面临被淘汰的风险。他们一年进行几次回顾，将销量与几十个变量关联到一起，这种做法不但过时，而且危险。
很多大型跨国公司已进入广告分析2.0时代，新的分析法能实时咀嚼上百TB的数据和处理几百个变量。它能帮助公司绘制出营销业绩的“超高清图片”，运行情景模拟并实时更改广告策略。得益于计算能力和云分析技术的突飞猛进以及数据存储成本的不断下降，新的分析工具能梳理各个媒体与销售之间的互动，准确地辨别外部变量（包括宏观经济、竞争对手动态甚至天气变化）对业绩的影响。简单地说，这种分析法能揭示出那些真正影响销售收入的变量。这些数据驱动的发现让公司在保持现有预算不变的情况下，提高了市场表现10到30个百分点，有时甚至会更高。
本文中出现的案例都源于我们的客户企业。我们的公司为很多跨国企业提供2.0广告分析服务，它基于开创性的数学模型，其开发者是Market Share公司联合创始人、洛杉矶大学加州分校市场营销学教授多米尼克·汉森斯（Dominique Hanssens）。这些模型利用云计算和大数据分析技术，不但可以量化跨媒体、跨渠道的市场营销效果，还可以量化各种直接和非直接的业务因素的影响力。除我们公司，近年来涌现出很多提供高级广告分析服务的公司，例如VivaKi、Omniture和DoubleClick，我们一起满足了不断增长的市场需求。
迈向2.0-归因
迈向2.0
由于整合了大数据分析、云计算和新型分析模型，2.0分析法在广告市场回报方面为公司提供了全新的视角。2.0分析法包含三个广义的步骤：归因，即量化广告活动各环节对销量的贡献；优化（或模拟演习），即在先进的预测分析工具帮助下进行情景模拟；分配，即根据优化结果，实时配置各类营销活动的资源。尽管这三个步骤在本文中有先后循序，但在实操中，这三个步骤有可能同时进行。一个步骤的结果输送到下个步骤，不断循环，其分析能力也随之持续提高。
归因
若要搞清广告活动之间是如何进行互动作用并推动销量的机理，你首先需要收集数据。和我们合作过的很多公司都会首先抱怨内部没有需要的数据，但实际情况往往并非如此。公司其实掌握了海量的数据，但有用的数据散落在多个部门，并且常常被无意识地掩盖住。一般来说，这些相关数据一般存在于市场部门之外的销售、财务、客服和分销等业务部门。
找到目标数据是这一步的关键，这些数据是信号而不是噪音。要准确地对公司业务进行建模，公司就必须收集五个方面的数据：市场条件、竞争活动、市场营销活动、消费者反馈和业务回报。（见“优化广告”）
有了不同地区、不同媒介销售和广告的详细数据，先进的分析就能突破“泳道”的桎梏，揭示营销活动跨媒体的影响力，例如电视广告对社交媒体广告的影响。我们将这些间接的影响称作“协助率”。要揭示这种跨媒体间的协同效应，我们需要追踪客户因广告和销售活动改变所做出的行为变化。举一个简单的例子，电视播出新的广告后，网络广告的点击率大幅度上升，这时2.0分析法就能记录下点击率的上涨，并将其与购买行为的变化联系起来。当然实际情况要比这复杂得多。这种分析能捕捉电视广告接触点对网络广告产生的“协同效应”，展现出电视广告更加真实的投资回报率。更绝妙的是，即便是对于那些消费者互动性低的广告，分析也能揭示出它们之间的协同效应。例如，一个网络广告的消费者点击率只有0.1%，但该广告上线后，产品的搜索次数飙升了12%。
这种协同效应可以直接应用于任何消费者接触到的广告形式：电视、社交媒体、公关活动、网络或户外广告、移动终端广告以及店内推广，而且分析对象不限定于引发最终购买行为的广告，我们现在能分析消费者的整个决策过程。回到凯美瑞的例子，消费者在上班路上看到了丰田的广告牌，它不一定能促使她拜访经销商并购买汽车，但它吸引消费者阅读了邮件广告，而邮件广告让她做出了购买决策。
在个体消费者层面，对协同效应进行量化非常困难，甚至是不可能的，特别是介入线下广告时。但2.0分析法可以捕捉这些协同效应。它采用一系列复杂的联立方程模型，揭示出各种相互作用的协同效应，而最终的分析结果则能准确地反映真实的市场行为。
简陋的泳道式分析法带来的危害绝非耸人听闻，我们客户公司的一位市场部主管就曾深有体会。在职业生涯早期，他曾在一家著名的电子商务公司工作。该公司的营销团队用传统分析法对推广活动进行评估，并将结果上报给财务部门：
 |
局面很快变得非常尴尬，财务部指出该业务单元的实际总收入只有1.1亿美元，比报告上的数字足足少了5000万美元。缺乏有效数据是产生巨大误差的原因，每个广告渠道的负责人都宣称自己的预测数字分毫不差。
这位主管奉命解决归因差错的问题。在工作过程中，他吸取了不少教训。后来，他进入一家消费者技术公司工作，该公司对2.0分析技术非常感兴趣。在那里，他建立起一个分析平台，用来梳理公司广告活动与销售活动之间的互动状况。
这样的例子不能真实反映2.0分析法的复杂性。在实际运行中，一家大公司的统计模型要处理几百个，甚至几千个由广告行为和销售策略带来的变量组合。此外，统计模型还要将外部变量计算在内，例如地理分布、就业率、定价、季节变化和竞争状况等。显而易见，对所有变量产生的排列组合进行分析，云计算和云存储技术必不可少。但它的回报颇丰，2.0分析法能让你立刻看到，新的电视广告影响消费者的网络搜索方式的全过程，而在广告上线后，你便可以更改搜索引擎的关键词，或买断相关关键词。它还可以帮你辨认Facebook广告的实际效用，无论是短期收入，还是长期品牌效应。
迈向2.0-优化
优化
在步骤一中，营销人员需要量化每一个广告行为的回报以及重要外界因素的影响。一旦完成第一步，就要进入情景模拟，这涉及预测分析工具的使用。比如你想知道，把圣迭戈市某个产品的户外展示广告减少10%，或者将电视广告预算的15%转移到搜索广告和页面广告上会发生什么；或许你需要知道，当一位竞争对手在东京减价，或者悉尼的油价上涨时会对你的广告带来何种影响。
有了第一步中收集和分析的海量数据，你便可以给每一个影响因素（从电视广告到搜索广告，从油价到当地气温）赋予一个弹性系数——一个变量变化引发另一个变量变化，两个变化量百分比的比值即为弹性系数。掌握这些弹性系数能帮助你预测每一具体变化所产生的结果。举例来说，你的电视广告与销量之间的弹性系数为0.03，在其他变量保持不变的情况下，电视广告预算增加一倍，那么你的销量会提高3%。简而言之，2.0分析法能辨别出所有因素的弹性系数如何与销量进行互动（详见“广告互动如何推动销量”）。
根据影响因素的弹性系数，优化分析可以在几分钟内运行几百次甚至上千次的情景模拟。在优化过程中，分析人员一般会设定市场营销目标（例如一定的销售收入、市场份额或利润目标），这些目标常常跨越产品和市场。通过对海量的弹性系数数据库进行分析，优化软件会找到与目标最接近的虚拟情景，并提供营销建议来实现这些目标。
此外，软件还可以对一些特定的假想情景进行测试，例如条件一，油价上涨5%；条件二，电视和网络营销双管齐下，主推产品将降价300美元。在这两个条件下，丹佛市的中型皮卡车的销量会如何变化？
福特公司的市场传播主管马修·范戴克（Matthew VanDyke）带领着一支跨部门团队，成员来自IT、财务、市场和其他职能部门。这支团队的任务就是优化福特公司高达10亿美元的广告开支。在2.0分析法的帮助下，这支团队定期进行数千次的情景模拟，其中包含几百个变量。他们用这种方法评估不同的广告策略在一系列复杂环境下可能产生的效果。情景模拟继承归因步骤中的分析结果，这样福特公司就可以在每一个虚拟情景中测算出，一种媒体广告的投资变化对另一种媒体广告的影响，以及外部因素可能对结果产生的影响。
近年来，消费者对燃油效率高的车型越来越感兴趣。福特公司的市场研究经理（（Marketing Science Manager）麦克·马克里（Mike Macri）和他的团队已经利用情景模拟对这种趋势进行分析。他们快速评估出，哪些市场对有关燃油效率的创造性广告信息接受度更高。在公司代理商的帮助下，他们按照分析结果重新分配了广告资源。实际上，福特已经开始运用这种情景模拟来指导多个跨媒体营销活动。
公司还可以对媒介计划和购买中的变化进行情景模拟，不管这些变化是全国范围还是仅限于某地。例如福特发现，公司在数字媒体上的广告开销总额适当，但过于侧重网页广告，而在搜索引擎广告上的投放不足。过去，公司是分别制作全国和本地两个广告预算，结果是两者无法协调一致。这导致公司很难做出正确的判断，无论是给不同经销商群体的营销资金分配，还是评估各车型在各地区的宣传力度，亦或预测传统媒体向社交媒体转移将提升产品在年轻人中的销量。有了情景模拟技术，福特公司就可以在进行实际调整前，预测上述变化带来的后果。2.0分析法效果显著，福特从制定全国整体预算转为细分本地预算，在广告预算总量不变的情况下，其销售收入提高了数千万美元。
特定情景模拟还可应用于一些特定的情形中，例如新品发布、市场中广告数据不足以及竞争对手进行突然的战略调整。我们的一位客户是一家消费电子产品公司，它准备在一个新兴市场中推出一款新产品。新产品有改变游戏规则的潜力，但该市场缺乏销售和市场营销的历史数据。参照竞争对手的广告行为，公司采用2.0分析法准确地预测出新产品发布所需要的市场预算。在情景模拟技术的帮助下，公司对广告行为进行预测和优化。这让公司对该市场的战略格局有了更清晰的了解，他们随之快速地调整营销计划以应对新的竞争状况，最终成功地撬开了市场大门。
迈向2.0-分配
分配
公司设定一个市场营销计划，然后任其自生自灭的时代一去不复返了。随着技术进步，媒体公司和广告投放者不断精简广告流程，广告的购买、投放、评估、扩张和撤销都变得更简单。市场人员可以每月、每周甚至每天对不同市场的广告分配进行调整。通过网络，这些调整可以在瞬间完成。
第三步骤——分配——包含以下环节：将前两步的分析结果应用到市场中；评估营销结果；对模型进行校证（用真实的市场效果对分析结果进行验证）以及修正营销计划。
在一家世界顶级软件公司，高层意识到公司的营销行为缺乏可靠性和准确度，因为一直以来，公司的资源分配并不是以科学的分析为基础。公司需要了解，哪些市场活动能将消费者吸引到它们的网站、分销商和零售伙伴，并最终引发销售，于是市场部门采用2.0分析法来分析各个市场活动之间的互动关系。
公司采用的分析模型包含数百个变量，它能精确地分析出最佳的广告组合。这个组合引发的软件试用次数最多，并且能给分销商带来最高的利润。此外，分析模型还能评估一种产品的广告活动对其他产品销量的影响。获得这些发现后，公司将营销预算重新分配给不同的B2B、B2C产品。线下广告向网络广告的转移以及在品牌建设上的投资，使公司的销售收入增加了数百万美元。
2.0分析模型获得了该公司高层的信任，现在公司全球的所有营销资源分配决策都以该分析模型为基础，并且资源分配也根据分析结果实时变化。在过去三年中，公司广告的投资回报率提高了近一倍。
五步进入新时代
五步进入新时代
数据分析原本是少数专业人士掌握的技能，但如今它已根植于公司日常的战略制定和运营。
10年前，数字营销方兴未艾，当时数字营销的团队负责人现在大多已成为公司的CMO。这些人深谙数据分析之道，广告分析的简陋程度常常让他们感到吃惊。这些新CMO更加注重在技术上的投资，并营造了“事实引导决策”的广告营销文化。科技行业咨询公司Gartnter预计，在未来5年内，大部分CMO在技术上的预算支出将超过CTO。
一个组织要迈进广告分析2.0时代，技术不可或缺，但光有技术还不够。我们根据自己的经验总结出5个步骤，即便小公司也可以实现这样的转变。
第一，采用2.0分析技术要上升为公司级别的行为，并且要有一位C级管理者引领。通常，新的分析法会突然遭遇阻力，因为它挑战了人们对广告分析的传统认识。因此要在引入初期就建立其清晰的愿景和认同感，此时高管层的支持必不可少。
第二，指派一位具有分析思维的经理或总监为项目负责人。该人选应具有丰富的分析技巧和公认的客观态度。负责人应直接向CMO汇报，或带领一支市场和财务部门的混编团队。随着项目不断深入，该负责人有权引导业务计划的制定以及各部门之间的资源分配。
第三，有选择地进行调研，在整个组织中收集数据。要成功地应用2.0分析技术，就必须获得散落在市场部门以外的数据，例如财务部和客户服务部。公司需要辨别并整合这些分散的数据源，并建立永久的信息收集系统。公司应将数据视为自己的资产，要像保护知识产权一样保护它。
第四，起点可以放低，例如可以先对单独产品线、地理位置或产品类别进行分析。此后再循序渐进，让概念获得认可，积小胜为大胜。
第五，积极进行测试，并将测试结果反馈给分析模型。举例来说，如果优化分析显示，从电视广告向网络广告转移可以提高销售收入，那么你可以先进行小规模或局部实验，并利用实验数据完善你的分析模型。市场测试算不上创新之举，但新的测试目标是要准确地进行跨媒体回报归因，因此它更加有效。
当企业拥有多个销售渠道（例如零售、网络和分销商）、多种产品或多个市场时，2.0分析模型将会变得非常复杂，使内部团队难以招架。这时，掌握特殊分析技术和计算能力的外包服务商就有了用武之地。但是，任何公司都可以在内部建设大部分必需的基础设施和以数据为导向的企业文化，从而走向分析2.0转型的旅程。在这条道路上，公司面临来自组织结构以及计算能力上的双重挑战。无论情况如何，有一点毋庸置疑：市场营销正快速转变为一场知识战争和信息战争。而先进的广告分析法能为有先见之明的公司带来不对称优势，取代那些停留在1.0时代的公司。（译/安健 校/方颖）
韦斯·尼克尔思是MarketShare公司的联合创始人和CEO。总部位于洛杉矶的MarketShare公司在多个国家市场提供预测分析服务。
