广告效果衡量的变迁历程

在广告行业中，衡量广告效果一直是业界关注的焦点和难点。本节将从广告历史的角度，介绍广告效果衡量的变迁过程。

广告效果衡量的起点

现代广告最早起源于美国，随后逐渐兴起并繁荣发展。在1923年，著名广告人克劳德·霍普金斯发表了一本重要的著作《科学的广告》，系统地阐述了他对效果广告的看法。他创新性地引入了优惠券、免费试用品、邮寄目录、测试营销等广告投放方法，并通过统计样品索取的数量来衡量广告效果。这可以说是广告界对效果的最早、最准确的衡量方法。霍普金斯的思想对后来的广告人大卫·奥格威产生了重要影响。奥格威在他的著作《一个广告人的自白》中提到：“我们做广告是为了销售产品，否则就不是做广告。” 他将广告的好坏标准归结为销售量的差异，这可以说是当时的“效果广告”。

互联网时代的广告效果衡量

互联网的出现对广告行业带来了一场技术革命，重新定义了广告的精准性和效果衡量的方法。首先，互联网改变了广告的计费规则，引入了按效果付费的方式。传统广告虽然也关注广告效果，但往往效果衡量相对模糊且难以量化。互联网的数据化过程使得每个广告投放环节都可以被量化衡量，从而实现了按效果付费的方式。最早的按效果付费方式之一是CPC（按点击付费），即只有用户点击了广告才会付费。与此同时，竞价广告结算模式也随之出现。按效果付费和竞价广告是紧密相关的，因为按效果付费与广告媒体的利益最大化存在冲突。互联网广告的效果衡量也逐渐丰富起来，从点击到安装、激活、付费等深层次的效果数据都可以被广告平台获取。这些数据使得广告平台能够进行效果优化，根据用户的特征进行模拟预估，实现广告的精准投放。

效果广告的数据闭环打通

点击率（CTR）是衡量广告效果的重要指标，因为广告平台可以直接获取这个数据。然而，对于广告主来说，点击并不是最终目的，他们更关心的是后续的转化链路。因此，广告平台需要建立起与广告主之间的数据回传闭环，以便进行相应的优化。Facebook在这方面进行了先导性的尝试，推出了一项名为“像素”的埋点功能。该功能允许广告平台获取后续转化数据，从而实现广告效果的优化。

以上就是广告效果衡量的变迁历程和互联网时代的广告效果衡量方法。

当时的广告落地页主要以H5的形式展示，Facebook的像素是一个无内容的像素加上一段统计上报代码。广告主需要将这个像素放置在广告落地页的相应位置，这样当用户访问广告落地页并在不同区域点击时，Facebook就能收到这些互动行为数据。这是一种简单的实现方案，因为广告落地页上的互动行为属于转化领域的浅层转化行为。然而，如果要统计更深层次的行为，比如App的下载、激活、付费，电商的收藏、支付、复购等，像素就无法满足需求了。因此，广告平台开发了一个专门的API接口，通常称为“callback”接口，用于回传转化数据。通过这个接口，各种转化类型都可以进行回传。有人可能会担心，后续的转化数据是非常重要的数据，企业是否愿意将这些数据回传给广告平台呢？事实上，确实存在这样的顾虑。可以看出，ROI是广告主关心的核心指标，而中间的其他转化指标则是ROI的先导性指标，二者之间存在着强相关性，但这种相关性是波动和变化的。因此，当广告平台无法直接优化ROI时，广告主需要自行掌握和控制转化指标和ROI之间的关系。这是广告主的重要问题，也是广告平台一直努力解决的方向。

互联网广告效果衡量的发展方向是什么？其中之一就是基于转化的算法优化。对于互联网广告来说，效果是一个逐层递减的转化漏斗，不同的转化漏斗长度不同。以工具类产品为例，典型的转化流程是广告曝光、广告点击、应用下载、应用安装、应用激活、浏览变现广告。从上一个环节到下一个环节，都会有不同程度的流失。理论上，在支持按效果进行出价的今天，可以对上述转化事件进行单独出价，比如以3元购买一个有效下载、5元购买一个有效激活为例。成熟的广告系统都能进行针对性的优化，即在客户可接受的范围内将广告内容推送给最容易转化的用户。然而，广告平台能对转化事件进行针对优化的前提是广告主必须将转化事件的数据回传给广告平台，因为广告平台需要这些转化数据来识别和预估哪些用户容易转化。然而，对于任何广告主来说，试听、下单、复购等转化数据都是最核心的数据，是公司最重要的资产，所以他们对这些数据回传的安全性也存在顾虑。那么，如何解决这个问题呢？腾讯广告提供了一个解决方案，值得借鉴。首先，腾讯的广告生态非常完整，有为App推广买量的腾讯广告，也有为App提供流量变现的平台——“优量汇”。这样的好处是显而易见的，即广告主无需回传收入数据，因为优量汇已经准确实时地知道了广告主的收入数据，这为广告效果的优化提供了非常有利的操作空间。具体来说，腾讯通过基于ROI预估的出价模型来优化广告效果。App广告主可以设置一个浅层转化行为的转化成本和一个最低可接受的首日变现ROI。系统会在参考浅层转化行为目标成本的基础上，根据预估广告频次和实时计算的ECPM来确定出价，以尽可能控制广告变现ROI不低于广告主设定的期望ROI。这样做的目的是在保障ROI的基础上提升拿量能力。腾讯广告在这类广告效果优化方面进行了升级，之前采用的是基于次留存率进行预估的双出价模式。背后的逻辑是次日留存和变现之间存在强相关关系，因此次留是能够代表变现效率的指标。然而，二者并不完全相等，这种做法会直接过滤掉一些次留较低但付费意愿强的用户，而这些用户实际上属于App应该争取的用户。腾讯广告的解决方案有几个明显的优势。首先，广告主无需回传全部收入数据，因为优量汇本身就存储变现数据，也无需回传其他渠道的变现收入，这最大程度上消除了广告主对数据安全的顾虑。其次，系统通过预估收益实时调节出价，无需广告主根据首日ROI推算次留率目标进行手动调整，同时也不会错误地过滤留存低但付费意愿强的客户。此外，由于数据的连续性，这个方案能有效避免广告计划在一定时间后的拿量能力下降问题。正是这些在ROI变现方面的领先优势，让腾讯广告在效果广告进入深水区之后依然能够给广告主带来足够优秀的回报。效果广告是一个以结果为导向的行业，必须有足够显著的ROI才能赢得广告主的认可。作为国内老牌的效果广告平台，腾讯广告始终走在广告效果衡量创新的前沿。与竞争对手相比，腾讯广告的变现ROI更加灵活，不强制要求广告主变现占比，也无需回传全媒体的变现数据，只需使用大串行单层并发请求即可获得良好的预估。此外，针对广告主在使用变现ROI后出现掉量的问题，腾讯广告的变现ROI优化策略兼顾整体LTV回收曲线，稳步提升LTV，确保收益不会突然下降。

以某工具行业广告主为例，6月开始测试账户，持续跑量长达18天，在拿量效果、次留率、首日及7日变现ROI等方面的数据均优于次留双出价广告。首日ROI超过出价120%，仍可持续维持跑量能力。无疑，今天的广告效果预估已经与传统时代有了天壤之别。除了刚刚提到的基于结果的算法优化，我们对于效果的定义和认知也在不断发展。例如，我们需要考虑一个指标还是多个指标来衡量广告效果？如果是多个指标，哪个指标更重要？其他指标的权重又是多少？应该关注短期效果指标还是长期效果指标？如果注重长期效果指标，如何解决算法要求的即时数据反馈问题……这些都是互联网时代广告效果衡量所面临的实际问题。而要解决这些问题，我们需要新一代广告人在实践中不断探索和开拓。