剑客
关注科技互联网

钱花了,怎么才能判断推广效果的好坏?

你知道广告费浪费了一半,却不知道浪费在哪里;你做了一次品牌推广活动,却不知道如何衡量活动对公司品牌的影响;你选择了适合公司的营销矩阵,多管齐下的做营销活动,却没有办法区分不同渠道的效果。也许这篇文章能给你一些启发。

营销理论中有4A、4R或者AIDA模型,依次对应了用户从接触到营销信息开始,注意、知晓、态度、行动的四个阶段。从广告投放上看,品牌广告和效果广告分别针对消费者消费行为过程中的不同阶段。数据表明,在效果广告投放中,品牌知名度高的企业获得的销售转化率高于其他同类型企业。

反观现在成功的企业,一般将品牌营销和效果营销相结合使用:

通过品牌营销来建立消费者对产品的早期认识,通过效果营销促进消费者最终购买产品。如此反复,将企业品牌和销售额推向一轮又一轮高潮。

俗话说,有衡量才有促进。相比效果营销,品牌营销一直具备模糊性。这篇文章提出4个数据模型,先尝试解决品牌营销的模糊性问题。

1、模型一:助攻模型

球场上,一个助攻球员将球传给主力球员进球,并不能说助攻球员没有价值。助攻球员的价值在于通过团队协作,辅助了其他球员进球。

品牌营销就像助攻球员,前期做了大量的铺垫,才会有最终的用户下单,哪怕下单的渠道是其他渠道,也是这次品牌营销的助攻贡献。

钱花了,怎么才能判断推广效果的好坏?

助攻贡献的计算方法不难理解

假如渠道A的一次营销活动覆盖的用户,在一段时间内,在渠道B中完成了转化目标,那么成功转化的用户就是渠道A对渠道B的助攻贡献。转化目标可以是任意的用户行为,比如注册、下单、发帖、看完新手教程等等,根据产品的需要来设定。

因为每次营销活动对用户的影响是随着时间衰减的,所以在这个计算中需要人为的指定一个时间窗口(一般不要超过1个月)。可以认为只有在时间窗口内完成了目标转化的用户,才算作品牌营销活动真正的助攻贡献。

最后还想多说一点:

  • 即便是完成了相同转化目标的用户,他们的商业价值也不是完全相同的。
  • 以注册为例,papi酱加盟和某路人甲注册,对直播平台来说有天壤之别;
  • 以消费为例,买了轻奢品的土豪和薅羊毛党,系统也不应该一视同仁。不同的用户对系统的价值不同,给价值高的用户更高的权重,将这个权重加到助攻贡献的计算中。

上述模型假设每个转化用户只受到单一助攻渠道的影响。现实情况中,企业会同时在多个渠道上进行矩阵式营销,一个用户可能会同时接受到多个助攻渠道的信息,最终完成下单。我们需要做多渠道分权,将助攻贡献公平的分给不同的助攻渠道。重新评估每个品牌营销活动的贡献值。

钱花了,怎么才能判断推广效果的好坏?

我不建议采用简单的将助攻贡献平分给所有助攻渠道的方法。门户网站上的一个简单文字链,和线下体验店的深度交互的体验式营销,两者给用户留下的印象程度不同,不应该获得相同的数值;36kr的报导,和创业公司官方微信对公司的介绍公信力不同,前者相当于获得了媒体的背书……

钱花了,怎么才能判断推广效果的好坏?

要做到公平分配可能要考虑的因素:

1、 采用渠道的知名度为权重,给影响力大的渠道以较大的权重。

这里想多说一句,并非越大众的渠道影响力就越大。如果你是一个细分行业,可能所在细分领域的专业媒体的用户更加精准,影响力也更大。好比不存在日报之于科幻用户,36kr之于互联网从业人员的意义。

2、  采用营销活动的用户参与度为权重。

每一次营销活动,能或多或少获得用户的浏览时间、浏览次数、滑屏次数、转化、点赞等行为。我们假设用户参与度越深,营销活动在用户注意力吸引和认知建立上的效果越好。将用户参与度作为营销渠道的权重。

3、 采用用户参与营销活动距离用户产生行为的时间段为权重。

这里有一些算法,大家可以自行配置:

  • 认为第一次的营销和最后一次营销的影响力最大;
  • 认为最后一次营销的影响力最大;
  • 认为第一次营销的影响力最大。

2、模型二:参与度模型

用户参与度指用户在参与活动过程中的可量化的行为指标,比如用户浏览时间,用户点赞、转发、评论等行为的次数。一般来说,用户的参与度越深,说明活动的吸睛效果越好,用户对你的活动越有兴趣。

技术的发展,让我们可以衡量的渠道形式越来越多。比如线下广告可以通过wifi或者蓝牙探针技术,来了解受众的驻足时间。一次普通的线上媒体投放,可以获得用户阅读时间、用户评论数量及内容、用户翻屏次数等等。

3、模型三:传播模型

在这个人人都是自媒体的时代,有的官方营销活动不仅让目标用户产生强烈的心理认知,还会演变成热门话题,以不同的姿态传播开来。

我推荐重点关注新闻、微博、微信、知乎和所在细分行业垂直媒体和垂直论坛等渠道的舆论导向。了解参与话题的媒体数、文章数、用户评论数、阅读数、转发数等等。

钱花了,怎么才能判断推广效果的好坏?

此外,关键节点也是传播模型中需要重点关注的。大V的态度可能会影响未来的舆论方向。

在微博中重点关注大V用户的转发和直发话题,在知乎中需要关注大V用户的点赞、评论、话题关注、回答话题。因为这些行为都会出现在信息流中,成为新的引爆点。

钱花了,怎么才能判断推广效果的好坏?

转化成数据模型来看,先制定账号的级别标准。

比如微博有多少个粉丝是A级别,知乎获得多少个赞是B级别之类的;接着将参与上述行为的用户数据搜集起来,分析账号的级别分布、用户所在的圈子(行业)等等。

对于高影响力的账号发出的信息,需要做情绪分析,了解其中正面、负面信息的比例。如果有必要,甚至需要逐条人工分析大V用户的信息流,后续再做对应的处理。

TIPS:上述传播分析,可以借用一些第三方工具来完成,比如火线舆情、微博风云榜、百度指数的舆情洞察(是的,不是百度指数整体趋势)、清博指数。假如公司有资源,也可以自己获得原始数据来分析。清博、微博、知乎提供了API,有微博、微信和知乎的数据。也可以通过爬虫获得更多平台的原始数据。

4、模型四:情绪分析模型

有时候,并不是参与的用户越多,用户参与的越深入越好。我们还需要了解用户的心理感受,判断活动是否如期引导了用户的认知。这里罗曼罗推荐用情绪分析的方法。

钱花了,怎么才能判断推广效果的好坏?

举个例子,支付宝的儿童节营销引起了用户、媒体们和互联网从业人员的极大关注。如果只是将用户参与度作为唯一指标,那这次活动无疑是巨大的成功。然而,大家对这次营销的态度也是两极分化,如果结合情绪分析来看,这次活动的成功与否就不好说了。

我们可以获得用户评论、用户面部图像或者用户的语音等数据,来了解用户是否满意、评价是正面还是负面的。

如果是一次病毒营销,需要获取参与话题的媒体文章、用户评论,对文章和用户的评论都做语义分析。

TIPS:技术的发展,让我们的分析越来越智能。很多学者和研究机构提出了不同的文本情绪分析模型,语音情感识别算法,面部情绪识别工具,其中很多算法框架被开源共享了。如果能采集到评论文字、用户语音、用户面部图像的数据,可以考虑通过开源或自研的方式来分析用户的态度。

如果不想占用研发资源,我推荐万能的人工分析大法,全量或抽样的分析上面的数据等。

5、总结

1、品牌营销以建立用户的早期认知为主,不以销量为目的,但是能为后续的效果营销带来更高转化率。可以用助攻模型来衡量品牌营销的效果。

2、用参与度模型来评估用户对产品的兴趣;用传播模型来评估公众或媒体对产品的兴趣;用情绪分析模型来了解所有活动参与者对活动的态度,以免活动产生了适得其反的效果。

具体指标也许是:

  • 自有渠道的覆盖用户数、用户画像、用户评论/点赞/转发数、评论的正负语义;
  • 媒体的新闻数量、阅读数、点赞数、评论数、文章和评论的正负语义;
  • weibo中创造话题的人数及人群画像、直发/转发比例、阅读人数、评论总数、参与话题互动的粉丝用户画像、话题/评论的正负语义;
  • 微信公众号文章数、阅读数、转发数、文章的正负语义;
  • 知乎问题数、回答数、关注人数、点赞数、评论数、话题/回答/评论的正负语义;
  • 垂直论坛的文章数量、阅读数、评论数、文章/评论的正负语义。

作者:罗曼罗,技术出身的pm。

来源:知乎专栏“罗曼极客”

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址