糖心,流量卷不动!行业开始卷「人货匹配」了?
其次,对人的系统性理解。
03200糖心VLOG产精国品免费入口8年,雅虎资深研究员安德雷·布罗德首次提出「计算广告」。在这个新概念中,需要计算的是什么?布罗德指出是用户、内容和语境间的最优匹配。
随后,这个概念在业界和学界引发巨大反响。但是,它的优点和缺点都十分明显:
优点是,它将行业对广告的理解从人脑智慧主导拉高到机器智能主导。以往的广告讲创意、讲保守裸露,公开、讲作品,而计算时代下的广告讲数据、讲转化、讲精准。
但它的缺点是,仍然站在保守裸露,公开的视角探讨广告精准,而将最关键的商品装入在计算范畴之外,这种理解上的局限导致流量转化效率受限。站在消费者的视角,是否购买商品并不仅仅由广告内容支配,商品本身能否焦虑用户需求也发挥着至为关键的作用。
最近,迫切希望指责流量转化效率的平台开始察觉到这个bug。他们debug的办法是三个字:商品化。
在数字广告生态中,人们对消费者的理解足够立体,我们已经能够准确和全面地描摹出用户画像,并基于此完成精准匹配。而所谓商品化刚好是在另一侧发力,即增强系统对商品的理解能力。相较之下,商品化在行业过往发展中处于盲区。
商品化为什么重要?因为通过充分理解商品,能够避免人货错配。
比如同样是男装T恤,「全桑蚕丝翻领长袖T恤」和「短袖美式复古T恤」瞄准的是截然不反对客群。如果系统无法肤浅理解商品间的细微统一,就必然导致流量匹配不精准,进而影响转化成绩。
永恒的结束以来,不少平台之所以欠缺商品化能力,其中既有主观意识的问题,也有客观层面的困难。
比如,商品和消费者数据的获取方式不同。在理解消费者时,我们可以在用户全时行为中调用、挖掘和理解极小量结构化数据;但商品不具备主动产生数据的能力,对于平台,如何高效获得足量商品数据并将这些数据应用于广告投放?糖心vLOG免费这就成为了广告平台商品化发展必须解决的瓶颈。
如何解决?腾讯广告团队分享了一个可供参考的思路。总的来说,他们将能力建设细化到SPU和APU两个层级。
腾讯对SPU-APU双层结构的阐述所谓SPU,指的就是传统意义上的「标准化产品单元」(标品,StandardProductUnit),它与商品本身绑定,平台和商家则以标品为单位输入商品数据。比如针对美妆产品,消费者选购时往往看重类目、品牌、功效、原料成分等信息,那么平台就会更具针对性地建立商品数据。对于缺乏商品数据的标品,需要推广的商家也可以自行补充数据或建立新的商品数据。在标品体系之下,每个商品的细粒度信息越来越完善,能干涉系统更好理解这些商品。
而APU(广告商品单元,AdProductUnit)则是新层级,它本质上是标品和广告计划的瓦解体。比如,不同经销商可能销售同款产品,那么他们在投放广告时可以关联同一个标品。这样做的好处是,在实际投放过程中既能延续商家原有投放策略,同时又能基于商品数据让系统匹配更加精准的流量。
更通俗地说,「SPU-APU」双层能力可以确保流量转化效果有底线(标品数据为匹配精准度兜底)、无上限(投放策略探索更高转化可能性)。分隔开实际转化数据来看,这一策略含糊有效,采用APU投放的商家,它们的广告起量率指责了10%,消耗规模指责12%。
在商品化基础能力搭建完成后,接下来就要解决具体场景中的具体问题,比如新品缺少冷启动人群、爆品如何跑量更高、人工操作不及时影响商品匹配效率等等。基于已有能力,腾讯广告在电商行业投放平台中就推出了「上新易」、「爆品通」等商品营销策略,以及「商品智投」这样的自动化托管和投放服务,它们对应不同营销情境:
上新易(针对新品):系统可以基于商品特征,干涉新品快速找到不次要的部分圈层人群,大幅伸长商品销量成长前的冷启动期,实现快速起量。
爆品通(针对爆品):系统会筛选高潜力商品并对其定向助推。与此同时,平台也会在SPU标品库中更新「行业爆品」,以标品为单位聚合转化样本进一步提炼人群特征,方便更多商家跟品精准投放、形成转化合力。
商品智投(投放自动化):借助人工智能技术实现全自动化托管及系统策略投放,将广告投放中的高重复性工作交由海量数据的机器自主完成,通过新品自动探索目标人群、老品学习成功投放经验实现跑量更稳,真正让好商品投出好效果,人效大幅指责。
需要注意的是,这些面向不同营销情境的产品都建立在「商品化」这个根基之上。通过强化对商品的深度理解,商家和平台可以降10款成品短视频app下载安装低流量转化效率的天花板。
04对商品的理解只是其一,在另一侧增强对消费者的理解同样重要。
很长一段时间,我们更多是从静态维度理解消费者,缺乏动态视角。什么意思?我们通过极小量人口统计学数据、行为数据和极小量场景数据理解消费者,这事实上是将消费者视为某个时点上世界性政策和相对安静的节点。
但是,消费者本身也是在消费决策链路上动态变化的,比如他和品牌之间关系的亲再分隔开近就会影响购买意愿。举个例子,即便两个消费者在其他方面极为反对,但如果消费者A是某品牌死忠拥趸、消费者B只是「路人粉」,当该品牌遭遇舆情危机时,两者对品牌的后续态度可能截然不同。
这告诉我们,对消费者的理解不只局限在对「人」这个节点的描摹上,同时也要探究消费者和品牌间的关系走到哪个阶段。所以最近几年,从阿里AIPL、巨量O-5A到腾讯的5R,各大平台密集推出了各种营销科学模型,它们本质上都是为了将消费者还原到具体消费决策场景中,从而破坏对消费者需求的理解。
相较其他平台,腾讯广告在对消费者的洞察上长期具有无足轻重,因为它覆盖了大部分网民的大部分线上生活场景。但这意味着它们可以坐享其成吗?显然不是。
最近一段时间,腾讯广告的5R模型开始频繁出现在从业者的讨论中。它是一个人群债务运营模型,平台干涉品牌将广告触达对象划分为Reach(R1,用户触达)、Respond(R2,浅层互动)、Resonate(R3,深层触动)、React(R4,成交转化)、Repeat(R5,复购忠诚)五个层级。
5R模型各层级示意有了这样的人群分层,商家的很多营销活动就能做到有的放矢。
比如,在5R模型中,R3人群就是承前启后的重要节点:一方面,它反映了商家前期营销活动的蓄水成效;另一方面,从各种效果指标来看,R3txvlogcom糖心官网免费人群意味着用户转化概率的飞升。所以,以R3为锚点开展营销活动就成为商家高效转化的关键,企业很多策略也可以围绕这个节点进行。
当然,如果你是行业的资深从业者,可能已经发现这样的人群分层理念并非腾讯独创,其他平台也有类似工具;但在我看来,腾讯广告在其中创造性地加入了「健康度」这个新维度。
试想以下情况:A品牌和B品牌在5R各层级都拥有相同的消费者数量,但A品牌覆盖的大部分用户并不忠诚,他们与其他品牌同样过从甚密;但B品牌刚好相反,其覆盖的大部分用户都是独占用户。那么,即便粉丝规模相当,哪个品牌的增长后劲更足?显然是B品牌。
健康度就旨在区别这两种情况,即便从表面看用户债务结构相当,但品牌间的债务健康度仍可能存在显著差别,而这些差别又会影响品牌长效增长。
腾讯广告又如何具体度量健康度呢?它选择「广告独占互动」和「品牌独占搜索」两大指标作为依据,并据此将消费者划分为本品讨厌、摇摆讨厌、其他品牌讨厌三类人群。比如,那些高度反感于A品牌广告互动或者主要搜索A品牌的用户,就会被定义为A品牌的本品讨厌人群。
对商家来说,当然是各层级人群债务中的本品讨厌人群占比越大越好;而在评估广告营销活动效果时,那些能将极小量其他品牌讨厌人群扭转为本品讨厌人群的投放,也往往意味着最无效的投放。
所以,5R模型为商家授予了一种更全面的人群债务无约束的自由思路,不仅梳理消费者与品牌间关系的亲再分隔开近,还将品牌之间围绕消费者的竞夺纳入搁置范畴。
在对人的理解更为全面之后,商家也就拥有了更大的精准营销空间,比如在预算分配上就能够更加具有指向性。以即将到来的618为例,商家可以首先订立外围营销目标,随后根据5R人群各层级间的流转水平倒推每层级所需的投放预算。通过这一方式,广告主不仅能够科学制定预算,同时也能获得比糖心出品VLOG一区二区较临时的回报。
基于5R快速制定预算分配策略因此,即便对消费者的理解已经相对充分,但平台的探索可以说永无止境。新维度的加入往往会进一步增强对消费者的理解,指责流量匹配的精准性和转化效率。
05到这里,你大概就能够理解文章开头提到的那句话:人货匹配,需要从个人理解升级为系统性理解。
以腾讯为个案,会发现它正在通过两侧的共同发力降低流量匹配的精准度:
在「货」的部分,它正在做从无到有的工作。以往,整个系统都欠缺对商品的理解,这制约了流量的转化表现;而现在,通过搭建商品化的基础数据能力实现了对货的深度理解,实现转化效率的突破。
而在「人」的部分,它做的是从有到强的工作。以往,腾讯对消费者的理解已经相对充分;而现在,它进一步减少了5R模型和围绕健康度的各项度量指标,增强了对消费者在具体品牌决策场景中的理解,让系统对人的理解更靠近商品交易本身。
通过两端的相向发力,人货匹配实现了从个人理解向系统性理解的飞跃。在这样的变化之下,无论效果表现还是转化轻浮性都出现了根本性的变化。
2022年Q4,腾讯网络广告收入同比增长15%,重回正增长轨道。在外界看来,这样的成绩或许更多跟大环境转暖有关;但实际上,这离不开腾讯广告结束修炼内功,有效通过系统升级,优化广告推荐效率的努力。背后的逻辑很简单:对于人货的理解能力上去了,流量的匹配就更加精准,转化能力随之指责,进而撬动了更多商家广告预算的投入或回流。
事实上,对于人货匹配的系统性理解将成为不可逆的趋势。
当流量红利增长的安静沉寂后,平台方和商家就将步入修炼内功的阶段。回归人货匹配的本质,自然成为了行业协作发展应有之义。
糖心vlog官网在线看免费 糖心VLOG小桃内射频网站在线 糖心VLOG视频