作者·黄崇远
『数据虫巢』
全文共4800字
题图ssyer.com
“计算广告,从多方博弈以及发展历程的角度看,其本质是ROI的平衡;但从商业角度的看,本质是信息差的利用。”
已经有半年未更新这个系列了,一方面是下半年厂里赶着上一些核心的项目,正事要紧;另一方面是想沉下心来思考,看看能不能把整个广告的知识体系做的更加完善一些,查缺补漏,最终形成相对偏严肃性的内容输出。
而这一篇也算是整体体系中的一篇,也是之前没有涉及的内容(有点遗憾的是目前公众号这个系列编号其实是有点杂乱了,没有分门类别,更多是想到了一块补充一块的内容,大家凑合看了)。
01
从多方博弈中寻找ROI的平衡
从章节1.1.2开始,我们聊的最多的话题就是广告主与广告平台的博弈过程,包括图1.1.2中我们所看到的广告结算方式从过去的CPM到CPC,再到逐渐往CPA靠拢的oCPX模式的转变,其核心驱动力都是广告主与广告平台在不同阶段最终博弈所造成的。
而在后续的业务维度拆解中,我们从品牌广告到电商、游戏、SMB以及其他类型的广告,虽然不同类型的广告都有其不同的各自特色,比如品牌广告看重的是能够形成势能的口碑传播,电商广告追求的是实际商品分销情况,游戏广告追求的是LTV平衡,而SMB广告同样也具有其独有的自身特色。但我们会发现,不管从计算广告发展轨迹的角度来看,还是从不同广告业务的角度来看,都是具有其共同特性的。
广告主与广告平台的博弈,不同业务广告的投放逻辑,其核心逻辑都是交易,而这个交易的支撑本质则是ROI的平衡。这里所谓的ROI,不单纯是指广告主对于广告效果投放的衡量,也包括了广告平台对于流量售卖效果的衡量。
从计算广告的发展历程里看,在早期的“卖坑位”广告时代,广告主大概率是可以达到一个较高ROI的。分析广告主此时可以获取的ROI之前,我们可以来分下下流量售卖方的情况。
单纯考虑国内的流量广告商业变现来说,早期由于国内人口红利的存在,以及不同类型内容的流量媒体内容属性的稀缺,所以初始流量获取还是比较容易的。因此,核心在于流量如何变现,而不是在于流量如何获取。而线下广告迁移到线上这种模式无疑是为流量商业变现打开了一条新的思路。
因此,此时的流量价格并不会很昂贵,与线下广告相比,线上广告的投放所能触达的人群范围以及带来的广告传播效应是更好的,这也就促进了计算广告的进一步繁荣发展。当然,此时由于大部分提供的都是类似口碑传播的品牌广告,因此还无法严格的进行ROI计算,只能通过线下线上广告大致的品牌口碑传播来进行大致的效果对比。
但随着互联网内容逐步的同质化(所谓同质化就是越来越多内容趋同,导致了互联网用户逐步对新流量媒体平台丧失了新鲜感),以及“入网”用户数量提升放缓,导致了流量媒体对于广告的转化效果下降,从而推进了广告主对于广告投放效果提升的诉求输出。
所谓的广告投放效果提升,核心就是广告投放的ROI不能随着流量质量下降而下降,这也就推动了广告平台从CPM到CPC精准效果投放的演变。
广告投放从过去粗放式的“坑位”投放,到批量投放,再到以流量为单位的精准圈选投放,其广告投放对应人群的选择是越来越精细化的,所谓CPC效果广告,一方面是对于结算方式的改进,另一方面也是对于人群的挑选从过去只能挑“坑位”到挑群体流量,到挑选单个用户的的巨大改进。
从ROI的角度来说,过去粗放式的广告结算其实是不利于ROI的计算的,特别是类似品牌广告的投放。当渠道数据追踪的思路提出来之后,即类似的可以通过来源标志的方式追踪广告用户是来自于哪个投放渠道,广告主可以大致的衡量广告的投放效果。
从CPM到CPC的过渡来看,广告主其实一直都可以获取到广告的大致的转化数据,只是无法很精细的衡量投入数据,或者更精确的说是无法为单个转化数据买单,这就导致了ROI的计算无法做的更准确,直到CPA模式的提出,严格的按照ACTVIE转化行为来结算。只是这种方式对于广告平台来说太过于严苛,无法推广普及,最终才有了oCPX这种中间结算形态。
广告主在转化效果下降的情况下,只有压低投入,才能平衡ROI,因此才生产结算方式演变驱动力。对于广告平台来说,同样有提升流量转化效率提升诉求,因为对于他来说假设流量成本由于人口红利的逐步消失,流量获取成本必然提升。只有将产出提升,才能平衡广告平台的ROI,对于广告平台来说,提升单位流量的价值即CPM则为其首要目标。
在数据的进一步应用,以及算法模型的迭代发展之下,最终才有当前这种权衡了广告主和广告平台综合利益的oCPX形态为主流趋势的情况。
从上述我们可以发现,计算广告技术的发展,实际上就是广告主和广告平台不断博弈的过程,在双方交易的过程中寻求各自ROI的平衡点,直到另一种业务条件发生变化,又或者新的技术出现得以支持两者新的ROI平衡,才会发生新的改变。
计算广告,从多方博弈的角度,或者从数据计算的角度看,其内在本质就是ROI的平衡。会计算ROI,就能算清广告交易这笔帐,只不过不同广告类型,不同业务场景其广告ROI的计算太过于复杂和多变,而对于广告平台来说,需要平衡ROI,则对于数据以及算法模型有一定的要求。
02
计算广告的商业本质
从ROI的角度看待计算广告,更像是一个数学游戏,参与的多方角色最终都希望的是己方能够从博弈的过程中占据利益的“溢出点”(ROI的计算就是产出对于投入的溢出计算),那么从更加抽象的商业角度如何看待这个过程呢?
我们在章节1.1.1中的图1.1.1中就说的非常清楚,广告从来都不是一个“楼”,他只是一座“桥”,他提供给多方的是一种流量流转的可能性,甚至结合当前的数据算法,能够给这种流转提供相对明确的方向性。
那么,这种属性更加抽象的概括起来是什么呢?是信息差。
广告一直以来都是做信息差的生意,或者严格来说,如果想把广告做的更好,就必须利用好信息差。而所谓计算广告,抛开广告形态,以及相关数据技术的利用的特点之外,其“计算”的正是最细颗粒度的“信息落差”。
我们以商品零售的例子来说明信息差在其中产生的作用。
在互联网完全没有推广开来的九十年代以及2000年前后,对于常规物资来说,最丰富的莫过于率先完成改制并且推行资本私有化的南方,以及挨着港口的一些沿海城市,典型如广东、江浙等沿海城市。此时,对于这些生活物资常规类的商品来说,其在内地价格是远超东南方沿海城市的,因此而诞生了大批依赖于将沿海物资倒卖到内地城市而发家的“倒爷”。
那么,这种“倒卖”现象什么时候消失的呢?在物资生产分布逐步从集中的沿海以及发达城市分散到全国各地的时候。就算如此,同类商品在不同地域的价格差距依然存在,只是缩小了,原因在于不同类型商品的生产分布并不是绝对的均匀,以及其生成成本的差异所造成的。
那什么时候一线城市的商品与三四线城市商品价格的差异几乎可以忽略不计了呢?在电商购物已经成为了一种习惯,当“双十一”已经成为了一种每年必然轰动的节日的时候。
在“倒卖”时代,内地物资的缺乏导致了这种物资迁移的行为能够让很多人买单,因为那些购买这些商品的人对这些商品存在“信息差”,或者换一种说法他并不能很容易的获取到这些东西。
在当生产分布逐步往内地迁移的时候,这种“信息差”变小,因此人们为之愿意付出的成本在降低。在当电商购物横行的时候,线下实体店就再也没有“信息差”优势了,因此当前网络上购物并不会形成地域不同导致价格不同,最多也就邮费的成本差异,而线下实体商店由于网络购物的冲击,其商品价格也在无限向线上商品靠拢。
我们可以看到对于那些并不是非常“丰富”,并不是“人尽皆知”的东西,是存在议价能力的,而议价的地方就是可以形成价值挖掘的地方。
从商品零售回到计算广告的话题,在当你以为全中国人都知道上淘宝京东去买自己所需要的东西的时候,在计算广告领域里依然还有大概25-35%占比左右的电商广告,其中很大一部分还是那种没有购买平台只有一个H5页面的二类电商广告。对的,就是我们在章节1.3.2中说到的那种“正品99元秒杀”的二类电商广告,价格还不比京东淘宝便宜。
这是认知偏差。
当我们以为全中国14亿人都会上淘宝京东买东西的时候,其实还有好几亿的人其实没怎么用过固定的网络购物APP,没有数字银行,不会在线支付,更不知道几乎全世界能够想象出来的商品,那些电商平台都能找到,有耐心的话总是能找到更低的价格,比如那些四五线城市的很多人,比如年龄在五六十,常在家庭群转发谣言、常刷抖音头条的老人家们。
对于他们来说,刷头条的时候恰巧刷出一条带着一个按摩捶的二类电商广告,猛拍大腿,一句“中,我正要这玩意儿,一天天腰酸背疼的”。
对于那些人来说,这个“按摩捶”就是信息差。而我们计算广告投放优化的目标,以及各种数据算法模型的终极目标,也是寻找这些信息差,然后将议价能力给做出来。
对于互联网在线的广告来说,其本身就是依附于流量媒体而存在的,这意味着其内容属性天然就跟当前浏览的媒体内容属性所不一致,这就造成了浏览内容的中断,从内容获取的体验角度来说,这是一种不太好的体验,这也为什么这些年所谓的“原生”广告会逐步受到重视,就是为了不打破原有的内容获取感官。
那么,什么时候这些“插入”在正常内容中的广告内容不被“厌恶”呢?当这些信息恰巧是用户所需要的信息的时候。
因此,作为广告从业者,无论是偏业务的运营、产品,还是偏技术的数据、算法,本质上都在挖掘用户的信息诉求,然后在广告投放的时候,根据不同的人制造不同的信息差。
在于数据算法层,而具体的实施方法就是定向以及广告排序。
定向的方式是显式的,挖掘不同用户的兴趣爱好,或者是短期需求,然后标签化,最终在广告投放的时候,根据不同的广告属性去选择不同的标签化的人群,从而提升广告的转化率,有了转化率作为保证,自然就有对这部分人群的高议价资格。或者换种思考,对不同的人群做差异化的投放,自然而然能够将人群价值最大化。
对于CTR预估层面来说,本质上依然是计算信息差,只不过这里不像定向环节做的这么显式,他是通过对于eCPM的量化预估去衡量一个人对于当前广告的信息差,逻辑上认为一个人如果存在对当前广告的信息差,则其预估的eCPM就会高,假设当所有广告CPC出价一致的情况下,当前这个用户就应该给他播放高eCTR的广告。
除了技术手段,在业务的运营层面同样如此,各种投放的策略,营销平台上的工具使用,DMP平台的灵活应用等,都是在挖掘不同人群对应于当前投放广告的信息差。
关于偏业务的广告投放策略相关,我们将在下个章节1.5进行详细阐述,关于技术、数据、算法相关的内容,我们将在后续第四章节详细讲解。
所有,其实不止是前面的章节,包括后面的章节,甚至整个计算广告体系,我们都是围绕ROI在聊,聊计算ROI从“糊涂计算”到“精明计算”从而推动了计算广告行业的发展,聊不同类型的广告如何变着“花样”去“计较”得失,后面还得聊如何通过业务和技术手段提升ROI,来加大广告对应的信息差。
所以,思考计算广告的所有问题,从数据的角度死扣ROI,从业务的角度死扣信息差的获取,就不会偏离方向。
OTHER相关系列文章(数据与广告系列)见本专辑吧,里头都是这个系列的。