宋星的数字观
-
高级评估做些什么
很高兴我的客户已经部分做到了高级评估的档次，才让我和team能够从中学习。高级评估想要解决的问题是：了解媒体广告的真正价值、了解受众被广告影响的情况、受众本身的属性、广告营销和线下销售的联系。
值得一提的是，这些问题并不是所有都得到了很好的解决，但是每一个领域都已经出现了非常专业的第三方服务提供商。
- Post-click分析
Post-click分析是我的最爱，就是指广告受众在点击了广告之后，又做了一些什么。为什么要分析这个？原因在于互联网广告本身是单一维度和缺乏互动性的，我们很难仅仅通过广告的impression和click数据了解受众的真正想法。
另一方面，也是非常令我深感无奈的，因为一些互联网中的灰色（也同时很晦涩）原因，广告的impression、click，以及相应的unique数据对于很多媒体而言已经了无意义，成为可以随意打扮的小女孩，这就是我在前面所说的“分析媒体广告的有效性（effectiveness）和性价比（efficiency）实际上意义不大的原因”。而post-click分析是通过网站分析完成的，从技术上和方法论上都已经非常成熟，能够从中进行很多真正的分析。也正是因为网站分析能在其中大派用场，那些灰色的部分就能够通过数据分析而现出原形。
所以，如果一个广告主想要真正了解一次广告campaign的效果，必须要做post-click分析。我服务的客户中，有一些已经在很深入的做这个领域，我为他们感到骄傲，不愧为世界上最伟大的公司之一。
Post-click分析的内容包括：细分各个媒体的post-click表现，包括不同媒体的从click到网站visit的转化、bounce rate、访问者行为和路径差异、总体的engagement程度、不同媒体细分受众的兴趣点（热图）；有时候，我们甚至要细分到具体的广告创意、格式和所在位置等。这是非常复杂的分析，但也有不少乐趣，而且每次分析都发现大量猫腻。
DoubleClick的floodlight产品提供一些基本的post-click监测功能，但如果你想做好post-click分析，至少需要使用到Google Analytics的link tag功能，如果能用到Omniture的SiteCatalyst的Saint Tag功能那就更棒了。我的客户为了让SiteCatalyst能够跟DoubleClick整合，甚至用到了Omniture的Genesis，而且专门开发了受众行为计分系统来衡量媒体流量的细分engagement水平，走在世界的前列，令我感动。
- Richmedia广告分析
Richmedia是一类能够直接进行互动的广告banner，好像一个微型的小flash网站。我们要做的，同样是利用网站分析的方法分析受众在这种广告上的互动行为。方法论和上面的post-click分析很类似。工具则是DoubleClick的Motif，当然也有一些其他专业的richmedia监测服务商，如Eyeblaster。
- Video/TVC
Video/TVC广告是一类特殊的广告，因为它们是有过程的。除了Post-Click分析外，对于这类广告的研究也应该包括视频被不同媒体受众观看/互动的情况。例如下图，每条线都代表了一个媒体受众观看视频的情况。例如最下端蓝色的线条，这个媒体的受众表现不佳，因为只有55%左右的受众观看了25%的视频，而全部看完视频的受众几乎为零。
- 受众对广告的反应（受广告的影响）
这个领域需要做受众广告调研。所用的方法同样要做控制组（control group）和对照组（exposure group）。一般用在线弹出窗口的方法做调研，一次campaign能够收到1,000份有效问卷已属不易。但是能够直接了解受众对广告的感受，十分有价值。
专业的第三方vendor有MillwardBrown、AC Nielsen以及前面提到的AdMaster等。
另一种研究受众对广告反应的方法是IWOM，这个难度大，但效力更强大。不多说，大家可以看我的帖子：Sidney的IWOM监测与分析：理解和实践。
- 受众属性
到底是些什么人看了我们的广告，又对我们的广告产生了兴趣？他们是男人还是女人？年龄多大？是学生还是白领？他们还对什么事情感兴趣？这些都是受众属性（demographics）。
基本上，这个领域还没有跟特别好的vendor合作过，在国内广告主关注的也很少。不过我觉得这个领域的潜力不是一般的巨大，但需要克服的技术难度也不小。
有些朋友跟我聊，告诉我他们的解决方案能够根据访问者在网上浏览路径上的不同的网站和关键词来辨别访问者的身份和兴趣；另外一些则尝试开发更强大的内容抓取系统，来了解受众互联网浏览的内容，并进行更复杂的分析。但是，似乎这样的工具还没有席卷互联网让广告主接受。
相关的vendor有Proximic，这是一家创新企业，利用了美国的技术；另一家是BMG，是一家本土的公司。
[版权归Sidney Song（宋星）所有，欢 迎转载，但请事先告知作者并注明出处]
- 与offline销售的关联
这个是最神秘的领域，至今我觉得仍然没有什么让我眼前一亮的解决方法。当然，还是有一些vendor在从事这个领域。对不起，我忘记了这家vendor的名字，但是他们的方法还是值得称道的。即，找一定数量（尽可能多）的消费者，然后记录他们上网的行为以及他们线下的消费行为。
不过，他们的挑战在于，样本量和代表性，以及操作的复杂性。
除了这种方法，我没有了解到其他更直接的衡量广告campaign和offiline销售的关联的。如果朋友们知道，请一定告诉我，我对这块实在太渴求了！
很精彩的文章。我想起了之前在Google转化中心看到的Make your website work。不过那只是个梗概。这篇文章把每个细节都做了详细的解释。并且还附有丰富的资源和工具。感谢博主分享经验。很期待这个系列的下一篇。
多谢Sidney精心撰写这么精彩的文章，内容非常系统，学到了很多东西。
非常精彩，看完之后受益匪浅。希望以后能多看到这个方面的精彩博文，sidney加油～
虽然现在用不上，但是将来肯定是工作需要的一部分！
很精彩，谢谢分享
多注意身体。。呵呵
先占个座，再慢慢学习。
我看宋老大每次的文章内容都很多，又分了很多层次。建议考虑每篇文章加个目录，这样读起来会对文章的整个结构更加清晰。
更直接的衡量广告campaign和offiline销售的关联
非常有兴趣TOO，希望能看到这方面的分享，Web Analytics里似乎也提到了这部分，从离线到在线，从在线到离线的多渠道营销跟踪分析，不知2.0的书里有没有延续？
正对目前的工作疑惑那，sidney的这篇文章太及时了，谢谢……
真的是很精彩的博文，宋大哥的網站分析果然是國內最有名氣之一。
谢谢老板的文章，M&A team的入门教材！
非常好的文章，期待下期。
仅对对文中的一处翻译有疑问，文中提到 “所用的方法同样要做控制组（control group）和对照组（exposure group）”。 而根据我所查阅的资料来看，Cotrol Group的正确翻译为 “对照组", 对于exposure group 从统计上也叫 test group 即测试组。
我看到国内很多文章都把 Control group 翻译成 “控制组”了，可能是因为Control常被翻译成“控制”的缘故吧。
下面是 朗文当代高级英语词典2004 年新版P409页， 对Control条目的解释，
Control： 11 scientific test 术语
a person, group ect against which you compare another person or group that is similar, in order to see if a particular quality is caused by something or happens by change 对照人[组]
我曾经也在数学专业词汇字典里面查阅到 ，control group 被翻译成 “对照组”
预期相对应的是 "test group" 成为测试组，这在统计里面是经常看到的。
博主能把工作中的经验总结出来分享，非常佩服，不过受文字限制，肯定还有更多的深层次见解未表达，意犹未尽啊！我是Tencent广告效果统计产品的PM，对品牌广告主的数据需求、效果数据监测及趋势有较多接触，希望有机会能线下交流。
每篇文章都用浅显易懂的语言把一个冗杂的东西说的让人清清楚楚明明白白，佩服哇佩服。
确实写得浅显易懂，非常好！关于广告效果中的control和expose group的比较，我在之前的工作倒是做过一点研究。也和主流的网站联合测试过，不过由于技术的限制，研究的不是很彻底。如果在问卷中能结合cookie记录广告的曝光次数，格式及频道再结合问卷中的关于品牌认知，喜好及PI的度量表，出来的东西会比较有趣了。
另外关于线下的购买行为，有公司把Homescan 的数据和Yahoo的广告行为数据结合分析，貌似能挖出来一些东西.
非常好的文章！关于overlap和frequence这块，能否在讲下具体的应用？
文章写的很好！看完受益匪浅！
与offline销售的关联
我所考虑到的一种方式是，结合企业的销售数据以及各方面的营销支持，做相应的多元线性回归。
可能不是一个很好的方案，毕竟因素太多，而且处理起来很麻烦。但是在没有更好的方法时，可以作为一个参考。
或许高层级的分析更应该注重如何将前端访客行为与后端用户交易行为进行整合，通过报表系统或构建分析平台进行分析整理。通过Omniture的API接口与Genesis，或者GA的数据接口导入到企业运营数据中。
如果是SAP收购了Omniture会不会比Adobe收购更有价值？
在您的网站上学习了非常多，非常感谢。
我大胆的说一句，你的网站导读性不好。在你这个博客上看文章相当累。。文章链接分类等都不便于阅读。
刚刚转行，涉足网络广告监控，是个小小小小菜鸟。很好的文章！学习了！谢谢！以后会常来，期待更多精彩博文。
以后常来 很不错文章 博主写文章辛苦了
offline的跟踪一直是个难题。
如果粗放一些，尤其PROMOTION的话，倒是存在一些非常简单的跟踪手段，折扣券（折扣代码），专用电话线路，随机生成的交易代码，完成转化时的提问等等，都是用了几十年的手段，虽然没有非常精准，但还是具有一定可靠性的。
但如果我们想对广告投放进入进一步的分析，比如投放时间，位置，关键词，图案等等。难度就要高很多。在线投放中仍有可能根据客户的不同行为作出不同反应，激发不同跟踪，但过渡到离线交易的时候往往损失比较大。
操作还是可行的，难度比较大，需要持续运行，需要测试先行。短期PROMOTION要进行精确的有效的评估还是很难做到。
其实我觉得在线离线的跟踪，最关键的不一定是新的跟踪手段，而是现有销售数据和营销渠道跟踪的整合。大客户现有的商业信息系统是真正的宝库，但能真正与第三方工具实现有效信息交换的案例非常少。
期待下篇，宋老师，请继写系列，文章很精彩