廣告智能評估:基于共振效應的識別、分析與應對模型*

■ 姜智彬 師夢瑤

相較于消費者智能洞察、廣告智能創作和廣告智能投放等已經進化較為成熟的智能化變革并已研發出較為成熟的智能產品的廣告運作環節而言,作為重要的反饋機制,傳統廣告評估方式已無法有效輸出效果數據和發揮反饋作用,無法配合其他智能化環節的升級。為有效發揮效果數據的重要反饋作用,適應廣告運作的智能化轉型,秒針系統、熱云、友盟+等企業探索性地將人工智能技術引入廣告評估領域,試圖在智能技術的賦能下,為廣告主、媒介代理機構以及網絡媒體提供實時、準確的全域廣告監測與分析服務,這些前沿性探索為廣告評估的智能化轉型提供了較為豐富的實踐經驗,但業界尚未建立完善健全的廣告智能評估系統。

本文以共振效應理論為分析框架,梳理人工智能技術在廣告評估領域的應用,試圖提煉出廣告智能評估的一般模型,并探索廣告智能評估的未來發展方向。

一、人工智能應用下廣告評估的研究綜述

目前學術界對于廣告智能評估并沒有一個相對統一的概念界定,大多是描述效果評估的智能化特點①,主要圍繞以下三個方向展開:

(一)廣告評估方式的智能化變革

智能化時代下廣告效果數據的獲取不再由人力通過調查等方式收集統計,而是借助媒體歸因程序②和情緒識別軟件③等智能技術追蹤廣告效果數據,記錄消費者接收廣告后的所有行為路徑④,收集多源(PC端、移動端、OTT端等不同來源)異構(圖像、語音、文本、數字等不同表達形式)的消費者行為反饋數據以及實時的廣告效果表現數據⑤。數據分析方式也發生了變化,基于機器學習方法(層次聚類、神經網絡、主成分分析)與預期廣告目標進行分析比較⑥,可以對反饋數據進行深度分析與多維度對比,將不同投放渠道、不同投放時間的效果分析數據以可視化的方式呈現。在肯定智能技術為廣告評估環節帶來積極變革的同時,也有學者指出智能廣告無法擺脫對大數據的依賴,數據孤島⑦和對數據(尤其是敏感數據)的嚴密防護⑧會影響到數據處理和分析過程,如何打通全域數據、在保護隱私的同時又不影響大數據的正常使用,是廣告智能評估亟待解決的問題。

(二)廣告評估工作模式的高效化發展

廣告評估工作模式由傳統的單靠人力完成數據的收集與分析工作,向機器收集數據和人機協同處理數據的工作模式轉變,評估人員的工作重心從數據收集處理轉移到數據分析判斷上。基于大數據和人工智能技術,廣告評估人員可以以添加監測代碼等方式采集從前端到后端的全鏈路消費者行為數據⑨,數據可以來源于媒體方自己創建的監測平臺,也可以來源于第三方監測機構,大大提高了數據采集效率。數據采集后,機器會運用聚類分析與歸因等方法挖掘數據間關系,尋找影響廣告效果的關鍵因素,并在機器學習的幫助下改進廣告信息的傳遞,優化廣告效果,提升廣告活動效益。在智能技術的運用下,監測愈發的實時化與全流程化,隨著海量數據的不斷積累與算法模型的不斷優化,效果數據的分析也愈發的深層次化,整體廣告評估工作不斷朝著高效化方向發展。

(三)廣告評估環節的協同性轉變

由于傳統測評技術的限制以及事后評估數據獲取的滯后性,傳統廣告作業流程是單向的、線性的、一次性的,效果評估是相對獨立的一個環節。智能技術加持下的廣告運作不再表現為先投放后反饋的傳統線性模式,而是形成了以效果評估環節為紐帶的從消費者洞察、創作到精準投放的廣告全流程閉環運作模式,打通了全鏈路廣告智能運作系統。智能化技術的介入,使監測實現了數據獲取實時化,廣告活動的每一個環節、每一個媒介渠道、每一步投放操作產生的效果都可觀察可測量,效果數據的分析結果可以用于指導廣告營銷方案的調整,實現廣告效果的“秒優化”與個性化廣告應對。在這個過程中,效果評估實際上發揮了中介平臺的作用,消費者洞察、創作以及程序化投放等環節通過與效果評估環節的實時互動,可實現與其他環節的精準互動與協同作業,滿足消費者動態需求,達成廣告活動與消費者需求的全鏈路匹配。由此,廣告智能評估走向智能評估與實時應對的有機整合,實現了廣告流程的閉環運作。

二、廣告智能評估的研究框架

(一)理論框架:共振效應理論

“共振”這一概念來源于物理現象,最初是一個物理學名詞,指的是當物體受到外力作用作受迫振動時,所加外部作用力的頻率與物體固有頻率接近或相等時,振幅急劇增大的現象。在這個頻率下,物體會以比其他頻率更大的振幅做振動,這個特定的頻率就是共振頻率,這種現象就是共振現象,將這種由共振現象產生的效果或引發的影響統稱為“共振效應”。

共振效應的實質是內外兩力運動方向相同,頻率接近時,二者合力達到最佳效果。根據對共振效應的闡述,它包含三個必備條件:一是所有的共振都不是自發產生的,而是在外力作用下被迫進行的；二是一切物體都有其固定的頻率,但固有頻率并不是顯性的,需要經過多次測定才能了解；三是只有調節外部作用力的頻率與固有頻率相近或相等時,才能產生共振,而不是以固有頻率去迎合作用力頻率。根據以上對共振效應的理解,研究者認為共振效應機制實際上包含了感知、分析和匹配三個環節,感知環節負責了解物體固有頻率和外部作用力頻率；分析環節負責對感知到的物體和外部作用力頻率進行分析,尋找共振源；匹配環節則負責調整頻率促成共振效應。

(二)邏輯結構:共振效應理論與廣告智能評估的內在一致性

共振效應的實質是兩種運動方向相同的變量,頻率接近或趨向相同時,二者合力達到最佳效果,系統狀態最優。廣告智能評估的工作是通過收集包括消費者需求以及廣告活動實際效果等在內的信息數據,反饋給消費者洞察、創作和內容投放環節,指導廣告活動各環節各要素進行調整,其本質在于促使廣告系統內外頻率相一致,也就是廣告活動與消費者需求相契合,從而優化廣告活動效果,達到預期目標。二是二者的底層邏輯是一致的。共振效應分為感知、分析和匹配三個環節。同樣,廣告智能評估也包含三個部分:智能監測廣告數據部分即收集多源異構的廣告效果數據、智能分析廣告效果部分即檢驗廣告活動成效、智能指導廣告優化即進行個性化應對,構成了與共振效應相一致的識別-分析-應對的底層邏輯(見圖1)。

圖1 共振效應與廣告智能評估的內在邏輯

基于以上兩點,研究者將共振效應的基本框架用于分析廣告智能評估環節,可以系統化地理解廣告智能效果評估環節如何充分發揮數據反饋的價值,如何指導消費者個性化主動應對,以及如何優化廣告活動效果,有利于準確把握廣告智能評估的系統結構。

三、廣告智能評估的系統結構

研究者以共振理論為研究框架,通過對全流程廣告活動效果實時智能監測、深層次廣告效果數據智能分析以及個性化廣告智能應對三個方面的分析,探究廣告智能評估的系統結構。

(一)全流程廣告活動效果實時智能監測

廣告智能評估首先要依據系統化指標體系,借助智能技術,實時監測廣告活動,采集多源異構的廣告效果數據。廣告活動的監測主要是對用戶與品牌之間的接觸點進行監測,接觸點指的是客戶在購買之前、期間以及之后與品牌的所有接觸,具體可以分為前端的監測和后端的監測。最先展現給用戶的廣告位頁面一般稱為“前端”,前端監測就是對廣告媒體進行監測,可以追蹤不同平臺、不同形式廣告的引流效果；后端的監測是對產生點擊行為之后的用戶行為進行記錄,包括落地頁監測、轉化監測以及反饋監測,可以全鏈路追蹤用戶轉化路徑。研究者主要通過廣告媒體、落地頁、轉化以及反饋這四類主要接觸點來展開廣告效果智能監測的研究分析。

1.廣告媒體智能監測方式

PC/WAP端廣告媒體的監測主要是基于cookie技術,cookie里面記錄了用戶的身份信息、訪問過的網站、瀏覽深度以及停留時間等,并且會隨著用戶多次訪問網站自動更新數據。由于cookie無法識別同一客戶端不同用戶的行為,也無法實現跨屏識別,因而其統計到的數據與實際效果存在一定誤差。人工智能技術應用下可以使用ID-base替代cookies收集用戶數據,整合消費者碎片化的登錄信息,賦予虛擬身份ID。在建立用戶虛擬身份ID的時候,不再需要通過手機號或身份證號來識別不同的用戶,而是通過采集所有消費者賬號、行為數據等信息重構一個虛擬的人,通過數據分析、知識圖譜、機器學習等技術追蹤并分析用戶的全網行為痕跡,隨著用戶的行為越來越多、數據越來越大,消費者畫像越全面,這個虛擬身份ID就會越來越接近真實世界里的消費者,ID-base的精準性和匹配度就會越來越高。

移動端廣告效果智能監測的方式主要有兩種:一是以API(Application Programming Interface,應用程序編程接口)方式實現監測。API是為了讓各系統之間能夠實現數據共享而開辟的一種接口或通道,通過這個通道,兩個需要溝通交流的系統可以以雙方都認可和理解的方式完成信息的傳送與接收。二是通過SDK(Software Development Kit,軟件開發工具包)進行效果監測,由第三方機構開發獨有的監測代碼,媒體方將代碼嵌入到自己的平臺內進行效果監測。但由于第三方機構眾多,并且其私有監測代碼都各不相同,每次與不同的第三方機構進行合作,媒體方都需要嵌入新的監測代碼,大大增加了工作量。相比較而言,API對接比較簡單,但需經過對接平臺,SDK方式比較穩定,但工作量相對較大,對接周期略長。從根本上來說,無論采用API還是SDK方式,其監測流程都是相同的,即監測方為投放的廣告物料提供相應的監測代碼,媒體方錄入代碼,當產生曝光、點擊、跳轉等行為時,就會觸發監測代碼,監測到的效果數據信息會實時回傳到監測平臺,完成數據的采集工作,最后,監測平臺會自動生成可視化圖表展示效果數據。

2.落地頁智能監測方式

用戶點擊前端廣告跳轉進入的第一個網頁就是落地頁(Landing Page),通常情況下落地頁是廣告主推頁面。基于智能化化技術,落地頁可以記錄跳失率、二跳率、瀏覽深度等用戶行為數據,這些數據通常也可以被用來評估流量質量,判斷是否存在虛假點擊等數據造假行為。落地頁智能監測主要是通過對站點添加代碼實現的,首先,需要對落地頁添加跟蹤代碼,廣告主根據自己實際需求,選擇HTML或JS方式下載并安裝代碼,用戶進入落地頁后,監測代碼會被激活,監測平臺會實時進行用戶行為數據的收集與統計工作,并生成可視化分析。在智能技術的賦能下,可視化分析可以提供點擊熱圖功能幫助客戶了解用戶點擊了網站上的哪些模塊或內容；提供瀏覽觸達線功能告訴客戶用戶的訪問深度以及在什么位置離開了網頁；提供注意力熱圖功能幫助客戶了解用戶感興趣和關注度較高的內容等,還原用戶的轉化或流失路徑。

3.轉化智能監測方式

轉化行為的監測指標依據廣告類型與目標的不同而各不相同,對于以游戲為代表的App下載類廣告而言,在這個階段需要對下載、注冊、激活等效果數據進行監測；而對于以京東和淘寶為代表的電商類廣告而言,則需要監測添加收藏、加入購入車以及完成購買等用戶行為。對于用戶轉化行為的監測流程是相同的:第一步,分析廣告活動目標,制定并搭建整體廣告計劃；第二步,在整體推廣計劃中細化目標,以合理有序的結構分類分步搭建推廣單元,對每個推廣單元(或具體廣告物料)添加監測代碼,以不同的方式組合每個推廣單元內的媒體渠道和廣告物料,測試不同投放組合的效果優劣；第三步,選擇合適的投放渠道與物料組合投放廣告；第四步,實時查看回傳的廣告效果數據,獲取諸如注冊、下載、購買或點贊、評論、轉發等轉化數據以及不同媒體渠道、不同時間段、不同地域的細分數據報告,了解轉化效果。需要注意的是,監測代碼需要與監測對象一一對應,不同廣告物料或推廣單元的監測代碼各不相同,傳統只能依靠人力一一匹配監測鏈接,一旦出錯將影響廣告效果的判定。在智能技術的應用下,目前熱云系統中關鍵詞的監測可以使用同一個監測鏈接,鏈接中存在一個“keywordid”,根據keywordid第三方監測平臺會自動生成與id匹配相關的關鍵詞,實現智能化監測,不但極大地節省了人力,也確保了監測數據的準確性。同時,智能監測不僅能監測下載、激活等轉化行為,還能追蹤到App內諸如次日留存、7日留存、付費率等后續用戶行為。

4.用戶反饋智能監測方式

在傳統廣告效果監測工作中,用戶完成轉化就是監測流程的最后一步,智能化技術的介入,使得抓取完成轉化行為后的用戶反饋信息成為可能,拓寬了信息采集維度和效果評估維度。這些反饋信息中蘊含消費者對產品或服務的態度及情感傾向,是評估廣告效果的重要依據。

在智能技術的運用下,可以通過網絡爬蟲(Crawler)和API的方式來獲取用戶反饋數據。一般來說,機器主要通過以上兩種方式對互聯網中的用戶反饋信息進行采集,再運用自然語言處理技術、情感分析技術以及數據挖掘技術對收集到的信息進行處理規整和進一步分析,挖掘用戶對產品或服務的情感態度以及個性化訴求,為后續產品或服務的改進以及營銷策略的優化提供參考依據。

(二)深層次廣告效果數據智能分析

面對海量反饋數據,人工智能技術在效果數據分析方面的應用主要體現在對非結構化數據的智能分析處理以及對數據信息的深度挖掘上。非結構化數據的處理主要通過自然語言處理技術、情感分析技術和數據預處理技術,將圖片、視頻、音頻等非結構化數據轉換為可以分析的結構化數據,進而通過數據挖掘技術深度分析理解數據間關系。為了解決不同的廣告效果分析需求,應用于廣告效果分析中的數據挖掘主要有聚類分析、預測和歸因分析三類功能,不同的數據挖掘任務需要運用合適的數據挖掘方法,以得出有價值的分析信息,為廣告主提供決策輔助。

觀察患者呼吸機相關性肺炎的發生率,若通氣治療48h后符合:①X線胸片示新的或進行性肺浸潤;②發熱;③外周血白細胞計數>20.0×109/L或C反應蛋白>8mg/L;④氣道分泌物細菌培養陽性。基礎條件為X線胸片所示改變,若另外3條中2條符合,即可診斷患者患有呼吸機相關性肺炎[4]。

1.聚類分析智能細分市場

在廣告效果分析領域中,聚類分析(Cluster Analysis)是對消費者市場進行不斷細分的有效工具。根據消費者從看到廣告到完成購買以及反饋評價等一系列行為數據,運用聚類分析技術可以自動刻畫消費者特征,依據相似程度對消費者群體進行分類,把消費者歸類成具有明顯特征并且相互區分的不同組群,從而可以為這些細分群體制定有針對性的廣告創意,提供精細化、個性化的服務和運營策略,如自動給一個特定的用戶群體發送促銷郵件,或選擇一個消費者聚類作為目標投放人群等。每個消費者并不是只有單一的標簽,而是有多維度標簽,標簽越多,消費者洞察就越全面,越能還原真實的用戶全貌,廣告活動越有針對性,進而實現千人千面。此外,根據消費者完成轉化行為與否,可以將消費者粗略分為已轉化消費者和潛在消費者,針對已轉化消費者,下一輪廣告投放的重點是鞏固消費者對產品或服務的印象,可以采取老客優惠等方式促使其完成二次轉化；而對于未發生轉化行為的潛在消費者,首先要分析客戶流失的原因,再針對流失原因有針對性地引導用戶完成轉化。

2.效果預測智能輔助決策

預測主要用于預見未來,回答“將要發生什么”的問題。在廣告效果分析中運用到的預測分析技術主要有點擊率預估和轉化率預估兩種。廣告點擊率預估是“在給定網頁和用戶的情況下,估計投放廣告被點擊的次數占曝光次數的比例”。很多效果類廣告會采用點擊付費的方式(CPC)進行廣告結算,廣告點擊率的高低直接決定著平臺和媒體的收益,在大型的廣告投放系統中,整體點擊率的小幅度提升可能會帶來巨額的利潤收益。基于大數據機器學習技術,目前已經發展出多種廣告點擊率預估模型,每種模型有其各自的特性與適用場合,例如邏輯回歸模型比較適用于有豐富歷史數據的廣告活動,而層次聚類模型則適用于稀疏和未投放的新廣告場合。廣告轉化率預測就是對用戶發生特定行為(例如購買、下載、注冊等行為)的概率進行預估。對于以CPA(按行為付費)模式結算的廣告主來說,對轉化率進行預估尤為重要,準確的轉化率預估不僅能夠幫助廣告主合理分配廣告預算投入,提高收益,還可以為改善用戶體驗提出建議,進一步提高轉化率。

點擊率預估和轉化率預測的精準度在很大程度上影響著廣告投放的精準性,基于點擊率預估和轉化率預測,OCPX智能投放模式應用而生。簡單來說，OCPX就是智能化的CPC、CPM(千人成本)和CPA。其本質依舊是按點擊/曝光/行為付費,只不過在積累一定的用戶數據和廣告效果數據后,基于機器學習和算法模型,系統能夠智能化地實時預估每一次廣告投放的點擊率和轉化率,并基于廣告環境智能動態出價,幫助廣告主更精準地控制轉化成本、提升轉化數量,優化廣告效果。

3.渠道歸因智能量化貢獻水平

廣告投放活動往往是通過多個媒介渠道同步進行的,用戶從接收廣告信息到完成轉化的整個過程中可能會接觸多個渠道,這些渠道對于用戶完成最終轉化可能有著不同程度的影響。歸因分析利用消費者全網行為數據,結合大數據建模和分析技術建構了消費者從接收廣告到完成購買的整條轉化路徑,從而能夠準確衡量不同媒介渠道的貢獻程度。歸因分析可以回答一系列和廣告效果有關的問題:哪個廣告媒體或者網站的引流效果好？消費者在完成最終購買前接觸了哪些渠道？哪些渠道在促成消費者最終購買方面最有效？通過歸因分析,可以有效檢驗并具體分析廣告活動的成效,尋找影響廣告效果的因素。

常見的歸因分析模型主要有單觸點歸因和多觸點歸因兩種,單觸點歸因包括首次互動歸因模型(First Touch Attribution)、末次互動歸因模型(Last Touch Attribution)、末次非直接點擊歸因模型(Last Nondirect Attribution)等,是將廣告效果轉化歸功于廣告活動全過程的其中某一次特定用戶互動行為。雖然單觸點歸因實施相對容易,但無疑用戶心理是復雜的,廣告投放多種渠道之間是相互作用的,用戶的轉化行為并不能簡單歸因于一種渠道或一種行為,這種歸因方式是不準確的。相較而言,多觸點歸因則更具有科學性,多觸點歸因利用用戶行為數據和廣告效果數據,結合數據挖掘分析與算法建模等智能技術,還原用戶從首次接觸廣告信息到完成轉化的全鏈路行為軌跡,能夠較為準確地衡量不同渠道對于廣告活動的貢獻價值,同時可以分析不同渠道之間的協同作用和互動關系,尋找影響廣告效果的具體因素,進而有效指導媒介渠道管理,合理分配預算、配置廣告資源、優化廣告活動效果,以求實現投資回報率最大化。

(三)個性化廣告智能應對

廣告智能評估借助機器學習技術,根據實時的廣告效果反饋主動調整廣告活動,滿足消費者個性化需求,優化廣告效果。具體來說,主要是通過用戶畫像更新、個性化創作、優選媒介投放以及落地頁優化的方式,智能地采取個性化主動應對策略,提供滿足消費者動態需求的產品或服務信息。智能應對是廣告智能評估的目的和核心作用所在。

充分滿足消費者需求是廣告效果達到預期的必要前提。在廣告投放過程中,從廣告產生曝光開始,監測平臺就記錄著消費者在網絡上的一切行為軌跡,描繪消費者數字畫像。廣告效果監測平臺采集到的消費者數據主要分為兩類:一是消費者行為數據,消費者行為數據是用戶接收廣告信息后的一系列行為記錄,通過人工智能技術對消費者行為數據進行實時挖掘和處理,可以實現對已有消費者畫像的更新和重構；二是消費者反饋數據,主要是消費者主動在電商類平臺或社交媒體等提供反饋渠道的平臺上發表的評價類信息,對用戶反饋信息進行追蹤,運用自然語言處理和情感分析技術,可以有效挖掘消費者對產品或服務的態度、觀點以及情感傾向。

消費者每一步行動的背后都包含著有關其個性化需求的有價值信息,在人工智能技術的賦能下,在全流程追蹤和動態監控的基礎上,基于對消費者行為數據和消費者反饋數據的深度分析,可以模擬消費者未來行為,預測消費者需求。這種基于人工智能技術的自動化洞察力,能夠在消費者數據的積累過程中不斷更新用戶畫像,優化算法模型,智能預測消費者動態化需求,并在此研判基礎上智能指導廣告活動調整,提供滿足目標消費者需求的特定產品或服務信息,進行個性化廣告應對。

2.個性化創作,智能合拍用戶需求

在廣告效果智能監測的情況下,廣告效果智能監測平臺能夠實時監測并實時反饋廣告創作的投放效果,提供如點擊率、轉化率、二跳率等評判指標數據,這些量化的反饋數據可以用來判斷廣告創作是否滿足消費者需求,為廣告創作的調整指明方向。

根據廣告點擊情況、用戶交互行為以及最終轉化效果等監測數據,不同類型的廣告在創作層面有不同的優化方式。例如文字類廣告智能創作提供了“通配符”功能,使用通配符后,系統會基于用戶特征(年齡、所在行業、教育水平等)、環境(地域、行政區、商圈等)、設備屬性(手機系統)等,自動地對創作的一些片段進行關鍵詞替換,系統中提供通配符,客戶也可以自行創建屬于自己的通配符。開啟通配符功能后,使用不同搜索詞的用戶會看到不同的廣告創作,可以大大提升廣告創意與消費者需求的契合度,從而引起消費者的購買興趣,提升廣告效果。圖片類廣告則從元素級別提取產品屬性特征,機器能夠自動將數據庫中的各種廣告元素進行不同的排列組合,結合人群定位屬性,智能生成多個廣告創意,客戶可以在自動生成的基礎上對創意進行進一步的修改和完善,提升創意內容與產品特性之間的契合度以及對目標消費者需求的觸達程度,力求盡可能地提供滿足消費者個性化需求的廣告創意。

3.優選媒介投放,智能配置廣告資源

廣告投放活動是一個過程,廣告效果的形成具有累積性和延遲性,用戶從接收廣告信息到完成轉化的整個過程中可能會接觸多個媒介渠道,每個渠道對于用戶完成最終轉化有著不同程度的影響。人工智能技術可以對不同媒介渠道進行歸因分析,還原用戶轉化軌跡,用量化的數據來衡量不同媒介渠道對廣告活動的貢獻價值。通過歸因分析,不僅可以了解到哪些媒介渠道的引流效果好、哪些媒介渠道的轉化效果好、哪些媒介渠道的受眾質量更高,還可以同消費者行為軌跡進行交叉分析,了解特定用戶在特定媒介渠道的使用習慣。依據實時動態的效果反饋數據,智能投放平臺可以自動根據不同媒介渠道的歷史投放表現,依據不同的廣告活動目標和定位人群特征,智能配置廣告資源,選擇預估效果最好的媒介渠道進行差異化廣告投放。同時,在機器學習的基礎上,系統也會不斷更新算法模型,智能化優化投放策略。

4.落地頁優化,智能改善用戶體驗

落地頁是用戶點擊廣告后跳轉進入的網頁,包含廣告主想要傳遞給用戶的產品或服務信息,是促進消費者完成預期轉化、實現廣告目標的關鍵步驟。用戶點擊廣告素材進入到落地頁面后有兩種行為模式:一是跳出,用戶流失；二是繼續瀏覽其他頁面發生頁面跳轉行為,或是直接完成轉化,成功實現用戶變現。傳統落地頁是千篇一律的,且存在移動端使用PC網頁以及無論什么關鍵詞都跳轉進入品牌主頁的現象。由于缺乏相關性和針對性,極大地影響了用戶體驗,用戶流失或轉化的原因也無法盡數知曉。

在人工智能技術的應用下,通過添加代碼對落地頁進行監測和數據分析,可以掌握用戶關注了什么內容、用戶是怎樣流失的以及流失節點都有哪些等信息,或是用戶是如何完成轉化的以及花了多長時間完成轉化等等,也可以知道哪些落地頁被瀏覽的次數最多、點擊次數最多、轉化效果最好。結合這些數據,可以開發智能落地頁。基礎的智能落地頁是自提營銷單頁,即通過系統提供的素材、模板和組件,廣告人員可以自由組合頁面編排,自主選擇產品輪播圖(大圖、單圖、三圖、視頻等形式)和轉化組件(表單、咨詢、線索等組件)等,為不同的用戶檢索創建相應的營銷單頁,并且可以在系統內進行個性化管理。此外,還可以結合A/B測試方法,設計多版本的落地頁進行效果驗證,選擇效果較好的落地頁進行投放。自提營銷單頁在一定程度上節省了人力,但這種人機協同的方式無法為不同的用戶檢索提供千人千面的落地頁。于是比較高級的智能單頁應運而生,即系統運用大數據和人工智能等技術根據用戶搜索關注點和決策路徑,從推廣站點獲取產品、服務等內容并智能聚合、動態重組生成個性化落地頁,并自動綁定最相關的詞推送給用戶。譬如用戶在搜索引擎中檢索關鍵詞,點擊廣告鏈接進入落地頁,看到的就會是與其檢索需求最相關的產品或服務內容。智能技術根據用戶單次的檢索需求生成了對應的個性化落地頁,不僅使落地頁的形式更加靈活多樣有針對性,更提升了用戶體驗,縮短了用戶轉化路徑,能夠有效提升用戶留存,提高轉化效果。

四、結論與展望

(一)廣告智能評估的識別、分析與應對模型

以共振效應理論為分析框架,在分析概括的基礎上,可以提煉出具有一般性的廣告智能評估的識別、分析與應對模型(見圖2)。

圖2 廣告智能評估的識別、分析與應對模型

1.廣告智能評估的識別環節

在整體廣告智能評估中,全流程實時監測是基礎和前提。通過添加監測代碼、配置SDK和API以及運用ID-base和網絡爬蟲等智能化技術,實時監測用戶與品牌之間的所有接觸點,可以還原用戶從廣告曝光到轉化以及反饋的全鏈路完整數據,準確全面地了解廣告活動的真實效果。識別環節采集到的數據將直接導入分析模塊,對效果數據進行智能深度分析,尋找影響廣告效果的因素。

2.廣告智能評估的分析模塊

系統通過實時監測完成對用戶全網行為軌跡和廣告效果數據的獲取后,由于獲得的是多源異構的非結構化數據,系統的分析模塊首先會對原始數據進行處理,運用自然語言處理、情感分析和數據預處理等智能技術將其轉換為適合挖掘的結構化數據。通過聚類分析、點擊率預估與轉化率預測以及回歸分析等數據挖掘方法對效果數據進行深度分析,探索數據間的深層次關聯以及其中隱藏的、具有潛在價值的信息,并以可視化方式呈現。在這一環節中,系統完成了對廣告效果數據的智能深度分析,該步驟所產出的分析數據將直接指導后續環節進行個性化廣告智能評估,調整廣告策略,優化廣告效果。

3.廣告智能評估的應對路徑

智能評估并不是一個完全獨立的廣告運作環節,只有與消費者洞察、創作以及投放等環節實現互動,有效指導個性化廣告智能評估,才能充分發揮評估的作用。應對是整體廣告智能評估系統中的最后一環,是效果評估的目的所在,也是智能評估區別于傳統評估的重要功能。從根本上來說只有滿足消費者需求,廣告活動才能實現預期效果,消費者需求是一個不斷動態變化著的過程,這決定了廣告活動也必須是動態迭代的。因此，個性化廣告智能評估首先要挖掘多端異構的消費者行為數據和反饋數據,實時更新消費者畫像,智能預測消費者動態需求。了解消費者需求后,智能創意平臺能夠針對個性化的消費者需求,結合廣告效果數據,自動生成多個廣告創意,合拍消費者動態需求。之后,契合消費者需求的廣告信息需要運用合適的媒介渠道進行投放,運用歸因分析模型,投放平臺可以根據不同媒介渠道的歷史表現,智能配置廣告資源,選擇預估效果最好的媒介渠道投放廣告信息。此外,落地頁的優劣與否也是影響消費者轉化的重要節點,智能落地頁系統可以根據消費者搜索關注點和決策路徑,將消費者單次的檢索需求生成對應的個性化落地頁,提升用戶體驗,縮短轉化路徑,改善轉化效果,實現廣告活動全流程的個性化智能主動應對。

當系統完成識別、分析與應對后,受廣告信息的影響以及市場環境的變化,消費者會有新的行為反應與需求變化,產生新的行為數據與效果數據,這些數據將重新被監測到,開始下一輪的識別、分析與應對。當機器獲取到新的消費者行為信息與廣告效果數據后,原有的應對方式將會發生改變:若反饋數據符合廣告預期效果,廣告目標實現,則廣告活動實現優化,系統會對現有應對方式進行分析總結,優化模型,為下一輪廣告活動積累經驗；若不符合廣告效果預期,未實現廣告活動目標,系統會進一步分析效果數據,尋找影響廣告效果達成的因素,并采取新的應對措施調整廣告活動,優化廣告效果。在這一過程中,基于海量大數據和機器學習能力的不斷提高,廣告智能評估的模型會不斷地發展與進化。

綜上所述,廣告智能評估是以實時監測為基礎,基于機器學習實現對反饋數據的深度分析以指導個性化主動應對的智能化廣告運作流程,評估的智能化發展打通了全鏈路廣告智能系統,構成了整體智能廣告系統的有機閉環。

(二)廣告智能評估的共振效應

在智能技術的賦能下,廣告智能評估系統會實時監測廣告活動,不斷采集用戶行為信息與廣告效果數據,在數據深度分析的基礎上,智能洞察用戶動態需求,指導個性化主動應對,努力達成廣告活動與用戶需求的全鏈路匹配。智能技術加持的廣告評估不再表現為先投放、后反饋的傳統滯后型模式,而是形成了以智能評估系統為紐帶的從用戶洞察、創作到投放在內的全流程廣告活動閉環運作模式,實現了廣告活動與用戶之間的良性互動與持續共振(見圖3)。廣告智能評估的共振效應是以智能評估系統為平臺,通過實時監測收集多源異構效果數據,洞察用戶動態需求,指導個性化主動應對,智能調整廣告策略,優化廣告活動效果。

圖3 廣告智能評估的共振效應

區別于傳統效果評估的線性邏輯,在智能化評估中,用戶洞察、創作以及投放等廣告運作環節通過與智能評估系統的實時互動,實現與其他環節的協同作業和優化調整,構成整體智能廣告系統的有機閉環。貫穿這個閉環的機器邏輯是整個流程的自動運行、彈性運行和協調運行。

(三)廣告智能評估的未來展望

隨著人工智能技術的不斷發展以及其在廣告評估領域的深入應用,廣告智能評估未來有以下兩個方面的問題需要進一步探索完善。

1.構建標準化廣告評估指標體系

目前業界中,無論是阿里全域營銷提出的AIPL(Attention,Interest,Purchase,Loyalty)還是愛奇藝構建的AACAR(Attention,Association,Consensus,Action,Reputation)等模型,實際上都是對經典的AIDA模型(Attention,Interest,Desire,Action)的進一步發展與延伸。AIDA模型反映了消費者從接收廣告信息到完成廣告主預期行為的心理發展變化邏輯過程,在一定程度上能夠指導廣告評估指標體系的構建。但基于消費環境的變化和智能化技術的不斷發展,衡量廣告效果的標準必然也需要發生相應的變化和延展。學界和業界應相互合作,業界產業實踐先行,學界在分析業界實踐的基礎上歸納出一套普遍適用的廣告評估指標體系,通過產業實踐進行科學驗證并不斷完善,進而指導產業實踐規范化和標準化。如此循環往復,方能逐漸構建起標準化的、具有規范性的廣告評估指標體系。

2.創立權威性評估主體,健全數據審核機制

目前市場上出的廣告評估報告都是不同公司發布的,雖然也有諸如秒針和Admaster這類相對具有業界權威性的第三方監測機構公布的數據報告,但由于各家公司監測技術和標準的差異,發布的廣告效果數據無法被用來進行多維度對比分析,且都缺乏客觀性和權威性。可行性的發展路徑可能是業界與監管部門共同合作,業界需要發展出具有相對權威性的第三方監測機構,同時利用各類算法和智能技術對廣告投放效果進行監督,有效過濾虛假流量,確保效果反饋數據的真實性。廣告行業需要建立一個監管機構以及相應的數據審核標準,負責對第三方監測機構發布的廣告評估報告進行數據審核,保證監測數據的客觀準確。通過二者的通力合作,共同推進行業內具有公信力和權威性的評估主體的出現,以及透明公正的數據審核機制的構建。

注釋:

① 盧靜微、劉淑娟:《人工智能時代廣告傳播的創新研究》,《大眾文藝》,2019年第22期,第202頁。

② Ghose,Anindya，Todri-Adamopoulos,Vilma.TowardaDigitalAttributionModel:MeasuringtheImpactofDisplayAdvertisingonOnlineConsumerBehavior.MIS Quarterly,vol.40,no.4,2016,p.889.

③ PR Newswire.CentralFloridaHumanBehaviorExpertSusanConstantineCreatesArtificialIntelligenceSoftwareThatReadsEmotionstoHelpBusinesses,Advertising,andEvenTVNews.PR Newswire US.2017.

④ 李夢娜、劉春俠:《人工智能影響下廣告營銷的發展探究》,《電腦知識與技術》,2018年第30期,第196頁。

⑤⑦ 姜智彬、馬欣:《領域、困境與對策:人工智能重構下的廣告運作》,《新聞與傳播評論》,2019年第3期,第58頁。

⑧ 段淳林、宋成:《用戶需求、算法推薦與場景匹配:智能廣告的理論邏輯與實踐思考》,《現代傳播》,2020年第8期,第125頁。

⑨ Yang,Y.,Yang,Y.C.,Jansen,B.J.,& Lalmas,M.ComputationalAdvertising:AParadigmShiftforAdvertisingandMarketing?.IEEE Intelligent Systems,vol.32,no.3,2017,p.4.