隐秘的变化：如何让广告数据「说真话」？

01

数字广告业的从业者应该感到恐慌吗？答案或许是肯定的。面对强大的智能化机器，很多迹象显示他们的地位似乎正在边缘化。

在观察广告行业时，我们会将更多精力放在不断进步的技术上，而习惯性忽略人机关系。但事实上，人机关系也是数字广告发展中的重要线索。其中，具体含有两条并行不悖的路径：

• 「机」的层面：机器不断从自动化向智能化演进。这意味着，机器不再只是替代人完成高重复度的简单工作（如出价等），而是开始加入自己的策略思考（如定向等）。
• 「人」的层面：人的职能也从浅层数据价值识别向深层数据价值释放演进。举例来说，以往从业者只关注点击率、转化率等有限维度的数据，但现在他们还需要结合实际业务场景进行更多数据的交叉分析。

在两周前与腾讯广告团队交流时，他们讲了一个例子：某企业在人群资产漏斗中看到新转化了100位消费者，由此就能够认定广告活动有效吗？显然不能。

试想以下两种情况：情况一，这100位消费者原本就偏好该品牌；情况二，这100位消费者中只有60位原本偏好该品牌，其余40位偏好竞品品牌。很显然，虽然同样是让100位消费者完成转化，但后者比前者的价值更大。

这个例子说明什么？数量指标下其实潜藏着质量指标，要想让广告数据「说真话」，就需要从业者更聪明地关注、拣选和组合更多维度的数据。尤其是在欠增长时代，识别和挖掘数据深度价值就更显重要。

站在这样的视角去看，你会发现在理想状态下，人不应该在边缘化，而是在人机关系的变迁中调整到更重要的位置。

02

最近在观察行业发展时，我非常喜欢用「语境」这个词。

因为越来越觉得，所有内容（content）（包括数据在内）都要放在语境（context）中解读才有意义。俗话说得好：「人言未必真，听话听三分」。为什么只听三分？因为语境提供了弦外之音。

但是回顾数字广告业过去几年的发展，你会发现它越来越「脱语境化」，这带来了非常多的问题，例如品牌安全问题。为什么品牌开始关心自己是否安全？是因为数字广告的投放开始锚定用户群体、而不一定能够锚定语境，这让很多物料在分发的时候存在一定风险。

当然，在广告数据分析上也出现了类似情况，也就是对广告数据的分析和使用脱离业务实际，所以才有了腾讯广告开头提到的那个案例。

这种情况的出现可能与机器在数字广告业中的地位越来越高、而人的位置逐渐边缘有关。按照「人机关系」的分析框架，你会发现广告业的发展经历了「人弱机弱」「人强机弱」和「人弱机强」三个阶段。

• 人弱机弱：传统媒体及数字广告发展萌芽期，普遍采用合约交易，人在其中更多主要进行资源对接，机器在其中的角色有限。

• 人强机弱：数字广告发展成长期，出现RTB等程序化广告交易模式，曝光与转化开始打通，可用数据指标庞杂，投放师/优化师/SEMer等新工种出现并活跃。

• 人弱机强：数字广告发展成熟期，从oCPX诞生到近期出现自助投放趋势，机器智能化程度提高并能替代人完成定向投放工作，人的角色开始被边缘化。

整体大趋势非常清楚：人变得边缘，机器开始站到舞台中间。

在我看来，正是这一趋势造成了数字广告的「脱语境化」——因为机器本身只能基于数据就事论事，唯有人才能真正理解语境，并基于这种理解更准确地解读和使用数据。

但是如何在数据中更高质量地淘金？我们就需要进入「人强机强」的时代。具体来说，机器不仅要持续提高智能化程度，更好地帮助人类完成高重复度、低创造性的简单工作，还要为人类根据语境释放深层智慧提供平台。

03

「语境」是什么？通用解释是指「说话时，人所处的（外部）状况和（内部）状态」。具体到广告业，数据所处的场景、广告主所在的行业乃至企业本身的规模等所有个性化因素，其实都在「语境」的范畴之下。

最近，看到了「哈佛商业评论」中文版对麦当劳中国CMO须聪的专访，她提到一个非常犀利的观点：「N+Reach已然失灵了。」

「N+Reach」其实是从大众媒体时代沿袭下来评估效果的重要指标，其中的「N」指的是企业触达消费者产生效果的频次。为什么说它失灵了？是因为干扰因素变多了。举例来说，在当今触点形式差异极大的情况下，深度种草内容和纯信息流广告的单次触达效果显然不一致。如果按照「N+Reach」的思路，就忽视了不同环境下用户心智的高度异质性。

腾讯广告向我分享的一组数据，也恰到好处地佐证了这一判断：他们进行了一个有趣的实验，将用户原本的品牌偏好作为变量分组统计，分析了广告触达频次和实际效果间存在的关系，你会发现三组变量最终呈现结果存在极大差异。在下面这张图片中，可以发现如果消费者本来对某品牌存在偏好，广告主就不用过度投放了：节省不必要的投放开支倒是小事，关键是投放过多会引发用户的「逆反心理」。

所以，在投放广告时，语境的重要性可见一斑。

04

事实上，还有很多现象都显示出广告业正在重新重视语境。

比如以往我们在数据洞察时，往往只重视性别、年龄等少数几个人口统计学维度；然而，即便同样是年轻人，群体之间的消费习惯也千差万别。比如腾讯的同学就提到他们推出了「九大人群」，25-35岁的年轻人可以归属到新锐白领、精致妈妈、都市蓝领、小镇青年这几个截然不同的群体中。如果企业只看面上整体的情况，很可能会将广告投放引向歧途。

另外，在归因环节也有类似情况。比如最初行业普遍采用末次点击归因，也就是将广告效果的贡献全部归于最后一个点击渠道。这种模式合理吗？省事但不必然合理。

是否合理需要考虑语境——如果是新品牌或新产品，首次点击归因比末次更合理，因为打开用户心智在这个阶段是优先级最高的事项；如果是游戏开发者归因，那么末次点击归因也不太适用，因为用户最后一次互动行为往往在应用商店内发生，但实际推动下载的贡献者可能另有其人。

从这些变化中，你大概已经了解数字广告的极端复杂。与以往「一招鲜，吃遍天」不同，当前的数字广告越来越需要考虑业务实际情况。而要让数据说真话，就需要机器为人预留足够多的空间去发挥才能，其中包含两个部分：第一，机器要提供足够多的视角，这样有利于企业作出科学决策；第二，机器要释放更多能力，让人们的智慧和机器的智能协同起来。

05

在这次与腾讯广告团队交流时，讨论的主要议题其实是他们的营销科学产品RACE，你可以将RACE理解为腾讯广告在营销科学领域迈出的一大步。

此前，「广告手账」已有多篇文章关注营销科学，这是值得广告营销人们持续追踪的领域。因为整个行业面临越来越多的不确定性，科学的重要价值是提供确定性。因此，站在这样的关口，能够理解为什么主要广告平台都在持续布局营销科学。

但如果比较几大平台现有的营销科学方案，会发现腾讯广告的RACE有一些不同之处，比如它为人们正确解读数据补充了一些新视角。

举例来说，漏斗模型是绝大多数营销科学方案的核心。通过将消费者按决策链路分层定义，企业能够很快了解自身用户资产运营的水平。比如RACE就将消费者分成曝光触达、浅层互动、深层触动、转化行动和忠诚复购这五个由浅入深的层次，在每次Campaign结束后，广告主都可以通过对比五层人群资产前后的变化来判断是否达到预期效果。

但RACE的亮点是，它在漏斗模型上还叠加了用户心智的维度。商家不仅知道每层用户的规模，还能了解每层中偏向自己和其他品牌的消费者占比分别有多少。在我看来，这是一个很大的创新，也更接近真实的业务语境。它基于这样一个假设：消费者可能同时被不同品牌都视为用户资产，但他实际上并不会为这些品牌创造等价收益。

这句话可能有些拗口，我举个例子，你大概就能明白：

比如汽车行业。消费者在购买汽车时，往往决策周期较长且谨慎。由于购买成本较高，消费者肯定会广泛收集不同品牌的信息，因此涉及到大量与品牌触点的深度互动（体现在反复观看不同品牌的推广内容，乃至直接搜索不同品牌信息等等）。

这种情况下，每家车企品牌可能都会将消费者归入自己的「深层触动人群」，以为只需临门一脚就能获得消费者预算；但值得注意的是，消费者的购车预算最终只会流向一家车企。所以，除了看分层用户资产规模，品牌更需要关注每一层用户资产的健康度。换句话说，需要看看每层用户中偏向本品和其他品牌的用户比例究竟是多少，否则数据不会说真话。

同样的道理，即便消费者已经成为品牌的「R4转化行动人群」和「R5忠诚复购人群」，企业仍然有必要关注用户资产健康度。比如对快消和服饰等消费者中高频购买的商品，偏好结构也有助于品牌在激烈的市场竞争中预测自己能在多大程度上获得消费者的生命周期价值。

容易被忽视的规律是，数量指标会给我们提示大致方向，但质量指标才能让数据更好服务于实际业务语境。在RACE当中，新引入的用户心智维度就是典型的质量指标，扮演了让数据说真话的角色。

06

除了用户心智这个新分析视角，RACE也向商家提供了很多正确使用数据的能力，比如让广告主能够基于自身需求更便捷地建模。

腾讯广告团队向我讲了这样一个真实发生的故事：

某连锁餐饮品牌为旗下牛肉和鸡肉两条产品线投放广告，用相同资源触达同类目标消费者，结果发现牛肉小食的转化率比鸡肉整整低41%。如果放在以往，企业可能会将异常原因归结到产品本身，后续决策大概率会将投放预算从牛肉直接调整给鸡肉。

但是，这家品牌使用RACE模型拆解数据后就发现，问题可能出在两条产品线的消费人群重合度过低。既然重合度低，那么同一套定向策略自然会造成转化效果的巨大差异。随后，企业开始优化投放策略：将已转化人群作为正样本、高频触达牛肉广告但未转化人群作为负样本，基于机器学习的方式不断锁定真正对牛肉小食感兴趣的目标消费者。在这一系列优化工作完成后，牛肉产品线的转化提升了43%。

这个案例清晰表明，我们不能不加思考地全盘接受所有数据，而是要具体情况具体分析，尽可能排除所有干扰因素才能让数据说真话。当然，在这个过程中，腾讯广告向企业开放建模能力的动作对最终投放效果的改善功不可没。这也呼应了此前提到的，平台要让机器释放能力，最终让人类智慧和机器智能协同起来。

07

文章的末尾，再补充一些自己的感想。

人们常常会给机器赋予至高无上的权威位置，并将数据和科学划上等号，殊不知数据也会骗人。要让数据说真话，就需要人们结合业务场景正确解读数据。从这个层面来看，不管技术如何精进，数字广告业都会给人留下一席之地。

从「人弱机弱」「人强机弱」到现在的「人弱机强」，平台除了通过自动化和智能化手段替代人类完成简单重复的工作之外，更应该向广告主提供多元观察视角并开放更多能力，从而让人的智慧充分释放出来，最终迎来「人强机强」的时代。唯有如此，我们才能够真正从数据富矿中挖出宝藏。

在这方面，腾讯广告的RACE走出了正确的一步；而我也坚信，在众多平台的共同努力下，人机分工协作、让数据说真话的「人强机强」时代会慢慢到来。