1

骗人的数据

不少人坚信“人会骗人，数据不会”，但这是事实吗？

比如此前，一些互联网平台为了证明能给广告主带来效果，在宣传时或许会提到被广告触达的消费者转化率相较其他人群提升25%。看起来，广告确实带来了不少新增转化，但企业应该据此加大投放吗？

回答这些问题前，我们聊一个真实的历史故事。

美国正式建国前，在老年妇女中曾流行服用一种由马尿蒸馏出的粉末，它被认为可以抵御疾病。一些研究者设计了实验，发现服用这种粉末的人比未服用的人看起来更健康。但有趣的是，随后的医学研究发现这类粉末不过是**的替代物，它并不利于健康，过度服用甚至会引发肿瘤等严重副作用。

为什么看起来严谨的实验却导向错误结论？这是因为先前的实验设计并不科学。主动服用粉末的人往往更关注自身的健康情况，所以只把服用粉末与否当作变量，自然会得出“这类粉末让人们更健康”的结论。

现在，你能发现“转化率提升25%”背后的陷阱了吗？

事实上，消费者是否被广告触达并非完全随机。触达是精准定向的结果，被广告触达的用户本身就比其他人有更高的消费概率。按触达与否对比效果，得出的数据几乎没有参考价值。

所以，即便有数据，使用不好的话，数据也会骗人。只不过这一点，部分广告主还没有意识到。

2

黑盒“白盒化”

如何向企业传递更准确的数据并让他们科学使用，林俊英从2019年7月开始系统思考这个问题。他是巨量引擎业务策略中台产品负责人，目前带领着巨量引擎的营销科学团队。

在学术研究语境下，营销的“科学”地位毋庸置疑，它在全球范围内已经成为一门拥有完善架构的学科；但有趣的是，实践层面却存在着理论和现实相互割裂的情况。在沃顿商学院讲授广告学的阿姆斯特朗教授，于《广告说服力》中引用了一句话：“我对广告公司不断追逐‘新东西’，同时却对已清晰表述的知识体系如此漠视深感震惊。”


企业迷信既有经营经验和浅层数据做决策，这一点已经不令人惊奇。但问题是，经验和数据都不能与科学直接画等号。科学强调规范地使用数据，否则就很容易将营销引向歧途。

当Big Data解决了数据获取问题，接下来就应该是属于Better Data的时间。包括Facebook和巨量引擎在内的海内外公司，最近频繁重提“营销科学”便是为了更好地使用数据。

当然，误用数据不是企业的本意，困境源自营销中存在的大量不确定性。比如不断涌现的技术成为外界难以窥探的黑盒，它增加了广告主的认知门槛，让它们只能被动接受数据并信以为真。

某种程度上，黑盒“白盒化”是营销科学与MarTech的一大差别，它更强调数据可得性和结果科学性。“AdTech和MarTech在技术层面服务一线人员，营销科学在生意层面服务CMO”，林俊英这样直观解释其中的差异。


巨量引擎的科学团队目前正在度量和洞察两个方向上发力，前者帮企业算帐，后者帮企业找机会。两者都让企业有更大几率做出正确决策并兑现数据价值，并且它们直接关联生意。

以往，无论创意或投放，从业者们都戏称其为“玄学”，而眼下对营销科学的强调则是在“去玄学化”。虽然完全消灭不确定因素不切实际，但它至少能帮助企业降低部分由不确定带来的损失。


3

从营销技术到科学体系

营销科学如何帮助企业“排雷”？巨量引擎转化度量产品负责人肖湘分享的汽车行业案例很能说明问题。

试想这种情况：某汽车品牌在抖音上投放了新车上市广告，最终有26位消费者通过点击广告产生了转化，能说这支广告带来的新增转化是26吗？

按照以往最终点击归因（Last Click Attribution）模型来说是正确的，但在真实的生意场景下，它是错的。因为或许还有74位消费者虽然没有直接点击广告，但他们被抖音广告“种草”，随后去到其他垂直App转化。

从这个角度看，广告本身的效用至少比表面看到的要大得多。


那么又可以断言广告带来的新增转化是100吗？

也不能。因为这100个用户中有61位即使没有触达也会转化，所以需要引入增效度量技术识别这部分自然转化并将其排除在外。在综合应用多渠道归因、增效度量等技术后，我们才能得出广告带来的真实转化是39。

这就是单个营销技术和营销科学间的区别，技术解决具体问题，而营销科学锚定生意场景，它需要企业和平台方有能力调用整个系统的力量给出适当的解决方案。

比如营销科学就可以指导广告主的预算分配。仍然以车企为例，根据各渠道上获得的线索量配置预算是常见做法，假如垂直媒体的线索量是短视频平台的两倍，预算也就会遵循相同的比例分配。

但通过增效度量就会发现，垂媒本身聚集了大量汽车兴趣人群，它的自然转化量自然大幅高于短视频平台；这意味着即便线索量是短视频平台的两倍，通过垂媒投放广告带来的真实转化可能也不及后者。

所以，如果企业想把钱花在刀刃上，就需要将预算向高增效转化、而非高绝对转化率的平台倾斜。

“企业在生意中有什么实际需求，我们就组合各种技术能力给出方案，去解决那些实际的营销课题”，林俊英认为数字广告业已开启从单个技术到形成科学体系的整合化进程，而这一进程对希望提升经营效率的企业是需要把握的机遇。


4

营销科学的未来变化

2014年底，林俊英加入字节跳动，巨量引擎也是从那前后开始系统搭建广告平台。因此，林俊英是完整经历了整个营销科学体系从无到有的搭建过程，他从数字基建和科学应用两个层面介绍了搭建思路。


“整个科学化进程，打好数字基建是第一步。过去几年，我们在电商、线索、应用和通用方案等四个方面，分行业逐步推进，一步步建起整个营销全链路的数据闭环”，他说。

数字基建的作用是布点积累数据，例如随着ADX、抖音小店、线索通、飞鱼CRM等平台的推出，营销科学团队就能够拥有不同维度的数据。而去年底最新推出DataHub，也是通过创造数据安全的环境让企业接入一方数据。

在打通全链数据的同时，巨量引擎也开始布局科学应用产品。这些技术在度量、洞察和优化等不同方面，帮助广告主最大程度挖掘和释放数据中蕴藏的价值。

比如在投放优化方面，早期是oCPC和oCPM产品，近期则开始与广告主在联邦学习、联合建模等方面深度合作，提升精准触达能力和广告效果。过去一年，营销科学团队还在度量方面推出了增效度量方案，在洞察方面推出了巨量算数和巨量云图2.0等全新平台。

营销科学的发展驶入快车道已是不争的事实，那么下一步它将往何处走？林俊英提到了四个值得关注的趋势：

其一，从明文到非明文。在数据安全和个人隐私保护日益重要的环境下，弱化强ID应用成为趋势，基于非明文建立一套面向未来的数据共建解决方案成为紧急事项；

其二，从手动到自动。随着技术进步，用机器替代低创造性的重复劳动成为效率提升的必然选择。一线执行人力将被释放出来，例如ROI出价、跨端投放的通投智选以及MKT API自动回传数据等功能，就降低了流量采买和优化需要的人力；

其三，从单点到全链。随着全链路数据的贯通，广告平台已经不局限于服务广告投放这一单点，它开始向链条前后延伸实现对投前投后全营销流程的服务；

最后，从服务营销到服务生意。通过打通线上线下、生态内外的全场景数据和能力，通过业务间的策略联动帮助企业寻找生意的新增长机会。

总的来说，广告营销有机会站在更大的舞台上服务企业的数字化经营，并在科学规范的指引下拥有广阔的发展空间。

5

营销科学，不止是技术问题


虽然和技术密切相关，但营销科学不止是技术问题。想要服务生意，必然牵动更多层面。

比如ROI出价，这看起来似乎只和技术相关，但实际并非如此。衡量ROI前需要定义R，也就是“回报”。R的统计口径不同，算出的结果自然不一样。

所以，技术问题最终还是要回归到生意层面。平台方和不同行业的广告主需要达成很多共识，比如这个R到底对应多长的时间周期？这个时间周期是否符合企业赛道的特性？是否应该将社交裂变后引发的转化涵盖在内？是否需要将那些还未货币化的行为货币化？以及如果要货币化，又要以怎样的折算标准货币化？

每个问题都不简单，但又极端重要，所以林俊英提到互信在推进营销科学时非常关键。


巨量引擎度量产品运营负责人张钧凯对此深有体会。在推动企业使用增效度量方案时，由于统计口径发生变化会让数据出现波动。虽然增效本身是关注真正的增长，也能帮助客户达成健康增长的目标，但新指标最初的引入依然需要企业的认可和信任。如果广告主没有和平台对齐，就容易产生焦虑，从而影响下一步工作的推进。

林俊英提到推动营销科学需要全方位的支撑，从后台能力层、中台理论层和产品层到前台服务层都需要跟上。实际上，它考验着平台从技术和产品实力、行业理解深度、理论水平到服务质量的综合能力，而这需要产学研各方的共同发力，任重且道远。

不过好消息是，在数据和技术的支撑下，对营销科学拥有信心已经成为更多主体间的共识。这种共识既源于人们既往经验中对科学理性已然的认同，也因为不少企业确实享受到了营销科学对生意增长的贡献。

当一件事情逐步成为共识，推动它的阻力会变得更小，前进的步伐也会更加轻盈。
在和林俊英、肖湘和张钧凯聊完后，当时留下深刻印象的一点是：技术问题发展到最后，还是会落脚到生意层面。也可以说，营销科学或许就是生意思维的另一种表达方式。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。