文章来源：卡思数据（id：caasdata6）作者：卡思数据

原文链接：从“营销度量”到“增长度量”：品牌度量进入科技时代

某知名汽车品牌的品牌部最近犯了难。

他们想要在抖音上做投放，但手头却有A、B两套素材，A素材是长视频，B素材是短视频，依据过往在其他平台的投放数据，A素材无论是点击率还是互动率都要略胜一筹。但到了抖音，他们并不希望基于这种经验而草率做出决定，于是把难题抛给了巨量引擎营销科学团队。

实际上，像这样的难题，每天都会出现在营销科学团队的眼前，常见的还包括：

•品牌投放，到底要不要背负GMV或ROI增长的任务？

•如果答案是肯定的，那品牌价值该如何度量？短期和长期又应关注哪些指标？

•如何科学分配预算，才能实现营销效果最大化？

•除了投后评估，在投前、投中还有没有什么工具，能够协同甚至前置优化投放效果？

这些问题提出的背后，本质反映的是触点分散、流量成本高企的营销环境里，营销人的不安和深层渴望。他们不再满足于看到一次传播事件所产生的“粗颗粒”效果，而是希望从长线视角衡量品牌价值，并能用定量而非定性的手法去证实“营销与增长”之间确有因果关系。

解决这个难题并不容易，需同时满足两大条件：一，建立有认知统一的“品牌力”模型，且模型里每一个“零部件”都可做数据化的拆解、量化；二，配备有相应的工具、产品，能及时发现模型里的问题并第一时间里优化解决，这样才能“对症下药”，加速品牌资产沉淀。

过去的几年里，巨量引擎营销科学团队一直围绕着这个目标在探索前进，随着巨量云图 “SCI品牌力模型2.0”的发布和与之配套的6大工具产品的齐亮相，他们也向行业交付了第一份具有高应用度的答卷。

SCI品牌力模型是巨量引擎营销科学推出的品牌健康度追踪模型，它是从品牌规模（Scale），品牌效率（Conversion）和品牌形象（Image）三个维度，来持续评估和追踪品牌的健康度，而配套推出的预算分配、AB实验、增效优化等工具，则致力于帮助品牌在发现问题后解决问题，实现“品牌塑造+心智影响+效果转化”三位一体的规模化增长。

*SCI品牌力模型聚焦企业的长效经营诉求，从品牌规模（也就是种草规模）、品牌效率（含人群流量效率和内容转化效率两部分）和品牌形象三个维度，帮助企业量化品牌价值，实现增长复利

度量技术的百年跃迁：

从“营销度量”到“增长度量”

现代广告发展的百年历史里，一直有一把 “达摩克利斯剑”横亘在广告主和数字媒体、营销平台间，它让广告主在是否加大营销投放预算时左右摇摆，也让数字媒体、营销平台等在说服和论证营销效果的路上变得艰难。

它，就是广告效果如何科学度量的难题。也因此，成为了营销人百年里都在试图终结的难题。

最早的广告效果度量来源于十九世纪二十年代的美国。为了清晰地判断哪一支广告的转化效果更好，美国人霍普金斯开创性地发明了一种广告，即在报纸同一版面、同一位置，刊登A、B两条广告语，然后基于广告下方不同试用装申领情况，来判断用户的喜爱程度。这可看作为AB广告实验的雏形。

在此后的几十年里，问卷调研成为了传统广告时代，营销人进行广告效果度量最为核心的手段。但调研结果的真实性、准确性也受到多个变量的影响，比如：抽样方式、圈选的样本量、问卷本身的设计等，此外，调研往往发生在投放结束后，无法对投放起到实时优化指导，也无法剔除其他因素（如组合营销活动、区域促销政策等）对于投放所产生的影响。

直到二十世纪九十年代，互联网广告的诞生，才让度量技术有了“质”的飞跃。

蓬勃发展的互联网，让用户的每一种表达，如：点击、浏览、互动、下载、支付等，都可被记录和留档，这也意味着：用户看广告后的行为可被追踪了。而随着全行业数字化营销能力的日新月异，以及广告媒介、广告流量、广告形式走向复杂，围绕着品牌广告的效果度量指标，也逐渐丰富起来。

在互联网发展早期，品牌广告的核心度量指标还聚焦在“量”上，较为常用的是：曝光量、点击率、广告可视度等。但这些粗浅的指标并不是广告主想要的，他们更在意广告是否对目标用户（TA）是否产生了积极影响，于是，衍生出了TA浓度、TGI、TA reach、TA N+Reach等新的度量指标。

但分析这些指标，局限也肉眼可见。比如，度量的仍只是一次营销活动的效果，无法做到全链路数据追踪，也无法排除组合营销活动对效果产生的影响；又比如，度量的结论仍是偏传播层面的，若要评估此次传播是否对用户心智甚至最终转化产生了影响，还需要配套其他营销手段方可进行。

由上不难看出：品牌广告度量技术要实现二次跃升，还必须满足四个关键词：大数据、全链路、扎实的技术能力和持续的投入。

于这个层面，巨量引擎下出了“先手棋”。一来，截至2021年6月，抖音的日活跃用户数已经突破6亿，而巨量引擎生态的全线产品月活跃用户数达到了19亿，海量的数据，突破了传统调研样本量过小的限制；二来，抖音电商的发展，也让巨量引擎逐渐完善了从种草、投放到线上留资、下单的一体化布局。

丰富的数据类型和全链路数据处理能力，有助于帮助品牌科学归因，在流动的数据里看清楚哪些是相关关系，哪些是因果关系，这样才能更客观地审视“营销与增长”的关系，做到精准优化。

这也是巨量引擎营销科学发布SCI品牌力模型的“底气”。

再看模型，你会发现，它聚焦全量增长，能够从认知、种草、行动不同的营销阶段，对品牌力和品牌健康度进行持续度量，服务的是企业的长效经营诉求；而与之配套的工具，则是从中短线营销活动视角，赋予了模型以“应用”的翅膀，让品牌能够在发现不足后及时矫正问题，以实现对营销每一环节的循环校验和优化。

具体来说，6大工具包括投前的预算分配、AB实验工具，投中的增效优化工具，和投后结案工具与效果验证（BLS+CLS）工具，它们贯穿于一次营销活动的始终，让品牌营销告别经验主义，在大数据的照拂下，获得确定且理性的增长。

6大工具：从前到后，

像素级优化营销每一环

在开展一次营销活动前，我们通常会遇到来自广告主的两大灵魂拷问：

预算是有限的，营销资源却是丰富的，怎样才能科学地进行预算分配？

在内容为商业母体的平台，什么才算是“对的内容”？又如何找到并触达给“对的人”？

解决这两个难题，过往多凭借经验。这些经验建立在营销人操盘的案例上，也建立在标杆品牌的学习上，但整体而言，仍是主观且武断的。而巨量引擎预算分配工具的上线，则能帮助广告主解决这个难题，一方面，它是建立在品牌历史投放数据和行业优秀数据基础上的投放模型，另一方面，它能够基于品牌所处的差异化营销阶段（如预热期、种草期、转化期），来设置差异评估指标，进而在数据指导下，获得新的预算模型。

听起来是不是有些“玄乎”？分享个案例：

某手机品牌在新机发布活动期间投放了包括品牌广告、竞价广告和达人广告在内的多种广告，希望以达人资源为核心，判断多触点投放场景下，如何科学地配比其他营销资源。

通过科学实验发现：达人广告辅以竞价广告可带来转化率2~4倍提升，而品牌广告的投放则能让效果表现更坚挺。考虑到竞价广告的助推效果明显，预算分配工具建议：品牌可持续增加达人和竞价广告的预算，但对于品牌广告的投入则可与之前持平。

预算分配好后，就到了内容测试的环节了。在多数营销人的心里，都潜藏着一个朴素但不简单的愿望，那就是“让广告在对的时间用对的形式出现在对的人面前”，那么，究竟什么才是对的内容、形式和人？AB实验工具了解下。

AB实验并非什么新鲜概念，在传统广告时代就已大行其道，它的工作原理很简单，即在相同的营销环境里，通过隔离实验对象来评估营销效果优劣。

打个比方，街角的奶茶店开业了，店主分别设计了A、B两版广告，两版广告对应店里的两款饮品，并在两个路口进行派发，然后基于顾客到店消费情况，来判断哪支广告引流效果更好？哪个产品应该视为主推品出现在店铺的灯箱上？

不难看出，AB广告实验的结论是否接近“真实”，需同时满足三个要素：一，参与实验的样本量足够大；二，人群相似度足够高；三，实验组与组之间完全隔离。

以上要求，对于有着海量丰富数据的巨量引擎平台，显然不是难题，在此基础上，巨量引擎的AB实验工具还支持3天为单位出具实验结果，并允许广告主自行设置变量，来找到“人与内容““内容与出价”“内容与转化”间的最优的组合方式。

如果说，投前的“预算分配”和“AB实验”，分别是从战略和战术上，前置性地优化了营销活动效果，那么，“增效优化”工具则是在投放中期为效果增益。

可能你会在此疑惑，竞价广告本身标榜的不就是精准投放吗，还有必要再去做“增效优化”吗？答案是肯定的。

众所周知，当我们在做竞价投放时，机器智能会倾向于将广告推送给“易被广告转化”的人群，但这些人群中，往往存在两类，一类是“不看广告也能自然转化的人群”，另一类是 “看广告才转化的人”，而“增效优化”会把更多的投放预算花在后者身上，以此来抓取到更多增量转化人群，通过破圈来实现ROI和GMV的提升。

很显然，相比于常规的竞价投放，辅以增效优化的竞价投放，能在相同的预算规模下，带来更高的ROI和更多的跑量。某头部女装品牌直播间就成为了增效优化工具的受益者，通过实验对比，发现：增效优化后的直播间，整体ROI提升了8.34%，全局GMV则提升了1个百分点。

当投前、投中的优化工作都做好了，投后的难题便接踵而至，常见为二：一结案难，二效果验证难。

结案的难题，通常在 “效果”和“效率”两端。于效果端，我们常见的结案，多是对于播放、点赞、评论数据的简单罗列，并不能从浅到深地查看跨媒体资源参与下的营销价值全貌；而于效率上，结案也多发生在营销完成后的一周以后，并不能及时辅导后续投放优化。巨量引擎推出的“投后结案”工具有效的解决了这两个问题。

它不仅支持广告主自主勾选广告资源，并以2小时为单位出具结案报告，也能够从浅到深，围绕着“触达-吸引-问询-转化”的营销漏斗，来细致拆解投放过程中存在的问题，并找到自身和TOP商家间的差距，逐一优化。

以某食品饮料商家的案例为例，在结案复盘中发现：Z世代是该品牌在抖音的核心人群，这些人群对于科技、游戏、二次元内容兴趣度高过美食内容，且比起单纯投放达人，辅以2次以内竞价广告投放的组合投放模式，会带来更高的点击和转化。这些宝贵的结论也成为了品牌后续投放的重要依据。

到了这个时候，你或许以为，一次营销投放的全过程已经结束了，其实并不然，为了帮助广告主找到“营销与增长”间的确定性关系，巨量引擎还在“增效度量”的基础上推出了BLS（品牌增效度量）和CLS（转化增效度量）两大工具。

有关于“增效度量”，卡思曾在前序的文章里系统地阐述过（点击可打开）。简单地说，增效度量就是通过科学的A/B分流能力，去除掉“不受广告影响也依然能转化”的人群，从而精准地还原一次广告所带来的真实效果。

而BLS和CLS两大工具的不同之处在于度量结果的论证手法和面向的核心客群上，前者需要辅以问卷调查来获知用户看到广告后的认知转变，偏向于服务品牌客户；而后者则依赖于客户回传的最终转化数据（如下载、支付等），多面向于效果客户。

而文首提到的汽车品牌，则在“AB实验+BLS”两大工具的支持下，解决了心中疑云。

实现方法如下：设置A、B两个对照组，A广告组只能看到短视频广告，而B广告组只能看到长视频广告，并在投放结束后辅以问卷调研，调研结果发现：不同长短的素材带来的点击率差异不大，但短视频广告触达过的人群，无论是对品牌的喜爱度、推荐度，还是购买意愿上优于长视频，也因此成为了品牌后期投放的核心内容形态。

由上不难看出，SCI品牌力模型与6大工具产品之间，是相辅相成，相互助力的关系。

在SCI品牌力模型2.0和6大营销工具的支持下，品牌不仅能及时发现问题并解决问题，还能从纷繁复杂地消费触点里，找到最能够帮助品牌实现增长的人群、媒介、创意、渠道，做好营销的精细化管理及费效管控，带领品牌走出暗坑密布的营销丛林，从主打“营销度量”的流量型增长阶段，进入到聚焦“增长度量”的品牌型增长阶段。