用数据说话：疫情期间还要继续做广告吗？

魔幻2020，新冠病毒爆发的影响，层层传导，产生一系列连锁影响。随着今年不知不觉过半，经济开始进入后疫情时代。各行各业均受到不同程度的冲击，客户减少，业绩下滑，营销行业也受到前所未有的挑战。但这可能是企业考察营销绩效的黄金时刻。为适应新常态，高管们积极调整KPI指标和公司发展方向，预算也成为考虑项的重中之重。

在危机时期，众多公司首先考虑削减营销预算以平衡收支。但这一定是明智之举吗？绝对不是。

即使在经济形势不理想的当下，公司可能也需要维持甚至增加营销工作，而不是盲目地砍掉营销支出。那么已经启动2020营销的公司们，又该走向何方？

在讨论这个问题之前，让我们先来看两个概念:

CAC 和 CPA有什么区别？

绝大多数营销人对单个用户获取成本（Cost per Acquisition/Action）和获客成本（Customer Acquisition Cost），这两个指标已耳熟能详。

实际上，很多人并不了解其中区别，甚至将两者混用，以致营销效果不尽如人意。

如何区分CPA和CAC：

单个用户获取成本（CPA）是一个潜在客户被成功获客前，使其采取某种行动(例如：注册、互动等)所需成本。

举个例子：使用户订阅邮件快报，或注册免费试用产品所需成本都为CPA。因为这些行为还没有成功将用户转化为付费客户。

用户获取成本（CAC）是获得一个能为公司带来收益的付费客户所需成本。

举个例子：使用户通过阅读品牌的newsletter后成功下单，或将产品免费试用升级为付费订阅的成本是CAC。

客户是否成功带来收益，会引起营销绩效衡量指标的变化。实际上，大部分获客成本（CAC）包含多种形式的单个用户获取成本（CPA）。

为什么需要区分CAC和CPA？来看看这两个例子:

1. A公司开展了一项营销活动，这次活动的绩效指标为注册免费试用的新增用户数。活动大获成功，所有点击过广告的人都成为了免费试用用户，而每次广告点击成本仅为5美元。对于这个拥有完美转化率的活动而言，单个用户获取成本(CPA)是非常合适用于评估营销成本的指标。为了获得更多用户，公司A应该大力增加营销广告投入。

2. 竞争对手B公司也有类似的活动，但他们的新用户注册增长速度很慢，营销效果远不如A公司。虽然B公司花费了大量的资金投入于广告营销，只有1/5点击过广告的用户注册成为了免费试用用户。这使单个用户获取成本(CPA)激增至25美元(远高于行业标准值)，营销活动负责组也开始对绩效忧心忡忡。

A公司和B公司，哪个的营销活动更成功呢？

相信很多人会理所当然地选择A公司，因为乍一看，A公司的营销活动大获全胜。但实际上，例子里并没有给出足以支持这个结论的信息。

因为假如A公司仅有20%的免费试用用户会升级为付费订阅用户，而B公司100%的免费试用用户会转化为付费订阅用户，那么两个公司其实为获得每个客户支出了相同的费用。在此基础上，如果B公司对每个免费试用用户在后端的投入金额更少（比如：拥有更精简的营销团队从而减少了人力成本），B公司的绩效可能会大大领先于A公司。

诚然，单个用户获取成本(CPA)很重要，作为用户获取成本(CAC)的一个先导指标和组成标准，它可以暴露出用户消费体验中应当优化改进的部分。但CPA也不是全部，它只是众多能评估营销花费是否花得够值的指标其中之一。因此，营销方案不能单纯围绕优化CPA建立目标，我们需要结合其他指标来综合考虑。

CPA与CAC的计算

单个用户获取成本（CPA）的计算一般比较简单直接。因为追踪的行动往往比较简单明了，不涉及金钱，因此只涉及较短回溯期的简单模型（例如：“用户最后点击”）。如果所需追踪的用户行为变多，那么模型的复杂程度也会随之增加。

但是，获得成本（CAC）的计算可能会困难得多。我们都知道，CAC的标准公式为：（营销支出+销售支出）/ 一定时间段内获得的用户数量。

但这个标准式遗漏了两个关键点：

1. 所有品牌获客的周期不一定相同。举个例子，一些品牌的用户经历消费漏斗可能只有几分钟（查看广告，点击广告，购买产品），而另一些品牌的用户经历消费漏斗的时间会长达数年（查看广告，与品牌代表会面，获得营销资料，公司通过预算，查看更多广告，参与网络研讨会，与品牌销售团队会谈，购买产品）。如果漏掉这一关键点，CAC估值会与真实值相差甚远。如果公司启动了新的营销方案，但又没有留出足够的时间来观察用户增长，CAC计算值可能会过高。相反，如果在营销方案启动后的几个月后，品牌才成功获得一大批客户，营销获客的滞后性则会导致过低的CAC值。

2. 第二个关键点是品牌如何定义其营销和销售成本。举个例子：员工工资是否计入其中？设施成本、其他杂费、创意费用、工程开销等是否也计入？在实际计算中，这些都是需要考虑到的。CAC的计算看似直接，涉及的成本变量也易被分类，其实背后有不少坑。比如忽略了很久一段时间前，促成用户消费的一部分营销活动成本，或者忘了加上销售支持团队工资，都会使CAC值因为人为忽略而降低。

这些不确定因素，大大增加了准确计算CAC的难度。尤其是对于周、月、甚至季度的短期CAC，精准计算更是困难。如果营销人不能透彻分析、理解用户体验的全过程，CAC计算值会与真实值相去甚远，导致营销目标和战略规划的偏差。

疫情期间，到底要不要减少营销预算？

疫情期间，大家都捂紧钱包，对消费更谨慎了。获客成本与用户消费模式在经济困难时期会如何调整？品牌应该继续花钱打广告吗？

经济下行，决策者会更关心支出的分配。因为在公司势头正盛时，持股人往往不会计较公司如何支出预算。可一旦公司业绩低迷，投资者会希望决策者勒紧裤腰带，做最坏的打算，节省公司不必要的开支。对于营销部门而言，日常KPI和CPA会成为老板关心的头等大事。

大家都盯着KPI和CPA时，往往会遗漏一点，那就是一般公司的用户消费体验并不是一蹴而就的。只关注用户最后点击量和直接转化率，容易忽略了用户在消费前与品牌营销曾有过的接触。如果用户消费归因的回溯太局限，只盯着Last Touch，消费者所花在考虑是否购买的时间会被忽略。在经济严峻的大背景下，这是非常不利于营销绩效评价的。因为用户不会停止消费，但消费速度会放缓。

过度关注特定CPA值会适得其反，比如用户准备消费的过程中会存在很多潜在可挖掘的价值。如果只关注CPA这部分价值很可能会被忽略，捡了芝麻丢了西瓜。疫情期间，营销人需要明白：

1. 最终点击转化率并不是全部

对于营销问题，我们没有简单的公式直达答案。即使在经济最佳发展时期，单点触摸(Single-Touch)或最终点击(Last Click)归因模型也不能覆盖所有营销接触点。想透彻读懂营销支出是如何带动了销售增长，我们一般需要将回溯范围设置为两周或以上。如果产品的成本或复杂性越高，产品对用户的必要性越低，用户经历品牌营销漏斗的过程就可能越长。因此，营销人需要综合各种数据，探明典型用户消费体验过程、过程所需时长、基本渠道、和如何分配花费。当读懂了用户消费体验过程和营销漏斗，我们会有更多新发现，比如高点击率/低转化率的广告也可以有效地吸引用户消费。

2. 这是一场与竞争对手的比赛

经济低迷时期，你不是一个人。实际上，绝大部分行业都受到了影响。这意味着，你公司的竞争对手也在经历着与你们一样的营销绩效危机。竞争对手们都纷纷削减营销预算，那你该怎么做？

设想一下，大量公司削减营销预算，市场存在的广告量会减少，广告价格自然也会降低。但此时，品牌曝光率不降反升。如果竞争对手减少营销活动，那些能维持已有营销支出，甚至增加支出的品牌，可以以更便宜的价格占领更多的市场份额。

3. 根据绩效，灵活应对

营销经理应该在增加营销绩效和控制支出中寻找到新的平衡，而不是直接中断仍在带来业务的营销活动。随着整体广告投放量的减少，和竞争对手退出市场，营销广告费率会逐步下降。得益于更便宜的广告费用，品牌可以慢慢缩减营销支出，同时保持住已有的市场份额。用更低的成本，维持品牌营销曝光率，如此一来可以大大提高营销的投资回报率。

这种方法可以使品牌在勒紧裤腰带和保持营销绩效之间进行折衷。虽然不会大幅超过竞争对手，但也可以防止品牌因失去竞争优势而落后。

4. 经济终将反弹

研究证明，95％的购买行为是下意识的。用户在进行消费时，几乎不会对品牌有一种“似曾相识”的感觉。因此，当用户经过一段时间后再次开始消费同类产品时，他们选择的品牌会是更容易想起的品牌。这就是“品牌知名度”，对企业来说尤为重要，可以使某些品牌将经济下行转变成爆发式增长的机会。

经济反弹时，市场复苏，恐慌情绪消退，消费者支出增加。经济萧条结束时，用户会再度开始花钱，而且经济复苏往往比大家想象来得快。比如2007年的大萧条，持续了19个月。在这一年半中，人们并没有停止产生需求，大多数人只是推迟了较大金额的花销，慎重地做了研究，最后完成了消费。

汽车销售是个绝佳的例子——经历了2008年和2009年的连续下滑后，汽车销量在2010年实现了大幅跃升，超过了经济萧条前最高年销售额10％。事实证明，用户所有被压抑的需求最终都会被实现，而且用户会更倾向于那些在广告费率低廉，用户没有购买时，却仍在持续营销的品牌。由此可见，如果竞争对手削减广告支出，那些坚持投资于营销活动，借此打响品牌知名度的公司，会在萧条期度过后，收获意想不到的品牌知名度，在用户开始恢复大规模消费时大获成功。

5. 不要悲观，更不要冲动

读一读新闻，你很容易就被悲观情绪所裹挟，变得被动。这时很多人会做出轻率的决定，比如在股市暴跌时赶紧抛售股票，在疫情期间一次囤够几年的卫生纸或者可以吃10年的求生罐头。研究人员花费了大量时间来探究消费者在危机中的行为和其结果的联系，结果显而易见——容易轻率地做出决定的消费者的结果总是更糟。

这个例子同样适用于品牌营销领域。那些随大流，会根据新闻改变营销策略的营销人员，往往不如那些关乎数据，并根据实际结果和市场情况谨慎调整策略的营销人。经济低迷时期，营销人必须格外沉着冷静，以防被片面信息干扰。我们应专注于真正有价值的指数，比如用户获取成本。遵循这些指数，为企业建立具有长期价值的品牌，并避免轻率做出决定。

如果你想学习如何用数据科学的方法有效分配营销预算，科学衡量每一个营销渠道的经济效果，大力提高营销回报率，那么就千万不要错过MarTechApe携手全球最大广告集团WPP的数据总监、营销分析经理联手推出，业内标准流程的《营销组合建模企业级训练营》第10期，专注于培养营销数据科学家！

从我们的项目中，毕业了将近200名学生，斩获各大公司数据岗位offer：

Marketing Mix Modeling Bootcamp往期学员拿到的面试机会以及全职工作OFFER包括Google、Facebook、Twitter、LinkedIn、Uber、Wayfair、Walmart、Accenture、Pepsi、Bloomberg、Square、Deloitte、Salesforce、AT&T、JP Morgan、Mediamath、GroupM等互联网科技公司、咨询公司、广告传媒公司、金融机构。 — Marketing Mix Modeling Bootcamp往期学员拿到的面试机会以及全职工作OFFER包括**Google、Facebook、Twitter、LinkedIn、Uber、Wayfair、Walmart、Accenture、Pepsi、Bloomberg、Square、Deloitte、Salesforce、AT&T、JP Morgan、Mediamath、GroupM**等互联网科技公司、咨询公司、广告传媒公司、金融机构。

今天，《营销组合建模企业级训练营》正式开启第10期的招募！

1.营销组合模型训练营是什么？

营销组合模型训练营（Marketing Mix Modeling Bootcamp）是MarTechApe的宝藏项目，由全球最大广告集团 WPP美国办公室的数据总监以及营销分析经理共同授课。在训练营中，你将学习在真实商业情境中如何用营销组合模型解决广告营销最核心的问题——科学合理地评估不同广告对品牌和销售的影响，以统计模型的结果来科学优化广告预算。

训练营的学员收获了:

真正意义上的“用数据和模型解决营销中最重要的问题”的经历。
熟练掌握SQL、R、Tableau等时下最流行的数据处理语言，并用这些技能解决实际问题。
大大提高Media/Advertising Industry的商业意识，熟悉不同媒介渠道的广告活动对不同商业指标的不同回报率（ROI）与有效性（Effectiveness），学会用“营销效果”的视角看待营销活动，理解各大公司市场营销部门、消费者洞察部门的痛点。
跳出学校作业的框架，上手真正商业情境中、实际工作中的实战案例。让校园与实际工作无缝衔接。将学到的Analytics思维方式泛化到其他应用场景，面对Case Study建立系统性解决思路。
提升项目演示Presentation技能，学会如何从原始数据中挖掘具有意义的故事。为客户解决实际问题，提高Business KPI。
完成项目后，辅导老师将帮助你利用这一个惊艳的项目背景打造最引人注目的简历；所有学员获得内推机会，优秀学员获得一对一面试辅导。

2.学员对训练营评价如何？

Marketing Mix Modeling Bootcamp开办至今，收获了大量好评，学员们都觉得Bootcamp的质量非常高，在节课后给我们发来了很多让我们非常感动的评论：

3.训练营老师是谁？

1. 全球最大广告传媒集团WPP | 数据总监

商业分析高级专家
拥有7年数据分析经历
各类SQL、Tableau疑难杂症的go-to person

2. 全球最大广告代理公司GroupM | 营销分析经理

营销效果分析专家。为十多个每年广告预算上亿美元的大客户提供营销效果评估、销售预测等解决方案
拥有6年Marketing Mix Modeling等高阶分析经验，具有丰富的训练新人和带领团队的经验
毕业于Columbia University统计学系

今天，我们非常骄傲地宣布

Marketing Mix Modeling Bootcamp第十期

正式开始报名！

接下来我们就看看训练营的具体课程内容吧！

4.在Bootcamp中可以学到哪些内容？

整个bootcamp分为广告数据源概况、数据处理与可视化、统计建模、深度诊断，共计24小时课时，在两个月内完成。
周末Online Live授课，课后完成老师布置的作业，助教团队在班级群随时答疑，直播录像永久回放。
课程内容涵盖了数据分析岗位的完整工作流程（analytics cycle）：
- 数据收集 Data Acquisition
- 数据处理和清洗 Data Processing
- 数据可视化与商业洞察 Data Visualization & Data Story-telling
- 统计建模 Modeling
- 模型优化 Optimization
- 销售预测 Simulation
- 深度诊断 Side Diagnostics
- 结果展示 Presentation
每位学员将有一套亲自做的Data成果作品和一套Model成果作品，以及一段完整的为客户解决实际问题的经历。
结课后，每位学员获得提升简历的Project Experience完美描述，所有学员获得内推机会！优秀学员获得额外一对一面试辅导。
报名的学员可在开课前一周获得详细的Syllabus。

学员在前四周会聚焦在数据处理和商业洞察上。学员会面对大量的营销活动数据（如Display、Search、Social、Video、TV等广告数据），根据Media Data的数据源与结构来处理纷繁复杂的数据。并用可视化来呈现出数据洞察。你将学会如何搭建一个数据库、如何利用SQL去处理未经处理的、大型原始数据集，并利用Tableau对数据进行可视化分析。你还将完成对一份数据的商业分析。简而言之，我们将以Data Processing >> Data Visualization >> Insights Generation这样一套体系，系统加强你的数据分析能力以及商业意识。

在真实的世界里，模型用来回答各类不同的商业问题，帮助决策者作出最优的决策。在本次bootcamp的第四～第八周中，你将建立一个真正的Marketing Mix Model！掌握模型最核心的秘诀，调整各类模型参数、学会解读模型结果、优化营销预算、精准预测销售走势。在这个过程中，学会将商业问题翻译成模型问题，用不同的分析手段来回答不同的营销问题，真正做到数据驱动战略决策。

在向你的观众解释Marketing Mix Modeling的模型结果时，Side Diagnostics（深度诊断）往往是一个让你的受众通过商业意义来理解模型结果的重要手段。模型的解释力以及与商业可行性的融合性是决定你的受众是否“买账”的关键因素。因此，Marketing Mix Modeling专门加入深度诊断部分，教你如何用统计的方法说服你的受众！