MarTechApe

View Original

一文读懂脸书、谷歌赖以生存的数据驱动广告布局!

广告行业可以说是历史悠久,但随着科技的进步以及广告网络大爆发,数据驱动的广告布局已经成为当下主流。数据驱动的广告布局指的是通过数据支持,广告主向更有可能对广告内容感兴趣的消费者展示广告,以提高品牌知名度或业绩的能力。

但广告领域除了有大型科技公司复杂的广告投放数据驱动系统外,还有另一股不可小觑的中坚力量——广告代理商。它们数量众多,并且战斗在数据驱动营销的第一线。尽管与大型科技公司采取的方式和想要达到目的不同,广告代理商仍有一项非常依赖数据的核心工作内容:广告预算分配

广告战役指的是在同一个大主题下的一系列广告。一个广告战役里有数条到几十条广告之多。广告战役的好处是,把一个信息从不同角度反复传播,可以强化记忆。

广义上,你可以把广告代理商看作是为客户管理和执行完整广告战役的公司,包括内容创作、营销策略设计、与广告主的单点接触、集中账户管理,当然还有数据分析。大型科技公司与广告代理商有着非常紧密的依存关系。

全球广告支出在2020年预计达到6150亿,而Facebook作为一家以广告业务为主要收入来源的科技公司,广告代理商的投资选择对它来说就异常重要了。(说白了广告代理商都是Facebook的金主爸爸。)

广告商需要做的事情是通过不断地评估业绩vs.成本、用户对广告的反馈vs.年龄、性别覆盖和转化率vs.媒体类型等指标,来灵活分配广告资源来满足客户(也就是品牌)的目标。

在如今的市场中,品牌的终极目标是知名度和业绩(awareness & performance)。这种客户目标决定了广告业务的目标,也决定了相关分析所需要的数据。

我们可以将广告视为广告战役的基本单元,广告通常在不同的媒体类型上投放,并且每种广告都可能有不同的目标,它们共同构成了广告战役的综合目标。比方说,有的广告可能是为了提高品牌知名度,使公众了解品牌的产品或服务,因此我们关注的是这个广告的覆盖面、展示次数和受众人口统计数据,像是年龄和性别。

而同一广告战役中的其他广告,则可能是为了提高产品业绩而进行投放的,目的是将受众重新定向到可以购买产品或注册服务的地方。在这种情况下,则需要通过跟踪例如点击和点击率(CTR:Click-through Rate)这样的指标生成的转化和流量进行分析。

广告代理商通过各种媒体进行投放,包括互联网、电影、广播、电视、新闻和户外媒体。代理商中的数据科学家们设计了能够从不断变化的数据中提取并提供有用的消费者洞察的数据分析解决方案。而这些洞察是为了在广告战役期间支持关键的商业决策,并让客户了解他们正在进行的战役的各种关键统计数据。一个非常经典的应用场景是:

  • 我们在电视上花费太多,却没有得到预期的结果,因此我们决定给电视预算设置了上限。

  • Facebook拥有我们超过40%的数字广告预算,难道就没有其他广告平台了吗?Snapchat、Pinterest怎么样?

要回答以上问题,并且时刻根据广告战役在跨平台间的表现,需要完善且强有力的数据解决方案,在一段时间内以自动化的方式提取、处理和分析数据(根据客户预算的大小而定),最终以可视化的形式在诸如DOMO、AmazonQuicksight或Power BI之类的数据可视化工具上提供消费者洞察。而提取原始数据的渠道以及原始数据的结构和形态在广告投放的不同渠道上也有所不同。

如果你要面试一份广告代理商的工作,一定会被问到这样一个问题:如果我们要给客户做一个广告战役,我有哪些渠道可以投放,并且要如何获取这些营销数据

以下是几个比较常见的广告渠道和获取方式:

数字化广告

可以理解为互联网中的任何内容。Facebook Ads,Google Ads,Youtube Advertising以及其他任何带有广告的网络门户。由于这些公司基本都是技术公司,他们会公开一个API(Application Programming Interface,应用程序接口)以便品牌提取广告战役的相关数据,甚至为最流行的编程语言提供一些数据包。

电影开场前的广告

电影开场前的十五分钟一般都是广告时间,这个时间段播出的广告的确能吸引更多客户。不知道你是否有发现,

电影公司会提供其电影票房和上座率的有关数据,于是代理商可以通过已知的广告曝光次数来了解广告的影响范围。然而这里有一个bug,那就是电影正式开始以后才姗姗来迟的观众并不在影前广告的辐射范围内。

电视广告

和影院差不多,电视广告的覆盖范围需要由供应商(电视台)提供。电视台全天候(24/7)收集覆盖率数据,而这可能就是他们提供给广告代理商的数据。

广播、新闻和OOH媒体

OOH指的是Out of Home Media,就是围绕生活周围环境的广告(比如户外广告牌、出租车车身的广告等等),而且它不仅包括传统户外广告,还包括新兴的环境媒体广告。

代理商需要在整个广告战役期间不断地向投放广播、新闻和OOH的平台连续地收集有关计划预算、已用预算、曝光数、覆盖率、点击次数、受众人口统计数据和转化率之类的原始数据。

营销数据解决方案

从数据工程的角度来看,我们希望将所有这些数据以自动化的方式按计划收集到一个对象存储中,比如AWS S3、Microsoft Azure存储帐户或GCP云存储。

对于提供API的平台,我们可以使用脚本定期向Facebook、Google等广告供应商的端点发送请求,并将相应的数据推送到云端的存储空间。其余不提供API的平台,需要通过在平台中建立Custom Report来获取数据或由第三方手动提供数据的,我们需要一种能让他们访问我们存储空间来自动化数据获取的过程。这个方法就是让一个SFTP服务器连接到我们的存储空间,每当服务器收到一个文件时,它就会将其映射到对象存储文件夹中相应的位置。

一旦我们把所有这些数据源连接起来,数据提取过程就完成了。我们指定的存储空间将会持续的从不同的渠道和平台接收这些广告战役相关的数据,这称为Data Lake。

当我们收集完所有需要的数据,下面一步需要做的是ETL(指的是,Extract-Transform-Load, 是将不同来源的数据经过抽取、清洗转换之后,以相同的格式加载到数据库的过程)。这个过程包括重命名、数据类型分配、正规表达式、将数据表进行合并或连接的操作或转换文件格式等等。这些操作一般可以在Hadoop、Spark等工具框架或AWS Glue、Microsoft Azure Data Factory或GCP Dataproc等云管理解决方案中实现,我们还可以利用诸如python的panda这样的开源分析包来进行。ETL的过程既可以是人工手动来触发执行,也可以设定特定的时间自动运行。

最终,该解决方案需要将转换后的数据存储到另一个云对象存储中,或者更好是能存储在云托管的数据仓库中,例如Amazon Redshift,Microsoft Azure Synapse和GCP Big Query。

广告代理商将根据这些数据提供自己选择的数据可视化工具,而商业智能部门将进行最终的Dashboard/可视化设计,不过前提是该解决方案在有新的原始数据时会自动更新最终用于可视化和建模的数据集。

基本上品牌和广告代理商每天大大小小的会议都围绕着这些可视化结果进行,并且几乎每天都有成千上万的美元依赖于数据分析来动态分配。

这篇文章非常深入浅出地介绍了整个行业中数据驱动广告布局的广告渠道、数据获取、数据处理方法如果你想学习这套完整流程,深度掌握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。

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。

完整课程大纲:

5.上完Bootcamp,有哪些成果可以展示?

从变量可视化分析、模型解读、营销渠道分析,到战略洞察、PPT演示,学员的精致作业就是他们最好的训练营成果,这一份拿的出手的高品质项目,无论是LinkedIn还是面试展示,都会是脱颖而出的最佳帮手!

学员作品

正是这些实打实的项目经验和能够直接拿到面试官面前展示的作品,让我们的学员在面试的时候信心倍增,让面试官刮目相看!

说了这么多,到底怎么报名这门干货十足物超所值的项目课程呢?

6.报名方式

长按二维码,添加小助手为好友,回复“MMM”,即可报名bootcamp:

小助手(微信ID:yvonne91_wsn)

价格规则 

熟悉我们的老用户,应该知道我们一直都是实行阶梯价格的,这次也不例外:

先到先得、越早报名越优惠(原价$1999美元)。以下价格单位为美元:

第1名~第5名:1299美元

第6名~第10名:1499美元

第11名~第15名:1599美元

第16名~第18名:1799美元

第19名~第20名:1999美元(原价)

2020年的你,是否能在更好的公司做更优秀的自己?投资自己,全方位提升能力,为自己增添被验证有效的宝藏项目经历!赶快报名吧!