当前位置:

Enjoy出海 >

新闻资讯>

在全球主流广告平台推广产品,用数据驱动广告布局

在全球主流广告平台推广产品,用数据驱动广告布局
伯昊  ·  Aug 13, 2020 9:58:28 AM

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。

 

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。

 

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。

 

营销数据解决方案

 

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)。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 。

 

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。

 

来源: DotCUnitedGroup酷量信息

 


进群了解更多最新出海资讯、市场活动及合作,扫描关注下方二维码吧!

扫一扫 加入出海交流群