你知道广告费浪费了一半,却不知道浪费在哪里;你做了一次品牌推广活动,却不知道如何衡量活动对公司品牌的影响;你选择了适合公司的营销矩阵,多管齐下的做营销活动,却没有办法区分不同渠道的效果。也许这篇文章能给你一些启发。
营销理论中有4A、4R或者AIDA模型,依次对应了用户从接触到营销信息开始,注意、知晓、态度、行动的四个阶段。从广告投放上看,品牌广告和效果广告分别针对消费者消费行为过程中的不同阶段。数据表明,在效果广告投放中,品牌知名度高的企业获得的销售转化率高于其他同类型企业。
反观现在成功的企业,一般将品牌营销和效果营销相结合使用:
通过品牌营销来建立消费者对产品的早期认识,通过效果营销促进消费者最终购买产品。如此反复,将企业品牌和销售额推向一轮又一轮高潮。
俗话说,有衡量才有促进。相比效果营销,品牌营销一直具备模糊性。这篇文章提出4个数据模型,先尝试解决品牌营销的模糊性问题。
1、模型一:助攻模型
球场上,一个助攻球员将球传给主力球员进球,并不能说助攻球员没有价值。助攻球员的价值在于通过团队协作,辅助了其他球员进球。
品牌营销就像助攻球员,前期做了大量的铺垫,才会有最终的用户下单,哪怕下单的渠道是其他渠道,也是这次品牌营销的助攻贡献。
助攻贡献的计算方法不难理解:
假如渠道A的一次营销活动覆盖的用户,在一段时间内,在渠道B中完成了转化目标,那么成功转化的用户就是渠道A对渠道B的助攻贡献。转化目标可以是任意的用户行为,比如注册、下单、发帖、看完新手教程等等,根据产品的需要来设定。
因为每次营销活动对用户的影响是随着时间衰减的,所以在这个计算中需要人为的指定一个时间窗口(一般不要超过1个月)。可以认为只有在时间窗口内完成了目标转化的用户,才算作品牌营销活动真正的助攻贡献。
最后还想多说一点:
- 即便是完成了相同转化目标的用户,他们的商业价值也不是完全相同的。
- 以注册为例,papi酱加盟和某路人甲注册,对直播平台来说有天壤之别;
- 以消费为例,买了轻奢品的土豪和薅羊毛党,系统也不应该一视同仁。不同的用户对系统的价值不同,给价值高的用户更高的权重,将这个权重加到助攻贡献的计算中。
上述模型假设每个转化用户只受到单一助攻渠道的影响。现实情况中,企业会同时在多个渠道上进行矩阵式营销,一个用户可能会同时接受到多个助攻渠道的信息,最终完成下单。我们需要做多渠道分权,将助攻贡献公平的分给不同的助攻渠道。重新评估每个品牌营销活动的贡献值。
我不建议采用简单的将助攻贡献平分给所有助攻渠道的方法。门户网站上的一个简单文字链,和线下体验店的深度交互的体验式营销,两者给用户留下的印象程度不同,不应该获得相同的数值;36kr的报导,和创业公司官方微信对公司的介绍公信力不同,前者相当于获得了媒体的背书……
要做到公平分配可能要考虑的因素:
1、 采用渠道的知名度为权重,给影响力大的渠道以较大的权重。
这里想多说一句,并非越大众的渠道影响力就越大。如果你是一个细分行业,可能所在细分领域的专业媒体的用户更加精准,影响力也更大。好比不存在日报之于科幻用户,36kr之于互联网从业人员的意义。
2、 采用营销活动的用户参与度为权重。
每一次营销活动,能或多或少获得用户的浏览时间、浏览次数、滑屏次数、转化、点赞等行为。我们假设用户参与度越深,营销活动在用户注意力吸引和认知建立上的效果越好。将用户参与度作为营销渠道的权重。
3、 采用用户参与营销活动距离用户产生行为的时间段为权重。
这里有一些算法,大家可以自行配置:
- 认为第一次的营销和最后一次营销的影响力最大;
- 认为最后一次营销的影响力最大;
- 认为第一次营销的影响力最大。
2、模型二:参与度模型
用户参与度指用户在参与活动过程中的可量化的行为指标,比如用户浏览时间,用户点赞、转发、评论等行为的次数。一般来说,用户的参与度越深,说明活动的吸睛效果越好,用户对你的活动越有兴趣。
技术的发展,让我们可以衡量的渠道形式越来越多。比如线下广告可以通过wifi或者蓝牙探针技术,来了解受众的驻足时间。一次普通的线上媒体投放,可以获得用户阅读时间、用户评论数量及内容、用户翻屏次数等等。
3、模型三:传播模型
在这个人人都是自媒体的时代,有的官方营销活动不仅让目标用户产生强烈的心理认知,还会演变成热门话题,以不同的姿态传播开来。
我推荐重点关注新闻、微博、微信、知乎和所在细分行业垂直媒体和垂直论坛等渠道的舆论导向。了解参与话题的媒体数、文章数、用户评论数、阅读数、转发数等等。
此外,关键节点也是传播模型中需要重点关注的。大V的态度可能会影响未来的舆论方向。
在微博中重点关注大V用户的转发和直发话题,在知乎中需要关注大V用户的点赞、评论、话题关注、回答话题。因为这些行为都会出现在信息流中,成为新的引爆点。
转化成数据模型来看,先制定账号的级别标准。
比如微博有多少个粉丝是A级别,知乎获得多少个赞是B级别之类的;接着将参与上述行为的用户数据搜集起来,分析账号的级别分布、用户所在的圈子(行业)等等。
对于高影响力的账号发出的信息,需要做情绪分析,了解其中正面、负面信息的比例。如果有必要,甚至需要逐条人工分析大V用户的信息流,后续再做对应的处理。
TIPS:上述传播分析,可以借用一些第三方工具来完成,比如火线舆情、微博风云榜、百度指数的舆情洞察(是的,不是百度指数整体趋势)、清博指数。假如公司有资源,也可以自己获得原始数据来分析。清博、微博、知乎提供了API,有微博、微信和知乎的数据。也可以通过爬虫获得更多平台的原始数据。
4、模型四:情绪分析模型
有时候,并不是参与的用户越多,用户参与的越深入越好。我们还需要了解用户的心理感受,判断活动是否如期引导了用户的认知。这里罗曼罗推荐用情绪分析的方法。
举个例子,支付宝的儿童节营销引起了用户、媒体们和互联网从业人员的极大关注。如果只是将用户参与度作为唯一指标,那这次活动无疑是巨大的成功。然而,大家对这次营销的态度也是两极分化,如果结合情绪分析来看,这次活动的成功与否就不好说了。
我们可以获得用户评论、用户面部图像或者用户的语音等数据,来了解用户是否满意、评价是正面还是负面的。
如果是一次病毒营销,需要获取参与话题的媒体文章、用户评论,对文章和用户的评论都做语义分析。
TIPS:技术的发展,让我们的分析越来越智能。很多学者和研究机构提出了不同的文本情绪分析模型,语音情感识别算法,面部情绪识别工具,其中很多算法框架被开源共享了。如果能采集到评论文字、用户语音、用户面部图像的数据,可以考虑通过开源或自研的方式来分析用户的态度。
如果不想占用研发资源,我推荐万能的人工分析大法,全量或抽样的分析上面的数据等。
5、总结
1、品牌营销以建立用户的早期认知为主,不以销量为目的,但是能为后续的效果营销带来更高转化率。可以用助攻模型来衡量品牌营销的效果。
2、用参与度模型来评估用户对产品的兴趣;用传播模型来评估公众或媒体对产品的兴趣;用情绪分析模型来了解所有活动参与者对活动的态度,以免活动产生了适得其反的效果。
具体指标也许是:
- 自有渠道的覆盖用户数、用户画像、用户评论/点赞/转发数、评论的正负语义;
- 媒体的新闻数量、阅读数、点赞数、评论数、文章和评论的正负语义;
- weibo中创造话题的人数及人群画像、直发/转发比例、阅读人数、评论总数、参与话题互动的粉丝用户画像、话题/评论的正负语义;
- <
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果(九)》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]