ShareThis是一个允许人们通过一系列数字渠道与他人分享内容的一体化网络小工具，该公司最近采访了尼尔森广告商解决方案的全球负责人Randall Beard，了解当今广告业的发展情况。这次谈话涵盖了多屏幕使用、大数据、程序化以及在拥挤的市场中充分了解消费者行为。
ShareThis：在目前的多屏幕环境下，在制定广告策略时，您对品牌有什么建议？
胡子：我的职业生涯中有近25年的时间是在广告商方面，在那段时间的大部分时间里，广告和媒体是相对直接、简单的。今天，由于这个行业极其分散，尤其是随着社交、移动、平板等新媒体形式的兴起，创建一个有效的广告策略是令人难以置信的复杂。
去年，尼尔森与美国国家广告商协会（ANA）合作，以了解更多关于广告商在一个整合的多屏幕世界中所面临的挑战。我们从客户那里听到了几个非常有趣的事情：
- 重要的是，不仅要衡量你的广告如何很好地到达你的目标受众，而且要衡量它在多大程度上产生了共鸣，改变了品牌偏好和反应。换句话说，它是否影响行为销售？我们把这称为三个R：覆盖率、共鸣和反应。
- 客户希望跨平台的测量有共同的指标。虽然每个平台都是独一无二的，但为了具有可比性，以便在各平台之间合理分配支出，你必须有共同的测量指标。在尼尔森，我们以非常标准的方式来衡量电视、网络、数字等的到达率、共鸣和反应。我们鼓励我们的客户在这个复杂分散的媒体环境中用三个基本问题来简化成功的衡量标准：
1.你在多大程度上接触到了你的目标受众？
2.你的广告如何与这些受众产生共鸣？
3.它对反应的推动作用如何？
我们希望以一种共同的方式衡量所有付费媒体平台的反应，但也尽可能地衡量自有和赢得的媒体。
ShareThis：尼尔森有一句话，"更好，而不是更大的数据"。你是如何在日常工作中落实这一点的？
胡子：多年来，存在许多数字测量方法，如页面浏览量和点击率，但在一天结束时，广告商和代理机构留下了一个主要问题：我的数字广告到达了谁？在很长一段时间里，我们试图建立面板来解决这个问题，并围绕这个问题进行真正的测量，但由于数字的极端分散性，这是很难做到的。
用传统的面板来衡量数字领域的受众交付能力几乎是不可能的，所以我们对自己说，谁拥有世界上最大的面板？这个思考过程使我们找到了目前与Facebook的合作关系。仅在美国，Facebook就有超过1.8亿的用户。脸谱网的注册数据提供了对受众人口统计学的出色的、普查级别的理解。
同样重要的是要记住，尽管数字注册数据很好，但它并不完美。因此，为了使数据变得更好，我们把它与我们的跨平台黄金标准面板进行比较。然后我们把它放在一个校准引擎中，以确保它是真正准确的。
ShareThis：尼尔森的解决方案如何帮助品牌在当今拥挤的市场中接触消费者并了解消费者行为？
胡子：数字受众测量之所以如此重要，是因为广告商、代理公司和媒体公司都希望有问责制。当一个广告商针对20-29岁的女性购买了3000万个印象，他们希望通过一些测量来了解媒体公司或出版商是否真正交付。如果他们没有，那么广告商和代理公司可以要求保证，他们将兑现承诺，提供该数量的印象。
另一种方法是通过实时优化--将资金从表现较差的网站转移到表现较好的网站。在接触消费者和了解消费者行为方面，这又回到了接触、共鸣和反应模式，并利用反应来更聪明地确定你要接触的对象。能够实时优化，使用户能够在广告活动仍在进行时，在广告费被浪费之前，最大限度地提高活动的绩效。
我们所开发的东西之一是有能力做到我所说的单一来源--将人们观看的内容，包括他们所接触的广告，以及他们在家庭层面上购买的东西的测量结合起来。我们有一个消费者小组，根据其他数据集，我们知道他们接触过什么，以及这些人在商店购买过什么。然后，我们在家庭层面上对这两者进行匹配，剥离出任何个人身份信息。这些数据是匿名的，并受到隐私保护。从那里，我们遵循一个简单的过程，可以将广告效果提高约35%：
- 第一步是看那些被曝光的人和没有被曝光的人，以确定是否有销售提升。
- 然后，确定接触到广告的人，并对他们的体积反应程度进行排名。
- 接下来，准确地找出容积率最高的反应组。
- 然后，我们看看我们的观察小组，问他们看什么电视节目，他们去什么网站，这些与我们的媒体计划有什么不同？
- 一旦我们运行了这些指标，我们就会评估这些信息，并根据我们的发现在相同的预算下优化媒体计划。平均而言，你会看到销售反应增加了35%左右。
ShareThis：随着程序化的崛起，是否有一个即将到来的广告奇点？
胡子：首先，什么是奇异性？
奇点是指计算机和人工智能变得足够聪明，可以自我学习，变得比人类更聪明。
在广告和媒体的世界里发生了很多事情，它正在为广告效果创造更大的自动化和优化机会。越来越多的人能够测量个人层面的广告曝光，然后将其与购买行为的消费相匹配。这些测量工具正变得越来越快，并在不断更新。通过观察人们接触到的东西和他们的购买行为，品牌可以衡量每个数字接触点的个人影响。例如，一个为10,000个搜索关键词出价的广告商可以测量这10,000个搜索关键词中每一个的个体影响，而且不仅仅是对在线销售的影响，也包括对线下销售的影响。
这些广告商还可以衡量所有接触点的组合的影响。例如，如果你看一个看过展示广告、在线视频广告、搜索过你的品牌并喜欢你的Facebook页面的人，然后把他们与一个看过展示广告和在线横幅广告两次的人相比，这两个人之间有什么区别？我们正在实时测量这些个人接触点的影响。许多平台都有机器学习的能力，他们不断学习什么方法更有效。他们有能力插入需求方平台并推动实时竞价。这是个人层面的广告曝光测量，与购买行为相联系，并且都是实时更新。所有这些都可以以自动化的方式完成。
那么，这是一个广告奇点吗？我不这么认为。我认为总是有个人决策的空间，媒体生态系统的许多部分没有被设置为我刚才描述的那样。我认为我们将在未来开始看到更多这样的情况，以及优化广告和媒体活动的自动化。
ShareThis：什么是优秀的伙伴关系，你如何与你的数字合作伙伴培养这种关系？
胡子：在这个行业工作，你必须非常努力地保持对行业趋势的关注--每天都有一些你前一天还不知道的新东西。在尼尔森，我们有两种方法，一种是组织方法，一种是文化方法。
从组织方式来看，在广告效果的世界里，我们意识到，除了基本的产品开发能力，我们还需要某种组织能力来解决客户面临的前沿问题。我们决定与斯坦福大学合作，创建一个广告效果创新实验室。实验室的基本概念包括与客户交谈，了解他们最大的痛点，并与这些客户以及初创企业和第三方合作，解决这些问题。我们已经在创新实验室中接受了一些大的挑战。它是一个伟大的孵化器，不仅与客户合作解决新的问题，而且还推动了我们的一些上游产品开发。
几年前，尼尔森变得非常注重简单、开放和整合的文化。在这个每天都有技术和媒体变化的世界里，以开放的态度通过伙伴关系解决客户的问题是至关重要的。在尼尔森内部有很多例子，我们开发了一个专有的内部解决方案来解决问题，但也有很多例子是我们与其他公司合作来解决问题的。一个例子是尼尔森Catalina解决方案。早些时候，我描述了单一来源数据的使用，我们测量人们观看什么和购买什么，并在家庭层面将这些元素结合起来。尼尔森从我们的小组和分析专长中提供观看数据，而卡塔利娜则提供忠诚卡数据。我们把这两者结合起来，创造了一个能解决大客户需求的东西。培养一种对实验和外部合作持开放态度的文化，以解决重要的客户问题，真的很重要。
ShareThis：你认为哪些发展趋势会影响营销组织的运作方式？
胡子：今天的媒体碎片化、技术的变化、社交的兴起等等，都给这个行业带来了巨大的转变。我们发现，这迫使我们的客户重新思考在未来取得成功所需的技能--无论你是CMO、品牌助理还是媒体策划人。我想指出的三个领域，我认为是非常重要的：
- 数据。一般来说，市场营销更多的是以数据和证据为基础，它正成为一门科学。明确地说，创造性的、大的广告和营销理念将永远是伟大营销的基础。然而，数据和基于证据的营销的兴起是一个大趋势，让财务部门开始将营销视为一项投资，而不是利润表中的成本项目，是至关重要的。
- 实时性。一切都在向实时发展。程序化和自动购买推动了其中的一部分，但这两者都需要巨大的人工干预。对有能力适应并在当下操作的人的需求越来越大。
- 技术。回想我早期的职业生涯，我们并没有真正关注技术，但今天，它是广告中最重要的元素之一。营销人员必须更多地参与从技术角度所发生的事情，因为新的能力正在使营销中的机会扩大，这是以前不可能的。
ShareThis：在过去五年中，什么趋势或发展让你感到最惊讶？
胡子：广告商和代理公司正试图弄清楚的主要挑战是如何在一个真正的跨平台世界里做广告。退一步说，当我在21世纪初在美国运通工作时，我们推出了运通礼品卡。我仍然记得，当我们推出时，我们有3000万美元的广告预算，我们将在8周内花费其中的一半，因为每年有一半的礼品卡是在11月和12月售出的。我们在10月推出产品，大约有6周时间来获得80-90%的知名度。
该机构给了我们最初的电视媒体和数字计划，而当我们问："未复制的总覆盖率、频率和GRPs是多少？"他们没有给我们答案。今天，我们的许多客户正在为同样的基本问题而苦恼。我们一直非常专注于为广告商和代理商带来新的工具，使他们能够跨平台进行规划，从而使他们能够在电视和数字领域实现最大化的覆盖。这是一个我认为行业在这一点上已经掌握的话题。我确实认为大多数基本能力现在已经到位，广告商和代理公司可以更聪明地处理他们如何以综合方式进行跨平台广告。
ShareThis：你最后分享的东西是什么？网上还是线下？
胡子：今天，我在LinkedIn和Twitter上分享了一本刚刚出版的新书，名为《前沿营销分析》，由几位教授撰写，其中一位是保罗-法里斯教授，他是我在弗吉尼亚大学的广告学教授，实际上我写了前言，所以我想与我的网络分享。
这篇文章最初发布在ShareThis博客上。
