近年来,大型单一来源数据集的建立极大地促进了广告研究行业的发展。在尼尔森卡特琳娜解决方案公司,我们将来自数百万家庭的店内销售数据与这些家庭是否接触过任何特定广告活动的信息结合起来。通过研究接触广告和未接触广告的家庭之间的销售差异,我们能够非常准确地计算出数千个广告活动所带来的销售提升。
构成这种测试-控制方法基础的方差分析(ANCOVA)模型已经过全面测试,它为有意衡量整体营销活动效果的品牌经理提供了快速可靠的答案。但在某些情况下,它并不能完全满足要求。例如,考虑到某项活动的受众如此之多,几乎不可能找到没有接触过这项活动的家庭(见图 1)。我们到哪里去找对照组呢?
为了应对这一挑战,我们开发了一种名为 "认知优势"(Cognitive Advantics,CA)的新方法。这种方法不是对整个广告活动过程中的销售额提升进行总体分析,而是对每个购买场合的家庭销售数据进行分析,并考虑到每一步的广告曝光时间--这是对数据进行更细化的分析。毕竟,一个家庭可能会看到一则广告,进行了一次购买,然后再次看到同一品牌的广告,我们很难说第二次广告对这次购买有任何影响。相反,一个家庭可能看到一个广告,并在两个月后购买,由于中间间隔了这么长时间,我们很难断定广告曝光是这次购买的决定性因素。
通过分析购买偶发事件层面的数据,我们能够将广告曝光的 "近期性 "考虑在内--广告越新,影响越大。虽然不同研究的有效时间窗口会有所不同,但我们通常会从购买时间往后追溯 28 天,以找到一个或多个可归因于购买场合的曝光(见图 2)。我们还能解决对照组的问题,因为虽然没有接触过广告活动的家庭可能不多,但一般来说,即使在接触过广告的家庭中,也有足够多的购买场合在购买前没有受到广告的影响。
为了进行分析,CA 方法采用了所有相关变量(购买历史、媒体消费、人口统计、地理位置、类别购买等),将其输入一系列数据建模算法,并允许数据挑选和组合模型,从而使结果具有最佳(即统计上最合理)的交叉验证。这就是 CA 名称中的 "认知 "部分。最终结果是一个非常强大的工具,几乎不需要人工干预,而且可以大规模部署。
随着市场朝着实时、按键式解决方案的方向发展,这是广告效果衡量的下一个发展方向。早期的结果非常令人鼓舞,我们期待在今后的期刊中分享细节、实例和性能基准。
![](https://www.nielsen.com/wp-content/uploads/sites/2/2019/04/snapshot120-20fig1.png)
![](https://www.nielsen.com/wp-content/uploads/sites/2/2019/04/snapshot120-20fig2.png)
*有关此方法的详情,请参阅使用单一来源数据衡量广告效果》,载于《尼尔森测量期刊》第 1 卷第 2 期。