在線廣告的可衡量性如何？

今年3月，西北大學(Northwestern University)和Facebook的研究人員在《營銷科學》(Marketing Science)雜誌上發表了一項新研究，揭示了在線廣告測量的常用方法是否像大規模隨機實驗的「黃金標準」一樣可靠和準確。

研究結果表明，通常使用的觀察方法依賴於廣告商通常可以獲得的數據，但往往不能準確地衡量廣告的真實效果。觀察方法是那些包含廣泛類別的統計模型的方法，這些模型依賴於「現有的」數據，不需要通過隨機實驗進行顯式操作即可生成。研究發現，隨機對照試驗得出的廣告效果與那些經常被廣告客戶用來評估其廣告活動的觀察方法有顯著差異。一般來說，與我們在隨機測試中發現的結果相比，目前和更常見的方法高估了廣告效果。儘管在某些情況下，他們明顯低估了效率。

對許多公司來說，衡量廣告效果仍然是一個重要的問題。一個關鍵的問題是，廣告活動是否產生了增量效果:更多的消費者是因為看到了廣告才購買，還是這些消費者中的許多人在沒有廣告的情況下也會購買?獲得增量結果的精確度量(「轉換」)有助於廣告商計算活動的投資回報(ROI)。

Facebook等承載廣告的數字平台已經創造出全面的方法來評估廣告效果，使用的是細粒度數據，這些數據將廣告曝光、點擊、頁面訪問、在線購買甚至線下購買聯繫起來。不過，即便有了這些數據，衡量廣告的因果效應也需要合適的實驗平台。」

該研究的作者使用了來自Facebook美國15個廣告實驗的數據，包括5億用戶實驗觀察和16億廣告印象。Facebook的「轉換提升」實驗平台為廣告商提供了隨機對照實驗的能力，以衡量廣告活動對消費者結果的因果影響。這些實驗將用戶隨機分配到從未接觸過廣告的對照組和有資格看到廣告的試驗組。比較兩組之間的結果提供了廣告的因果效應，因為隨機化確保了兩組的平均水平是相等的，除了試驗組的廣告曝光量。每個廣告活動的實驗結果作為評價常用觀察方法的基線。

觀察方法比較暴露於廣告的用戶和未暴露於廣告的用戶之間的結果。這兩類用戶往往在許多方面存在系統性差異，比如年齡和性別。這些特徵的差異可能觀察到的,因為廣告(或其廣告平台)經常訪問這些特徵和其他的數據,例如,除了知道在線用戶的性別和年齡,可以觀察到正在使用的設備類型,用戶的位置,已經多長時間用戶上次訪問以來,等等。然而，棘手的部分是，暴露的和未暴露的群體也可能在一些非常難以衡量的方面存在差異，比如用戶對品牌的潛在親和力。要說廣告「引起」了某種效果，研究人員必須能夠解釋兩組之間觀察到的和未觀察到的差異。觀察方法利用觀察到的用戶特徵數據，試圖調整可觀察和不可觀察的差異。

正如人們普遍認為的那樣，目前使用綜合個人數據的觀察方法是否『足夠好』用於ad測量，即使是相當全面的數據，也不足以對廣告效果做出可靠的估計。原則上，我們認為，只要有可能，使用大規模隨機對照試驗來評估廣告效果應該是廣告商的首選方法。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！