오늘날 인터넷 시대에 빅데이터 기술은 점차 성숙해지면서 소위 '효과를 추적할 수 없다'는 상황을 깨고 있다. 효과를 추적할 수 있어 말씀하신 문제를 완화할 수 있습니다. 미디어 모니터링 데이터가 위조될 수 있다면 판매 데이터와 매장 도착 데이터는 위조될 수 없으므로 아직 더 좋은 방법이 있습니다.
당신이 말하는 빅 브랜드 제품이 어떤 산업, 어떤 제품인지 잘 모르겠습니다. 몇 가지 정량적 평가 사례는 다음과 같습니다.
1. 옥외광고 게재 후 온라인 검색, 브라우징, 소비 데이터까지 포함한 옥외광고와 오프라인 매장 품질 등을 정량적으로 평가하거나 이를 본 사람들의 브랜드 인식. 광고, 노출수 등이 개선되었으며, 이는 위치 빅데이터, 전자상거래 데이터, 매장 방문 데이터, ID 추적 조사를 통해 얻을 수 있어 보다 정확한 평가 결과를 얻을 수 있습니다.
한 인터넷 기업은 2017년 상반기에 1선 도시를 대상으로 6주간 옥외광고를 진행했다. 선정된 옥외매체 유형은 주로 버스정류소 광고, 지하철 광고, LED 대형스크린 광고, 건물 등이었다. LCD 광고의 경우 위치 빅데이터를 활용하여 광고가 도달한 사람들을 보다 정확하게 분석하고 각 평가지표를 수치화하여 옥외광고 투자 효과를 명확하게 파악합니다.
1) 커버리지 규모
사용자 위치 빅데이터를 기반으로 광고 기간 동안 옥외 광고 공간을 통과한 인원을 정확하게 집계하여 시청 기회를 얻습니다. 광고(OTS, 볼 기회) 군중 규모. 전체적인 커버리지 외에도 다양한 실외 채널의 도달 효과도 한 눈에 알 수 있습니다.
2.) 도달 빈도
마찬가지로 다양한 미디어 채널과 전체 캠페인을 통해 각 잠재 고객의 도달 빈도도 계산할 수 있습니다. 이는 옥외 광고가 텔레비전과 디지털 미디어에서 일반적으로 사용되는 기본 지표인 R&F(도달 및 빈도)를 통해 최종적으로 광고 효과를 측정할 수 있음을 의미합니다. 광고주는 다양한 미디어 채널을 수평적으로 비교하고 미디어 배치 전략을 최적화할 수 있습니다.
3.) 총 시청률 옥외광고의 O-GRP 가치
총 시청률(GRP)은 TV 광고의 효과를 평가하는 중요한 지표입니다. 온라인 영상이 등장하면서 i-GRP라는 개념이 점차 시장에 등장하게 되었습니다.
위치 빅데이터를 기반으로 옥외광고에서도 O-GRP 값을 계산할 수 있다. 이를 통해 광고의 종합적인 노출 효과를 정량화합니다.
2. 디지털 광고(OTT TV광고, 동영상 프리롤/중간/임베디드 등) 출시 후 노출 및 클릭 데이터에 대한 기본 모니터링 외에 검색어 모니터링도 가능합니다. 전자상거래 플랫폼에서의 브라우징 및 소비 행태, 검색 엔진의 브랜드/상품 검색 데이터, 오프라인 매장 간 데이터, ID 매핑을 통한 광고 조회자에 대한 브랜드 인지도 조사 등
올해 상반기 한 산모·유아 기업은 국내 주요 동영상 사이트 3곳에 인기 TV 시리즈의 4주 프리롤을 출시했다. 다양한 미디어 플랫폼에서 충분한 광고 노출을 얻었으며 이는 노출 모니터링 데이터에서 볼 수 있듯이 이후 온라인 채널을 통한 제품 판매도 증가했습니다.
그러나 고객은 더 많은 것을 알고 싶어합니다.
온라인 판매 증가가 이러한 광고의 물결로 인한 것입니까, 아니면 다른 요인으로 인한 것입니까?
동일한 광고 형태, 동일한 플레이 콘텐츠로 세 미디어 플랫폼의 효과에 차이가 있나요?
A/B 그룹 테스트를 바탕으로 매출에 미치는 기타 요인의 간섭을 배제하고, 이번 광고 투자와 상품 매출 향상의 관계를 심층적으로 분석했다.
결과
제3자 광고 모니터링 대행사의 협력을 통해 본 광고 게재와 관련된 노출된 사용자의 휴대전화 기기 수를 3개의 노출 그룹과 1개의 통제 그룹으로 나누었습니다. . 노출 그룹은 세 가지 미디어 플랫폼에서 광고를 접한 사용자이고, 통제 그룹은 어떤 플랫폼에서도 광고를 접하지 못한 사용자입니다. 그리고 파트너사의 사용자 행동 빅데이터를 기반으로 런칭 전후 6주(런칭 전 1주, 런칭 후 4주, 런칭 후 1주) 동안 JD플랫폼에서 이 4개 사용자 그룹의 구매 행태를 분석했습니다. , 매우 흥미로운 결과를 얻었습니다.
우선 이러한 배치가 실제로 소비자 구매 행동을 개선했는지 분석합니다.
위 그림은 전자상거래 플랫폼에서 각 사용자 그룹의 배송 시간과 구매 행동 간의 데이터 관계를 보여줍니다. 그림에서 볼 수 있습니다:
1) 미디어 A와 C 노출 그룹, 사용자의 구매 행동은 매우 고전적인 추세를 보여줍니다.
두 그룹의 TA가 광고를 시작했습니다. 이후 구매행태는 등락을 거듭하다가 3주차와 4주차부터 구매행태가 크게 증가했다. 소비자들은 모자용품과 유아용품의 품질을 중요하게 여기고, 빠르게 변하는 소비재라도 구매결정주기가 길다.
광고 종료 후 곡선이 후퇴하기는 했지만 여전히 광고 전보다 높은 수준을 유지하고 있다.
B매체는 이용자의 비정상적인 행동을 폭로했다. 이들의 구매 행동은 다른 두 노출 그룹에 비해 현저히 낮았을 뿐만 아니라, 대조군에 비해 크게 개선되지 않았습니다.
광고비, 제품단가, 기타 정보를 종합해 이번 출시의 ROS(판매수익률)를 추가로 분석했다.
마케팅 비용을 고려한 후 '천 위안당 마케팅 비용으로 인한 매출 증가' 지표에 중점을 두어 다음과 같은 사실을 발견했습니다.
이번에는 JD에 배치되었습니다. com 플랫폼으로 인해 발생하는 전체 매출 증가폭은 광고비 지출액보다 높습니다.
세 가지 미디어 플랫폼을 비교하면 미디어 C의 ROS가 가장 높고 미디어 A가 그 뒤를 따릅니다. 하지만 B미디어의 ROS는 비정상적이다. 다른 두 미디어에 비해 현저히 낮을 뿐만 아니라, 광고비 자체보다도 훨씬 낮다.
이로 인해 광고가 효과적으로 제품 판매를 늘릴 수 있는지 여부의 관점에서 볼 때 B 미디어의 ROS는 너무 낮다고 판단됩니다. 클라이언트는 문제를 찾기 위해 미디어 당사자 및 제3자 모니터링 구조와 협력해야 합니다. 문제가 발견되고 해결될 때까지 미디어 B에 지출되는 금액을 줄이는 것이 현명합니다.