一文讀懂臉書、谷歌賴以生存的數據驅動廣告結構！,在家上網賺錢的項目

摘要： 廣告行業(yè)可以說是歷史悠久，但隨著科技的提高以及廣告網絡大發(fā)作，數據驅動的廣告結構已經成為當下主流。數據驅動的廣告布局指的是通過數據支持，廣告主向更有可能對廣告內容感興趣的消費者展示...

廣告行業(yè)可以說是歷史悠久，但隨著科技的提高以及廣告網絡大發(fā)作，數據驅動的廣告結構已經成為當下主流。數據驅動的廣告布局指的是通過數據支持，廣告主向更有可能對廣告內容感興趣的消費者展示廣告，以提高品牌知名度或業(yè)績的能力。

但廣告領域除了有大型科技公司龐大的廣告投放數據驅動系統(tǒng)外，另有另一股不能小覷的中堅力量——廣告代理商。它們數目眾多，而且戰(zhàn)斗在數據驅動營銷的第一線。只管與大型科技公司接納的方式和想要到達目的差別，廣告代理商仍有一項異常依賴數據的焦點事情內容：廣告預算分配。

廣告戰(zhàn)爭指的是在統(tǒng)一個大主題下的一系列廣告。一個廣告戰(zhàn)爭里有數條到幾十條廣告之多。廣告戰(zhàn)爭的利益是，把一個信息從差別角度頻頻流傳，可以強化影象。

廣義上，你可以把廣告代理商看作是為客戶治理和執(zhí)行完整廣告戰(zhàn)爭的公司，包羅內容創(chuàng)作、營銷計謀設計、與廣告主的單點接觸、集中賬戶治理，固然另有數據剖析。大型科技公司與廣告代理商有著異常慎密的依存關系。

全球廣告支出在2020年預計到達6150億，而Facebook作為一家以廣告業(yè)務為主要收入泉源的科技公司，廣告代理商的投資選擇對它來說就異常重要了。（說白了廣告代理商都是Facebook的金主爸爸。）

廣告商需要做的事情是通過不停地評估業(yè)績vs.成本、用戶對廣告的反饋vs.歲數、性別籠罩和轉化率vs.媒體類型等指標，來天真分配廣告資源來知足客戶（也就是品牌）的目的。

營銷效果丈量若何輔助歐萊雅稱王數字營銷？,小視頻怎么賺錢

在現在的市場中，品牌的終極目的是知名度和業(yè)績（awareness & performance)。這種客戶目的決議了廣告業(yè)務的目的，也決議了相關剖析所需要的數據。

我們可以將廣告視為廣告戰(zhàn)爭的基本單元，廣告通常在差別的媒體類型上投放，而且每種廣告都可能有差別的目的，它們配合構成了廣告戰(zhàn)爭的綜合目的。比方說，有的廣告可能是為了提高品牌知名度，使民眾領會品牌的產物或服務，因此我們關注的是這個廣告的籠罩面、展示次數和受眾人口統(tǒng)計數據，像是歲數和性別。

而統(tǒng)一廣告戰(zhàn)爭中的其他廣告，則可能是為了提高產物業(yè)績而舉行投放的，目的是將受眾重新定向到可以購置產物或注冊服務的地方。在這種情況下，則需要通過跟蹤例如點擊和點擊率（CTR：Click-through Rate）這樣的指標天生的轉化和流量舉行剖析。

廣告代理商通過種種媒體舉行投放，包羅互聯網、影戲、廣播、電視、新聞和戶外媒體。代理商中的數據科學家們設計了能夠從不停轉變的數據中提取并提供有用的消費者洞察的數據剖析解決方案。而這些洞察是為了在廣告戰(zhàn)爭時代支持要害的商業(yè)決議，并讓客戶領會他們正在舉行的戰(zhàn)爭的種種要害統(tǒng)計數據。一個異常經典的應用場景是：

• 我們在電視上破費太多，卻沒有獲得預期的效果，因此我們決議給電視預算設置了上限。

• Facebook擁有我們跨越40%的數字廣告預算，豈非就沒有其他廣告平臺了嗎?Snapchat、Pinterest怎么樣?

要回答以上問題，而且時刻憑據廣告戰(zhàn)爭在跨平臺間的顯示，需要完善且強有力的數據解決方案，在一段時間內以自動化的方式提取、處置和剖析數據（憑據客戶預算的巨細而定），最終以可視化的形式在諸如DOMO、AmazonQuicksight或Power BI之類的數據可視化工具上提供消費者洞察。而提取原始數據的渠道以及原始數據的結構和形態(tài)在廣告投放的差別渠道上也有所差別。