商业分析师是如何评估广告投放效果的?

营销管理
营销航班
2020-08-09

前言

淦!为毛烧钱推广转化不好?来看营销航班副机长之一,也是商业分析师的扎西小姐姐给你一一讲解,不保留的给你分享。Enjoy:

微信图片_20200809190438.jpg

通常,公司都会有一些广告投放的动作,为了让投入的资金有所回报,诸如投放效果好不好,如何评估,不好的原因,怎么调整等等,这些答案就显得很有参考价值了。 

那么如何评估投放效果好还是不好?如果不好要怎么调整呢? 

我将从商业分析的角度,运用营销航班的框架思维和底层思维工具,来讲述这个过程和方法论。

分析非常重视逻辑性和层次感,不管是商业分析,还是数据分析,都离不开框架;假如分析过程中,缺乏框架,非常容易发散,不但分析不到位,而且忙活一通,最后得出大家早就知道的答案。

所以当我们提到诸如方法论,分析过程的时候,实际展示的是一套框架,以及分析者本人的思维和视角。目的是总结经验,解决更多次的问题,而不是单纯的描述现在的状态

既然说到商业分析,貌似有不少人并不清楚它和数据分析的差别在哪里。我先简单的描述一下,同步认知:

商业分析师不仅仅只是对数据进行分析,还需要做信息类的分析,如市场研究、行业形势、经济政策等;而数据分析师更偏向针对某一产品的分析,以数据驱动增长,对业务了解需要很深刻,落地性比较强;二者的分析过程与模型有交叉点,又各有侧重。

现在回到问题本身:评估投放效果,以及调整优化的过程与方法论

对分析师来说,刚拿到任务的时候,所有的事情都不明朗,分析师既不参与运营,也不参与执行,只在尘埃落定后,拿着既定结果回溯整个业务过程才能窥得全貌。

想要找到答案,就必须了解业务,了解流程,了解数据,像拼图一样,把信息地图补充完整。

补地图的完整流程是这样的,其中在我看来,问题界定这个环节非常关键,所以我会重点讲它。


微信图片_20200809190440.png       

第一步:界定问题

分析工作没做到位的原因,有一部分在于初始,对问题的界定不清晰。

分析重视逻辑和层次;不过大部分人重视逻辑,却容易忽视层次性。

不管目的是品牌推广或者是单品推广,它都包含了多个子任务,而且分属不同层级:

       微信图片_20200809190443.png      


  1. 指标层:投放效果好还是不好?

  2. 执行层:导致投放效果不好或者好的可能性

  3. 策略层:投放的调整方向或值得借鉴的地方

为什么把问题要分层级呢?而且用了黄金思维圈的框架?

这里不是简单套用黄金思维圈,而是被转化为同心圆层级工具的一种思维框架。它有两种思维模式:

  • 透视模式:从现象洞察本质

  • 非凡模式:从规律推测趋势     

     

微信图片_20200809190445.png

从指标层入手,通过统计和计算指标,与行业的标准对比,或者和过往历史数据对比;得出好或者不好的判断;再层层回溯,追查到执行层做过了什么,才导致的这个结果,再深入追溯,去发现,是什么策略或者指令导致了执行上的动作,最终呈现出指标层的现象。这就是最常用的透视模式。只有当三个层级的原因探索完毕,才会运用非凡模式,从策略层开始优化,指导执行层的调整与改变,得到指标层的新变化与调整。这个模式一般用在第五步:提供方案。

而分层,即层级思维,常用在把复杂问题简单化,以及把不清晰问题,清晰化。

好比减肥,大家都知道,减肥要“管住嘴迈开腿,制造热量缺口”;这个减肥的方法论,就是通过分层的方式得到的:       

微信图片_20200809190449.jpg

       

仅示范部分框架

而且经过分层后,才更容易知道问题出在哪一层,哪些层级是需要自己分析的,哪些层级是自己触及不到,需要协助的……

大多数情况下,岗位上的分析人员都集中在指标层的分析,部分会涉及执行层的分析,极少会涉及策略层。

举个小例子,某家公司想要提升业绩,做了单品投放广告(单品不能更换);投放了多个渠道;2周后,转化效果比预期低,需要找到原因。

在这个案例中,常规做法是先梳理流程:

微信图片_20200809190451.png

(可能先点击付费,跳转注册登录页面,也可能先登录再浏览)

(图片可点击放大) 

再建立漏斗模型,计算出从点击网页到支付订单中每个环节的转化率;从而判断消费者是在哪个环节流失。


       微信图片_20200809190454.png      

(图片仅供参考)

接着根据流失的环节,重点分析,导致流失的原因。

仔细评估这些步骤,会发现,大部分的分析是围绕数据本身,以指标层为主;并涉及到执行层中的一部分内容,比如技术BUG,详情页设计,人工错误,操作流程等;极少会涉及到策略层,触及最多的是用户画像,定价;

少部分人会关注策略层,比如产品经理,他们在设计交互的时候,他们会用到消费者行为学,并应用在认知设计中;营销总监,运营经理等人会关注策略层的定位,心理学,传播学等相关的知识。

所以能够分析的层次有多深,分析的结果就有多深刻,展示出的策略和方案就多有效。


第二步:收集信息

当我们把问题界定清楚后,接着就需要收集信息了。

做分析,没有数据和信息,分析师就是个瞎子;然而盲目的收集一大堆信息和数据,则是摸象的瞎子;心中没有完整的框架构思,不是容易收集少了,就是收集过度了。

那要怎么解决这个问题呢?答案是:框架思维。框架可以约束和界定人们思维发散的边界,不会脱缰也不会肤浅。

例如,我们知道了这个问题,可以拆解成三层分析,指标层、执行层和策略层;也知道了,导致投放效果不好(或者很好)的原因会出现在执行层的某个地方,或者出现在策略层的某个位置,需要我们去挖掘出来。

层级就像书架一样,把不同信息分门别类,不同层要收集的资料会有所不同,有不同的维度和标准。

       微信图片_20200809190456.png      

(图片可点击放大)

通过这样框架的设计,可以获得尽量齐全,而且对口的信息,提前排除无关的内容。

还是以上述的小案例作为参考,假设经过指标层的分析结果,发现问题出在最初的环节:广告触达后,虽然展现量很高,但是进入落地页的转化率不高,而且是所有渠道都偏低。

面对这种情况,我们常规的做法有3种

  • 分析和优化吸引用户点击的图文

  • 分析渠道的特征

  • 用户画像的匹配度

问题来了,以什么标准来优化文案和图片?渠道的特征从哪些维度去了解?用户画像是什么?渠道的用户画像是什么,在投放之前做过基础分析,判断人群画像符合,为什么投放后效果不好?

这些答案在哪一层找答案呢?要收集哪些方面信息呢?指标层能给结果,但是给不了答案呀!

看下图:

微信图片_20200809190459.png

(图片可点击放大)


第三步:信息整理

信息整理过程,把收集到的信息加以归类和提炼,此外,在这个环节中,要把关键信息给整理出来。

通过第一步的问题界定,往往会找到多个现象,围绕这些现象,锁定几个可能性,在第二步的时候收集了大量的信息。

然而这些可能性中,有的是关键因素,有的则是小打小闹。一方面为了减少干扰,一方面也是因为影响投放的因素很多,不可能每个都调整,否则成本、时间、员工精力都是非常大的消耗。

所以我们只需找最关键核心的几个因素,其他因素可以直接排除。

例如,在这个单品投放的案例中,我们通过数据知道了,虽然展现量高,但是点击率很低;换句话说:看的人多,有兴趣购买的人少。

       微信图片_20200809190502.jpg      

经过拆分,收集到的信息可以整理归类成三个主题:

  1. 定价

  2. 需求

  3. 品类认知

将第二步中收集到的信息,按照这三个主题归类即可,而没有归类的信息,可先保留备用。


第四步:建模分析

建模分析环节,就是用特定的视角来组织信息,获取新的洞察。

也不需要把建模想象的非常复杂和高端。例如我们熟知的SWOT,PEST,5W2H这些都是模型,主要针对专题进行信息分析,模型实际也是框架。不过常常在运用模型的时候,会默认忽视一个前提条件:假设。虽然我们并没有意识到,我们做了怎样的假设,但是在分析的过程,总是会不自觉的按照自己假设的方向去探索。

假设有什么作用呢?

在中学的物理课本中,我们为了求得某个结果,都会先假设某个值是固定不变的,是恒量;这就是假设的意义。

例如在评估广告投放效果的案例里,经过前面三个步骤的逐步分析,得到三个信息主体:定价,需求,品类认知。

所以我们可以假设,造成用户点击低的原因有三种:

1、定价不合理,可能太高了

2、用户没有需求,或者广告文案/图片没有激发用户的需求

3、用户不认识这个产品,不知道如何使用,没有相应的应用场景

基于这三个假设,我们才能选择合适的模型来验证,哪些假设可行,哪些假设会被推翻。

比如,第一个假设,定价不合理,就可以通过和行业对比,同行对比来评估定价是否合理;假如不合理,那么不合理的部分有没有应对的服务或者其他增值;假如合理,那么是不是文案部分并没有体现出价值感,让用户体会不出来?

再比如第二个假设,用户没有需求或者需求没有被激发。

在营销领域,需求有五种类型,八种状态:

  • 表明了的需要

  • 真实的需要

  • 未标明的需要

  • 令人愉悦的需要

  • 隐秘的需要

微信图片_20200809190504.png

那么没有点击的用户,他们的需求可能处于哪一种状态?可以通过对消费者行为特征,营销知识来搭建模型

第三个假设,用户没见过,或者没意识到自己是否需要。

脱离场景的需求都是伪需求,所以当我们的推广文案中,没有提供场景,让用户意识到,这对他有用,或者提示他这个产品有什么作用;导致无法吸引他注意,就很有可能第一时间就被当做无效信息,被划走了。这样可以搭建场景模型来验证,比如5W2H


第五步:提供方案

在界定问题时,就按照层级思维,把问题给分层了。其实分层还有一个很重要的作用:不同层级应用的手段不同;

当我们做好了假设,也做好了分析,接下来就得提供参考意见或者解决方案了。

我们提供的方案可能会落脚在执行层的优化,也可能落脚在策略层的校正,还有可能会落脚在指标层上,更换指标,或者调整标准。不管落在哪一层,我们都需要在对应的位置,找匹配的理论支撑和同行案例交叉验证。

  • 指标层:统计学,数据分析,技术工具等

  • 执行层:人员,流程,项目管理等

  • 策略层:营销,社会学,心理学等


总结与迁移

这样五个步骤完整走下来,一套分析的流程和方法论就成型了。

  1. 界定问题:按层级拆分问题,明确任务所在层级和方向

  2. 收集信息:先分析数据异常之处,再根据异常,推测原因,并按层级搭建框架,不重不漏的列举各层级下,关联的维度,按维度收集信息

  3. 信息整理:归类整理,聚焦关键因素

  4. 建模分析:选择视角,合理假设,选择合适框架模型验证假设

  5. 提供方案:按层级选择适配的支撑理论和手段,并结合案例交叉验证

是否能迁移到其他地方使用呢?下面我列出几个可以迁移的地方:

  1. 可以迁移到任何需要用到分析的场景;也可以迁移到做方案策划

  2. 可以迁移到行业分析,对手分析,了解新公司、新offer

  3. 可以迁移到评估别人的方案

  4. 需求的五种类型八种状态可以迁移到设计文案和排版

  5. 层级思维的应用范围就更广了,可以迁移到绝大部分的工作场景中。

本文作者扎西,营销航班副机长,会运营的商业分析实践者,8年实战,独立搭建线上店铺,并全盘运营,先后协助过三家公司解决掉庞大库存,转亏为盈。现在是专业商业分析师。

参与讨论

回到顶部