文：张钧凯 巨量引擎营销科学运营负责人
营销科学在国内尚处于市场教育的早期阶段。巨量引擎在2020年12月的引擎大会上发布了营销科学品牌，向外界传递了营销科学的使命、愿景、价值观，发布了巨量云图、巨量算数等产品，分享了增效度量等最新的科学能力与实践。
本期我们专访到巨量引擎营销科学运营负责人张钧凯，请他系统分享营销科学如何帮助客户实现营销提效和生意增长。
专访实录
q1：营销科学运营团队是在一线服务客户的团队。从实战的角度，可否简单总结下营销科学带给企业最核心的收益是什么？
核心的利益是可持续的增长。眼下生意并不好做，竞争太激烈。为了让所有商家和平台共同成长，巨量引擎希望找到一个可持续的模式来做生意，希望能帮客户找到最适合的人群，找到好的拉新渠道。巨量引擎不止是帮品牌追求简单的gmv增长，而是帮客户在不同阶段，更高效地实现不同的生意目标：新客增长、gmv增长、利润增长。
q2：可持续增长是每个企业都想到达到的理想状态。那巨量引擎营销科学是通过哪些方式帮助客户实现这个目标的呢？
营销科学是个系统工程。我们主要围绕客户做营销决策时的几个环节来布局我们的能力，总结下来，主要帮助客户做好4件事：一是营销人每个季度都会面临的预算分配问题，这是营销决策的起点；二是洞察能力；三是度量能力；四是优化能力。这些能力都会外显成为一个产品工具——巨量云图，让客户和服务商能够敏捷地管理关系资产、内容资产，能选择更好的kol，做出更好的营销决策。
q3：预算分配问题上，巨量引擎有什么新发现吗？建议广告主如何科学分配品效预算？
从宏观上看，营销活动的起点始终是生意目标。亿元级、千万级、百万级的预算消耗所需要的预算分配策略是不一样的。每月百万量级gmv的生意可以用竞价广告实现，但每月千万量级gmv的生意，不一定可以只依靠竞价广告实现，需要加一些直播、内容营销、内容热推等产品。更大gmv的生意体量，以上这些都不够，需要大量的触达，topview、开屏等品牌类的广告全部用上。简单总结来说，做预算分配决策时需要将企业的目标生意与巨量平台上的目标人群进行匹配，这是一个阶梯式的选择。
从微观上看，会涉及到几个产品之间的协同。竞价广告的算法会集中到某一群人。打个比方，爬山，算法告诉你，珠穆朗玛峰最高，但珠穆朗玛峰上人都站满了，你得找下一个山头。品牌广告投放就相当于雷达，一扫描，发现好几个山头，除了珠穆朗玛，发现还有乔戈里峰，且每个山头的人特征不一样。不同的广告之间协同，相当于我帮你找到机会点，你再用机器模型去投。游戏广告在巨量投放特别多，以往游戏90%预算都投在竞价广告上，效果也很好，但慢慢下来出现瓶颈。当他一投品牌广告后，发现竞价跑出来的量又上升了。因为原本那些投放人群是“第一好”，你就忽略了“第二好”的人，这些人经过广告一打，对类似的游戏也产生了兴趣，被你的竞价捕捉到了。所以品牌广告不仅与效果广告有1 1转化率叠加的作用，还有助攻跑量的作用。
在寻找下一个山头上，仍需加一些人为的判断进去。目前还没有成熟的产品能做到投完立马能自动化筛选出人群，还是需要营销科学家分组分类。巨量不仅要帮助客户找到下一个山头的人，还得看其特征是否满足客户需求，然后在巨量云图里看到这群人的内容偏好，喜欢什么样的达人，再去做创意的灵感激发。随着生意体量越来越大，营销费用也会随之提升，营销投入的回报往往会遇到边际递减效应。营销科学基于数据的洞察、优化，可以不断突破边际递减的瓶颈，即使在营销费用大幅增加的情况下，也能够让营销的投入产出比，稳中有升。
q4：在洞察环节，巨量引擎在做哪些科学化的探索？
在洞察环节，我这里主要举两个例子：
首先，通过洞察用户来优选人群，巨量会把所有的人群从两个角度来看，一是和品牌的关系的远近，从不知道、到看过、到搜过、到点过、到买过等递进关系。二是购买某品类的用户旅程。比如汽车这类长决策周期行业，用户在购车环节中处于哪一阶段：有否看、有否搜、有否留资、留资几次，后续有否试驾等。这两种角度交叉之后，对后期精准投放非常有帮助。当用户到了非常后面的环节的时候，巨量要从头去影响ta就会比较难，我们需要抓住在整个品类下心智还处于比较早期的用户。相当于我们先把用户购买旅程的决策周期排出来，再结合与品牌关系的远近进行营销策略选择。
其次，通过洞察内容来优选达人，通常我们将粉丝作为选择达人的核心标准，如粉丝量级、粉丝画像、粉丝本身与目标人群的重合度等。今天巨量发现一个有趣的点：达人粉丝和客户本次投放的关系不是特别大。如果达人的内容换了，那么对原有粉丝就起不到任何作用。所以如果客户选择了一个内容，那么就得找在这类内容上能发挥得比较好的kol，而不是基于他当前的粉丝。这是字节平台的内容推荐技术决定的。当前巨量引擎在创意洞察、创意标签、创意质量分上都有很多突破。未来基于数据的创意洞察，将是营销中至关重要的环节。
q5：度量环节，巨量引擎是如何操作，帮助品牌主衡量广告效果的？
过去经常说“我的广告费浪费了一半，但不知道浪费的是哪一半。”度量不是寻找一个精确的数值，而是要将“浪费的一半”和“用的一半”找出来，利用营销科学已经能够做到。方法层面，我主要介绍一下增效roi。
首先来看一个公式，广告增效=广告有触达人群的转化量-没有广告触达的类似对照人群自然转化量。增效roi反映的是针对广告敏感人群广告所带来的增效。举个例子，某客户在不投抖音广告的情况下，每天有50位到店转化，投放抖音时每天到店转化提升到150位，可以近似认为抖音广告的增效价值是100，这100个增量就是广告带来的真实价值。
在模型上如何实现呢？业界已有的“复杂归因”模型，主流的叫dda（data-driven attribution，数据驱动归因模型），国内国外平台都在使用。但是dda模型要满足两大前提：一是要能拿到用户的全网行为，通过观测成百上千万条购物路径，找出其中的能影响购物决策的关键节点，但目前很难实现全链路数据的整合；二是模型复杂度较高，无法实时进行。
巨量选取了一个平衡的金沙集团3354.c.cav的解决方案，借助巨量数据足够庞大的优势，通过对照实验来构建实时归因模型。首先选取两组实验人群——“曝光组”和“对照组”，两组人群所有参数都相同，唯一差别就是曝光组能看到广告，对照组看不到广告。这就代替了机器的“复杂归因”，并且，dda是在投后找相似人群，巨量是在投中就能找出相似人群——在广告投放中，留出一定比例的人群作为对照组，仅对部分用户曝光。它能代替dda模式，更灵活、实时、细颗粒度地看广告增效转化率。过去dda一般广告主一年做1~2次，并且研究的颗粒度只能到触点级别。现在巨量引擎的增效度量，可以针对每次活动进行研究，可以细化到不同人群、素材。度量的速度和质量都大幅提升了。
q6：优化环节，利用增效roi模型，巨量引擎可以帮广告主做哪些优化？
优化与度量是一个循环，每次增效度量后的结果用来指导下一次的投放优化策略，从而实现投放收益最大化。
首先，基于增效度量，我们推出了人群和货品的组合优化策略。基于直接转化和增效转化交叉推出了“优势-拉新-防守-机会”四象限的人群矩阵以及相应策略。
优势人群（高直接购买率，高增效转化率）——本身品牌购买意愿强，转化高，对广告非常敏感。这类人群适合做消费升级类营销，推利润较高的产品和新品；
拉新人群（低直接购买率，高增效转化率）——本身对品牌不感兴趣，但对广告非常敏感。这类人群可以配合一些小包装、试用装产品，降低尝新门槛，可以快速拓展品牌的渗透率；
防守人群（高直接购买率，低增效转化率）——不用看广告都会购买的人群。这类人群对看完广告的转化率提升有限，可以用爆款、大包装来提升客单，减少未来的购买频次，从而减少这些用户未来购买竞品的概率；
机会人群（低直接购买率，低增效转化率）——对品牌不感兴趣，对广告也不敏感。这类人群可以尝试通过素材优化的方式，将他从广告不敏感转化到广告敏感人群。
在优化工具上，针对头部客户可以选择和巨量“联合建模”，共同做一个模型，用于最终投放。如果客户对数据敏感度高，也可以选择“联邦学习”或者私有建模的方式。通过我们平台的技术能力，定出自己的品和效的目标，未来投放时会基于机器学习的结果，帮助客户实时优选人群进行投放。
其次，增效还可以指导营销节奏优化。根据长期增效实验，发现首月触达人群，与对照组相比，在未来的三个月会持续有更高的转化率。当月营销所产生的转化，其实只占长期带来的所有转化的60~70%。所以在巨量生态做大促时，建议提前1-2月蓄水。
再次，增效还可以指导内容素材的优化。巨量引擎基于海量数据研究，发现回想度和品牌认知度都与广告完播比例高度相关。增效模型对拍摄手法、场景、剧情等维度进行打标，可以归因素材有效或者低效的原因，从而大幅提升创意优化效率，以及品牌建设效率。例如某美妆行业的品牌通过分镜数据监测与优化，完播率提升了50%。
在优化工具上，针对头部客户可以选择和巨量“联合建模”，共同做一个模型，用于最终投放。如果客户对数据敏感度高，也可以选择“联邦学习”或者私有建模的方式。通过我们平台的技术能力，定出自己的品和效的目标，未来投放时会基于机器学习的结论，帮助客户实时优选人群进行投放。
q7：巨量引擎的营销科学运营团队如何服务客户实际应用营销科学？
巨量有两种服务方式，可以把营销科学的产品和能力落地：
一是和客户的贴身vip服务——马赛(marketing science)计划。巨量内部配备了营销科学家与客户共同攻坚一些核心营销课题：比如品效协同课题、多触点组合(media mix)课题、内容素材序列化课题、粉丝经营课题等。以“内容序列化”为例，首先我们有一个明确的结论是素材越多，越可以对一个人多次触达。基于此，又衍生出两个问题，一个是素材是否需要多角度？比如说有些是感性的，凸显品牌的调性与形象，展示了品牌所代表的人设，而有些素材是理性，像促销、折扣等激励信息。现在我们通过实验，已经得出结论，多角度的素材对转化率是有贡献的。
如图所示，在某投放活动当中，一条线是品牌建设的内容，一条线是激励转化的内容，而最上面这条线是客户看过两种内容后的增效转化率。当用户看过两种内容所产生的转化，是大大高于一种内容所带来的转化。也就是说品牌调性和激励转化这两个方向的内容，是相辅相成，缺一不可的。
关于内容序列化，还有第二个问题是我们正在尝试解答的，即素材是否需要故事线？故事线的最经典案例如益达“酸甜苦辣”系列广告，序列化并不是严格要求素材是连续的剧情，而是要研究多种视角的素材如果按照特定的序列，投向同一个用户，是否有1 1>2的效果。典型的就是：bgc（品宣素材） pgc（达人推荐） ugc（用户口碑）。
二是服务商服务。巨量以打造数字营销黄埔军校为目标，输出一系列营销科学标准课程，对服务商进行培训，培养中国的营销科学人才。巨量引擎今年会把相关的考试体系搭建出来。
营销科学人才需要具备两个方向的专业能力，一是对科学研究方法有深度了解，比如多元回归、逻辑回归，随机森林，神经网络等，营销科学家需要了解这些工具的适应性和局限性，将其作为手边工具，遇到各种问题时，知道应该找什么样的工具、什么样的数据结构来解决。二是对商业逻辑的理解，需要你投身到真正的业务场景中。所谓营销科学，就是营销得有，科学也得有，两者有机结合，形成决策。巨量引擎的营销科学，除了人所代表的业务逻辑，还有数所代表的算法逻辑，是二元的营销科学。
q8：2021年巨量引擎有什么布局，怎样帮助广告主实现营销提效与生意增长？
首先是营销提效，未来的优化，不再是几百上千的人群包一个一个测，而是实时做优化。未来客户可能只需要做素材，素材的序列化组合直接由系统来完成，把提效做到最极致。通过营销科学，找到优化的方向（如触点组合、内容序列等），形成一些科学规律后，再把规律放到产品里去，把规律形成产品功能，由产品自动完成所有营销投放，其终点则是自动化提效。这里大量重复性的工作可以让算法机器来完成，巨量和客户之间的合作更多着眼于洞察、创意，即人脑艺术性、创造性的部分。
其次是生意增长部分，巨量并不是为了赚客户广告的钱，而是为了让客户在巨量引擎可盈利地增长。巨量会关注货品利润结构和人群如何搭配，不再只关注短期的、直接的，而是更长期的、更增效的部分。最后，希望更多的客户可以加入金沙集团3354.c.cav，激发生意新可能。