“我有一半的广告费都被浪费了，但就是不知道是哪一半。” 

零售大亨约翰·沃纳梅克这句几十年前的话道出了广告效果衡量的难点。

的确，广告作为经济运行中的一个重要环节，到底如何衡量广告的效果一直既是业界的重点、热点也是难点。

在深入讨论这个话题之前，我们先梳理一下广告效果衡量是如何变迁的。

一、历史悠久的广告效果衡量

现代广告最早是从美国兴起并走向繁荣的。1923年，美国著名广告人克劳德·霍普金斯出版了广告领域一本非常重要的著作——《科学的广告》，系统地阐述了他对效果广告的看法。

这位广告界的效果派非常接地气地发明了优惠券、免费试用品、邮寄目录、测试营销等一系列超前的广告投放方法。

比如他为了比较两个广告文案的效果，会将两个文案同时印在相同报纸相同版面但留下不同的免费样品领取邮寄地址，然后统计两个文案分别收到了多少个免费样品索取的请求，这几乎是广告界对效果的最早最准确的衡量。

霍普金斯犀利地批评了当时广告的另一个流派——艺术派，他说：

“有一些广告人放弃了他们的职责，他们忘记了自己是推销员，而把自己当做了一个演员，他们开始追求掌声，而不是销售量。”

他的思想对后续的著名广告人大卫•奥格威产生了重要的影响，奥格威在《一个广告人的自白》中说过一句著名的话——“我们做广告是为了销售产品，否则就不是做广告。”

在他看来，最终能否产生销量是衡量一个广告好坏的标准——“一个广告和另外一个广告之间的差异是用销售力的尺度来衡量的，它们的差异可以是19∶1。”

某种意义上，奥格威做的是那个时代的“效果广告”。

所以，和很多人的认知不同，传统广告并非是一个完全依靠创意、天才、灵感的领域，这个领域的佼佼者反而很早就注重广告效果的衡量。

当然，彼时的广告效果依然只是事后的衡量，并不与广告的花费直接相关，真正将广告效果和广告消耗直接关联要等到伟大的互联网时代。

二、互联网时代的广告效果衡量

互联网的诞生对广告而言毫无疑问是一场技术革命，它改变了广告的计费规则，重新定义了广告的精准性，也给广告效果的衡量带来了质的飞跃。

首先，互联网带给广告的第一个变化就是按效果付费。传统广告为什么不能做到这一点呢？原因是传统广告尽管也关注广告效果，但那时的广告效果是相对模糊且难以实际量化的。

互联网的意义就是将广告投放的整个过程数据化了，这个数据化的过程让广告投放的每一个环节都可以量化衡量，这种精确衡量的直接结果就是按效果付费。

于是，最早的按效果付费的一种计费方式CPC就诞生了——用户点击才付费，不点不收钱。

注意，伴随按效果付费同时诞生的还有一种全新的广告结算模式——竞价。

事实上，按效果付费和竞价是一对孪生兄弟，是一同出现的，这背后的底层原因是按效果付费在本质上是和广告媒体的利益最大化冲突的。

比如一个广告主出1000块钱，要1000个点击，折合1块钱一个点击，但如果他给了一个很糟糕的素材，点击率很差。

那么为了达到这1000个点击，广告平台是需要给无限的流量以达成目标的，不按竞价进行购买，则广告主没有动力去优化广告创意。

随着互联网的进一步发展，按效果付费里的“效果”的内涵逐渐变得丰富起来，既然点击可以称之为效果，那么安装是否可以呢，激活是否可以呢，付费是否可以呢？

答案是都可以，前提是广告主能获取到这些数据，以上这些深层次的效果数据有的依靠平台本身拥有，有的依赖广告主回传。总之，对于效果的衡量，互联网广告能一直走到转化链条的最末端。

有了这些数据，广告平台可以做的一个重要的点就是效果优化了。

效果优化是互联网广告的精髓和核心技术，即如果平台知道了某个用户对某个广告产生了转化，它就能根据双方的特征进行模拟预估，下次还将同样的广告内容匹配给同样特征的人，广告的精准性就是这样实现滴。

三、效果广告的数据闭环是如何打通的？

刚刚谈到互联网广告平台做的最基础的工作就是CTR预估，即点击率预估，这是因为点击这个数据平台本身就能获取得到。

尽管点击很重要，但对于广告主而言，点击并不是目的，它只是手段，广告主关心的其实是后续的转化链路，但广告平台如果没有后续的转化链路，它是无法进行相应优化的。

所以随着效果广告的发展，在广告平台和广告主之间架起一个数据回传的闭环就成为一项迫切的工作。

那么具体如何做呢？

Facebook做了最先的尝试，它首先推出的是一个叫“像素”的埋点功能。

当时广告的落地页主要以H5的形式呈现，Facebook的像素是一个空白像素+一段统计上报代码，需要广告主将这个“像素”放到广告落地页的相应位置，这样用户在访问广告落地页的时候，点击不同区域Facebook就能收到这样的深度互动行为数据了。

这是实现起来最简单的方案，广告落地页上的互动行为毕竟属于转化领域的浅层转化行为，如果要统计App的下载、激活、付费，电商的收藏、支付、复购等更深层次的行为，“像素”就无法起作用了。

于是，广告平台干脆开发了一个专门的API接口，通常叫“callback”接口，专门用来回传转化数据，而转化的类型就变得非常丰富了。

比如上面说的下载、安装、激活、付费，电商的收藏、加购物车、支付，线下的到店、试用、下单等，都可以通过这个统一的接口进行回传了。

这时候有人会有疑问——后边的转化数据其实是非常重要的数据，企业愿不愿将这些数据回传给广告平台呢。事实上，的确有这样的顾虑，后边会讲针对这类情况典型平台的解决方案。

可以看到ROI其实是广告主最终关心的核心指标，而中间的其他转化指标则是ROI的先导性指标，二者存在强相关，但这个强相关是波动和变化的。

因此当广告平台不能针对ROI直接进行优化时，就需要广告主自行把握和控制转化指标和ROI之间的关系，这是广告主重要的痛点，也是广告平台们一直努力的方向。

四、互联网广告效果衡量的进化方向

今天，互联网广告效果衡量会朝哪一个方向演进呢？

其中一个方向就是——基于转化的算法优化。

对于互联网广告而言，效果是一个典型的逐层递减的转化漏斗，有的转化漏斗短，有的转化漏斗长，比如网服行业的工具类产品，可能它的漏斗就相对长一些。

一个典型的工具类产品的转化流程是——广告曝光、广告点击、应用下载、应用安装、应用激活、浏览变现广告。

从上一个环节到下一个环节，都会有不同程度的流失。

而理论上，在支持按效果进行出价的今天，都可以对上述转化事件进行单独出价——比如3元购买一个有效下载、5元购买一个有效激活，无论用哪一个转化事件进行出价。

今天成熟的广告系统都能进行针对性的优化，即在客户能接受的范围内将广告内容推动给最可能转化的用户。

然而，这里边有一个问题，广告平台能对转化事件进行针对优化的前提是广告主必须将转化事件的数据回传给广告平台，因为广告平台需要这些转化数据反哺系统去识别和预估哪些是容易转化的用户。

但对于任何一个广告主而言，试听、下单、复购等转化数据都是最核心的数据，是公司最重要的资产，所以他们对这些数据回传的安全性也是存在顾虑的。

那么，如何解决这个问题呢？

腾讯广告的解决方案或许值得参考——首先腾讯的广告生态非常完善，有为App推广买量的腾讯广告，也有为App提供流量变现的平台——“优量汇”，这样的好处是非常明显的——

即你无需回传收入数据，因为优量汇已经精准实时地知道了你的收入数据，这就可以为广告效果的优化提供非常有利的操作空间了。

那么，腾讯具体是如何通过这一数据闭环来优化广告效果的呢？

答案是基于ROI预估的出价模型，即App广告主可以设置一个浅层转化行为的转化成本和一个最低可接受的首日变现ROI（=首日内变现金额/广告当天的消耗）。

系统会在参考浅层转化行为目标成本的基础上，根据预估广告频次、ECPM实时计算出价，尽可能控制广告变现ROI不低于广告主设置的期望ROI。

这样做的目的是在保障ROI基础上，提升拿量能力。

这其实已经是腾讯广告针对这类广告效果优化的一次升级了，升级之前采取的是针对次留存率进行预估的双出价的模式，它背后的逻辑是次日留存和变现二者之间是强相关关系，因此次留这一指标在某种意义上能代表变现效率。

但毕竟二者本身并不相等，这样的做法会直接过滤掉一些次留低但付费意愿强的用户，这些用户其实也属于App应该争取的用户。

这样的好处是显而易见的：

首先，广告主无需进行全部收入数据的回传，因为优量汇本身就存储变现数据，也无需将其他渠道变现收入回传，最大程度上打消了广告主的数据安全顾虑。

其次，系统自动实时通过预估收益调节出价，无需投手根据首日ROI倒推次留率目标进行手动调整，同时也不会错误地过滤留存低而付费意愿强的客户。

再次，这个方案由于数据的连续性，可以有效避免广告计划在一定时间后跑量能力下降的问题。

正是这些在ROI变现方面的领先优势，让腾讯广告在效果广告进入深水区之后依然能给广告主带来足够的优秀的回报。

效果广告是一个“以结果为导向”的行业，必须有足够亮眼的ROI才能获得广告主的认可，作为国内老牌的效果广告平台，腾讯广告一直走在广告效果衡量创新的前列。

相比竞媒，腾讯广告变现ROI更灵活，不强制要求广告主变现占比，也无需将全媒体变现数据回传，使用大串行单层并发请求即可获得良好预估。

更重要的是，针对广告主在使用变现ROI后7日掉量的痛点，腾讯广告变现ROI优化策略，兼顾整体LTV回收曲线，稳步提升LTV，确保回收不断崖。

以某工具行业广告主为例，6月开始测试账户，持续跑量长达18天，在拿量效果、次留率、首日及7日变现ROI等方面的数据均优于次留双出价广告。首日ROI超过出价120%，仍可持续维持跑量能力。

毫无疑问，今天的广告效果预估由于系统能力的进步，已经和传统时代不可同日而语了，除了刚刚说的基于结果的算法优化，我们对于效果的定义和认知也不断发生变化，比如效果是看一个指标还是看多个指标？

如果是多个指标，哪个指标是优先的？其他指标的权重是多少？是看短期效果指标还是应该看长期效果指标？如果看长期效果指标，如何解决算法要求的即时数据反馈问题.......

这些都是互联网时代广告效果衡量的实际问题，而这些问题的解决依旧需要我们新一代广告人不断在实践中探索和开拓。