借计算广告之道,解营销冲突之局


  • 关注新蜂数字金融,ID:gh_c5ca7eb11df4

  • 这是新蜂数字金融的第110篇原创首发文章


在数字化时代,数据与技术已渗透到营销的各领域,商业银行如何通过数据采集、分析、应用,洞察客户需求,精准找到目标客群并提供相应的服务方案,已成为商业银行核心竞争力的体现。


《营销管理》中精准营销的定义是:在精准定位的基础上,依托现代信息技术手段建立个性化的顾客沟通服务体系,实现企业可度量的低成本扩张之路。


谁能更好地获取数据、理解数据、应用数据,谁就能在日益激烈的市场竞争中脱颖而出。


营销面临新问题:营销冲突


当参与者越来越多,一方面有限的营销资源无法满足所有营销活动,僧多粥少;另一方面,同一客户被多个产品多次营销,不胜其烦,不仅无法带来营销效果,反倒容易引起客户的负面体验,营销冲突的矛盾逐渐显现。


前几日,人民银行、银保监会、证监会与外汇局联合起草了《关于进一步规范金融营销宣传行为的通知》,对金融产品或金融服务经营者关于金融营销宣传行为的规范管理和行为要求等方面提出了具体监管要求,明确提出“不得违规向金融消费者发送金融营销宣传信息”,“不得以电子信息方式向其反复发送金融营销信息”。


日趋严厉的监管,无疑对商业银行的精准营销上了一道“紧箍咒”,即使有钱也不能任性。


数据时代营销的主要矛盾已经不是商机太少,而是选择过多,造成营销客群冲突、渠道资源冲突、营销时间冲突等多种营销冲突问题。


面对营销冲突,企业应该如何优化策略、平衡和分发营销资源,从而实现企业的整体收益最大?


如果单纯通过人工决策,显然存在公平性不足问题。既然营销冲突是数据的问题,能否通过数据的方式解决?


互联网广告如何解决投放冲突?


说到冲突仲裁,不得不提计算广告。广告是广告主通过媒体达到低成本的用户接触,那么何谓计算广告,为什么需要“计算”广告?


传统广告是企业出于品牌形象宣传的目的,借助媒体的力量快速接触大量用户,以提升中长期的潜在购买率。而随着互联网时代的到来,互联网可以对用户进行深入分析、建模,可以方便地实现千人千面的广告投放,广告也随之进入了在线时代。


广告投放朝着精细化的方向不断前进,每一个竞价者的需求和目标不同,在广告曝光时,会和其他竞价者所构建的广告投放策略存在冲突,即同一个时间点和位置,如何平衡流量、广告主的利益分配和效果成为最重要的命题。


美国工程院院士、前雅虎副总裁AndreiBroder首次提出了计算广告(Computational Advertising)的概念。


计算广告实际是一种仲裁解决广告资源最佳配置问题的技术,目的是解决多重供需之间的最佳匹配问题,是在一系列用户与上下文的组合中,找到最合适的广告投放策略,以优化整体广告活动的利润


由此可知,计算广告实际是一个带约束的优化问题,即给定某个目标函数及其约束条件的情况下,如何求得目标函数的最大值或者最小值,计算广告的核心问题可以抽象为:

进一步考虑计算广告学中广告、用户、上下文等影响广告活动收入和成本的要素,上面的优化问题又可以具体化为:


其中,决策对象a_(1,?,T)是一组广告展示,r是收入,q是成本。

计算广告的目的不是实现单次广告活动的收益最大化,而是T次广告展示的总收入与总成本之差最大,是在资源等约束条件下,通过一次一次的迭代优化,寻找最佳的广告组合,争取收益-成本的最大化


广告业一般采用千次展示期望收益(eCPM)作为收益指标,计算广告的核心就是找到最高的eCPM:

其中u表示点击率, v表示点击价值,即单次点击为广告主带来的收益,由于单次收益太小,一般以千次展示的预期收益计。


因此,目标函数可以表述为:


决策变量指一次展示(i)是否在场景(c)中把广告(a)分配给用户(u),值只能为0(不展示)或1(展示),即要寻找一组解使得收益最大化。


为了计算eCPM,需要估计广告的点击率和点击产生的收益。广告的过程比较复杂,广告点击的过程发生在媒体,而转化则往往发生在广告主APP或网站内,因此点击和转化两个量发生在不同的媒体。


因此计算广告中,一般点击率由媒体估计,广告主则负责估计点击产生的收益。为了引导广告主提供真实的收益数据,引入广义第二高价(GSP)策略,即每次以竞得展示的广告主以第二高价成交,该策略能保证在达到纳什均衡状态时,竞拍者如实按自己收益出价,否则就对自己不利。


点击率、点击价值不仅与受众相关,而且与受众所处的环境紧密相关,因此点击率也是上下文环境的函数。


需要指出的是,计算广告以受众定向即客户画像为支撑,关注的并非单个受众,而是具有一系列特征的受众群体,因此实际是基于受众分群的广告投放策略


计算广告的约束条件依实际情况而异,具体可以分为需求约束和供给约束两类。


对于广告主而言,存在广告活动的预算上限,同时又必须保证具有一定量的广告投放,因此常见的需求约束又分为两类,一类是预算、服务成本等的上限约束,一类是合约量的下限约束。


对于广告资源的供给者而言,可供使用的流量具有稀缺性,因此供给约束要求每个供给节点可供分配的量不能多于其总流量,供给约束主要是位置和流量的资源限制。


需求约束:广告i投放的上限与下限约束


供给约束:所有广告的流量小于等于流量上限。


根据目标函数及约束条件可知,计算广告是一个0-1整数线性规划问题,利用最优化方法中的整数规划得到广告投放的最优解和可行解。


借计算广告之道,探讨营销冲突解决方案


上述是计算广告解决广告投放冲突、实现收益最大化的基本思路,实际情况要远比上述复杂,但其解决问题的基本思路足以为商业银行解决内部营销冲突提供借鉴,只不过在商业银行的营销场景下,最佳匹配解决的不再是竞价,而是一致性问题。


与计算广告相比,响应概率、产品收益都可在银行内部进行,减少了博弈产生的成本,可以更加准确地估算营销的整体收益。


由于机构设置原因,商业银行总分行、不同部门、不同角色都可以是营销的实施方,不同机构利益不同、出发点各异,以产品为中心,产生的商机往往相互独立,一方面对客户多有叨扰,易引起客户投诉,客户起诉银行营销骚扰的新闻屡见报端;另一方面,造成营销资源的浪费,未能将有限的资源发挥最大的价值。


目前大多数商业银行仍处于如何挖掘产品潜在客户的阶段,对营销的整体性关注较少,普遍缺少统一的营销整合优化考虑,面对营销冲突,往往采用简单粗暴的方式解决。


营销冲突解决的核心在于如何优化策略、平衡和分发营销资源,最终为实现商业银行整体的经营目标服务。计算广告的相关方案和技术为商业银行营销冲突的解决提供了范本。


首先,商业银行必须统一营销策略,建立全行层面的营销资源统筹机制,所有营销的执行要符合同一的营销目标,比如全行收益最大、客户体验最优、ROI最大、资源利用最充分等。还可根据客群采取差异化的营销策略,例如对成长期客户的营销策略是收益最大化,对流失预警客户则以客户响应概率最大化为目标。


其次,梳理营销执行的约束条件,约束条件因营销策略而。与计算广告约束相似,同样存在供需两类约束条件:一类是渠道资源的容量限制,类似计算广告中的供给约束,比如电话外呼一天不超过1W通、每天APP广告可投放量等;另一类业务约束,类似计算广告的需求约束,比如产品与渠道的适配性,产品与产品的互斥性,产品最少营销客户数,营销活动的成本上限等等。


最后,基于确定的营销策略,在上述业务约束条件下,利用优化方式对模型进行求解,生成最优的推荐组合,实现目标的最大化


以营销收益最大化为例,在业务约束条件下,充分考虑影响营销的各方面因素,实现营销产品推送收益最大化:


其中,类似计算广告中的eCPM, (0,1)则表示是否将k产品通过第m个渠道推送给i客户。通过渠道m推送的营销信息不能超过渠道上限。


假设有3个客户4个产品通过短信进行营销,目标是营销的预期收益最大。同时要求,短信的容量是5条,同一客户打扰不能超过2次,同一产品不超过2条。


客户-产品响应概率及预期收益

注:0.8(10)表示客户对产品的响应概率为0.8,预期收益是10。

根据客户对各产品的响应概率及预期收益,可得最终营销组合为


这是营销冲突解决的方法的简化,实际操作中尚有许多问题待深入研究,比如不同来源的响应概率如何融合、产品的预期收益如何度量等问题,此外还需要考虑影响营销的各方面因素,比如产品-渠道适配性、营销所处的上下文等等。


但即使通过上述简化应用,初步可以得出结论,计算广告技术和方法或许是解决营销冲突的一种切实可行的方法


营销冲突是数字化营销过程中无法回避的问题,本文探讨了一种解决商业银行营销冲突的方案。


商业银行的营销本质上也是一种广告,因为“一切付费的信息、产品或服务的传播渠道,都是广告”,所以笔者认为完全可以借鉴计算广告之道,解营销冲突的困局

 



延伸阅读:

原创:数据分析之“天时地利人和”

原创:智能合约+区块链=无限的可能?

原创:90后“精打细算”是真是假

原创:联邦学习,一种破解数据安全和数据孤岛问题的可行性方向

原创:避暑经济,振兴乡村发展【附小众避暑地,七夕自驾出游好选择】



     

   微信扫一扫,关注我


              觉得好,请点“好看

文章转载自微信公众号:新蜂数字金融

类似文章