生意不好做的品效品牌时候 ，品牌更需要找到适合自己的代测营销测量方法，来为不同媒介和活动之间的量何预算分配找到合理依据
，让品牌更好地进行精细化运营，助力增长达到增长的预算目的。

• 测量的分配作用体现在策略层和执行层两个层面，分别指导品牌长期发展方向和活动优化，推动因此所用测量工具也会不一样
• 不同成长周期的品效品牌品牌，对品效销的代测侧重不一，因此对测量和指标的量何选择也不尽相同
  ，但不管怎样，助力增长要保证品牌竞争力，预算都要依据具有前瞻性的分配指标
• 国内市场对黑盒化的归因模型的接受度远没有国外那么高 ，但MTA模型可能更适合中国互联网时代的推动需求

测量作为营销科学下的一个课题 ，正受到越来越多品牌的品效品牌关注。通常在经济环境好的时候 ，大家的生意都比较好做，对精细化运营和测量的需求也就没那么大
。从去年开始，整体经济增长变缓 ，互联网红利也已基本褪去，品牌增长变得尤为困难
。虽然今年疫情防控已全面放开 ，但国内经济前景还并不十分明朗。因此 ，广告主还是会谨慎地开展营销和媒介投资活动，在预算的分配上也需要更多的依据 。这时候，测量作为品牌精细化运营的重要依据之一，能够辅助品牌进行预算分配的优化，提高营销投资的确定性，从而达成品牌的增长 。

测量的作用主要可分为两个层面

测量作用的两个层面为策略层和执行层。两个层面的测量分别会用到不同的测量工具，去解决相应的营销问题。

策略层面的测量通常是由品牌的高层主导，决定品牌的长期发展方向 ，通常会用到多维度的数据和较为复杂的模型，比如营销组合模型MMM。

执行层面的测量会由市场运营和活动策划的相关人员来主导 ，主要目的是优化活动的投入和产出，比如从素材 、频次、点位等细节上 ，优化每一波OTV广告的设置。这一类测量相对来说会进行得更加频繁
。

不论是在策略层还是执行层 ，测量的结果都会直接地，或间接地对营销预算的分配产生影响。

测量如何对品牌预算分配产生影响

首先明确测量影响品牌的哪部分预算

如果按照品效销的逻辑进行分类，跟销售直接挂钩的 ，通常是指渠道预算或者电商的预算 。这类预算的制定一般是由销售目标（GMV）直接推导出来，不需要涉及太多复杂的测量工具 。

另外是跟销售不直接挂钩的预算
，由于这部分广告投放渠道更为复杂，并且媒体的测量标准不统一，还需要兼顾品牌广告的长期影响 ，因此会涉及多种测量工具 ，这些工具在策略层和执行层分别起到不同的作用。

用前瞻性的测量指标指引投放

对于处在不同成长周期的品牌来说 ，由于每个品牌对品效销的侧重不一，因此对测量和指标的选择也不尽相同。群邑智库在2022年底对300多个品牌进行了调研（如下图，左侧百分比为选择这一指标的受访品牌比例，右侧数值代表成熟和新锐品牌在同一纬度上的偏好），发现成熟品牌更关注的指标是社交和内容的互动，而新锐品牌最关注的是广告投放的ROI和销售额（GMV）。

由此可见 ，对关键性指标的侧重，会直接影响品牌对测量工具的选择 。然而不管选择怎样的工具
，品牌都需要依据有前瞻性的指标，即能够预测及引导品牌和生意的长期增长的指标，来进行品牌的长期投放，保证品牌的竞争力
。比如说，选择用ROI这类定义宽泛的指标作为关键性指标时 ，也需要精准地定义该指标的计算逻辑，并以此统一指导投放决策。

有效测量的步骤

1.开展测量工作的第一步是收集数据，最常见的方法就是通过广告加码，或者页面抓取的方式来收集数据
 。在完成数据清理和质检之后 ，广告主就可以用这些数据进行分析和建模。

根据不同的渠道属性，各媒体都会有相应的数据指标 。比如说最早出现的电视收视率指标GRP，主要是用来监测传统电视的曝光，并且作为广告主与媒体结算的一种货币，由第三方监测机构提供。

随着媒体格局的演变，尤其是数字平台的发展，越来越多的指标被创造出来，对这些数据指标的抓取 ，代表了不同的触点在消费链路中独特的价值（如下图） 。除了结算的作用，这些指标目前更多地被用作分析和投放的优化。

2.有了这些数据之后
，广告主就可以进一步开展分析和洞察  。通常会用到三种分析的方法：AB实验、增量测量和归因模型。

AB实验是最容易操作的方法，主要是用于在多个素材或者人群中，挑选出最佳项。

增量测量通常被用来分析广告对品牌资产或销量提升所起的作用。

归因分析主要涉及两类模型 ：MMM（Marketing mix modeling营销矩阵模型）和MTA（Multi-touch attribution多触点归因）。其中，MMM模型能够综合多个因素（如市场动态、促销打折、媒介选择等）及多维度数据进行归因
。但由于数据收集难度大，执行周期长，时效性低，因此在国内主要是一些国际成熟品牌在使用。

某品牌MMM模型下的实际归因组成

MTA模型有较好的时效性 ，能够提供的数据颗粒度也较细，更符合互联网时代的需求。但由于需要ID级数据的打通，应用的场景受到了限制，目前更多地用于在某个互联网生态内进行归因  ，或者是某些品牌自建CDP（客户数据平台）进行数据收集  、打通和归因
。

跟国外相比，国内市场对黑盒化的归因模型的接受度远远没有那么高
。一方面有历史的原因，在欧美市场MMM模型已经是被使用了几十年的成熟工具 ，早已得到了市场的认可；另一方面是因为归因模型的算法不透明 ，因此在很多国内的新兴公司内部难以形成共识，黑盒化的工具要得到普及是困难重重的。

以某个国际大品牌为例 ，公司的管理层会设定下一年的营销预算及目标。品牌总监根据要完成的目标，结合MMM的结果和其他调研（如品牌健康度调研）或第三方数据
，进行下一年的品牌预算分配 。

这个品牌会参考不同维度的数据综合评估投放的效果
，但也不排除其他有些品牌只关注单一指标，或者个别核心指标。每个品牌都应该建立符合自身特征的测量体系，没有什么黄金法则是可以通用的 。

测量是重要前提，但避免过度依赖

在本文的最后，想总结几点建议，希望能够对品牌接下来的预算分配和投资决策有一点点启发 。

首先 ，要明确测量是一切优化和提效的基础 ，选择有前瞻性的指标进行投放效果的评估，可保证品牌的竞争力。

其次，进行测量的方法和手段有很多 ，前期的投入和执行的难度也可大可小
 ，品牌需根据自身的资源和现阶段的主要目标开展测量工作
。

最后 ，对于测量和分析的结果，需抓大放小 ，细中留粗 。不应忽视测量的重要性 ，但也不应过度地依赖测量结果，仍需要结合当下的竞争环境和品牌的长期目标综合判断 ，再做出决定。

来自：群邑智库