胖鲸 9月9日，胖鲸智库《Utopia乌托邦，大数据下真正的效果评估怎么玩儿》线下分享讨论会在上海成功举办。
本期的案内人为复旦大学的传播学博士陈思Candy，她现就职于菲亚特克莱斯勒集团市场传播部，先后从事数字营销、品牌、CRM相关工作。
本次案内人线下活动的参会企业包括：达能、奥美、多盟、汉高、上汽、思科、娇韵诗、欧莱雅、尼尔森、马良行、CIC、MediaV、车惠网、车享网、宝宝树、中国电信、景瑞地产、华扬联众、Grey Group、复旦大学、上海外国语大学等多家知名品牌主和营销代理商。
下面就让胖鲸为大家总结一下陈思Candy的精彩分享：
-
理论部分
要研究效果评估，先要从受众、信息传播规律和媒介变革说起，这是效果评估研究的理论源头。海量数据之下的受众从被动的告知变成了主动的获取，信息生产发展到社会化媒体阶段，人和人之间再次实现平等对话，与口语时代不同的是，当前信息量成倍增加，情景变的更加复杂，且意见相同者聚集成“信息茧房”。媒介地位的改变则直接带来了信息传播规律的改变，也延伸出了当前需要重新研究和审视传播效果评估、广告效果评估的意义。
现在大家都在谈大数据，甚至谈到大数据反而到了非常抵触的地步。通过这几年对这一问题的持续关注和工作亲身经历，Candy对大数据现身说法：
其一，目前大数据技术发展的很快，但是想的和用的总是差了那么一步；
其二，不要迷信大数据，不要认为把海量数据收集起来、跑一遍，结果自然浮出水面了，需要客观看待“大数据”这一问题。
最后，Candy还简单介绍了一个效果评估模型――POEM模型。P代表付费媒体；O代表自有媒体；E代表赢得媒体；M代表移动媒体。在这样一个模型中将跨主体、跨平台、跨屏的三个层面进行综合考量，同时她提出了第二个衡量维度CPE（Cost Per Eyeball），按照“媒介到达”和“注意力”为一个考量单位进行效果评估，从跨平台角度，任一营销平台上信息传递是否主动或被动到达消费者，这样的到达可以是一次浏览、评论、转发、点赞亦或是后续行动的体现。从跨屏角度，消费者无论从任何一个屏上“触发”动作，也看作是一次到达。Candy介绍这样的评估方法将是未来解决跨主体、跨平台、跨屏的一个重要方向，但是这个模型还不能很好的解决两个问题，即用户路径识别和去重的问题，未来这个模型还会继续发展和优化。
-
案例解析
一开始，Candy的团队想利用大数据去解决在搜索网站、垂直渠道、官网等平台的预算分配问题，即运用搜索、垂直、官网平台数据发现消费者一个月内各网络平台的量级，并依据这个量级进行预算分配。
但是在实际的数据积累和分析的过程中，却发现虽然各个平台的量级可以知晓，但是用户路径识别问题依然存在。所以，Candy团队进行内部“工程改造”，打通官网后台、潜客管理系统、车主数据库、投放媒体等第一方数据，此外，还包括垂直网站、搜索、其他平台、电信数据等在内的第二、第三方数据也实现了链接，最终，她们实现追踪全网目标用户线上到线下到店、成交全路径追踪。依托于此，团队用获得的消费者网络画像和行为数据解决很多实际问题，比如媒体投放辅助决策和验证，使得预算分配变的精准高效很好的提升了转化。
在分享过后的提问环节，参会的品牌主和营销人也纷纷抛出了自己的问题：
问题一：根据每个网站消费者画像和数据怎样做媒体预算分配？
陈思Candy：并不会完全依据大数据沉淀的量级按比例进行投放预算分配，我们在投放上有很多考量，比如有的投放目的就是想让他留在原有平台上进行下一步动作，团队会根据最终希望的结果来做投放，收集的数据作为决策辅助和验证。
问题二：在帮品牌做大策略时，会把自己的消费者想象的很高大上。而实际上，消费者并不符合品牌的想象定位。但如果品牌根据实际消费者去调整策略，长此以往会不会损害品牌的形象？
陈思Candy：先说一个理论支撑，从目标沟通人群来说，有三类，它像一个漏斗，第一类人群是泛人群，第二层是兴趣人群，第三层才是实现购买的人群。所以品牌要做的事情，是针对每一个人群体，做怎样的沟通。进一步说，一些时候高举低打是需要的。
问题三：利用大数据进行产品趋势预测以指导新品开发方面是否有比较好的应用？既然已经打通闭环，应该已经可以模型计算出每个media touchpoint上面的roi了？ROI直接指导媒体投入不是更好？
陈思Candy：第一个问题，新品预测和产品开发层面的运用，现在比较靠谱的是文本挖掘，现在大数据要么跑用户“行为”即今天分享的用cookie看全路径、要么跑用户“语言”即文本挖掘。第二个问题，评估ROI的确可以实现，不过也只是投放决策初稿，就像刚刚说的，后续还会根据每个投放的实时效果不断调整。之所以不能百分之百依赖大数据决定投放预算，因为很多时候品牌投放目标很不同，打branding层面vs直接转化购买会影响预算分配，经常这样的分配还是需要一定常识和经验。
问题四：利用大数据研究问题的顺序是怎样的？一般是先抛出几个问题然后分析数据得到结果，还是拿到数据直接做分析，看看会发现什么现象，得出什么结论？
陈思Candy：是前者，“大数据”没有很神秘，无非是把数据打通解决实际商业问题，技术不难，关键是“打通”，再者就是数据和方法建模，所以建议用现在流行的最小化可行产品（Minimum Viable Product, MVP）思路，从打通一两个平台、解决一个问题开始做起来。
