网服生意增长和电商增长的逻辑相通
    近年来,各行各业利用互联网自我改造升级,已渐成显学。而在这样的升级过程中,有一门家家必练的功夫——用户增长。
    在线上做增长,较早杀出一条血路的是电商行业,道理也很简单:最早在线上打通整个交易链路的,就是电商,换句话说,电商全链路的用户行为,都可以被记录和优化。
    那么电商增长的方法论,与我们传统的营销思路相比,有什么不同呢?最重要的,是面向商品的营销框架。比方说一家超市做宣传,比起宣传超市本身,直接推广琳琅满目的商品,对用户的吸引力更强。
    除了电商,多数线上服务被归到“网服”。而近年来,网服行业变得越来越像商品购买,您想想看,如今外卖、打车的交易体验,与选购一件商品有什么不同呢?这背后的驱动力有二:一是应用的交互越来越丰富,不像原来只能放几张图片看看;二是移动支付的普及,让网服行业都形成了线上的交易闭环。
    我们观察到,网服行业整体增长趋势都在朝广告商品化方向快速演进中!
    这个方向,仍然是以商品为核心。说个直观的例子(并非实际推广案例),传统营销推广的是下图左边的产品整体信息;而在电商化营销中,已经变成了推广下图右边那样的内容商品——即“广告商品化”。
    网服的所谓“广告商品化”,就是先挑选出合适的内容或服务,再用广告渠道直接推广这些“商品”。换句话说,也就是“内容/服务选品 + 站外推荐”的基本框架,原理非常像电商的商品推广。
网服广告商品化的产品支撑
    应该说,这种新的网服增长方法论,引领者仍然是各大广告平台。在国内,腾讯广告最先将广告商品化拓展至多个非电商行业,做到了“万物商品化”乃至“商品行业化”。咱们就以腾讯广告为例,来谈谈它是如何从产品体系上,支撑这种商品化的网服增长的。
    要说电商广告投放的神器,那非动态商品广告(Dynamic Product Ads,DPA)莫属了。它与普通广告投放的逻辑有很大不同:不再是客户上传创意,而是由广告平台以结构化对接商品库,然后按照某种规则选出对当前场景或用户合适的商品,由系统自动生成创意,再把创意推送出去。
    可以看出,这里的关键步骤,正是选品与推荐。再说细一点的,可以分为三层:一、选品:从商品库里圈定出适合广告投放的商品集;二、匹配:针对当前用户或场景匹配出最恰当的商品;三、推荐:跟客户自己应用内的推荐方法类似,只不过是把推荐位搬到了站外的广告位上。
    那么商品广告是不是只有电商类投放能用呢?不然,早在2019年,腾讯广告等各大广告平台就推出了网服行业可应用的DPA解决方案。它的基本流程,如下图所示:与常规展示竞价广告相比,DPA推广的是描述商品/内容的结构化数据,通过建立商品与用户行为的关联,在检索环节实现标签自动分配与播控,在排序环节实现商品知识图谱的应用,最终实现人货匹配的商品推荐。
    比如对阅读动漫客户来说,把小说的书名、类目、作者、评分、热度、篇幅、章节数、章节内容、付费金额这类结构化信息对接给广告平台,平台再根据用户行为习惯等,找到合适的小说单品,推送到喜欢它的人面前。
    由于数字营销的专业性,这样的商品化营销能力建设,可能还是要以平台方为主。如果仅仅说DPA,现在在广告行业已经并不新鲜。而腾讯广告的“广告商品化”,在客户自投的DPA基础设施之上,还可自动进行商品信息识别,其数智化能力远超传统DPA,值得说一说。
    更聪明的大脑:所谓“大脑”,有两层意思——有知识、善学习。在“有知识”这一点上,腾讯广告的广告商品化起步较早,搭建了比较完备的结构化知识图谱。目前,网服行业基于细分行业生意模式和用户行为,已经搭建覆盖了小说阅读、视频直播、新闻资讯、工具、生活服务等行业商品结构化信息的“图书馆”,部分行业商品标签覆盖率达86%。而“善学习”,就是通过长期7*24小时不间断地对商品标签和用户行为的学习,让商品广告更懂商品和用户,从腾讯覆盖社交、音乐、影视、游戏等全场景的海量用户中识别、沉淀网服行业高质巨量人群库。
    更精准的匹配:过去,广告投放聚焦“人”的需求,而促成生意的两大角色是“商品”和“人”,实现两者的精准匹配,变“独角戏”为“对手戏”,才能促成生意的增长。在这个趋势下,腾讯广告根据域内外的市场热度数据提供选品洞察,对那些“不知道投什么”的客户,帮他们选爆款,快速起量;对那些“想开拓品类”的客户,帮他们圈定高曝光人群的匹配品类,并基于市场反应做出调整,反哺选品优化,预测下一个增长爆点。
    更精细的运营:平台还提供了诸如GXT行业DPA超级监控看板、投放端&API商品报表等多样工具,协同网服DPA对接指引文档、商品诊断等精细服务,帮助广告主及时调优不同阶段运营策略,全周期优化投放效率。这些运营能力,一方面提高了分行业的投放能力,提升了创建广告的效率。比方说,对于阅读类客户来说,如果可以在落地页上拉取章节内容字段,让读者直接浏览,那比通用的广告体验要好得多了。再比如,还可以支持商品特征识别,在普通广告中识别书名、类目等信息,用于投放时的标签补充。另一方面,也提升了分行业的识别能力,比如,完成商品库搭建后,大范围覆盖的商品特征,可以帮助快速识别商品信息。
    总之,通过日渐完善的通用DPA产品,再加上着力打造的一些智能化产品和运营能力,腾讯广告已经在“广告商品化”这个赛道上,走在了行业的前面。
商品化营销的应用场景
    前面的讨论,听起来还有点抽象。咱们来看点实际的案例,了解一下这种商品化的营销方法,是如何在网服行业中落地应用的。
    第一个场景是小说行业。原来的小说应用投广告,多数都是找个小说情节,拍成视频广告创意。这种方法一来成本较高,二来也没法很好利用丰富的作品库,更重要的是,人为挑选出来的情节,是不是符合受众的口味,是不得而知的,有点凭经验撞大运的成分。
    而在广告商品化的思路下,可以把小说库对接给广告平台,然后再用单商品广告sDPA,单刀直入地让每个受众在广告上就能看小说片段。说实话,这比弄一段云山雾罩的视频,给读者的感觉要好多了。
    实际投放的效果如何呢?从下图可以看出,通过选书、商品信息梳理对接、一方数据接入、投放效果调优这几个阶段过后,某客户在腾讯广告的sDPA消耗占比,从0提升至50%。
    更有趣的是,在广告商品化的产品趋势下,除了单个客户有了非常好的效果提升,行业整体的破圈增长也有了新办法、新成效。

    以往,阅读行业的投放主要集中在都市、现代言情两大类型。而推广的思路单调一致,这实际上只是行业的思维惯性所致。其实,选出什么样的作品更有效,在平台强大的用户画像能力下,完全可以走数据驱动的路线。
    通过小说行业的广告商品化,经过双方共同建模挖掘品类人群,以及基于品类人群的策略调控,从后验数据上看,推广在内容上有了意外的发现:目前,古言已经是阅读行业第三大品类,单品类新增用户量提升了5倍,次留率也提升了20%。而这样的变化,在以往以人的经验为主导的体系下,是很难发生的。
    再来说说用多商品广告mDPA拉活的场景。mDPA这种解决方案,有几个好处:首先,可以充分利用一方行为数据或者广告主推荐能力,结合平台的推荐能力进行灵活的拉活投放;其次,通过单广告多商品,实现千人千面投放,从而极大地提升效果和拿量能力。
    目前多个网服行业头部玩家均已对接了腾讯广告的mDPA做拉活投放。其中,视频直播赛道的一个客户,通过RTA + mDPA的方式,成功大幅提升了量级和效果。
    基于这种商品找人的逻辑,消耗能力更强,当日起量率获得5倍提升;而且,将商品信息应用在模型中,CTR提升16%,CVR获得2倍提升、次留率获得了22%的提升。                                                                                                                    
趋势与展望
    独立内容单元的选择和直接推广,是网服行业的增长方法论的全面升级。网服客户的整个营销逻辑,都开始向着以商品为核心的方向发展,那么是否可以让营销再进一步,由“用户选择内容”进化到“用户定义内容”呢?
    实际上,在电商行业中,这样的探索思路在实践中早已有了实质性的进展,我们也可以套个时髦的词汇,把它归到C2M这个趋势下。用营销反向影响产品的设计生产呢,在电商行业用得比较成功的,是跨境电商的热门企业Shein。据说,Shein每天上的新品多达数千款,而这么多的新款,其实并没有下单生产,而是仅仅打版做了样品。根据营销中得到的用户反馈,找出可能的爆款再生产就好了。按这样的方法论,既避免了设计师经验导致的盲目自负,也避免了设计失败带来的库存积压,还能做到非常敏捷的产品升级换代。
    再说回网服行业。面向单品的营销,其数据是否有助于回答下面这些问题:下一个产品爆点在哪里?产品应该向什么方向演进?说得更大一点,广告渠道和客户是否可以“共创”下一个增长点呢?
    还拿上面的小说案例来看,这么做显然有巨大的空间!每个作者都是根据自己熟悉的题材来写作,可是到底什么样的小说受欢迎,只有等丑媳妇见了公婆,也就是拿到了读者的反馈数据才能搞清楚。而在单品营销的框架下,完全有可能得到详实的数据统计,然后驱动后端的运营,去生产更多受欢迎的内容。
    大家还记得不?江湖上有个《纸牌屋》利用大数据调整内容方向的神话。在今天网服行业营销商品化的大趋势下,用更加系统性的方法,反向推动商品和内容的设计生产,正悄悄展示出强大的力量,也逐渐让营销变得不只是营销,而是数据化的市场瞭望哨。

趁六一八优惠,赶紧加入星球!
继续阅读