计算广告的传播范围窄化问题与其可行性解决模式

◎邢冰冰

一、计算广告基于个体的精准广告投放

计算广告是以数据与算法为手段、以用户为中心的智能营销方式。它在数据实时高效的计算下进行快速投放与精准匹配及优化用户一系列需求。在操作方面的优点是程序化购买即自动广告竞价与用户购买。传统的广告运动包括调研、策划、创意、投放和效果评估等环节。由于受制于数据垄断、企业数字化转型受困等壁垒，计算广告并没有彻底颠覆传统广告运动流程，而是助力后者下完成一次革新和进化，其中广告传播环节的转变最具有革新性。

现阶段计算广告的传播不再是大众的传播，也不是分众的传播，而是成为基于个体的精准传播。这一转变的现实逻辑可以从媒体方、广告主方进行理解。

首先，媒体端将个体每一次信息接触都作为一次广告曝光机会进行零售。随着大数据与算法时代的到来，个体在媒体终端的每一次点击、搜索、浏览等行为都被认为是一种能够与广告密切接触的机会即广告曝光机会，媒体终端在技术的数据技术的加持下将这种“机会”上传至经由AD Exchange(广告交易平台)管理的SSP(Sell-Side Platform)平台作为一次广告曝光机会加以售卖，这一过程说明媒体不再按照时间或版面来出售广告位，而是按照广告曝光次数进行售卖。

其次，广告人员借助数据技术按次数购买曝光机会。广告人员将广告投放诉求下达至第三方平台DSP(Demand-Side Platform)，DSP平台链接管理用户资料的DMP(Data Management Platform)工具来筛选出符合广告人员需求的广告曝光机会，同时依托竞价平台RAT(反向竞价)在AD exchange平台上购买选中曝光机会，竞价成功后的几秒内即可进行针对个人的广告投放。至此，广告传播开始变成基于个体的精准传播。

二、数据表象与基于个体的传播带来广告投放传播窄化

借助于数据技术的优势，计算广告实现了基于个人的精准传播。但这种购买是如此的精准，以往广告那种能够带来的新顾客的可能性被这种精准性消减了。

1.大数据的封闭性导致限于已知市场的恶循环

张梧从康德哲学的角度将只这种只关照数据呈现出的直观表象而忽视感性存在的思想定义为当今数据表象思维，他精确地指出这种思维的封闭性，将人们的认知被牢牢锁定在过去的数据痕迹之中，因为大数据分析始终是基于过去的数据痕迹而进行推算的，它不可能突破数据痕迹的藩篱而实现颠覆性创新。在广告投放层面，这种缺乏主观思考的数据表象思维导致传播活动永远基于过去的数据做出广告投放，让精准投放陷入了一个恶性循环:基于已知的市场数据与用户数据做出基于已知用户的投放——得到关于此次数据的评估反馈——基于此次已知数据开展下一次广告活动，这个循环周而复始，因为所有的广告投放都是基于已知数据所做出的，所以广告传播完全困于已知市场，丧失了广告运动的创新性与开拓性。

2.精准传播进一步巩固广告限于已知市场的恶循环

在数据表象思维的支配下，广告传播限定于已知顾客，而这种缺陷被精准传播放大、巩固。追寻精确的同时也意味着放弃相关性，这表现在广告传播上即是不出一丝不苟地将广告传达已知市场，而抛弃与目标广告个体的相关个体或群体，这无疑进一步消解接触新顾客的可能性，加强传播范围窄化。

广告投放范围圈定了广告运动发挥作用的范围与程度，根本地影响广告成效，是广告运动传播层面的关键。基于个体的精准传播与传播窄化的矛盾直接阻碍了当今广告运动的效力，因此解决用户购买环节中精确化与窄化的矛盾具有极端重要性。

三、支持有效划分广告传播范围的可行性模式

广告目标的建立作为广告运动的起始环节，具有对整个广告运动起到加以定性的关键作用。广告目标既规定了广告运动的整体运行方向，又为具体环节的决策提供原则性指导。因此广告目标对计算广告视角下的广告运动的重要环节:传播范围划分环节也具有指导作用。

传统的广告目标主要是定性的描述，包括营销层面以及传播层面上的两层内涵，诸如知名度以及好感度等等。而在计算广告与传统广告日益融合的情况下，广告人员下达的指令应该是定量的。定性的目标无法直接转化为定量的指标，这中间需要搭建一项系统或者一项工具，让传统的广告目标能够直接指导传播范围的划定。笔者尝试搭建支持有效广告投放范围划分的模型:首先，将传统的广告目标划分为依循性与预测性两类；其次，不同类别的广告目标按照不同的指标或者条件进行各自的传播范围划分。再次，依循性目标下的广告传播活动主要利用个体属性标签去选定个体传播对象，预测性目标下的广告传播活动从个体属性、社交网络、即将投放广告的媒体环境这三个方面来确定群体传播对象。

1.依循与预测两个维度的广告目标划分

数据是事实或观察的结果，是用于表示客观事物逻辑的未经加工的原始素材。只有正在发生或者已经发生的事实才能够被观察到，因此数据本身永远是过去式的。但在社会环境中，人类使用数据的目的是进行预判。舍恩伯格曾言大数据的核心就是预测，它是将数学算法运用到海量的数据上来预测事情发生的可能性。数据具有两个基本功能:描述一件事实或者预测一种未来。前者聚焦于过去式的事实，讲求精确性；后者其基础上更进一步，包含着更多可能性。这恰恰与目标用户购买环节的现存矛盾:过于精确与缺乏开拓性相对应。因此，把传统的广告目标划分为依循和预测两个维度将有助于广告人员针对现存矛盾，做出合理的传播范围划定。

2.营销因素与广告创意影响目标划分

广告是营销传播活动。在营销环节，营销目标决定广告目标市场。在传播环节，广告创意决定了广告投放的方式及规律。营销因素与广告创意因素在传统广告时期已经是影响媒体购买的重要因素，因此按照营销因素与广告创意这两指标，笔者试作以下分类:如果传统的广告目标在营销中不考虑开拓新环境或者广告创意普适性不强，那么在此模式中被划分为依循性目标，反之则为预测性。不考虑新市场主要是指:不宣传市场内全新的产品或理念、不进军全新的人群市场等。

3.依循性目标指导下的广告活动基于个体属性实现针对个人的精准传播

在依循性目标下，关于受众的认知较为明确，且由于不考虑新市场，传播的精准性对于广告传播活动贡献度更高，因此可以选择精确的用户描述指令，指令中详细描述目标用户的个体属性，如:“20-22岁，购买本品牌口红三次以上，一线城市居住”。同时选定高度符合的用户，如若A用户80%符合条件、C用户100%符合条件、D用户40%符合条件，这种情况下就放弃D，而选择符合度更高的AC。筛选条件随着广告目标对精确性要求的变化而变化。

4.预测性目标指导下的广告活动基于三个维度以实现针对群体的传播

预测性目标旨在开拓新市场，希望在向已知顾客传递信息的同时也能够接纳未知客户，需要坚决避免用户购买窄化问题。笔者认为可以从三个方面来指导购买指令的下达:以定量方式确保精准性的个体基本属性、以定性方式确保发散性的社交网络，以定性方式确保稳定的传播环境。

个体基本属性即是个体的爱好、需求、媒体接触习惯等基本洞察。社交网络指代个体所属的群体、组织等既往关系。媒体环境指即广告曝光所属的媒体以及与这家媒体相关的一切属性与关系。这三个层面共同构成了一个以已知用户为中心构建的特定群体网络生活空间。个体的基本属性层面指导购买已知用户，这能够保障广告到达的精准性。通过已知用户的社交网络链接起拥有一定相似度的人群，这期间极大地包含了广告人员无法确定，但的确是产品或服务潜在消费者的人群。最后，媒体环境就像是网络空间居住者的社区环境，指示了目标用户的整体水平与用户接受信息时的基本氛围，是形成口碑、社群传播等良性效果的稳定依托。前者排除购买群体时的不稳定性，后者打造利于广告接受的整体环境。从这三个层面出发确立购买指令，购买的将不再是原子式的个体，而是在特定媒体环境中，拥有一定关联度并且相互沟通交流的特定群体。在这个群体中，广告信息既能够被广告人员能够预测到的目标群体接受，还能够被广告人员无法预测的潜在用户接触。

预测性目标下的人群购买依靠的底层逻辑是:依赖已知用户的基本特征去发现未知用户，其实现路径是定向的群体购买。广告人员从出于精准性个体属性、发散性的社交网络和广告将要投放到的媒体上来考虑指令的下达。

结语

计算广告将数据与算法带入广告行业，使广告投放走向基于个体的精准传播。但是数据旨在呈现已发生事物的表象，缺乏主观决策与创造的广告传播势必局限于已知市场。以广告目标为出发点，将广告传播目标划分为预测与依循，在此基础上开展不同侧重点的传播活动的思维模型可能为打破广告传播困境提供有益视角。但解决这一困境更根本的思路是:在数据技术面前广告传播活动的任何环节都应该保持主观能动、清醒和反思。