基于VAR 模型的互聯(lián)網(wǎng)廣告投放效果分析

張溪源

一、 引言

在互聯(lián)網(wǎng)漸漸普及后，我們的生活方式開始更新?lián)Q代。出現(xiàn)了電商平臺、團(tuán)購和外賣、支付寶和微信支付、微信和微博等，這些我們每天都在使用的軟件，潛移默化地改變了我們的生活。 科技的進(jìn)步使廣告?zhèn)鞑バ问桨l(fā)生了轉(zhuǎn)變，這對整個(gè)廣告行業(yè)來說也是一次巨大的挑戰(zhàn)。 太多的傳統(tǒng)廣告公司一時(shí)接受不了互聯(lián)網(wǎng)新媒體取代傳統(tǒng)媒體在廣告投放中的重要地位，無法完成轉(zhuǎn)型而面臨危機(jī)。 也有很多人在質(zhì)疑新形式的廣告是否就真的能帶來投放效果，是否能幫助企業(yè)節(jié)約成本，帶來效益。

河南大學(xué)的殷靜靜在她的研究中，通過對科技發(fā)展后的移動終端與互聯(lián)網(wǎng)之間密不可分的相互影響關(guān)系的研究，從社交和直播等角度入手，基于大數(shù)據(jù)下的廣告營銷方法，給出了廣告業(yè)的未來發(fā)展方向。 但是她只從行業(yè)的角度進(jìn)行了宏觀分析，并沒有給出互聯(lián)網(wǎng)廣告是否真的是有效投放的實(shí)際案例。 本文就通過一個(gè)實(shí)際的廣告投放過程，通過建立VAR 模型來說明在互聯(lián)網(wǎng)廣告行業(yè)中廣告投放花費(fèi)對投放效果的影響程度有多大。

二、 實(shí)證研究

(一)變量及數(shù)據(jù)選取

為了探究互聯(lián)網(wǎng)廣告行業(yè)廣告投放是否會帶來顯著的投放效果，本文選取手機(jī)品牌這一移動互聯(lián)網(wǎng)營銷平臺。 通過下載量、新增設(shè)備量、卸載重裝量、DAU 等效果數(shù)據(jù)來判斷我們投放廣告效果如何。 其中DAU 是指日活躍用戶數(shù)量，是計(jì)量每日有多少用戶使用軟件，只計(jì)算首次打開，不會重復(fù)計(jì)數(shù)。 這個(gè)數(shù)據(jù)在我們判斷效果和做出投放花費(fèi)決策時(shí)還是比較重要的，因?yàn)橐粋€(gè)產(chǎn)品做出來是為了讓用戶使用的，DAU 很好地反映了用戶是否在使用這個(gè)產(chǎn)品。

我們收集了某電影App 從2017 年12 月1 日到2018 年8 月21 日在某手機(jī)品牌上投放廣告的花費(fèi)以及得到的下載量、新增設(shè)備量、卸載重裝量、DAU 共264 天的時(shí)間序列數(shù)據(jù)進(jìn)行實(shí)證分析，本文數(shù)據(jù)分析均使用EViews 統(tǒng)計(jì)軟件。 由于我們研究的是廣告投放花費(fèi)所帶來的投放效果，所以只有一個(gè)解釋變量為花費(fèi)，下載量、新增設(shè)備量、卸載重裝量和DAU 均為被解釋變量。 將每日廣告投放的花費(fèi)記為x，下載量記為y1，新增設(shè)備量記為y2，卸載重裝量記為y3，DAU 記為y4。

(二)模型構(gòu)建

1. 單位根檢驗(yàn)

由于所選取的數(shù)據(jù)均為時(shí)間序列，進(jìn)行建模前，為了保證序列的平穩(wěn)性，需要對每一個(gè)序列進(jìn)行單位根檢驗(yàn)。 因?yàn)椴黄椒€(wěn)序列做回歸時(shí)也有可能出現(xiàn)模型效果很好，但實(shí)際上是“偽回歸”。 由于出現(xiàn)了變量序列不平穩(wěn)的情況，我們同時(shí)檢驗(yàn)了各序列的一階差分序列平穩(wěn)性。

表1 給出了各變量ADF 單位根檢驗(yàn)結(jié)果。

表1 各變量平穩(wěn)性檢驗(yàn)結(jié)果

從上表可以看出，x、y1、y2、y3、y4 原序列在5%顯著性水平下并不是平穩(wěn)的，所以不能選取簡單的線性回歸模型來分析，于是觀察所有序列一階差分后是否仍舊不平穩(wěn)，在5%顯著性水平下，我們發(fā)現(xiàn)dx、dy1、dy2、dy3、dy4 序列都是平穩(wěn)的了，所以x、y1、y2、y3、y4 都是一階單整序列。

廣告投放花費(fèi)之所以不是平穩(wěn)的，可能是因?yàn)榇嬖诠?jié)日期間平臺方會抬高廣告位的價(jià)格，而廣告投放方因?yàn)楣?jié)日期間效果更好，會增加投放，隨機(jī)性太強(qiáng)，而效果數(shù)據(jù)也會因此而不平穩(wěn)。 其中特別是DAU 這個(gè)數(shù)據(jù)，它與產(chǎn)品本身相關(guān)性太強(qiáng)。 以新浪微博為例，當(dāng)出現(xiàn)熱門話題新聞時(shí)，DAU 會巨量增加，而平時(shí)沒有熱門時(shí)，就算當(dāng)天廣告投放比之前多，也可能出現(xiàn)DAU 不增反降的情況。

2. 協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)是為了確定每一個(gè)變量之間存不存在一個(gè)長期穩(wěn)定性，是基于不平穩(wěn)的序列進(jìn)行的檢驗(yàn)。 若各變量之間存在一個(gè)或多個(gè)協(xié)整關(guān)系，那么應(yīng)建立誤差修正模型。 如若不存在，那么我們需要建立VAR 模型。 對原不平穩(wěn)序列進(jìn)行協(xié)整檢驗(yàn)，結(jié)果分析如下表：

表2 Johansen 協(xié)整檢驗(yàn)的結(jié)果

通過上表的p值可以明顯看出，在5%顯著性水平下，所有p值都大于0.05，并且從上到下p值越來越大，全都接受原假設(shè)。 從不存在協(xié)整向量這一原假設(shè)的p值大于0.05，即可證明各變量間不存在協(xié)整關(guān)系，各變量之間不存在長期穩(wěn)定性，不適用誤差修正模型，我們應(yīng)建立VAR 模型。 模型要求平穩(wěn)的時(shí)間序列，所以通過各變量一階差分序列建立VAR模型。 各變量一階差分序列分別為dx、dy1、dy2、dy3、dy4，建立VAR 模型。

3. 適應(yīng)性檢驗(yàn)

通過選取適當(dāng)?shù)臏箅A數(shù)來建立恰當(dāng)?shù)腣AR 模型，本文基于差分序列建立滯后一階的VAR 模型。 為了驗(yàn)證建立的VAR 模型是否成立，需要對模型進(jìn)行適應(yīng)性檢驗(yàn)。 檢驗(yàn)結(jié)果如下圖1 所示。

圖1 適應(yīng)性檢驗(yàn)結(jié)果

從圖1 中可以看出，所有的單位根都在單位圓內(nèi)，說明我們建立的模型是成功的，此模型是穩(wěn)定的，接下來就可以對各變量之間存在的關(guān)系進(jìn)行檢驗(yàn)和分析。

(二)效果分析

在效果分析中，本文通過脈沖響應(yīng)函數(shù)、方差分解和格蘭杰因果檢驗(yàn)來研究分析廣告投放的花費(fèi)與下載量、新增設(shè)備量、卸載重裝量和DAU 之間存在的關(guān)系，以此來確定廣告投放效果是否顯著。

1. 脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)(IRF)是為了分析一個(gè)變量在受到外界的某種沖擊時(shí)做出的反應(yīng)以及對整個(gè)模型的動態(tài)影響。y1、y2、y3、y4 四個(gè)變量受到x 變量沖擊后的反應(yīng)如圖2 所示。橫軸表示的滯后階數(shù)，一般不會滯后太多，因?yàn)橛绊懗潭葧絹碓叫?；縱軸表示每一個(gè)內(nèi)生變量對出現(xiàn)沖擊的響應(yīng)程度。 由于我們不研究花費(fèi)對自身的沖擊，本文只選取了花費(fèi)對每一個(gè)效果產(chǎn)生的沖擊。

圖2 脈沖響應(yīng)結(jié)果

從圖2 中可以看出，下載量、新增設(shè)備量、卸載重裝量和DAU 在第一期受到廣告投放花費(fèi)的一個(gè)沖擊后，立即會有正向的反應(yīng)，四個(gè)變量均在第二期滯后正向反應(yīng)不斷地縮小，之后又在第三期后有略微回升，直到第五期時(shí)點(diǎn)時(shí)，四個(gè)變量對于花費(fèi)的一個(gè)沖擊反應(yīng)較為穩(wěn)定，五期以后，受到花費(fèi)的沖擊后，下載量、新增設(shè)備量、卸載重裝量和DAU 受到的反映基本為零。 說明下載量、新增設(shè)備量、卸載重裝量和DAU 都會因?yàn)閺V告投放的增加而出現(xiàn)不同程度的增長，而滯后期大概5 天后影響幾乎就完全沒有了。

從脈沖效應(yīng)函數(shù)就能非常明顯地看出我們研究的廣告效果的好壞，不管投放花費(fèi)對各個(gè)變量的影響有多大，至少從方向上看，產(chǎn)生的都是正向的推動作用，而不是反向的阻礙作用。 而滯后期漸漸在第五期趨于0 也說明了當(dāng)天的廣告投放對投放效果只會造成一個(gè)短期的影響，時(shí)間越長，影響越小，不超過一周影響就會消失，也符合實(shí)際經(jīng)濟(jì)情況。

2. 方差分解

知道了花費(fèi)會對其他變量引起正向的影響后，要探究花費(fèi)對哪一個(gè)變量影響最大。 方差分解是為了觀察各變量對自己和其他變量的貢獻(xiàn)度的，可以反映出每個(gè)信息對于變量沖擊的重要性，下表給出了的方差分析結(jié)果：

表3 x 對各變量方差分析結(jié)果

從上面表3 中可以明顯看出下載量、新增設(shè)備量、卸載重裝量和DAU 在受到花費(fèi)的沖擊之后，確實(shí)貢獻(xiàn)度有提升。投放花費(fèi)對下載量的貢獻(xiàn)程度從一期的0.04%迅速上升，從第二期開始就高達(dá)75%，并且在之后一直趨于穩(wěn)定不變。 說明廣告投放主要造成了下載量增加這一結(jié)果，企業(yè)選擇CPD和CPT 的付費(fèi)方式可能性比較大，投放主要目的是讓用戶下載軟件，也符合實(shí)際情況。 而投放花費(fèi)對新增設(shè)備量的貢獻(xiàn)度較低，一直處于1%之下，可能是因?yàn)樾略鲈O(shè)備量對設(shè)備的要求偏高，需要設(shè)備是首次安裝，所以相對其他變量，影響較小。 投放花費(fèi)對于卸載重裝和DAU 的貢獻(xiàn)度分別穩(wěn)定在2.3%和4.1%，相較投放對下載量的影響，對它們的影響還是比較低的。

3. 格蘭杰因果檢驗(yàn)

格蘭杰因果關(guān)系不是實(shí)際意義上真正的由因?qū)е鹿年P(guān)系，而是說明各個(gè)變量之間存在的一種動態(tài)相關(guān)關(guān)系，且它只適用于平穩(wěn)序列。 所以我們用差分后的平穩(wěn)序列進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如下：

表4 格蘭杰因果檢驗(yàn)的結(jié)果

從表4 中p值可以看出，在10%的顯著性水平下，x與y2的相互關(guān)系是全部接受原假設(shè)的，說明投放花費(fèi)與新增設(shè)備量之間完全不存在格蘭杰因果，這與我們在方差分解中所提到的新增設(shè)備量的要求過高有關(guān)系。 而x與y1 的相互關(guān)系是全部拒絕原假設(shè)，投放花費(fèi)對下載量的影響在前面已經(jīng)研究過了，影響程度也比較大，而當(dāng)我們將顯著性水平定為10%的情況下，下載量也會對投放花費(fèi)產(chǎn)生一些影響。 這也就表明產(chǎn)品公司在做廣告投放決策時(shí)，也會特別參考之前的下載量數(shù)據(jù)，就像是投入了巨額的資金卻沒有得到滿意的效果，自然公司就會減少投入的資金。 剩下的x與y3 和y4 的關(guān)系均為花費(fèi)是卸載重裝量和DAU 的格蘭杰原因，反之并不成立。

三、 實(shí)證總結(jié)

我們通過對廣告投放花費(fèi)、下載量、新增設(shè)備量、卸載重裝量和DAU 建立VAR 模型并進(jìn)行效果分析，主要從脈沖響應(yīng)、方差分解和格蘭杰因果檢驗(yàn)這幾項(xiàng)中可以了解到，我們在廣告上的投入還是得到了比較顯著的效果的，投放對下載量、新增設(shè)備量、卸載重裝量和DAU 都會產(chǎn)生正向推動的效果，在大概5 日后效果會幾乎完全消退。 從廣告投放花費(fèi)對各變量的貢獻(xiàn)度中可以看出，投放對下載量的影響非常大，帶來了非常良好的投放效果，而新增設(shè)備量、卸載重裝量和DAU 這三個(gè)變量雖然也都存在正向影響，但相對于下載量被影響的程度，對它們的貢獻(xiàn)度差距很大。 從動態(tài)相關(guān)關(guān)系中也驗(yàn)證了方差分解的結(jié)論，并且顯示出下載量甚至也會對廣告投放花費(fèi)產(chǎn)生影響，考慮到投資決策，也符合實(shí)際。

四、 結(jié)論

本文通過整個(gè)互聯(lián)網(wǎng)廣告行業(yè)中的一個(gè)渠道廣告投放實(shí)例，來說明了當(dāng)下互聯(lián)網(wǎng)廣告投放還是會帶來比較顯著的投放效果，特別是對于產(chǎn)品下載量的影響非常大。 下載是產(chǎn)品盈利的一個(gè)前提，在保證下載量的情況下，再去考慮如何留住用戶使用產(chǎn)品，如何使用戶消費(fèi)，對于后期企業(yè)的盈利有著極大的幫助。 所以在企業(yè)選擇廣告投放方式時(shí)，不能再單一選擇傳統(tǒng)媒體針對一家進(jìn)行投放，互聯(lián)網(wǎng)技術(shù)的發(fā)展導(dǎo)致了廣告投放方式的變化，人們的需求也越來越多樣化。