基于滯后主成分回歸的電商平臺廣告效果評價(jià)研究

賈曉霞 智路平 李巧艷

摘 要：基于對廣告投放相關(guān)變量的細(xì)分，考慮負(fù)二項(xiàng)分布中成功概率值在處理廣告信息累積性方面的優(yōu)勢，提出負(fù)二項(xiàng)分布和主成分回歸相結(jié)合的滯后主成分回歸模型，并以天貓平臺某口香糖廣告投放為研究對象，采集該品牌真實(shí)廣告展現(xiàn)和點(diǎn)擊數(shù)據(jù)，進(jìn)行了實(shí)例驗(yàn)證。實(shí)證結(jié)果表明，銷售峰值的出現(xiàn)滯后于廣告大力投放日，這體現(xiàn)出廣告效應(yīng)的滯后性和累積性。負(fù)二項(xiàng)分布對廣告變量的滯后處理效果良好，所提出的滯后主成分回歸模型能夠真實(shí)地模擬天貓平臺廣告效應(yīng)，并在提取不同渠道廣告變量主要信息的基礎(chǔ)上，較好地反映出廣告投放各維度對銷售額的貢獻(xiàn)。作為點(diǎn)擊計(jì)費(fèi)廣告，口香糖直通車和糖果類直通車的投入產(chǎn)出比普遍好于鉆展，其中，競爭產(chǎn)品關(guān)鍵詞、長尾詞直通車的投放對銷售額促進(jìn)效果最為明顯。星級店鋪貢獻(xiàn)率接近10%，不失為是一種很有效的電商廣告。

關(guān)鍵詞：天貓平臺;負(fù)二項(xiàng)分布;主成分回歸;廣告效應(yīng);電商平臺;模擬

中圖分類號：F 224

文獻(xiàn)標(biāo)識碼：A? ?文章編號：1672-7312（2020）03-0308-11

Research on the Advertising Effectiveness Evaluation of?E-Commerce Platform Based on the NBD-PCR

JIA Xiao-xia，ZHI Lu-ping，LI Qiao-yan

（School of Management，University of Shanghai for?Science and Technology，Shanghai 200093，China）

Abstract：Based on the subsection of variables relative to?advertisement launch，considering the advantage of success probability value in?negative binomial distribution which can deal with the cumulativity of?advertisement information，the lag principal components regression model was?presented which combines negative binomial distribution and principal components?regression.Also，aiming at advertisement launch of a certain brand chewing，the?real advertisement show and hits data were collected and verified.The demonstration?results indicate that the appearance of sale peek value lags behind dvertising day，which reflects the hysteresis quality and cumulativity;that the negative?Binomial Distribution has a good deal with the lag advertisement variables，and?that the proposed lag principal components regression model can truly simulate the?corresponding Tmall platform advertisement effect.And on the basis of extracting?the main information of different channels of advertising variables，it can better?reflect the contribution of various dimensions of advertising to sales.As the click?charging advertisement，the input-output ratios of gum and candy through chain are?generally better than drill show，thereinto，the promoting effect of launch of?competitor words and the long tail brand through chain on the sales is the most?obvious.The star return of investment is close to 10%，which can yet be regarded as?a kind of very effective e-commerce advertisement.

Key words：tmall platform;negative binomial distribution;

principal components regression;advertisement effect;e-commerce platform;simulation

0 引言隨著互聯(lián)網(wǎng)快速發(fā)展以及電子商務(wù)的日趨成熟，網(wǎng)絡(luò)廣告已經(jīng)超越電視成為第一大媒體。根據(jù)艾瑞咨詢《中國網(wǎng)絡(luò)廣告市場規(guī)模分析預(yù)測》，搜索引擎、電商網(wǎng)站及其他類展示廣告發(fā)展成為網(wǎng)絡(luò)廣告界“三巨頭”，且增長趨勢最為穩(wěn)定的電商廣告具有趕超搜索類廣告成為第一大網(wǎng)絡(luò)廣告的明顯優(yōu)勢。然而，對于電商廣告的大量投入，很多商家僅僅依據(jù)當(dāng)期廣告的投入產(chǎn)出比來決策，缺乏廣告效應(yīng)基礎(chǔ)上精準(zhǔn)投放的科學(xué)分析和規(guī)律探索。由此，文中擬以天貓平臺廣告為例，選取某品牌口香糖項(xiàng)目廣告投放銷售額為因變量，采集其真實(shí)廣告展現(xiàn)和點(diǎn)擊數(shù)據(jù)，揭示鉆展、直通車等廣告投入對其銷售額影響的滯后效應(yīng)，探索能帶來銷售額增長的廣告變量的發(fā)展和演變規(guī)律。

1 國內(nèi)外相關(guān)文獻(xiàn)綜述

1.1 廣告投放的效果廣告投放效果是指通過廣告媒介傳播產(chǎn)品和服務(wù)相關(guān)信息，使得廣告對其目標(biāo)受眾產(chǎn)生直接或間接的影響[1]。換言之，廣告投放效果是廣告受眾對廣告宣傳活動的結(jié)果性反應(yīng)與接受程度狀態(tài)，按時(shí)間常劃分為瞬時(shí)效果、近期效果以及遠(yuǎn)期效果[2]。當(dāng)然，遠(yuǎn)期效果對于消費(fèi)者的影響比其他兩種效果更深遠(yuǎn)。從長遠(yuǎn)角度來看，遠(yuǎn)期效果是最終的廣告效果類型，能幫助企業(yè)穩(wěn)定銷售額、穩(wěn)固市場地位。廣告效果按性質(zhì)還可劃分為經(jīng)濟(jì)效果、心理效果以及社會效果[3]，按過程也可劃分為事前效果、事中效果以及事后效果[4];按構(gòu)成因素則可劃分為原稿效果和媒介效果[5]。此外，在對影響廣告投放效果因素的識別方面，朱志北、李斌等提出廣告環(huán)境、網(wǎng)頁內(nèi)容相關(guān)性、信息豐富程度三大因素[6]。錢增艷通過對不同廣告特性和內(nèi)容的互聯(lián)網(wǎng)廣告曝光率與廣告效果相關(guān)性的實(shí)證研究，認(rèn)為廣告曝光會提高消費(fèi)者對品牌的態(tài)度而使廣告效果較佳[7]。

1.2 廣告投放的計(jì)量相較于傳統(tǒng)廣告，網(wǎng)絡(luò)廣告的可測量性非常突出，可以及時(shí)統(tǒng)計(jì)出曝光、點(diǎn)擊、訪問人數(shù)等數(shù)據(jù)，從而獲得瀏覽率、點(diǎn)擊率及轉(zhuǎn)化率等指標(biāo)來進(jìn)行即時(shí)的效果反饋。Brajnik和Gabrielli提出曝光和點(diǎn)擊計(jì)價(jià)兩種重要的網(wǎng)絡(luò)廣告計(jì)價(jià)模型[8]。曝光和點(diǎn)擊以及轉(zhuǎn)化率均在一定程度上反映了網(wǎng)絡(luò)廣告投放效果的好壞[9-10]。廣告點(diǎn)擊率是所投放的廣告被點(diǎn)擊次數(shù)與總展示次數(shù)的比例[11]。有效精準(zhǔn)地預(yù)測廣告的點(diǎn)擊率，是提高廣告投放效率至關(guān)重要的一步。

1.2.1 位置模型

2002年Joachims T[12]首次使用點(diǎn)擊日志計(jì)算位置模型。該模型假設(shè)點(diǎn)擊依賴于相關(guān)性檢驗(yàn)?；冖倜恳粋€排序位置有一個被檢驗(yàn)到的確定概率，該概率與排序成反比;②搜索返回結(jié)果頁中的url獨(dú)立的假設(shè)，文獻(xiàn)[13-15]提出了基于位置模型的點(diǎn)擊率估算方法。

1.2.2 假設(shè)檢驗(yàn)?zāi)Ｐ?/p>

基于假設(shè)檢驗(yàn)的點(diǎn)擊率估算方法則假定廣告的位置并不直接影響廣告點(diǎn)擊，廣告被點(diǎn)擊與否取決于用戶看到廣告與否，體現(xiàn)了廣告首先被展現(xiàn)，然后再以一定概率轉(zhuǎn)化為點(diǎn)擊的思想。假設(shè)檢驗(yàn)過程則是對用戶行為的一種建模，基于此，文獻(xiàn)[16]采用一種貝葉斯框架的點(diǎn)擊鏈模型，該模型假設(shè)用戶在一個查詢會話中，依次瀏覽整個查詢結(jié)果，并且點(diǎn)擊行為僅與文檔的位置和文檔相關(guān)性有關(guān)。具體做法是將文檔的相關(guān)性和是否查看下一文檔的概率屬性設(shè)為后驗(yàn)參數(shù)，對整個點(diǎn)擊過程進(jìn)行建模。點(diǎn)擊率是作為點(diǎn)擊類廣告效果評價(jià)指標(biāo)。因?yàn)辄c(diǎn)擊率包含了曝光和用戶篩選這一過程，下一步就是購物行為轉(zhuǎn)化，因此點(diǎn)擊率與產(chǎn)品銷售有著更密切的關(guān)系。但目前的研究大多基于搜索商視角，利用點(diǎn)擊率進(jìn)行搜索頁面排序，相關(guān)實(shí)證研究較少。

1.2.3 投入產(chǎn)出比

國內(nèi)學(xué)者聚焦網(wǎng)絡(luò)廣告效果評價(jià)指標(biāo)CPM（千次曝光成本）、CPR（單位相應(yīng)成本）、CPA（單位行動成本）和CPC（單位點(diǎn)擊成本）等指標(biāo)進(jìn)行了廣告投入產(chǎn)出的相關(guān)研究[17-20]。

2 變量設(shè)計(jì)與模型構(gòu)建

2.1 模型構(gòu)建背景互聯(lián)網(wǎng)媒體不僅以銳不可當(dāng)之勢爭奪傳統(tǒng)媒體的廣告資源，而且深受新消費(fèi)形態(tài)行業(yè)和新消費(fèi)需求行業(yè)的青睞[21]。顯然，消費(fèi)者在電商平臺購物對廣告信息的接受可以按照有無明確購物標(biāo)的而細(xì)分為有意和無意購物，之后所觸發(fā)的連環(huán)點(diǎn)擊，將會導(dǎo)致購物車添加之后的直接購買、關(guān)注或收藏、關(guān)注或收藏后再行購買、淡忘或放棄購買4種行為，而后3種行為充分說明了廣告信息對消費(fèi)者購物的累積影響，即廣告投放對消費(fèi)者的影響并不穩(wěn)定，存在一定的滯后性?？紤]到負(fù)二項(xiàng)分布中成功概率值在處理廣告信息累積性方面的優(yōu)勢，這里擬以負(fù)二項(xiàng)分布概率值加載于廣告曝光和點(diǎn)擊變量上，利用主成分回歸分析的特征提取和變量降維功能揭示電商平臺廣告投放的滯后效應(yīng)。以天貓平臺廣告為研究對象，鉆展為展示類廣告，直通車為點(diǎn)擊式廣告。天貓對鉆展的計(jì)費(fèi)方式按競價(jià)排序依次展現(xiàn)，按日展現(xiàn)次數(shù)，點(diǎn)擊次數(shù)，相應(yīng)指標(biāo)千次展現(xiàn)成本計(jì)費(fèi)。天貓對直通車按點(diǎn)擊計(jì)費(fèi)，仍然預(yù)存費(fèi)用，設(shè)置最高日限額和單次點(diǎn)擊出價(jià)。對于商家（Business）B，現(xiàn)有同類產(chǎn)品（Product）共p種不同產(chǎn)品細(xì)分。這p種產(chǎn)品均需要投放鉆展和直通車廣告。鉆展投放有m種投放方式，直通車有n種投放方式。天貓后臺均有各類廣告日曝光量（Impression）和日點(diǎn)擊量（Click）數(shù)據(jù)，以及對應(yīng)產(chǎn)品的日銷售額（Sales）。

1）設(shè)投入成本用Cost表示，則

為第i種產(chǎn)品第t天第j種鉆展所花費(fèi)的成本;

為第i種產(chǎn)品第t天第j種直通車所花費(fèi)的成本。計(jì)劃時(shí)間段內(nèi)，廣告投入成本共計(jì)

2）各類廣告每日展現(xiàn)次數(shù)用Impression表示，則

Impressionztij為第i種產(chǎn)品第t天第j種鉆展所帶來的展現(xiàn)次數(shù);ImpressionTtij為第i種產(chǎn)品第t天鉆展展現(xiàn)總次數(shù)。

3）各類產(chǎn)品日銷售額用Sales表示，則

Salesti為第t天第i種產(chǎn)品的銷售額。

2.2 相關(guān)變量設(shè)計(jì)

2.2.1 基本變量模型基本變量為：

故可按2種思路進(jìn)行建模歸類（詳見式（1）～（6））

p1Salesti，表示所有產(chǎn)品在第t天總銷售額（6）考慮到促銷活動往往對銷售額增長產(chǎn)生較大影響，添加促銷效應(yīng)啞變量Promotion day，以合理區(qū)分廣告效應(yīng)和促銷效應(yīng)，并設(shè)每次促銷活動的前兩天分別為Prom.day 1，Prom.day 2.

2.2.2 變量的滯后處理設(shè)negX=f（x，p，r，k），利用負(fù)二項(xiàng)分布算法對變量X進(jìn)行處理，可得

2.3 模型構(gòu)建

2.3.1 主成分回歸建?；陔娚虖V告特點(diǎn)及計(jì)價(jià)方式，文中數(shù)學(xué)建模和數(shù)據(jù)分析假設(shè)如下

1）廣告效應(yīng)具有滯后性和積累性。

2）曝光以α

轉(zhuǎn)化為點(diǎn)周，點(diǎn)擊以β轉(zhuǎn)化為購買，其中，0<（α，β）<1.首先，從樣本協(xié)方差矩陣入手尋找變量的主成分，設(shè)滯后廣告變量樣本協(xié)方差矩陣為A，可得Sales by product

（9）其次，為方便計(jì)算，在對各變量進(jìn)行中心化處理的基礎(chǔ)上，求出樣本協(xié)方差矩陣的特征值和特征向量，進(jìn)而抽取出變量主成分。以模型1為例，不難構(gòu)建出其主成分回歸模型

2.3.2 變量銷售額貢獻(xiàn)及ROI將各廣告變量的銷售額貢獻(xiàn)記作Contribution，計(jì)算單位成本下的銷售額貢獻(xiàn)（ROI）

3 問題分析與思路

3.1 確定項(xiàng)目分析需求天貓平臺上的鉆展廣告和直通車廣告而言，廣告運(yùn)營通過購買詞包，如某品牌口香糖項(xiàng)目、彩虹糖、某品牌、益達(dá)、清新口氣、健康牙齒等關(guān)鍵詞，使得用戶在搜索這些關(guān)鍵詞時(shí)，可以彈出相應(yīng)的廣告。原數(shù)據(jù)將鉆展和直通車按照各自關(guān)鍵詞或鉆展投放類型分類，得到各渠道下廣告曝光量、點(diǎn)擊量、廣告花費(fèi)等每日數(shù)據(jù)。作為如今商家銷售最重要的電商平臺之一，天貓展位售價(jià)按曝光量收費(fèi)，直通車競價(jià)模式按點(diǎn)擊量收費(fèi)，大商家在天貓平臺上的廣告費(fèi)投入成為商家成本中重要的一部分。電商運(yùn)營往往通過每天的轉(zhuǎn)化率、跳轉(zhuǎn)率或ROI來選擇投放方式，缺乏深層次數(shù)據(jù)挖掘基礎(chǔ)上的廣告投放成本的決策分析以及與不同渠道廣告投放數(shù)據(jù)的對比研究。

文中認(rèn)為購物者可能有目的搜索或?yàn)g覽網(wǎng)頁購買自己需要的產(chǎn)品，也可能會通過分類查找或直接關(guān)鍵詞搜索的方式進(jìn)行查找，并在搜索網(wǎng)頁點(diǎn)擊其他推薦產(chǎn)品的鏈接。如此以來就會發(fā)生網(wǎng)頁瀏覽的“連鎖反應(yīng)”。這種行為大多由直通車廣告促成。另一種情況是消費(fèi)者無具體目標(biāo)的瀏覽網(wǎng)頁[22]，通過頁面鉆展廣告，點(diǎn)擊自己感興趣的產(chǎn)品（如圖1所示）。

這里，文中擬通過與其他戶外廣告[23]，在線視頻鏈接廣告，電視廣告和數(shù)字平臺廣告不同渠道投放數(shù)據(jù)的對比來說明各廣告變量的銷售額貢獻(xiàn)及其單位成本下的銷售額貢獻(xiàn)，從而為廠商的廣告成本投入分配提供一定的決策支持。常見的線上視頻廣告（OTV）是在騰訊視頻或優(yōu)酷視頻網(wǎng)站上的廣告鏈接，按曝光或點(diǎn)擊收費(fèi);戶外廣告（OOH）如LED廣告燈箱、地鐵站廣告牌、商業(yè)樓廣告幕、公交站臺廣告牌等，則直接采用所購買的曝光次數(shù)或時(shí)長;數(shù)字平臺廣告（Digital）則是在各搜索網(wǎng)站或其他數(shù)字平臺上投放的廣告;電視廣告（TV）[24]則是傳統(tǒng)在電視臺投放廣告的做法，按GRP來量化和計(jì)費(fèi)。

3.2 數(shù)據(jù)分類匯總該口香糖共有4種產(chǎn)品類型，分別是糖果（Candy），口香糖（Gum），薄荷糖（Mint）和其他（Ambiguous）。天貓平臺共11種廣告投放渠道，其中鉆展5種，直通車6種。鉆展分別是場景鉆展（ZZ.Occasion）、魔鏡鉆展（ZZ.Mojing）、相似性產(chǎn)品鉆展（ZZ.Looka like，ZZ.Core user）、其他類型ZZ.Other;直通車按搜索關(guān)鍵詞分類，分別是核心品牌詞（ZTC.Core brand），長尾詞（ZTC.Long tales brand），分類關(guān)鍵詞（ZTC.Category words），競爭產(chǎn)品關(guān)鍵詞（ZTC.Competitor words），場景關(guān)鍵詞（ZTC.Occasion words），功能性關(guān)鍵詞（ZTC.Function words）。還有OTV，OOH，Digital，TV這4種其他平臺上的廣告類型數(shù)據(jù)。將這4種廣告進(jìn)行產(chǎn)品類別加和，得到各廣告類型的總播放量。圍繞不同廣告的曝光量（Impression）和廣告成本（Spending），數(shù)據(jù)整理按兩種思路進(jìn)行匯總（見表1）。具體做法：①按產(chǎn)品細(xì)分，將天貓平臺上的5種不同類型的鉆展廣告合并為鉆展，將不同天貓平臺上不同類型的直通車廣告合并為直通車;②按廣告類型細(xì)分，將產(chǎn)品合并，得到5種鉆展的曝光量和6種直通車的曝光量;③其他廣告類型，如戶外廣告、數(shù)字平臺廣告、在線網(wǎng)絡(luò)視頻廣告、電視廣告，由于投放天數(shù)少、廣告量小，采取產(chǎn)品加和形式。

3.2.1

按產(chǎn)品細(xì)分，則縱向相加，分別求出各產(chǎn)品的ZZ和ZTC的總和? 以口香糖這類產(chǎn)品數(shù)據(jù)為例，將每天Gum5類鉆展的曝光量加總作為該日Gum.ZZ的曝光量（Impression）或成本（Spending），Gum.ZZ.spending表示成本。Gum.ZZ=ZZ.1+ZZ.2+ZZ.3+ZZ.4+ ZZ.5

3.2.2?按廣告細(xì)分，則橫向相加，得到ZZ和ZTC各自的廣告類型變量

以ZZ.1為例，將某類鉆展每天4種產(chǎn)品加總的曝光量作為該日ZZ.1，ZZ.1.spending表示該類鉆展產(chǎn)品加總的廣告成本。ZZ.1=Gum.ZZ1+Candy.ZZ1+Mint.ZZ1+Amb.ZZ1

3.3 變量編碼及加權(quán)價(jià)格確定經(jīng)整理

匯總后的變量接下來完成定義及編碼工作，具體做法：①將日總銷售額作為因變量，按產(chǎn)品細(xì)分，廣告類型合并建立模型，稱為模型一。其變量定義及編碼見表2;②將日總銷售額作為因變量，按廣告細(xì)分，產(chǎn)品類型合并建立模型，稱為模型二。其變量定義及編碼見表3.

相關(guān)描述性分析主要圍繞促銷活動對銷售額的影響、針對該種產(chǎn)品投放的廣告而對該種產(chǎn)品的銷售額產(chǎn)生直接影響、針對該種產(chǎn)品所投放的廣告卻對同品牌下的其他產(chǎn)品產(chǎn)生間接影響3方面展開。結(jié)果表明，銷售峰值的出現(xiàn)在半年觀察期內(nèi)均滯后于同期廣告大力投放日，同類產(chǎn)品間的廣告效應(yīng)具有交叉作用。

3.4 數(shù)據(jù)分析思路實(shí)例中各種類型的廣告都是以曝光量和點(diǎn)擊量來展示的。曝光轉(zhuǎn)化為點(diǎn)擊，點(diǎn)擊進(jìn)一步轉(zhuǎn)化為購買行為。由于點(diǎn)擊量的數(shù)量小，還有很多零值，因此統(tǒng)一選用曝光量作為各類廣告的數(shù)據(jù)。具體思路分析如下，如圖2所示。

3.4.1 選取變量

根據(jù)銷售額（新客戶人數(shù)）做時(shí)間序列圖，獲悉數(shù)據(jù)分布情況。

3.4.2 針對所構(gòu)建模型

先用負(fù)二項(xiàng)分布將廣告變量滯后，滯后累計(jì)效果設(shè)置為70%.采用隨機(jī)抽樣的形式，將不同參數(shù)下滿足滯后累計(jì)效果的模型記錄下來，然后用主成分分析法，將鉆展和直通車廣告變量通過抽取主成分進(jìn)行回歸，最后再將主成分轉(zhuǎn)換為原始變量，即得到回歸方程。由于采取隨機(jī)抽樣的方法，不同滯后參數(shù)得到不同的回歸方程。通過展示各自變量回歸系數(shù)的分布圖，用常識和實(shí)際經(jīng)驗(yàn)判斷系數(shù)分布的合理性，用以調(diào)整模型的變量組合。當(dāng)各自變量系數(shù)正常，則可確定該模型的變量組合為最終模型樣式。

3.4.3 確定最終回歸方程

對該變量組合下模型進(jìn)行回歸，并對回歸系數(shù)表進(jìn)行分析，以選出最優(yōu)滯后參數(shù)，確定最終回歸模型。選擇方法是找到每個變量回歸系數(shù)的眾數(shù)，然后計(jì)算各變量系數(shù)與相對應(yīng)眾數(shù)的離差平方和，確定離差平方和最小的方程為最終回歸方程。

3.4.4 計(jì)算各廣告類型的貢獻(xiàn)

分析每日銷售總額的各構(gòu)成，記作每種廣告類型的貢獻(xiàn)。鑒于未考慮自變量本身的數(shù)量級，文中不直接用回歸系數(shù)大小來衡量自變量對因變量影響作用的大小。

3.4.5 計(jì)算每種廣告的ROI

基于（3）中計(jì)算貢獻(xiàn)值，用貢獻(xiàn)/廣告投入成本得到ROI，即ROI=

.ROI越高，說明同樣的成本投入可以得到更高的回報(bào)，說明該種廣告效應(yīng)好，應(yīng)該重點(diǎn)投入。簡言之ROI可以作為指導(dǎo)廣告投放決策的重要依據(jù)。

4 實(shí)證分析

4.1 主成分回歸隨機(jī)抽樣結(jié)果以模型1為例，文中在基本變量的基礎(chǔ)上，添加銷售峰值（Peak.day）和促銷日（Promotion.day）兩種代表不同程度促銷效應(yīng)的變量以及虛擬變量周末效應(yīng)Week.易得各自變量回歸系數(shù)分布圖（如圖3）和Model 1變量分布眾數(shù)（見表4）。

由此可見，各廣告效應(yīng)自變量回歸系數(shù)均為正值。符合“廣告效應(yīng)對銷售額有正向影響”的預(yù)期假設(shè)。其中，Candy.ZZ和Mint.ZZ系數(shù)大多為負(fù)值，但也有正值。出現(xiàn)這種情況的可能原因是Candy和Mint的鉆展投入很少，Candy的鉆展投入只有3天的投放量，且3天量均較少。因此，正向效果不顯著，甚至被其他對銷售有很大影響的如促銷變量“搶走”自身的影響效應(yīng)而變?yōu)樨?fù)值。而星級店鋪（Star）的回歸系數(shù)在廣告類變量中系數(shù)偏大，說明星級店鋪是非常有效且極具影響力的一種電商平臺廣告形式。

促銷效應(yīng)變量Peak.day和Promotion.day的回歸系數(shù)遠(yuǎn)大于廣告效應(yīng)，說明促銷活動對提高銷售額、擴(kuò)大知名度是一種非常有效的營銷方式。天貓流量回歸系數(shù)為正，符合常理。傳統(tǒng)廣告渠道如電視平臺（TV），戶外廣告（OOH），回歸系數(shù)很小，但對銷售額仍產(chǎn)生正向影響。而新型廣告渠道數(shù)字平臺（Digital）和在線視頻廣告（OTV），回歸系數(shù)很小，甚至后者基本為負(fù)值，說明新型廣告形式價(jià)格昂貴，但轉(zhuǎn)化率低。

4.2 最佳滯后效果分析及模型擬合質(zhì)量評價(jià)考慮每年的淘寶雙十一大促和春節(jié)大促對銷售造成的波動影響[25]，擬回避這段時(shí)間，選取該產(chǎn)品上市后的一段較穩(wěn)定時(shí)段進(jìn)行數(shù)據(jù)考察。這里，選擇2016-5-21至2016-10-10日這144天為調(diào)查窗口期，并采用最小離差平方和的方法確定最佳滯后參數(shù)，并提取主成分后代入回歸方程，求得滯后處理后的相關(guān)數(shù)據(jù)，相應(yīng)繪制各變量滯后效果如圖4所示。易知，各廣告變量均被不同程度滯后，變量變化趨勢和數(shù)據(jù)并沒有太多改變。

為了評價(jià)模型是否能很好地?cái)M合樣本數(shù)據(jù)以及對未來預(yù)測的能力，這里，文中通過絕對百分比誤差MAPE和R square來檢驗(yàn)?zāi)Ｐ蛿M合質(zhì)量。經(jīng)計(jì)算，MAPE=2.648<10，R2=0.887>0.8，說明模型擬合效果良好。

4.3 貢獻(xiàn)占比分析

4.3.1 各變量貢獻(xiàn)占比為消除回歸系數(shù)和因變量本身數(shù)量級可能的極端影響[26]，這里，擬將各變量乘以對應(yīng)回歸系數(shù)，求出各變量的貢獻(xiàn)加和，得到各變量的貢獻(xiàn)值=

.進(jìn)一步地，采用百分比表示各廣告效應(yīng)的相對大小，計(jì)算出廣告效應(yīng)總體占比。

由表5和圖5可知，在電商廣告中，口香糖直通車和糖果類直通車對銷售額貢獻(xiàn)較大，其次是星級店鋪的廣告投入;其他類廣告中，TV的銷售額貢獻(xiàn)相對最高，高達(dá)20%，然后是在線視頻廣告，貢獻(xiàn)最低的戶外廣告，其貢獻(xiàn)值微乎其微;促銷活動的貢獻(xiàn)都很高。且同一次促銷活動，第1天促銷效果最好，之后效果會減弱;產(chǎn)品價(jià)格因素與銷售額存在負(fù)相關(guān)性;而天貓流量貢獻(xiàn)值高達(dá)10%，說明平臺流量是商家銷售的關(guān)鍵前提;負(fù)截距項(xiàng)說明當(dāng)商家對產(chǎn)品不做任何推廣和營銷，天貓流量幾乎為0的情況下，銷售額將為負(fù)值，預(yù)示著商家面臨虧損。

4.3.2 各效應(yīng)貢獻(xiàn)占比將電商類廣告貢獻(xiàn)加和，易得電商廣告貢獻(xiàn)，將OTV，TV，Digital，OOH貢獻(xiàn)加和，可得其他廣告貢獻(xiàn)，將促銷類變量貢獻(xiàn)加和，可得促銷貢獻(xiàn)，并計(jì)算其各自占比，以比較各大類廣告貢獻(xiàn)的差異。

由圖6可看出，在2016-5-21至2016-10-10日這144天，電商廣告貢獻(xiàn)較穩(wěn)定且貢獻(xiàn)值較大。促銷貢獻(xiàn)僅在促銷日對銷售額有明顯促進(jìn)，銷售額出現(xiàn)的峰值一般均是因促銷活動引發(fā)，其他廣告明顯弱于電商廣告的貢獻(xiàn)。

就占比而言，可以更明顯地看出電商廣告貢獻(xiàn)占比（37.67%）和促銷貢獻(xiàn)（37.82%）相關(guān)無幾，其他廣告貢獻(xiàn)（24.51%）則弱于電商廣告的貢獻(xiàn)。

4.3.3 各渠道貢獻(xiàn)占比考慮到該口香糖作為快銷產(chǎn)品，屬于休閑娛樂的小食品類，其他渠道因廣告投放成本高而不被關(guān)注，故商家往往主要精力放在了電商平臺廣告的投放和促銷上。對廣告類變量進(jìn)行銷售額貢獻(xiàn)計(jì)算可得圖7，銷售額貢獻(xiàn)最大的是TV，其次是口香糖類的直通車、星級店鋪、糖果。電視臺的曝光量大，到達(dá)率高，雖然在廣告市場占比中有下降趨勢，但始終是廣告投放主要渠道。 星級店鋪貢獻(xiàn)突出的原因應(yīng)該與其位置顯眼，給消費(fèi)者傳遞商家正規(guī)、質(zhì)量可靠等信息有關(guān)。對比鉆展和直通車，直通車效果普遍好于鉆展，究其原因，直通車按點(diǎn)擊計(jì)費(fèi)，比單純的網(wǎng)頁瀏覽更容易促進(jìn)購買。

4.4 電商廣告投入產(chǎn)出比分析基于產(chǎn)品.ZZ和產(chǎn)品.ZTC以及其他廣告類型的貢獻(xiàn)值，再計(jì)算相應(yīng)的廣告成本，即Spending，不難得到ROI=

由圖8可知，直通車中各產(chǎn)出投入比，從高到低排序?yàn)樘枪?、薄荷糖、口香糖。而鉆展的ROI相比于直通車的ROI普遍較低，其中，薄荷糖鉆展效果最差。由此，基于變量銷售額貢獻(xiàn)計(jì)算的ROI，重新分配各類廣告成本投入比例。由表7和圖9可知，可提高糖果直通車、口香糖直通車、薄荷糖直通車類的投放比例，其他種類廣告投放不妨相應(yīng)調(diào)低成本投入。

顯然，競爭產(chǎn)品關(guān)鍵詞類直通車帶來的ROI最高，所謂“知己知彼，百戰(zhàn)不殆”，掌握競爭對手關(guān)鍵詞，顯然會增強(qiáng)現(xiàn)有產(chǎn)品競爭力;其次是長尾詞直通車，考慮消費(fèi)者一般有累加關(guān)鍵詞搜索的偏好，有意識地加強(qiáng)長尾關(guān)鍵詞直通車的投放也很重要;最后，鉆展投放中核心用戶的再轉(zhuǎn)化率高，可加強(qiáng)核心用戶的鉆展定向投放?；谧兞夸N售額貢獻(xiàn)計(jì)算的ROI，重新分配各類廣告成本投入比例。由表9和圖11可知，直通車類長尾詞，競爭產(chǎn)品關(guān)鍵詞要提高投放比例，鉆展類魔鏡要減少廣告投入。其他渠道變化幅度不大。

5 結(jié)語著名廣告大師約翰·沃納梅克曾經(jīng)說過：“我知道有一半的廣告費(fèi)被浪費(fèi)掉了，遺憾的是，我不知道是哪一半被浪費(fèi)了。”因此，電商平臺的精準(zhǔn)廣告已成為企業(yè)營銷的又一大主戰(zhàn)場[27]，文中采集天貓平臺某品牌口香糖項(xiàng)目真實(shí)廣告展現(xiàn)和點(diǎn)擊數(shù)據(jù)，運(yùn)用負(fù)二項(xiàng)分布和主成分回歸相結(jié)合的滯后主成分回歸模型對其廣告效果進(jìn)行了定量化計(jì)算和評價(jià)，以期能為大數(shù)據(jù)時(shí)代電商平臺在保證和提高產(chǎn)品質(zhì)量的前提下，充分發(fā)揮廣告效應(yīng)來提高產(chǎn)品知名度和購買轉(zhuǎn)化效果起到一定的決策支持作用。文中的數(shù)據(jù)得益于對國內(nèi)某品牌口香糖項(xiàng)目廣告投放組的支持。具體數(shù)據(jù)包括系統(tǒng)后臺每天不同產(chǎn)品八種包裝銷售量和當(dāng)日銷售單價(jià)，以及不同廣告渠道產(chǎn)品的曝光量、點(diǎn)擊量、廣告費(fèi)投入、此點(diǎn)擊在15天內(nèi)帶來的銷售額貢獻(xiàn)值以及各產(chǎn)品在天貓平臺的促銷活動信息。

1）從產(chǎn)品和廣告類型兩方面整理和分析天貓平臺不同廣告的曝光量和廣告成本。描述性統(tǒng)計(jì)結(jié)果表明，銷售峰值和促銷日代表兩種不同程度促銷效應(yīng)的變量;考慮廣告效應(yīng)受時(shí)段影響較大，增加“周末”效應(yīng)變量。因此文中將各產(chǎn)品總銷售額作為因變量。這些變量的添加不僅真實(shí)全面地反映了廣告投放影響因素，而且實(shí)現(xiàn)了與廣告效應(yīng)的分離，有助于更確切揭示廣告對銷售額的影響。此外，同類產(chǎn)品間的廣告效應(yīng)具有交叉作用。如同品牌的口香糖鉆展展示廣告會對糖果的銷售額有影響。

2）數(shù)據(jù)分析結(jié)果表明，銷售峰值的出現(xiàn)滯后于廣告大力投放日，這體現(xiàn)出廣告效應(yīng)的滯后性和累積性。作為一種離散概率分布，負(fù)二項(xiàng)分布可以很好地處理廣告變量的滯后性，將負(fù)二項(xiàng)分布和主成分回歸相結(jié)合所提出的滯后主成分回歸模型，真實(shí)地模擬了電商平臺廣告效應(yīng)的本質(zhì)特征，并在提取廣告變量主要信息的基礎(chǔ)上，較好地反映出廣告投放對銷售額的貢獻(xiàn)。

3）作為點(diǎn)擊計(jì)費(fèi)廣告，口香糖直通車和糖果類直通車的投入產(chǎn)出比普遍好于鉆展，其中，競爭產(chǎn)品關(guān)鍵詞、長尾詞直通車的投放對銷售額促進(jìn)效果最為明顯。建議商家在關(guān)注關(guān)鍵詞和長尾詞的組合藝術(shù)時(shí)也要注意惡意點(diǎn)擊行為。鉆展的ROI相比于直通車都較低，其中，薄荷糖的鉆展效果最差，鉆展投放中核心用戶的再轉(zhuǎn)化率相對較高，可加強(qiáng)核心用戶的鉆展定向投放。

4）星級店鋪貢獻(xiàn)率接近10%，實(shí)踐表明不失為是一種很有效的電商廣告。其他類廣告中，TV的銷售額貢獻(xiàn)最高，高達(dá)20%，而戶外廣告和在線視頻廣告因極低轉(zhuǎn)化率和消費(fèi)者行為習(xí)慣對商品銷售的促進(jìn)作用并不明顯。促銷活動對商品銷售的影響大于廣告效應(yīng)，銷售高峰幾乎都源于促銷活動，且促銷效果會隨著時(shí)間衰減。因此，適時(shí)的商品促銷值得堅(jiān)持。調(diào)查數(shù)據(jù)表明，中國網(wǎng)絡(luò)購物市場繼續(xù)保持快速發(fā)展的態(tài)勢，電子商務(wù)逐漸成為商貿(mào)的主要方式之一[28]。研究對電商平臺廣告投放具有普遍適應(yīng)性。不過，雖然負(fù)二項(xiàng)分布對廣告變量的滯后處理效果良好，但僅將廣告變量、促銷變量、價(jià)格等因素納入模型存在不足，無疑制約著模型研究結(jié)論的決策支持作用的發(fā)揮。今后的研究中，如能將消費(fèi)者視角的廣告印象、投放限制等相關(guān)因素定量化納入模型，顯然更有助于廣告投放決策完美圖景的勾勒，或許可以作為該領(lǐng)域進(jìn)一步研究的方向。

參考文獻(xiàn)：

[1] 郭子雪，張 強(qiáng).廣告銷售效果的評價(jià)指標(biāo)體系[J].統(tǒng)計(jì)與決策，2007（05）：75-78.

[2]毛錦斌.基于消費(fèi)者因素的網(wǎng)絡(luò)廣告效果實(shí)證分析[D].武漢：華中科技大學(xué)，2011.

[3]李惠文.通信產(chǎn)品廣告效果評估體系研究[D].北京：北京郵電大學(xué)，2011.

[4]鄧文峰，周朝明.淺析網(wǎng)絡(luò)廣告效果評價(jià)方法[J].上海管理科學(xué)，2010（27）：13-15.

[5]王雪琴.奢侈品廣告效果評價(jià)實(shí)證研究[D].北京：北京服裝學(xué)院，2013.

[6]朱志北，李 斌，劉學(xué)軍，等.基于LDA的互聯(lián)網(wǎng)廣告點(diǎn)擊率預(yù)測研究[J].計(jì)算機(jī)應(yīng)用研究，2016，33（04）：979-983.

[7]錢增艷.互聯(lián)網(wǎng)廣告曝光率對廣告效果的影響探究[J].電子商務(wù)，2019（01）：14-15.

[8]Hu Y J，Shin J，Tang Z.Pricing of online advertising：cost-per-click-through vs cost-per-action[C]//Proceedings of the 43rd Hawaii International Conference on Systems Science（HICSS），2010：1-9.

[9]公秀麗，施勇勤.網(wǎng)絡(luò)廣告新計(jì)價(jià)模式及效果評估探析[J].東南傳播，2011（01）：12-14.

[10]Andrea M Stroup，Steven A Branstetter.Effect of e-cigarette advertisement exposure on intention to use e-cigarettes in adolescents[J].Addictive Behaviors 2018，82：1-6.

[11]紀(jì)文迪，王曉玲，周傲英.廣告點(diǎn)擊率估算技術(shù)綜述[J].華東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2013（03）：2-14.

[12]Joachims T.Optimizing search engines using clickthrough data[C]//Proceedings of the eighth ACM SIGKDD international conference on Knowledge discovery and data mining.ACM，2002：133-142.[13]

Zhang W V，Jones R.Comparing click logs and editorial labels for training query rewriting[C]//Workshop on Query Log Analysis：Social and Technological Challenges，2007：1-4.[14]

Richardson M，Dominowska E，Ragno R.Predicting clicks：estimating the click-through rate for new ads[C]//Proceedings of the 16th international conference on World Wide Web.ACM，2007：521-530.[15]Chakrabarti D，Agarwal D，Josifovski V.Contextual advertising by combining relevance with click feedback[C]//Proceedings of the 17th international conference on World Wide Web，Beijing：ACM，2008：417-426.

[16]Guo F，Liu C，Kannan A，et al.Click chain model in web search[C]//International Conference on World Wide Web.ACM，2009：11-20.

[17]韓冀東，張艷妍.網(wǎng)絡(luò)廣告效果測評初探[J].市場營銷，2002（02）：56-57.

[18]梅仕鵬，蔣海波.網(wǎng)絡(luò)廣告效果評價(jià)指標(biāo)的評析與構(gòu)建[J].江蘇商論，2003（12）：52-53.

[19]阮麗華，彭 昊.網(wǎng)絡(luò)廣告效果的影響因素研究[C].第八屆中國管理學(xué)年會，2013.

[20]丁 磊，鐘文杰.基于OMA的移動廣告投放平臺設(shè)計(jì)與實(shí)現(xiàn)[J].廣東工業(yè)大學(xué)學(xué)報(bào)，2019，36（04）：46-51.

[21]姜照君，吳志斌.媒體廣告收入的來源分布及變化動向[J].現(xiàn)代傳播，2019（04）：134-141+154.

[22]李 晶，吳 潔，董夢程.網(wǎng)店模特視線方向與表情對女性購物者購買意愿的影響[J].技術(shù)與創(chuàng)新管理，2018，39（01）：45-49.

[23]常隆隆，王 琰.城市廣告投放中的問題及對策探析[J].視聽，2019（02）：195-196.

[24]耿智琳.我國自主創(chuàng)新企業(yè)廣告合作的演化與創(chuàng)新模式研究[J].技術(shù)與創(chuàng)新管理，2013，34（01）：14-17.

[25]智研咨詢集團(tuán).2017—2022年中國廣告+互聯(lián)網(wǎng)行業(yè)調(diào)研及投資戰(zhàn)略咨詢報(bào)告[EB/OL].http：//www.zhiyan.org/plus/list.php？tid=13，2016.10.

[26]葉瓊偉，張 謙，杜 萌，等.基于雙邊市場理論的社交網(wǎng)絡(luò)廣告定價(jià)分析[J].南開管理評論，2016（01）：169-178.

[27]甘 心.電商平臺精準(zhǔn)廣告投放探究——以京東數(shù)坊為例[J].新媒體研究，2019（06）：62-63.

[28]汪 洋，張 磊，楊海波.圖片復(fù)雜程度與呈現(xiàn)密度對消費(fèi)者搜索效率影響[J].技術(shù)與創(chuàng)新管理，2018，39（03）：277-281.（責(zé)任編輯：王 強(qiáng)）