几年前,一家全球运动品牌发现,自己用来证明营销效率的数据,可能正在把预算带向错误的方向。
当时,品牌将约77%的广告预算投向效果营销,只有23%用于品牌建设。原有归因模型显示,付费搜索、线上展示等渠道能够带来清晰的销售回报。但在综合分析广告投入、品牌活动与销售变化之间的关系后,企业发现,品牌活动对销售的贡献远高于原有模型所显示的水平。过去被低估的品牌建设,恰恰影响着消费者是否会主动搜索和购买。
这样的衡量误差普遍存在于企业经营的不同环节。表面上看,这是数据呈现与真实效果之间的误差。但实质上,企业却有可能被数据表现影响预算配置和战略选择,最终改变企业获得增长的方式。
经济学家、实地实验经济学代表人物约翰·李斯特在接受哈佛商业评论中国采访时就提到,企业拥有的数据越多,越容易看见不同现象之间的相关性,但只有识别其中的因果关系,才能判断一项投入是否真正创造了增长。
以很多企业关注的会员运营为例,在研究中,他发现会员分成两类:“无增量会员”和“有增量会员”。前者加入会员后并没有增加消费,只是用更低的价格购买了原本就会购买的商品;后者才真正因为会员计划增加了消费和忠诚度。如果不区分两者,企业就可能把让利换来的收入误认为项目创造的新增价值。
类似的反思,也出现在国内企业对广告效果和经营结果的衡量中。 比如以往企业会关注GMV和订单量的数据,但它们是否能代表企业真正获得价值?扣除退款、补贴、平台费用和履约成本后,一笔看起来漂亮的交易,可能只留下很少的收入与利润。因此,一些企业开始越过下单金额,进一步观察实际支付金额、剔除退款后的成交额、净收入和利润。
这些案例与反思正指向同一个问题:高ROI和亮眼的销售数据,并不必然意味着真实、有价值且可持续的增长。如果企业仅据此分配预算、评价团队甚至制定战略,衡量偏差就会沿着管理链条不断放大:预算流向被高估的渠道,团队追逐更容易完成的数字,系统则可能会围绕并不正确的目标持续“优化”。
尤其当企业进入多个海外市场,消费者决策链路更加分散,不同市场的获客成本、履约条件、客户价值和品牌发展阶段各不相同,一套看似统一的指标更容易掩盖不同增长之间的差异。
那么,看似优秀的数据,与企业真正希望获得的增长之间,可能存在哪些偏差?
企业看到的,是真实增长吗?
讨论一项投入是否有效,至少需要搞清楚两个问题:被计量的结果是否真正由投入创造?投入产生的价值是否被完整记录?前者对应“因果偏差”,后者对应“边界偏差”。
“因果偏差”来自对“相关关系”与“因果关系”的混淆。约翰·李斯特曾提醒企业,数据通常只能告诉我们两件事正在同时发生,却不能证明其中一件事导致了另一件事。例如,广告投放后销量上涨,不一定意味着销量增长全部来自广告,也可能受到市场需求、促销等因素影响。
此时,企业更需要引进实验机制,比如设置一个“如果没有采取这项行动”的对照组,从两种结果的差异中,判断这项行动究竟带来了多少新增价值。如果现实中难以直接设置对照组,也可以将历史趋势和市场变化等数据纳入分析体系, 通过科学归因分析模型,判断行动与结果的因果关系。
另一种“边界偏差”则出现在消费者的决策链路被不同平台和设备割裂时。他们可能在一个平台看到广告,在第二个平台搜索产品信息,最终在另一个平台或线下购买。只看单一平台内部的数据,企业看到的只是完整决策链中的一部分,前一个平台可能看不到成交,后一个平台又可能把交易全部归因于自己。
面对这两种偏差,一些企业开始改进衡量方法:通过实验、对照和增量分析,或更科学的归因分析手段,判断投入真正改变了多少消费者行为;通过连接平台间数据和一、二方数据,观察品牌搜索等外溢信号,还原跨平台、跨设备产生的价值。
移动支付企业OPay在尼日利亚市场拥有较高知名度,获客成本却依然较高。进一步分析后,企业发现,真正阻碍转化的并非流量不足,而是消费者对支付安全的担忧。
围绕这一问题,Opay将营销指标与“破除信任障碍、获取高价值用户”的业务目标层层对齐,营销重点转向建立信任:先呈现消费者可能遇到的支付风险,再解释平台的安全保障和功能卖点,推动高意向用户进一步搜索品牌、下载应用并完成注册。
相应地,OPay也将衡量范围从曝光和点击,延伸到负面搜索、品牌搜索、下载和注册等后续行为,以补全营销在不同环节产生的影响;同时借助Caliper科学归因模型,分析营销活动相较于自然增长创造的额外贡献。结果显示,核心负面搜索下降39.67%,相关投入贡献了10%的纯品牌搜索增量,以及9%的高意向下载和注册增量。
由此,OPay既看见了营销在不同环节产生的影响,也进一步区分了投放后发生的结果与投放额外创造的增长。
企业获得的,是想要的增长吗?
真实发生的增长,也未必是企业真正想要的增长。企业在一个市场中的任务,可能是快速扩大市场份额,也可能是提高利润,或者寻找更高价值的人群。不同的经营任务,需要不同的营销目标和衡量指标。
问题往往出现在这里:如果企业希望获得高价值新客,营销项目却只统计转化总量,或企业希望提高利润,系统优化的却仍是订单数量这一指标,就出现了“目标偏差”。为了完成既定指标,团队和投放系统自然会寻找最容易转化的人群。项目可能获得高ROI,但带来的结果却不能有效推动业务目标的实现。
纠正这种偏差,关键是把经营目标转化为具体的营销指标和衡量信号,避免目标在执行中走样:扩大市场份额,需要关注新客覆盖和新增需求;改善利润,需要进一步衡量商品价值和客户价值;获取高价值新客,则要让系统同时识别新客身份与转化价值……
个护品牌徕芬在美国市场推出第二代产品时,希望在扩大新客规模的同时,改善获客效率和投入回报。但宽泛投放虽然能够带来转化,却难以识别哪些消费者更有购买潜力,以及哪些转化能够为业务留下更高价值。徕芬因此没有继续把“获得更多转化”作为唯一目标,而是进一步明确:企业需要的是能够带来更高订单价值的新客户。
围绕这一目标,徕芬从一方数据中提炼高潜人群特征,并把“是否为首次购买的新客”和“订单价值高低”作为广告优化的依据。在扩大高潜人群覆盖的同时,谷歌平台提供的新客获取功能帮助系统优先寻找首次购买的消费者,基于价值的竞价则让预算更多流向更可能带来较高订单价值的人群。人群识别、广告触达和出价优化,共同围绕“获取高价值新客”这一目标展开。
最终,徕芬的新客获取规模增长56%,转化率提升31%,整体投资回报率提升52%。
从明确业务任务,到调整营销重点,再到设定衡量与优化目标,徕芬将“获取高价值新客”逐步转化为广告系统可以执行的方向,投放效率的提升得以真正服务于企业在业务中真正希望获得的增长。
今天的增长,能延续到明天吗?
当下的转化说明消费者已经采取了行动,但不能说明企业最终留下了价值,也不能保证明天仍会增长。
有些增长消失在转化完成之后:订单被退款,下载用户流失,注册用户迟迟没有激活付费。营销数据在上涨,真正沉淀下来的收入、利润和客户价值却有限。这类过程指标与最终经营价值之间的落差,可以称为“价值偏差”。
还有一些增长,尚未来得及被看见,就因为短期转化影响有限而被低估。最典型的便是效果广告与品牌广告之争。当所有投入都用同一个ROI周期比较,品牌建设和新市场培育的价值便容易被低估,这构成了“时间偏差”。
为减少这两类偏差,衡量的工作还需要沿着两条线延伸:沿经营结果向深处追踪,看营销行动最终沉淀了多少收入、利润和客户价值;沿时间周期向未来观察,看当前投入是否正在积累客户信任、复购和未来需求。
一些企业已经展开相关实践。比亚迪在欧洲持续经营过程中,面临的核心任务之一是建立品牌信任和知名度,讲好品牌故事,并加深与当地消费者的情感连接。而信任、认知与情感连接往往需要长期沉淀,也很难通过显性的曝光、点击等指标衡量。因此,如何让品牌建设的长期价值变得可见,并转化为后续长期投入的依据,成为比亚迪在营销中的重要课题。
在这一长期目标下,比亚迪与当地消费者展开了长期的本地化内容沟通。比如慕尼黑车展期间,比亚迪就选择与YouTube 平台及当地创作者合作,将车辆技术和产品特点融入家庭出游、露营等消费者熟悉的生活场景,降低产品的理解门槛,也让品牌故事更自然地进入当地语境。 其中热门视频的点击量甚至超过两百万次。
但点击量并不是比亚迪衡量的唯一指标。内容发布后,比亚迪筛选优质作品,通过广告投放扩大触达,并借助归因品牌搜索了解投放效果及其引导的后续流量,为下一轮如何配置投入、扩大品牌声量并兼顾订单转化提供依据。
这条路径将内容创意、规模化传播、效果衡量与后续决策连接起来。一次营销活动的价值,也由当期的观看和流量,延伸到更完整和长期的经营结果中。
企业最终得到的
往往就是它所奖励的增长
平衡计分卡的提出者Robert S. Kaplan与David P. Norton曾指出,衡量体系会影响管理者和员工的行为。哪些结果被指标看见,预算就更可能流向哪里;团队按照什么接受考核,就会优先追逐什么;AI获得怎样的优化目标,就会持续放大怎样的结果。
因此,设定指标之前,管理者需要先追问:如果整个组织都努力把这个数字做高,企业最终会得到什么?是真正新增的需求,还是被重复归因的交易?是能够贡献利润的高价值客户,还是依靠补贴维持的订单?是企业希望打开的新市场,还是局部项目最容易完成的成绩?是眼前的转化,还是能够延续到明天的增长?
对于出海企业而言,衡量不应只是营销活动的成绩单,更应成为经营决策的导航,帮助企业把有限的资源投向真实、有价值且可持续的增长,在复杂的全球市场中获得真正想要的结果。
刘玥 | 文
今日话题
你的指标,正在奖励什么样的增长?如果只能重新设计一个指标,你最想改哪个?欢迎在评论区发表你的观点。点赞最高的5名读者,将获赠哈佛商业评论数字会员月卡1张。
联系方式
投稿、广告、内容和商务合作
newmedia@hbrchina.org
文章原文