2024零售媒体中的增量测量与数据协作白皮书

核心观点

• 增量性衡量在零售媒体中的重要性日益凸显：随着零售媒体的兴起，精确衡量营销活动的影响变得至关重要。增量性衡量可以帮助品牌和零售商了解营销活动带来的额外销售，从而优化营销策略和预算分配。
• 增量性衡量方法：研报介绍了多种增量性衡量方法，包括：
  • 实验方法：随机对照试验（RCT）、匹配市场测试、地理排除实验等，通过主动操纵变量来评估营销活动的因果影响。
  • 观察方法：机器学习反事实模型、合成控制法、影子模式测试、媒体混合模型（MMM）等，通过分析现有数据来推断因果效应。
• 数据合作的重要性：数据清洁室等数据合作平台可以整合来自不同来源的数据，提供更全面和准确的消费者旅程视图，从而提高增量性衡量的准确性。
• 挑战与解决方案：研报也指出了增量性衡量在零售媒体中面临的挑战，例如缺乏精确的地理定位、产品级排除的复杂性、跨渠道归因问题等，并提出了相应的解决方案，例如使用法医控制、合成控制匹配、ANCOVA等技术。

关键数据和研究结论

• Applegate 案例：通过在 Instacart 上进行销售提升测试，Applegate 发现其广告活动带来了 35% 的销售提升和积极的广告支出回报率 (ROAS)。
• Vibenomics 案例：通过跨渠道研究，Vibenomics 发现结合线上线下数字策略的支出每趟购物额高达线下数字策略的三倍，每户家庭支出增加了 40%。
• Pacvue 的 iROAS 仪表板：利用机器学习和多个数据源，Pacvue 的 iROAS 仪表板可以提供最准确的增量收入增长衡量。

未来方向

• 建立行业标准：LiveRamp 正在与其他行业参与者合作，建立零售媒体受众和衡量标准化委员会，以解决数据碎片化、衡量模型不一致等问题。
• 数据合作：通过数据清洁室等平台，品牌、零售商和科技公司可以安全地共享数据，从而提高增量性衡量的准确性。