提要：
1.業界中展示廣告點擊率是出了名的微不足道，不足0.1%
2.展示後優化的收益增量比點擊後優化高出十倍
3.在控制測試中，看到IMVU（一個虛擬世界的名稱）廣告的顧客，無論他們是否點擊了廣告，都有10%的人更有可能成為付費用戶
一個世紀前， John Wanamaker曾說過：「我花在廣告上的錢有一半都浪費了；而問題是我並不知道是哪一半。」如今，網路行銷人員仍然在努力克服度量分析中相同的問題。
答案似乎很簡單，因為在網路世界中，你可以追蹤點擊次數（Clicks）。而問題在於，點擊數和以點擊為基礎的分析是站不住腳的。點擊數不但無法表明整個事實，它甚至會顛倒事實，尤其是在單獨使用它時。
因為網站分析工具的應用，許多行銷人員僅僅把網站的活動性（參與度，轉換–semwatch編輯註）歸功於以點擊為基礎的行銷活動，比如說，對展示廣告的點擊。然而，這是一個非常有限的方法。
因為展示廣告的點擊率（CTR）非常的低，不足0.1%；絕大部分看到網路廣告的人都不會點擊它。此外，點擊次數與點擊人數也是不成比例的。大約85%的點擊數來自於8%的人。很多行業研究都是針對這個問題的。
然而，低的點擊率並不意味著廣告未起作用—事實恰恰相反。消費者經常在看到廣告不久後購買，卻並沒有點擊廣告。
在最近一個測試中，一個名為IMVU的可以購買虛擬物品的虛擬社交網絡，試圖研究發現當免費的IMVU用戶（這些用戶已經收到了營銷郵件，並且在虛擬世界中看到了廣告）在現實世界中看到IMVU的線上廣告時，是否更有可能成為付費用戶。
在控制測試中，看到IMVU廣告的顧客，無論他們是否點擊了廣告，都有10%的人更有可能成為付費用戶。與對照組相比，這10%的增量是在現有的所有行銷努力之外的額外效果。對照組看到其他行銷活動的機會與測試組是相同的。兩組唯一的差別在於是否實際看到的廣告。測試組看到的是IMVU的廣告，而對照組看到的是不相關的廣告。
IMVU用同樣的方法測試瞭如果付費用戶在現實世界中見到了刺激消費的廣告，是否願意花更多的錢。從平均值來看，看到促銷虛擬產品廣告的IMVU會員，無論他們是否點擊了廣告，都會比那些見到不相關廣告的會員多消費一倍以上。同樣的，這種提升是透過郵件和虛擬世界進行的促銷活動以外的效果。諸如IMVU之類的公司，銷售虛擬物品就如同印刷鈔票一樣。
讓我們再來關註一個電子商務公司。該公司嚴重依賴透過網站分析工具來分析點擊後的用戶行為數據（來優化行銷活動成效-semwatch編輯註）（post-click date）（該網站的流量和收入是由廣告帶來的）。廣告客戶希望僅透過點擊後的使用者行為資料作為最佳化的依據，由於客戶並沒有追蹤展示相關的收入（post-view revenu），所以也談不上對其進行最佳化。
再來回顧一下這兩種情況：基於點擊後資料來分配轉換貢獻（post-clicks）的最佳化vs 是基於展示後資料來分配轉換貢獻（post-view）的最佳化。展示後優化的收益增量比點擊後優化高出十倍。當從點擊後的角度來分析收入時，我們將最好的廣告稱之為廣告A，而最差的則稱之為C。但是從展示後的角度來分析時，結果剛好相反。 C是最好的，而A是最差的。這就導致了完全不同的最佳化方案。
也許有人會提出相反的看法，認為展示後的分析誇大了網路廣告的功勞。因為一個潛在的消費者無論是否看到了網路上的廣告都很有可能購買產品，而這些廣告很可能並沒有影響他們的決定。然而，經過一次又一次的驗證，我們發現結果恰恰相反。我們分析了從看到廣告到購買產品之間的時間窗。數據顯示，轉換的快速增加發生在消費者看到廣告的很短的一段時間內，即反映了展示後歸因的影響。在下面的例子中，有一半的轉換發生在廣告展示的六個小時之內，而70%的轉換發生在展示的24小時之內。如果說展示後歸因並沒有這樣的影響的話，那我們應該看到轉換率隨時間是呈現隨機分佈的，以遵循線性模式，而非曲線模式。
底線就是每個廣告活動都是不同的。它們都應該基於盡可能多的數據進行最佳化。不要僅依賴以點擊為基礎的分析。最好還是充分利用你的優勢和資源。
天岸評註：
對於展示廣告的效果分析應該更多的參考多面向的因素，比如說：
1.展示廣告的目的是什麼？是做品牌的還是做銷售促進的，這個廣告希望在消費者決策的哪一個階段來產生影響力？
2、所處的行業特徵？消費者的決策週期多長？
實際上，展示廣告是付費媒體（paid media），點擊之後進入的網站是自有媒體（Owned media），但實際上二者都是廣告主可以控制的媒體，他們可以決定展示的內容，方式和時間。點擊，對廣告主來說，只是從一個訊息模組的展示轉移到另一個訊息模組的展示而已。
從消費者的角度來說，二者都是在向他傳遞訊息，差異只是訊息的數量和他本人的閱讀重心。點擊代表的是一個相對強的參與度，但是展示也是一種訊息的傳遞。這種訊息的傳遞產生的影響是決策時的「top of mind」。例如，如果我看了一個健身器材的廣告，也許當時我掃了一眼但是沒有點擊；但是如果我有類似的需求，再次透過搜尋引擎搜尋健身器材的時候，看到了同樣的名字，因為是第二次展示，所以我可能會有一種熟悉/信任的感覺從而產生點擊。
現在對於展示廣告資料分析的現狀可能在很大程度上受制於資料收集的難度。在自有媒體上，隨著網站分析技術的普及，點擊數據很容易採集到並且能夠方便的被應用到實踐中來，而在付費媒體上，尤其是在國內的展示廣告市場的媒體環境下，很多數據並不能被收集或得不到廣告商的分享，這樣注定就在分析優化中被忽略。更何況需要得到上述的結論，需要很精細的分析大量資料才行。這也算是產業發展過程中的一個陣痛吧。
原文： http://www.imediaconnection.com/content/29020.asp
作者Jarvis Mak生物學出身，分別服務Yahoo和Neilson做包括MegaPanel專案在內的客戶分析。現專注於零售業的數位媒體和行銷工作。 、
譯文出處： http://semwatch.org/