网服行业如何通过广告商品化撬动下一个增长机会？

原创赞收藏评论

举报 2021-06-15

扫描,分享朋友圈

又是一年高考季，屡上热搜的高考作文再次引发了无数人的集体记忆。看似聊高考作文很能聊到一起去的几代人，实际在时代的巨变下早已分化出远超我们想象的多元兴趣偏好了。

特别是占据舆论中心的Z世代，他们已经很难简单地用“出生于1995-2009年的、受互联网等科技影响很大的一代人”这样大而笼统的标签来概括了。

根据青年文化研究与咨询公司青年志研究梳理，中国年轻人的兴趣圈层已经可以分类出169种之多（友情链接：《让品牌又爱又恨的“圈层营销”》）。

多样化的兴趣标签，意味着更多样化的消费需求。过去十年伴随着中国移动互联网高速增长而成长起来的互联网服务行业（以下简称“网服行业”），随着移动互联网红利的消失，整个网服行业的增长理念也从野蛮生长转向精耕细作，广告投放理念也因此越发贴近生意本质。

在此背景下，各种网服产品都在提“精准匹配”，但匹配精准的前提是对买卖双方的需求都足够“懂”。如何做到既懂用户、又懂商品，把买卖双方高效匹配起来，甚至可以共同创造新的“机会增长点”呢？

从“万物商品化”进化到“商品行业化”

在当下这个粉末化的媒介环境中，面对营销内容过剩导致消费者大量免疫、营销效率下降带来的广告预算失控等行业痛点，有过往成功经验可借鉴的广告商品化值得被重视起来。

在谈广告商品化前，我们需要先厘清一个概念——商品。大部分人对商品的理解大多为有形的实物，但在广告技术的框架里，商品是具象实物、虚拟商品与抽象服务等多类消费者交付物的合集，且这些交付物的许多属性均可被分解为各类结构化的数据标签。比如阅读APP中的某本小说也是商品，它的结构化标签有书名、类目、作者、评分、热度、篇幅、章节数、章节内容、付费金额等等。

广告商品化最早应用在电商行业，电商平台早期利用流量红利快速收获大量新用户，当大部分消费者已经熟悉电商购物后，泛滥的商品让消费者患上了选择困难症，个性化推荐技术应运而生，千人千面的营销时代正式开启，电商行业也借此迎来新一轮的生意增长。

同样的历史也在网服行业上演：很多网服产品从网民数量的疯狂上涨中快速崛起，很多网服企业抓住了这波机遇成长为细分领域的头部玩家。但随着红利消失，增长开始陷入瓶颈期。如何找到下一个新的生意增长点，成为这些网服企业实现下一轮跃迁必须要解决的最大挑战。

在国内，腾讯广告率先将广告商品化拓展至多个网服行业。在起步期的1.0阶段，通过“万物商品化”降低了商品广告的使用门槛，打破了原来只局限在电商行业的限制，帮助许多网服行业借助广告商品化有效驱动生意增长。作为国内网服行业广告商品化的头部玩家，腾讯广告做到了布局早、行业细、覆盖全：

一曰早：腾讯广告早在2019年就与快手合作sDPA，用创新助力快手拉新场景效果效率双提升。在快手之前，视频行业乃至整个网服行业都从未有过sDPA的尝试。

（注：sDPA指单商品广告，更推荐应用在拉新场景。其核心能力在于充分利用广告主的商品信息，精准预估广告点击率和转化率，快速创建广告，从而提升商品化投放的效率和效果）

二曰细：腾讯广告陆续将广告商品化应用到多个网服行业，如今已沉淀出视频直播、阅读动漫、新闻资讯、生活服务、工具等多个细分赛道的成功经验。可以预见的是，未来腾讯广告将继续结构化搭建知识图谱（可以理解为一座高效储存与调用信息的 “数字图书馆”），持续深耕网服行业各个细分赛道。

三曰全：在腾讯广告搭建的这座网服行业商品结构化信息图书馆中，商品类型丰富度增加的同时，商品标签覆盖率也在快速增加，商品化覆盖率遥遥领先：以阅读赛道为例，目前DPA占比达50%，加上识别商品特征的广告，行业商品信息覆盖率高达86%。

在此基础上，腾讯广告还基于匹配机制不断优化算法模型，通过长期7*24小时不间断对商品标签和用户行为的学习，广告商品化更懂商品和用户，从腾讯海量用户（覆盖社交、音乐、影视、游戏等全场景）中识别、沉淀网服行业高质巨量人群库。此外，广告商品化还会全天候进行广告精准度“模拟考”，助力每一次实战高分交卷。

经过长期数据积累与机器学习，腾讯广告面向网服行业的广告商品化已经从起步时的“万物商品化”1.0阶段，进化到了如今更深度的“商品行业化”2.0阶段。

从提升“用户质量”，到提升“生意价值”

互联网没有绝对低贡献值的用户，只有放错位置的交易。

一个生活在三四线城市、有稳定收入的60岁男性，对于一本言情小说来说可能是低质用户，但对于一本官场小说来说却可能是位高质用户。

在中国庞大的人口基数下，每一个小众的圈层中都潜藏着可观的生意体量，于是我们看到众多新消费品牌从一些细分领域里杀了出来。全民上网、用户分层、媒介碎片，是不是就意味着以外卖、视频等为代表的互联网平台型企业的生意已经快到顶了呢？

我认为不然。因为不管圈层再怎么分化，不同圈层的共同点仍比我们想象中的要多。而这些共同点里，就蕴含着网服企业们新的增长机会。网服企业们需要的，是一个更懂他们行业生意的广告投放专家，帮助他们精准挖掘出用户价值点，在存量市场中获得真正有价值的新增量，比如：

·让那个正在关注求职类公众号的人，知道B站也有大量的职场类UP主在分享求职干货

·让那个喜欢在腾讯视频广泛涉猎各种美剧的人，知道在Soul能找到灵魂相惜的朋友

·让那个在腾讯新闻上关注各类健康资讯的人，知道用外卖软件还可以买到药

……

要想更快速、有效地促成交易，“人”与“货”的精细化运营缺一不可。

过去，腾讯依托社交、音乐、游戏、影视等各类产品构成的矩阵做到了对用户场景的全覆盖，对场景的覆盖足够多，才能对用户的理解足够准，才能在整个网服生态中立得住“高质用户探测器”的重要角色。

如今，广告商品化的进化史告诉我们，想要提升生意价值，懂商品与懂用户同样重要。要做到更懂商品，商品行业化势在必行。商品行业化，意味着更懂这个细分行业的生意逻辑，更能做到对投放全链路的各个节点进行精准地拆解与优化，用更低的成本探测到更多的高质用户、缩短交易链路、快速促成交易，生意价值自然也就提升了。

商品化为网服企业带来的生意价值的提升有非常直接的效果：与普通广告相比，商品广告当日起量率提升5倍、CTR提升16%、CVR提升2倍。概括来说，商品广告起量快、单广告消耗强；将商品信息应用在模型中，CTR较高，CVR、次留率也有显著提升。

以某阅读客户投放为例，通过选书、商品信息梳理与对接、第一方数据接入、稳定投放效果调优，腾讯广告帮客户的sDPA消耗占比从0提升至50%，CTR、CVR及次留率都有显著提升。

广告商品化除了成功应用在拉新场景外，对拉活场景也有很强的适配性。比如某视频直播广告主在腾讯广告的投放，通过RTA+mDPA的方式，结合广告主自身推荐与腾讯广告平台推荐做拉活投放，最终单广告消耗暴涨130倍、CVR提升12%、次留率提升10%，有效唤醒了沉默用户的后向价值。

（注：mDPA指多商品广告，更推荐应用在拉活场景。mDPA可结合广告主自己的第一方数据与腾讯域内的第二方数据，为不同人群推荐其最感兴趣的商品，实现精准再营销推荐）

从共探下一个“爆品”，到共创下一个“增长点”

过去，广告作为营销的一环，处在整个生意链路的偏末端环节。虽然更懂消费者，但对生意上游的产品创新与研发缺乏话语权，大部分时候只能被动承担现有产品的传声筒角色。

如今，随着营销技术的进步，广告在整个生意链上的价值已经前置，完全可以在技术的辅助下做到预测未来，主动把握市场先机——预测用户兴趣、预测受欢迎的品类，共同探索下一个“爆品”在哪里。

换句话说，可以共同预测，甚至共创新的“用户增长点”。在腾讯广告的逻辑里，广告不再意味着传播的结束，而是下一轮生意增长的开始。比如阅读行业广告商品化对整体行业的破圈增长：

合作初期，阅读行业在腾讯广告的投放类型主要集中在都市、现代言情两大类型的图书上，其他类型的图书暂未进入投放优先级。但随着越来越多的竞争者涌入，这两大类型的图书同质化也越来越严重，读者渐渐审美疲劳。

为了帮某阅读客户解决这样的痛点，腾讯广告通过对该行业进行全面商品化，基于广告转化数据、双方共建模进行深度数据挖掘，抢先洞察到古言这个市场空白，在后续合作过程中通过分阶段策略调控，持续优化投放效果，最终实现古言品类新增用户量提升5倍，次留率提升20%。现在，古言已顺利跻身阅读行业第三大品类，成为继都市、现代言情之后的新爆品。

不仅仅是针对商品题材丰富的阅读行业，每一类商品都可以依托腾讯广告在用户侧与商品侧的精准理解与匹配能力，拓展出对应品类的细分用户，最终为客户累积起可观的新增用户量，找到新的生意增长点。

增长的第一原理是匹配效率

如果把时间的横坐标拉长来看，每一轮匹配效率的提升都会带来新一轮规模化的增长：

2001年，中国加入WTO，中国强大的生产能力匹配上了国外市场的海量消费需求，中国经济开始迅速腾飞；

2008年，中国标准的3G网络开始商用，互联网内容服务商匹配上了强大的内容需求，互联网+开始兴起；

2021年，互联网服务行业进入下半场，越来越分层的用户需求与越来越丰富的细分商品亟待被互相匹配，增长进入深耕细作时代。

广告行业早就在一轮又一轮的技术更迭中发生了巨大的变化，未来十年，变化与不确定性的常态化已经形成广泛的社会共识，前行路上，选择与谁一起走很重要。既能一起想，也能一起做，还能把生意做成后的经验沉淀为可持续复用的方法论，帮广告主持续做出爆品，形成新的生意增长点，实现从共探爆品到共创增长点，这是技术赋予我们的可能性。

广告广告，广而告之。广告最初便是因生意的增长而存在，不管过去几十年里业界给广告披上了多么华美的外衣，技术的迭代逐渐让广告祛魅，剥掉部分广告身上一些华而不实的自嗨内容，广告越来越贴近它朴素的本质——精准匹配，促成生意。

本文系作者授权数英发表，内容为作者独立观点，不代表数英立场。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。