网服广告商品化——与广告主共创未来增长点

​网服生意增长和电商增长的逻辑相通

近年来，各行各业利用互联网自我改造升级，已渐成显学。而在这样的升级过程中，有一门家家必练的功夫——用户增长。

在线上做增长，较早杀出一条血路的是电商行业，道理也很简单：最早在线上打通整个交易链路的，就是电商，换句话说，电商全链路的用户行为，都可以被记录和优化。

那么电商增长的方法论，与我们传统的营销思路相比，有什么不同呢？最重要的，是面向商品的营销框架。比方说一家超市做宣传，比起宣传超市本身，直接推广琳琅满目的商品，对用户的吸引力更强。

除了电商，多数线上服务被归到“网服”。而近年来，网服行业变得越来越像商品购买，您想想看，如今外卖、打车的交易体验，与选购一件商品有什么不同呢？这背后的驱动力有二：一是应用的交互越来越丰富，不像原来只能放几张图片看看；二是移动支付的普及，让网服行业都形成了线上的交易闭环。

我们观察到，网服行业整体增长趋势都在朝广告商品化方向快速演进中！

这个方向，仍然是以商品为核心。说个直观的例子（并非实际推广案例），传统营销推广的是下图左边的产品整体信息；而在电商化营销中，已经变成了推广下图右边那样的内容商品——即“广告商品化”。

网服的所谓“广告商品化”，就是先挑选出合适的内容或服务，再用广告渠道直接推广这些“商品”。换句话说，也就是“内容/服务选品 + 站外推荐”的基本框架，原理非常像电商的商品推广。

网服广告商品化的产品支撑

应该说，这种新的网服增长方法论，引领者仍然是各大广告平台。在国内，腾讯广告最先将广告商品化拓展至多个非电商行业，做到了“万物商品化”乃至“商品行业化”。咱们就以腾讯广告为例，来谈谈它是如何从产品体系上，支撑这种商品化的网服增长的。

要说电商广告投放的神器，那非动态商品广告（Dynamic Product Ads，DPA）莫属了。它与普通广告投放的逻辑有很大不同：不再是客户上传创意，而是由广告平台以结构化对接商品库，然后按照某种规则选出对当前场景或用户合适的商品，由系统自动生成创意，再把创意推送出去。

可以看出，这里的关键步骤，正是选品与推荐。再说细一点的，可以分为三层：一、选品：从商品库里圈定出适合广告投放的商品集；二、匹配：针对当前用户或场景匹配出最恰当的商品；三、推荐：跟客户自己应用内的推荐方法类似，只不过是把推荐位搬到了站外的广告位上。

那么商品广告是不是只有电商类投放能用呢？不然，早在2019年，腾讯广告等各大广告平台就推出了网服行业可应用的DPA解决方案。它的基本流程，如下图所示：与常规展示竞价广告相比，DPA推广的是描述商品/内容的结构化数据，通过建立商品与用户行为的关联，在检索环节实现标签自动分配与播控，在排序环节实现商品知识图谱的应用，最终实现人货匹配的商品推荐。

比如对阅读动漫客户来说，把小说的书名、类目、作者、评分、热度、篇幅、章节数、章节内容、付费金额这类结构化信息对接给广告平台，平台再根据用户行为习惯等，找到合适的小说单品，推送到喜欢它的人面前。

由于数字营销的专业性，这样的商品化营销能力建设，可能还是要以平台方为主。如果仅仅说DPA，现在在广告行业已经并不新鲜。而腾讯广告的“广告商品化”，在客户自投的DPA基础设施之上，还可自动进行商品信息识别，其数智化能力远超传统DPA，值得说一说。

更聪明的大脑：所谓“大脑”，有两层意思——有知识、善学习。在“有知识”这一点上，腾讯广告的广告商品化起步较早，搭建了比较完备的结构化知识图谱。目前，网服行业基于细分行业生意模式和用户行为，已经搭建覆盖了小说阅读、视频直播、新闻资讯、工具、生活服务等行业商品结构化信息的“图书馆”，部分行业商品标签覆盖率达86%。而“善学习”，就是通过长期7*24小时不间断地对商品标签和用户行为的学习，让商品广告更懂商品和用户，从腾讯覆盖社交、音乐、影视、游戏等全场景的海量用户中识别、沉淀网服行业高质巨量人群库。

更精准的匹配：过去，广告投放聚焦“人”的需求，而促成生意的两大角色是“商品”和“人”，实现两者的精准匹配，变“独角戏”为“对手戏”，才能促成生意的增长。在这个趋势下，腾讯广告根据域内外的市场热度数据提供选品洞察，对那些“不知道投什么”的客户，帮他们选爆款，快速起量；对那些“想开拓品类”的客户，帮他们圈定高曝光人群的匹配品类，并基于市场反应做出调整，反哺选品优化，预测下一个增长爆点。

更精细的运营：平台还提供了诸如GXT行业DPA超级监控看板、投放端&API商品报表等多样工具，协同网服DPA对接指引文档、商品诊断等精细服务，帮助广告主及时调优不同阶段运营策略，全周期优化投放效率。这些运营能力，一方面提高了分行业的投放能力，提升了创建广告的效率。比方说，对于阅读类客户来说，如果可以在落地页上拉取章节内容字段，让读者直接浏览，那比通用的广告体验要好得多了。再比如，还可以支持商品特征识别，在普通广告中识别书名、类目等信息，用于投放时的标签补充。另一方面，也提升了分行业的识别能力，比如，完成商品库搭建后，大范围覆盖的商品特征，可以帮助快速识别商品信息。

总之，通过日渐完善的通用DPA产品，再加上着力打造的一些智能化产品和运营能力，腾讯广告已经在“广告商品化”这个赛道上，走在了行业的前面。

商品化营销的应用场景

前面的讨论，听起来还有点抽象。咱们来看点实际的案例，了解一下这种商品化的营销方法，是如何在网服行业中落地应用的。

第一个场景是小说行业。原来的小说应用投广告，多数都是找个小说情节，拍成视频广告创意。这种方法一来成本较高，二来也没法很好利用丰富的作品库，更重要的是，人为挑选出来的情节，是不是符合受众的口味，是不得而知的，有点凭经验撞大运的成分。

而在广告商品化的思路下，可以把小说库对接给广告平台，然后再用单商品广告sDPA，单刀直入地让每个受众在广告上就能看小说片段。说实话，这比弄一段云山雾罩的视频，给读者的感觉要好多了。

实际投放的效果如何呢？从下图可以看出，通过选书、商品信息梳理对接、一方数据接入、投放效果调优这几个阶段过后，某客户在腾讯广告的sDPA消耗占比，从0提升至50%。

更有趣的是，在广告商品化的产品趋势下，除了单个客户有了非常好的效果提升，行业整体的破圈增长也有了新办法、新成效。

以往，阅读行业的投放主要集中在都市、现代言情两大类型。而推广的思路单调一致，这实际上只是行业的思维惯性所致。其实，选出什么样的作品更有效，在平台强大的用户画像能力下，完全可以走数据驱动的路线。

通过小说行业的广告商品化，经过双方共同建模挖掘品类人群，以及基于品类人群的策略调控，从后验数据上看，推广在内容上有了意外的发现：目前，古言已经是阅读行业第三大品类，单品类新增用户量提升了5倍，次留率也提升了20%。而这样的变化，在以往以人的经验为主导的体系下，是很难发生的。

再来说说用多商品广告mDPA拉活的场景。mDPA这种解决方案，有几个好处：首先，可以充分利用一方行为数据或者广告主推荐能力，结合平台的推荐能力进行灵活的拉活投放；其次，通过单广告多商品，实现千人千面投放，从而极大地提升效果和拿量能力。

目前多个网服行业头部玩家均已对接了腾讯广告的mDPA做拉活投放。其中，视频直播赛道的一个客户，通过RTA + mDPA的方式，成功大幅提升了量级和效果。

基于这种商品找人的逻辑，消耗能力更强，当日起量率获得5倍提升；而且，将商品信息应用在模型中，CTR提升16%，CVR获得2倍提升、次留率获得了22%的提升。

趋势与展望

独立内容单元的选择和直接推广，是网服行业的增长方法论的全面升级。网服客户的整个营销逻辑，都开始向着以商品为核心的方向发展，那么是否可以让营销再进一步，由“用户选择内容”进化到“用户定义内容”呢？

实际上，在电商行业中，这样的探索思路在实践中早已有了实质性的进展，我们也可以套个时髦的词汇，把它归到C2M这个趋势下。用营销反向影响产品的设计生产呢，在电商行业用得比较成功的，是跨境电商的热门企业Shein。据说，Shein每天上的新品多达数千款，而这么多的新款，其实并没有下单生产，而是仅仅打版做了样品。根据营销中得到的用户反馈，找出可能的爆款再生产就好了。按这样的方法论，既避免了设计师经验导致的盲目自负，也避免了设计失败带来的库存积压，还能做到非常敏捷的产品升级换代。

再说回网服行业。面向单品的营销，其数据是否有助于回答下面这些问题：下一个产品爆点在哪里？产品应该向什么方向演进？说得更大一点，广告渠道和客户是否可以“共创”下一个增长点呢？

还拿上面的小说案例来看，这么做显然有巨大的空间！每个作者都是根据自己熟悉的题材来写作，可是到底什么样的小说受欢迎，只有等丑媳妇见了公婆，也就是拿到了读者的反馈数据才能搞清楚。而在单品营销的框架下，完全有可能得到详实的数据统计，然后驱动后端的运营，去生产更多受欢迎的内容。

大家还记得不？江湖上有个《纸牌屋》利用大数据调整内容方向的神话。在今天网服行业营销商品化的大趋势下，用更加系统性的方法，反向推动商品和内容的设计生产，正悄悄展示出强大的力量，也逐渐让营销变得不只是营销，而是数据化的市场瞭望哨。