在线广告的可衡量性如何？

　　在线广告的可衡量性如何?
　　今年3月，西北大学(Northwestern University)和Facebook的研究人员在《营销科学》(Marketing Science)杂志上发表了一项新研究，揭示了在线广告测量的常用方法是否像大规模随机实验的＂黄金标准＂一样可靠和准确。
　　研究结果表明，通常使用的观察方法依赖于广告商通常可以获得的数据，但往往不能准确地衡量广告的真实效果。观察方法是那些包含广泛类别的统计模型的方法，这些模型依赖于＂现有的＂数据，不需要通过随机实验进行显式操作即可生成。研究发现，随机对照试验得出的广告效果与那些经常被广告客户用来评估其广告活动的观察方法有显著差异。一般来说，与我们在随机测试中发现的结果相比，目前和更常见的方法高估了广告效果。尽管在某些情况下，他们明显低估了效率。
　　对许多公司来说，衡量广告效果仍然是一个重要的问题。一个关键的问题是，广告活动是否产生了增量效果:更多的消费者是因为看到了广告才购买，还是这些消费者中的许多人在没有广告的情况下也会购买?获得增量结果的精确度量(＂转换＂)有助于广告商计算活动的投资回报(ROI)。
　　Facebook等承载广告的数字平台已经创造出全面的方法来评估广告效果，使用的是细粒度数据，这些数据将广告曝光、点击、页面访问、在线购买甚至线下购买联系起来。不过，即便有了这些数据，衡量广告的因果效应也需要合适的实验平台。＂
　　该研究的作者使用了来自Facebook美国15个广告实验的数据，包括5亿用户实验观察和16亿广告印象。Facebook的＂转换提升＂实验平台为广告商提供了随机对照实验的能力，以衡量广告活动对消费者结果的因果影响。这些实验将用户随机分配到从未接触过广告的对照组和有资格看到广告的试验组。比较两组之间的结果提供了广告的因果效应，因为随机化确保了两组的平均水平是相等的，除了试验组的广告曝光量。每个广告活动的实验结果作为评价常用观察方法的基线。
　　观察方法比较暴露于广告的用户和未暴露于广告的用户之间的结果。这两类用户往往在许多方面存在系统性差异，比如年龄和性别。这些特征的差异可能观察到的,因为广告(或其广告平台)经常访问这些特征和其他的数据,例如,除了知道在线用户的性别和年龄,可以观察到正在使用的设备类型,用户的位置,已经多长时间用户上次访问以来,等等。然而，棘手的部分是，暴露的和未暴露的群体也可能在一些非常难以衡量的方面存在差异，比如用户对品牌的潜在亲和力。要说广告＂引起＂了某种效果，研究人员必须能够解释两组之间观察到的和未观察到的差异。观察方法利用观察到的用户特征数据，试图调整可观察和不可观察的差异。
　　正如人们普遍认为的那样，目前使用综合个人数据的观察方法是否‘足够好’用于ad测量，即使是相当全面的数据，也不足以对广告效果做出可靠的估计。原则上，我们认为，只要有可能，使用大规模随机对照试验来评估广告效果应该是广告商的首选方法。＂