这是每一家企业在市场营销方面面临着的重要问题。而在日前于旧金山举办的Marketing Next大会上，谷歌公司制定了新的目标，即通过一项新服务帮助营销人员了解其广告及其它营销性举措到底效果如何。
此次发布的新服务被谷歌公司命名为Google Attribution。尽管名称平淡无奇，但此项新服务承诺以更理想的方式对个人电脑、智能手机乃至从搜索到实体店面访问在内的多渠道状况进行追踪，从而准确把握宣传活动的具体成效。
作为一项免费服务，Attribtuion背后的基本思路在于着眼特定产品的买家在决定购买过程当中必然经历的各类互动操作，包括面向搜索、社交网络、应用程序、网站及展板广告、视频广告以及电视广告。目前，人们追踪这种宣传效果的方法还较有限，例如往往无法将各平台之间的影响水平加以结合。正因为如此，大多数企业只能将"客户转化"归功于最后一次点击，这意味着其直接失去了对实现销售的众多联系点的把握能力。
谷歌公司Attribution产品经理Bill Kee在大会上对上千位营销受众表示，"现有归因工具无法完成这项任务。"
尽管尚未公布充足的细节，但Attribution确实能够集成来自谷歌广告服务，具体包括AdWrods广告服务系统、Google Analytics以及DoubleClick Search等搜索广告系统的各类信息，从而帮助营销人员立足更为宏观的视角了解如何吸引目标客户。具体来讲，Attribution服务允许营销人员使用数据驱动型归因手段，即利用机器学习技术以分析销售情况或进行数据转化，同时计算从品牌第一印象到购买前最后一次点击等各个步骤对于吸引消费者的实际贡献。
当然，谷歌方面同时表示，Attribution与其它谷歌广告工具--例如AdWords与DoubleClick Search--配合使用效果更佳。Attribution服务具体能够以怎样的程度对其它工具的使用数据进行追踪或分析目前尚不清楚，但目前已经发布的付费版本Attribution 360作为于2014年通过Adometry公司所获得的技术方案，每年起步价格高达15万美元。Attribution 360当中囊括了多种面向大型或者高水平市场营销团队及广告机构的功能选项，包括与DoubleClick Campaign Manager相集成以及定制化数据集成方案等，帮助营销人员利用自有数据对电视广告进行归因。
谷歌公司亦以预览形式展示了一套实体店面销售管理产品。Kee在采访当中解释称，谷歌方面利用机器学习技术构建起多套人类群体分析模型，包括对人们点击广告后购买或者不进行购买的活动加以统计。该模型能够分析点击搜索广告、查看显示广告、观看电视广告以及此类活动综合体的实际效果，同时从零售商、实体店面浏览影响以及最终购买行为中提取数据，从而判断哪类广告最有助于哪些购买方式。如此一来，消费者所看到的实际广告内容即可进行相对有效的调整以及加权，这意味着市场营销人员将能够将支出投入到在正确的时间点发布更行之有效的宣传广告。
当然这距离完美衡量仍有很长的路要走，Kee坦言，但其已经优于目前的众多解决方案。他同时指出，"无论是这套模型还是其它任何模型都不可能完全表达实际情况，但其仍然拥有积极作用。"
市场营销接触点与购买数据间的匹配自然会引发隐私争议，谷歌公司在新闻发布会上也对此予以承认。谷歌公司搜索广告产品管理副总裁Jerry Dischler表示，该公司并不会在匹配当中使用消费者的真实姓名。谷歌公司公司拥有其所谓"不透明盒"数据以处理用户活动数据，而营销人员则拥有专属的购买活动不透明盒--这意味着客户的位置乃至其它数据将由第三方数据经纪人负责提供，而谷歌系统则通过匿名方式匹配以确定宣传的效果及成功与否。他同时强调称，谷歌公司无法看到零售商数据，或者说仅能看到具体支出额而非单笔零售交易，反之亦然--零售商无法查看谷歌掌握的数据。
电子前沿基金会等隐私权倡导组织对于数据的实际匿名性仍然抱有怀疑态度，特别是考虑到谷歌公司并未透露其系统的具体运作方式。
谷歌方面表示，Attribution目前尚处于beta测试阶段，并将在未来几个月内面向"更多广告客户"推出。
谷歌公司利用机器学习技术帮助市场营销人员改善广告追踪能力与效果
图片来源：谷歌公司
鉴于谷歌公司首席执行官Sundar Pichai强调将搜索巨人转型为一家"AI至上"型企业，因此自其于2015年接任公司掌门人一职以来，人工智能与机器学习已经成为Attribution以及此次发布的其它几项新服务的核心支柱。
谷歌公司宣传与广告业务高级副总裁Sridhar Ramaswamy在会议之前的一篇博文中表示，"这项技术对于帮助营销人员以实时方式分析大量信号，并在适当时间点通过广告吸引更多客户而言至关重要。机器学习亦成为衡量当前消费者在跨越多种数字与物理领域内各设备与渠道间实际活动的关键所在。"
谷歌公司并不是惟一一家将机器学习技术引入市场营销活动的企业。时至今日，几乎每家公司都在大力宣传自身AI解决方案。预测性广告管理企业QuanticMind公司联合创始人兼CEO Chaitanya Chandrasekar在接受邮件采访时指出，"如果更多广告客户在购买宣传服务之前更多地关注最终点击情况，则谷歌公司将重新构建上游营销渠道，并开始更多地关注展板广告等顶级渠道活动。但真正令我着迷的是，谷歌公司正越来越多地推动机器学习技术发展，用以引导日益分散的客户购买活动。"
谷歌公司还强调了机器学习技术在其2014年推出的实体店面访问测量系统中的改善性作用。自引入之后，谷歌方面努力说服各零售商协助其将广告宣传与实体店面访问活动加以结合--当然，这一过程充满各种挑战。
Ramaswamy表示，"我们最近对深度学习模型进行了升级，旨在立足规模更大的数据集进行模型训练，并在更具信心的情况之下对各类高挑战性场景中实施实体店面访问活动测量。"他同时补充称，其中包括对东京及圣保罗的多层商场之内进行访问状况调查。
除了目前正在推行的搜索、Google Shopping以及展示广告之外，店面访问亦将很快被纳入YouTube视频宣传平台。另外，在未来几个月中，谷歌公司还将通过设备及广告活动推出店面销售测量方案，旨在帮助零售商准确追踪由广告宣传所贡献的店内销售额。
最后，谷歌公司正在努力交付一套根据其当前研究对特定产品进行营销宣传的方法（这种方法被称为'市场内受众'），旨在改善广告搜索方式。举例来说，汽车经销商将能够借此接触到搜索"最佳燃油效率SUV"与"宽敞型SUV"内容的潜在买家。
这项功能将对数百万个网站上的数万亿次搜索查询与活动进行分析，从而更为准确地利用机器学习技术吸引抱有购买意图的消费者。
本文转自d1net（转载）
