基于购买漏斗模型的多渠道网络广告效应研究

杨文胜,王海源

(南京理工大学 经济管理学院,江苏 南京 210094)

引 言

为了增加网络流量并提高品牌知名度,电子商务企业可以选择移动端和网页端等多种渠道,发布网络广告来接触和吸引互联网潜在用户,其中根据触发广告的主体差异可将网络广告分为两大类:一类是企业发起渠道(firm-initiated contacts, 以下简称FICs)网络广告,这类广告一般由网络营销企业主动发布,如移动端和网页端多种类型的展示广告、短信广告、微信软文广告、电子邮件广告等;一类是客户发起渠道(customer-initiated contacts, 以下简称CICs)网络广告,这类广告一般由用户的使用行为、搜索行为乃至所处位置所触发,诸如个性化推荐展示广告、付费搜索广告、基于用户位置的围栏广告(fence ads)等。不同类型的网络广告所产生的效果可能有所不同,如短信广告更多会吸引移动端的客户,而付费搜索广告不仅能吸引移动端的客户,还能吸引PC端的客户,所以,为了广泛吸引潜在客户,越来越多的电子商务企业使用多种类型的网络广告进行营销。然而,逐渐上升的网络广告成本使得企业管理人员在进行网络广告类型选择时更加谨慎。在有限的广告预算约束下,企业管理人员需要正确、准确地把握不同网络广告对于网站访问、购买行为的影响机理和影响程度,从而进行营销渠道管理,合理地对网络广告投放进行预算分配,以实现最优的广告效益。因此,对于电商企业而言,在进行多种渠道的网络广告投放管理时,需要衡量和比较不同网络广告的广告效应差异。

通过对现有研究进行回顾,本文发现网络广告效应仍然是近十年网络广告研究的重要研究课题。从对消费者行为影响的时间特征来看,网络广告效应可以分为短期效应(即时效应)和长期效应(1)Breuer R, Brettel M, “Short-and long-term Effects of Online Advertising: Differences between New and Existing Customers”,Journal of Interactive Marketing, 26(3), 2012.。这里,短期效应指的是同一种广告展示之后短时间内对消费者购买行为的影响;长期效应指的是广告展示之后一段时间内对消费者行为的影响。目前大多数研究都集中在广告活动的短期影响上,很少考虑网络广告的长期效应,然而,短期效应方面的研究不能反映用户完整的广告访问和交互行为,无法衡量多渠道营销环境下多种网络广告的相对有效性和交互影响,这使得企业在评价广告效应时具有一定的片面性和误差。而且,企业在实践中不仅关注网络广告的短期效应,也关注网络广告的长期效应,诸如战略性品牌建立以及培养客户忠诚度,需要从长期的角度更好地了解网络广告活动如何影响消费者。因此,为了更准确地衡量多种网络广告的效应,需要综合比较不同类型的网络广告效应在时间上的变化。

综上所述,目前关于网络广告效应的研究主要集中在短期效应或长期效应上,而且在研究不同网络广告效应时很少有人结合用户购买过程的行为阶段来进行研究,基于此,本文基于网络广告多种类型数据,结合购买漏斗模型构建综合测评多种网络广告的短期效应和长期效应的模型,以期更全面准确地评价网络广告的效应。

一、文献综述

互联网和移动网络的出现使得企业与用户的交互渠道增加,促使网络广告类型不断增长,对于多种网络广告的效应研究一直是当前研究者关注的问题。我们的研究大致与网络广告的短期效应测评、长期效应测评以及多渠道网络广告效应测评这三个方面相关。

1. 网络广告短期效应测评研究

实践中,网络广告提供商通常通过当天网络广告的点击率和购买转化率来分析网络广告的即时效果,这两个指标一定程度上反映了网络广告的短期效应。

基于点击行为评价网络广告短期效应的研究中,除了关注实际点击率数值大小,更多关注影响用户广告点击行为的因素。Zhang等(7)Zhang Y, Jansen B J, Spink A,“Identification of Factors Predicting Clickthrough in Web Searching Using Neural Network Analysis”,Journal of the American Society for Information Science and Technology, 60(3), 2009.通过人工神经网络算法对用户的付费搜索广告点击行为进行建模,发现付费搜索广告中的关键词长度和广告本身的内容对用户点击广告有较大影响。Nottorf(8)Nottorf F,“Modeling the Clickstream across Multiple Online Advertising Channels Using a Binary Logit with Bayesian Mixture of Normals”, Electronic Commerce Research &Applications, 13(1), 2014.通过二元逻辑模型结合贝叶斯的方法,研究发现用户在不同渠道网络广告(展示广告、付费搜索广告、定向广告)上的点击行为有所差异,展示广告和付费搜索广告之间的广告点击转移对广告点击率有积极影响。基于点击行为的网络广告效应研究仅考虑网络广告的投放对于用户点击行为的影响,而忽略了点击之后产生的浏览及购买行为。

有研究基于购买行为进行网络广告效应测评,运用购买转化率衡量网络广告效应。购买转化率是指广告引致的点击用户中产生购买行为的用户的比例,这一指标可以更直接地体现出网络广告对点击用户的购买行为产生的即时影响。Moe等(9)Moe W W, Fader P S,“Dynamic Conversion Behavior at E-Commerce Sites”,Management Science, 50(3), 2004.使用用户广告点击流数据,根据用户的历史访问和购买记录对用户购买转化率进行预测以评估网络广告的短期效应。Rutz等(10)Rutz O J, Bucklin R E,“From Generic to Branded: A Model of Spillover in Paid Search Advertising”,Journal of Marketing Research, 48(1), 2011.用付费搜索广告数据(点击数、转化数等),以贝叶斯模型为基础开发了一个两阶段的点击—转化模型,该模型考虑了消费者异质性以评估网络广告所产生的购买转化率。Montgomery(11)Montgomery A L, Li S, Liechty S J C,“Modeling Online Browsing and Path Analysis Using Clickstream Data”,Marketing Science, 23(4), 2004.运用动态多项Probit模型,利用一个在线书店的点击流数据进行实证验证并对购买转化率进行预测。Blake等(12)Blake T, Nosko C, Tadelis S,“Consumer Heterogeneity and Paid Search Effectiveness: A Large-Scale Field Experiment”,Econometrica, 83(1), 2015.通过在Ebay上进行一系列大规模的现场实验,将用户随机分为两组,一组接触付费搜索广告,另一组未看到付费搜索广告,实验旨在探究付费搜索广告对于购买转化率的因果效应,最后发现非品牌关键词的付费搜索广告对于新客户而言存在积极的短期效应。

上述研究大多以广告点击率或购买转化率为评价指标来直接测评网络广告短期效应,这种方法可以反映网络广告所产生的即时影响,但并未考虑网络广告的长期影响。然而有时网络广告并非会立刻引发用户行为,而是首先形成印象,在一段时间后引起用户点击甚至购买行为。只对短期效应进行测量而忽略可能存在的长期效应,难以准确衡量网络广告在一段时间内的影响力。

2. 网络广告长期效应测评研究

广告的长期效应是指一定数量的广告在投放一段时间之后对消费者行为乃至企业销售业绩的影响,可用Koyck模型评估其影响程度(13)Givon M, Horsky D,“Untangling the Effects of Purchase Reinforcement and Advertising Carryover”,Marketing Science, 9(2), 1990.。有研究表明网络广告长期效应广泛存在,网络广告长期效应表现为用户的广告点击,在一段时间后对后续浏览行为、后续广告点击行为以及购买行为的影响(14)Breuer R, Brettel M, et al.,“Incorporating Long-Term Effects in Determining the Effectiveness of Different Types of Online Advertising”, Marketing Letters, 22(4), 2011.。Briggs(15)Briggs R, Hollis N,“Advertising on the Web: Is There Response Before Click-through?”,Journal of Advertising Research, 5(3), 1997.发现网络广告的重复曝光会使消费者对广告展现的内容、产品和品牌形成认知,这种认知大大提高了消费者之后点击广告甚至购买的概率。

在网络广告普及前,广告长期效应测评研究大多关注的是广告影响的持续时间。Berkowitz等(16)Berkowitz D, Allaway A,“The Impact of Differential Lag Effects on the Allocation of Advertising Budgets across Media”,Journal of Advertising Research, 41(2), 2001.比较了电台广告、公告牌广告和报纸广告三者的长期效应持续时间,发现电台广告的广告效应持续时间最长,其次是公告牌广告,最后是报纸广告。Herrington等(17)Herrington J D, Dempsey W A,“Comparing the Current Effects and Carryover of National-, Regional-, and Local-Sponsor Advertising”,Journal of Advertising Research, 45(1), 2005.针对汽车制造行业投放的当地广告、区域性广告和全国性广告的长期效应进行比较,发现区域性广告比全国性广告的影响持续时间长。虽然这些研究对线下渠道的广告长期效应影响持续时间进行了研究,但并未进一步研究在这段时间内的广告效应强度,因此这类研究对企业把握广告在长期上对销售的影响程度支持有限。

为了解决这一问题,有研究又对不同渠道广告的影响强度进行了积极的探索。有学者通过观测购买行为发生前四周的电话推广强度,捕捉电话广告强度的长期效应,通过简单的多元回归实证检验了线下推广强度对数字服务在线消费者购买概率的影响,以及电话推广的长期效应强度(18)Zhang X, Yao Y, “How Much is Too Much? The Effect of Offline Call Intensity on Online Purchase of Digital Services”,Production and Operations Management, 29(3), 2020.。Haan等(19)Haan E D, Wiesel T, Pauwels K,“The Effectiveness of Different Forms of Online Advertising for Purchase Conversion in a Multiple-channel Attribution Framework”,International Journal of Research in Marketing, 33(3), 2016.对邮件广告、付费搜索广告、比价广告这三种特定广告进行长期效应的比较,通过向量自回归和脉冲响应分析法来处理数据(如广告点击量、产品销量和广告预算),最终发现内容聚合的用户发起类广告的遗留效应是最强的,随后是内容分离的CICs广告和FICs广告。Goic等(20)Goic M, Alvarez R, Montoya R,“The Effect of House Ads on Multichannel Sales”,Journal of Interactive Marketing, 42, 2018.也利用向量自回归针对家庭广告对于线上线下销售的直接和长期的效应进行了测评。还有学者基于特许经营行业1980到2009年度的185家企业的企业级广告点击和销售数据,利用面板向量自回归对网络广告的长期效应强度进行测评以避免特定公司的异质性(21)Kwangmin, Park, SooCheong, et al.,“Revisiting the Carry-over Effects of Advertising in Franchise Industries”,International Journal of Contemporary Hospitality Management, 28(4), 2016.。这些包括向量自回归在内的持续建模技术通过单位根检验、协整性检验(22)Fuller D W A,“Distribution of the Estimators for Autoregressive Time Series with a Unit Root”,Journal of the American Statistical Association, 74(366), 1979.和格兰杰检验(23)Granger C W,“Investigating Causal Relations by Econometric Models and Cross-Spectral Methods”,Econometrica, 37(3), 1969.在内的一系列检验,可以避免出现变量间的关系“伪回归”的问题。另外,以往研究常用的脉冲响应分析,能够以图形的方式可视化地展示出广告投放和产品销量之间的动态影响关系。

以上研究大多针对长期效应的时间或强度的某方面进行分析,而对这两方面进行综合测评的研究相对较少。Breuer和Brettel(24)Breuer R, Brettel M,“Short-and Long-term Effects of Online Advertising: Differences between New and Existing Customers”,Journal of Interactive Marketing, 26(3), 2012.首先开始尝试同时对网络广告长期效应的持续时间和影响强度开展测评研究,他们选择三种特定的网络广告,并基于广告点击次数和购买数据进行分析,将滞后系数纳入建模过程,通过网格搜索法穷举出了各渠道对应的最优滞后系数。随后基于滞后系数以及Bass(25)Bass F M, Leone R P,“Temporal Aggregation, the Data Interval Bias, and Empirical Estimation of Bimonthly Relations from Annual Data”,Management Science, 29(1), 1983.和Leone(26)Leone R P,“Generalizing What Is Known about Temporal Aggregation and Advertising Carryover”,Marketing Science, 14(3), 1995.所提公式和Greene(27)Greene W H, “Economic Analysis”,Pearson Education, 2003, p.30-72.的研究方法,求得各渠道长期效应的影响累积程度和影响持续时间。

3. 多渠道网络广告效应测评研究

消费者在完整的购买阶段中,通常可能不止会点击一次同种或多种网络广告渠道。以往这种同渠道或跨渠道点击行为可能会发生渠道组合效应,并对当前渠道的广告点击或最终购买行为产生一定的影响。因此,对多渠道网络广告效应测评的研究是十分有必要的。

近年来,多渠道网络广告效应研究已引起了学者的关注,然而,大多研究主要集中于两种或三种特定的广告渠道。Kireyev等(28)Kireyev P, Pauwels K, Gupta S,“Do Display Ads Influence Search? Attribution and Dynamics in Online Advertising”,International Journal of Research in Marketing, 33(3), 2016.构建了一个多变量时间序列模型,以此研究付费搜索广告与展示广告之间的动态互动关系,研究结果表明,展示广告可能会提高搜索广告的转化率,但与此同时也会提高搜索广告的成本。Xu等(29)Xu L, Duan J A, Whinston A,“Path to Purchase: A Mutually Exciting Point Process Model for Online Advertising and Conversion”,Management Science, 60(6), 2014.通过捕捉展示广告与搜索广告之间的动态互动,探讨了这些网络广告对购买转化的影响,研究发现,展示广告对购买转化的直接影响相对较低,但却能通过影响其他广告的方式刺激后续访问。Bollinger等(30)Bollinger B, Cohen M, Jiang L,“Measuring Asymmetric Persistence and Interaction Effects of Media Exposures across Platforms”,Available at SSRN, 2013, 2342349.探讨了展示广告、Facebook广告以及电视广告对家庭层面上购买行为的影响,研究表明,展示广告与电视广告的组合可以帮助企业提升消费者对品牌形成良好的印象。

目前,也有较少的研究对企业整体广告渠道在提升消费者购买可能性的影响上进行了深入分析。如,Danaher等(31)Danaher P J, Dagger T S,“Comparing the Relative Effectiveness of Advertising Channels: A Case Study of a Multimedia Blitz Campaign”,Journal of Marketing Research, 50(4), 2013.通过将一家大型零售商的展示广告、搜索广告、电子邮件广告、社交媒体广告以及电视广告等十种线上与线下广告的曝光率与消费者的购买记录进行匹配,从而探讨这些广告的有效性。但他们的研究并没有分析跨渠道之间的组合效应。Li等(32)Li H, Kannan P K, “Attributing Conversions in a Multichannel Online Marketing Environment: An Empirical Model and a Field Experiment”, Journal of Marketing Research, 51(1), 2014.通过构建层次贝叶斯模型对一家酒店企业六种网络广告数据以及购买相关数据进行了分析,研究发现,搜索广告可以减少消费者后续通过展示广告及电子邮件广告进行购买的成本。

可以看出,有关多渠道网络广告的研究中,大多文献主要针对两种或三种特定的网络广告渠道,从企业全方位渠道间交互作用的视角进行分析的文献仍然相对较少。基于此,本文将从企业全方位渠道的视角,运用客户渠道点击流数据对企业整体营销渠道的组合效应进行深入研究。

综上所述,虽然现有研究对短期效应或长期效应进行了测评,但缺少综合测评这两种网络广告效应的研究。另外,大多广告效应测评的研究侧重于广告支出或广告点击对于最后销售收入的影响。然而,在网络广告投放场景下,除了广告的销售影响外,管理人员还想要了解网络广告对于增加客户购买意愿的影响,也就是说不同网络广告是否在吸引客户深入浏览产品或产生加入购物车行为上有不同的效果(33)Lecinski J, “Winning the Zero Moment of Truth”,http://www.thinkwithgoogle. com/research-studies/2011-winning-zmot-ebook.html, 2011.。因此,本文为了更全面的评价多种网络广告的效应,一方面,重点对每种网络广告对于购买的短期即时效应和长期累积效应以及效应发挥的时间长度进行测评;另一方面,研究多渠道网络广告对于购买意愿的影响,也就是分析多渠道网络广告在客户的不同购买漏斗阶段所发挥的效果,以帮助企业进一步捕捉不同网络广告在客户购买过程各个阶段的作用。

二、研究假设及研究设计

1. 研究假设

根据AIDA理论,消费者在面对某产品/服务时可能经历“注意(Attention)—兴趣(Interest)—欲望(Desire)—行动(Action)”四个阶段。基于AIDA理论,市场营销学者普遍认为消费者关于产品/服务的购买决策的形成是一个漏斗流程,从开始到结束,用户在每一个阶段,都会产生流量(34)Roberts, John H, “Consideration: Review of Research and Prospects for Future Insights”, Journal of Marketing Research, 34(3), 1997.。因此,这是一个多阶段的购买漏斗模型。

电商企业在进行网络广告营销时,消费者的行为路径也通常遵循购买漏斗模型,包括用户点击网络广告的关注阶段、用户进一步浏览网站和加入购物车的兴趣和欲望阶段和最后的购买行动阶段。用户点击某个网络广告之后的企业访问行为,如网站主页访问、详情页访问、浏览页面数、访问页面类别等,体现出了消费者在受网络广告影响后对企业网站及其产品的兴趣程度,可以从侧面反映该广告的有效性以及用户的购买意愿。不管是点击还是访问行为都属于用户购买过程可能历经的环节,可将用户购买决策过程分为用户广告点击、访问以及购买三个购买漏斗阶段。在访问阶段,用户又可能继续接触企业产品主页和产品详情页,当用户产生了较强的购买意愿时会产生加入购物车的行为。具体来看,部分用户首先会通过接触并点击企业相关的各种广告,对某公司的产品、品牌或服务产生一定关注。接着他们会根据感兴趣程度产生一定的响应行为,未产生兴趣的用户会在这一环节直接流失,而剩余的用户可能会浏览主页了解大致的产品情况,更加感兴趣的用户会浏览产品详情页获取更全面深入的信息以判断产品是否符合自身的需求。在对产品进行详细的信息调查和比较分析后,可能有部分用户会发现产品非常满足自身的利益和需求并产生一种渴望拥有的感情,进而倾向于将产品加入购物车以待购买。最后,经历漏斗模型各阶段的流失,只有相对少数的用户产生购买行为。

由于用户点击某种网络广告并形成购买决策并非一步到位,要经历多个漏斗阶段,各个漏斗阶段之间可能实现传递和转化。因此,在进行网络广告效应测评时,除了首先关注各种网络广告对于最后购买转化的即时和长期影响外,还需要关注网络广告对于购买前期不同阶段的影响差异以帮助人们有效找到问题环节并进行优化。另外,多渠道网络广告营销情景下,用户从不同广告渠道进入购买过程对各购买漏斗阶段产生的效应也可能产生差异。因此,本研究对用户购买决策过程中的各个阶段进行拆解,形成多渠道网络广告效应的购买漏斗模型,如图1所示。

图1 多渠道网络广告效应的购买漏斗模型

H1:CICs广告对消费者在购买漏斗的早期阶段有更强的效应,而FICs广告对消费者在购买漏斗的后期阶段有更强的效应。

此外,广告效应的强弱可能与客户所处的状态相关,即客户行为状态与购买决策越接近,广告的刺激效果越好。市场营销的一个中心思想是,客户经历一系列阶段并最终发生购买转化,包括需求识别,信息搜索,替代品评估,以及最终的选择(购买)。CICs广告的主要目的在于帮助那些正在寻找更多信息(搜索引擎和直接输入搜索)的消费者。而FICs广告的主要目的在于接触尚未认识到产品需求的消费者并改变此类消费者的产品需求。如引荐广告通常出现在第三方网站上,此时消费者正具有一定目的地浏览第三方网站,而引荐广告则需要与第三方网站竞争消费者的注意力。因此,通过引荐广告访问企业网站的消费者可能具有一定冲动购买的可能性。基于此,本文提出以下假设:

H2:FICs广告更能促进消费者产生购买行为。

最后,由于客户必须采取触发CICs渠道的行动(如主动搜索)并且CICs广告与购买漏斗的后期阶段更相关,因此CICs广告将比FICs广告更快地促进购买转化。相反,FICs广告首先被用于刺激潜在客户,更多是针对处于需求识别的早期阶段的客户,因此,本文提出假设:

H3:FICs广告在导致客户购买转化上需要更多的时间,长期效应更明显;而CICs广告的短期效应更明显。

基于上述假设以及购买漏斗模型选择相关变量,如表1所示。

表1 基于购买漏斗模型的多种网络广告渠道效应测评的相关变量描述

2. 模型构建

VAR(向量自回归)(37)Pauwels K, Srinivasan S, Franses P H,“When do Price Thresholds Matter in Retail Categories”,Marketing Science, 26(1), 2007.模型被用于聚合级别的多变量时间序列数据(指不同时间点上收集到的聚合数据)。该模型不仅能够提供一种灵活和统一的短期、长期效应的处理方式,还能够利用时间序列数据的滞后效应和复杂的反馈循环来解决变量之间可能相互影响的内生性问题。而SVAR(结构性向量自回归模型)(38)Dekimpe M G, Hanssens, D M,“Time-series Models in Marketing: Past, Present and Future”,International Journal of Research in Marketing, 17(2-3), 2007.一般是基于一定的管理判断和营销理论基础建立的,将那些基于营销理论和技术限制的变量间的结构性关系引入VAR 模型。SVAR模型相对VAR模型更有实践意义。本文为了揭示各种广告营销渠道、网站访问漏斗阶段以及最终购买转化数之间的动态依赖关系,选择采用SVAR方法来分析。

首先基于购买漏斗模型构建如下广告效应模型:

(1)

其中,Bt是短期效应的参数矩阵,表示第t期某变量(如网络广告渠道点击Advertisingt)的单位变化对于其他变量(如首页访问量Homepaget、详情页访问量Detailt、加入购物车数Cartt或购买量Purchaset)的当期影响和即时作用,这就是网络广告即时效应的体现。φk表示的是某变量一个单位冲击,对于其他变量在后续第k期产生的影响,代表的是长期影响。脉冲响应函数反映了VAR模型中某一变量受到冲击时会如何影响其余变量的波动(39)Sun C, Ding D, Fang X, et al.,“How do Fossil Energy Prices Affect the Stock Prices of New Energy Companies? Evidence from Divisia Energy Price Index in China’s Market”, Energy, 169, 2019.。因此,本文将后续进行脉冲响应分析,以捕捉每个变量对于该系统中其他变量的动态效果。

对于上式中的Bt和φk中的参数,本文可以将其中一些参数限制为零以捕获特定关系(40)Pauwels K,“How Dynamic Consumer Response, Competitor Response, Company Support, and Company Inertia Shape Long-Term Marketing Effectiveness”, Marketing Science, 23(4), 2004.。这些限制条件将VAR模型转换为SVAR模型,如式(2)所示:

(2)

由于管理判断以及网站设计等因素的约束,购买漏斗中并非所有客户的访问路径都是有效的。具体来说,在购买漏斗中用户需访问主页后才可以进一步访问详情页,且需访问详情页后才能进一步加入购物车,而无法直接从主页将产品加入购物车。因此,用户跳过购买漏洞中的某阶段直接进入下一阶段的路径不具可行性。此外,购买漏斗的后期阶段并不能推动早期阶段,该过程具有一定的不可逆性,例如详情页访问的数量并不能影响主页访问数量。因此,对自回归模型中变量的交互影响进行一定的约束可以促使模型更符合现实情况以及营销理论。在本文SVAR模型当中,第一个限制块1意味着网站访问的漏斗阶段变量的改变在同一天不能影响其之前漏斗阶段变量。例如,因为当客户要添加购物车时,必须访问详情页并在详情页面上添加购物车,所以当本文观察到详情页访问会话数和购物车会话的增加时,本文将购物车会话的增加归因为详情页访问会话数的增加,而不是将详情页访问会话数的增加归因为购物车会话的增加。第二个限制块2意味着消费者通常不会在同一天在网站访问漏斗中跳过某阶段。例如,首页访问会话数的增加不会直接增加添加购物车的会话,详情页会话数量的增加也不会直接增加购买次数。同样,在滞后效应参数φk中设置类似的限制块——限制块3和限制块4。

三、实证结果及分析

1. 数据处理与特征提取

本研究数据来源于南京某互联网保险电子商务公司,该公司为广大消费者提供了一个可以搜索、浏览、咨询、购买以及理赔保险产品的线上保险交易平台,消费者在该公司网站的一系列访问、咨询以及购买等行为都记录于公司数据库中,主要包括网络日志数据库及业务数据库。本文所使用的是该企业2018年1月1日至2019年12月31日共计730天的网络日志数据以及截至 2019年 12 月 31 日(包含)以前的客户注册、分享、收藏及购买的数据。经过对原始数据进行数据清洗、数据表关联、用户访问来源、网络广告识别和会话划分后,本文可以获得本研究的基础数据集,共计7 231 956条数据。

数据处理过程中识别出了九种网络广告,包括直接输入网络广告、品牌型付费搜索网络广告、品牌型自然搜索网络广告、通用型付费搜索网络广告、通用型自然搜索网络广告五种CICs网络广告,以及短信广告、电子邮件广告、微信推广广告引荐链接广告四种FICs网络广告。这里的CICs网络广告是基于用户搜索或浏览等行为产生的广告,而FICs网络广告是指企业向目标用户推送相关产品和优惠信息的广告。另外,从用户的品牌使用来看,用户的搜索可以分为品牌搜索与通用搜索。品牌搜索指的是客户会主动使用电商企业的品牌名称(本文合作企业所投入的品牌关键词有“新一站”“xinyizhan”)来发起搜索,而通用搜索则是用一般性的关键词进行的搜索,如利用“旅游险”这种通用的产品关键词进行搜索。

根据所识别的网络广告类别可以按天统计客户对九种广告的点击次数。接着,在识别出客户访问的来源广告类别后,能够统计客户通过广告进入网站后的网站漏斗式访问特征,包括首页访问会话数、详情页访问会话数和加入购物车会话数。最后,客户的购买行为特征通过两种方式提取。一方面,通过解析访问请求页URL(REQUEST)中的关键字段识别客户是否购买成功;另一方面,当出现无法捕捉客户支付成功页面的情况,则通过日志表和订单表的关联提取出支付成功的有效订单数,以此识别单个客户每天的购买次数。

最后,为便于后续建模,本文针对这样的单个用户行为特征数据,对九种网络广告的访问次数和购买总量特征分别进行以天为单位的加总,获得了两年内每天的总购买量以及九种广告各自的访问数,从而获得单个客户每天的广告点击特征、网站漏斗阶段的访问特征以及购买特征数据,共计220 294条,截取其中五个用户的数据如表2所示。

表2 单个客户每天的广告点击、网站漏斗阶段访问和购买特征的数据示例

2. 模型评估与分析

在应用SVAR模型之前,应首先对其结构进行识别,从而确定模型中的内生变量与外生变量。因此,本文首先通过格兰杰检验确定哪些变量是由其他变量引起的,以判断哪些变量作为内生变量,而那些与任何其他变量都没有格兰杰因果关系的变量被视为外生变量。本文对每种网络广告所构建的模型做格兰杰因果检验,结果如表3所示。Granger因果关系检验表明,广告类型变量、网站漏斗访问的三个阶段特征,以及购买转化数都至少是由另一个其他变量引起的。这一结果说明必须把这些变量全部当作内生的并纳入模型中。

表3 格兰杰因果检验结果

为了探讨变量数据是否平稳,需首先进行平稳性检验。本文通过特征值检验每种网络广告渠道所构建的VAR系统是否为平稳过程。如果所有特征值都在单位圆内部,则为平稳过程。图2为各网络广告渠道模型系统的单位根检验结果。结果发现九种网络广告模型系统的特征根模都介于单位圆以内,这说明本文所构建的VAR模型是稳定的。

图2 九种网络广告模型系统的平稳性检验结果

图2九种网络广告模型系统的平稳性检验结果在通过格兰杰因果检验和平稳性检验后,可以对SVAR模型进行评估。首先需要根据信息准则确定VAR模型的阶数,设定最大滞后阶数为15,根据FPE、AIC、HQIC、SBIC信息准则判别方法,计算不同滞后阶数的模型中的信息准则值,以判断最优的滞后阶数。下面以品牌型付费搜索广告为例,结果如表4所示(打*的为最优滞后阶数),根据HQIC和SBIC准则,最优滞后期为2和1。而根据FPE和AIC,最优的滞后阶数为6。根据Lutkepohl的研究(41)Lutkepohl H,“Forecasting with VARMA Models”,Handbook of Economic Forecasting, 1(5), 2006.,SBIC与HQIC提供了对真实滞后阶数的一致估计,而FPE和AIC可能高估滞后阶数。作为折中,本文选择最优滞后阶数为4阶,进而进行模型的评估。同理,在进行模型估计前,可以以这样的方式确认其他网络渠道的模型最优滞后阶数,结果见表4。

在确认完最优的滞后阶数后,可以分别对九种渠道构建SVAR模型并估计。表5整合了九种网络广告SVAR模型的关键估计结果。SVAR模型中的β参数矩阵反映了变量之间的当期影响。本文参考Hirunyawipada等(42)Hirunyawipada T, Xiong G,“Corporate Environmental Commitment and Financial Performance: Moderating Effects of Marketing and Operations Capabilities”,Journal of Business Research, 86, 2018.通过使用企业当期利润以此衡量短期效应的思路,用β参数矩阵(变量之间的当期影响)衡量各网络广告对最后购买的短期效应,表5给出了β51的估计结果。由表5中结果可知CICs品牌型网络广告的短期效应最大且有很强的显著性。CICs通用型网络广告的短期效应次之,且有较强的显著性。FICs网络广告的短期效应最小,其中电子邮件广告的短期效应微弱显著。总的来说,在促进购买方面,CICs网络广告在短时间内比FICs广告更加有效。

表4 滞后阶数的确定

表5 不同类型网络广告的短期效应

由于SVAR模型包含许多参数,而这些参数的意义难以解释,因此常基于模型生成正交化的脉冲响应图进行分析,以捕捉每个变量对于该系统中其他变量的动态效果。本文重点关注九种网络广告作为冲击变量导致的购买转化数的动态变化过程,如图3所示。

图3 不同网络广告渠道的脉冲响应图

图中折线为某个变量一个单位标准差冲击引起的另一变量的响应变化,灰色区域为正负标准差之间的置信区间,横线标注出了y=0的零点轴,如果置信区间包含了零点轴,则说明影响不显著。首先,从CICs品牌型网络广告的冲击反应图来看,图a)显示品牌型付费搜索广告的一个标准差冲击在一天内对购买转化数有正向的冲击效应,随后逐渐减弱,一天过后的冲击效应并不显著。同样地,图b)显示品牌型自然搜索网络广告的一个标准差冲击对于购买转化数有正向的影响,且这种效应发生在当天,随后逐渐削弱并收敛。另外,作为CICs网络广告之一的直接访问也在短期内对于购买转化数有正向的冲击效应,并且这种正向冲击效应在三天后趋向于零(图c))。第二,从CICs通用型网络广告来看,通用型付费搜索广告和通用型搜索营销网络广告对于购买转化数的冲击发生在1～2天,随后效应趋于平稳。最后,从FICs网络广告来看,短信广告对于购买转化的影响是长期的,到第8天效应消减为零。而对于电子邮件广告的一个单位标准差冲击首先会在4天内对购买转化产生一个正向的影响并逐渐减弱。而后从第6天开始又产生一个滞后效应并持续到第九天,效应消失。微信推广广告的一个单位标准差冲击在前一天内并快速消减,而后在第七天又产生了一个较弱的滞后效应并维持到第九天。引荐广告相对于其他FICs广告,影响时间较短。

从上述分析可知,在短期内,CICs广告对于购买转化有正向的影响。而长期来看,FICs广告对于购买有更持续的作用,部分支持了假设H1。基于上述脉冲响应图,可以计算出九种网络广告对于购买的长期累积效应和持续时间,如表6所示。表6反映了不同网络广告的长期广告累积效应和磨合时间的计算结果。其中,磨合时间(Wear-in)是指网络广告对购买转化的第一个重要效应发生的时间,磨损时间(Wear-out)是指网络广告对购买转化的最后一个效应发生的时间。

表6 不同网络广告的长期累积效应和持续时间

从表6可以看到,在长期累积效应方面,短信广告具有最大的长期累积效应,达到1.274,其次是微信推广广告(1.049)。总体来看,FICs广告的长期累积效应平均值最强,达到0.794,其次是CICs品牌型广告,最后是CICs通用型广告。由此可见,FICs广告可以在一个相对长期的时间对客户的购买行为产生正面的影响。另外,在广告效应时间方面,所有网络广告营销的效应都发生在当天,不同广告所产生的效应持续时间有所不同。短信广告和邮件广告对于购买的影响有一定的滞后性,持续时间在八天左右。微信推广广告对购买影响持续时间达到九天。而CICs广告的影响时间比较短,在一天左右,支持了假设H3。

前文分析了各种网络广告对购买的短期效应和长期效应,以及效应发生和持续的时间。下面可以按照类似的方法计算出各种网络广告在不同广告漏斗阶段所产生的效应。通过对广告类型进行分组,本文获得CICs品牌广告、CICs通用型广告以及FICs广告的平均广告累积效应。表7说明了不同网络广告在漏斗阶段的累积广告效应。该表结果显示长期过程中,CICs品牌网络广告中,品牌型搜索网络广告在漏斗首页访问阶段产生了更高的效应,而直接输入广告在详情页访问阶段有更高的效应。CICs通用型搜索广告在主页访问和详情页访问阶段的效应较为相近。相对而言,FICs广告能更有效地吸引客户转到特定的产品详情页面,从详情页访问网站更为顺畅,也能获得更丰富的信息,从而产生更高的购买转化量,支持假设H2。

表7 不同网络广告在购买漏斗阶段的效应

表8 三类网络广告在购买漏斗阶段的平均效应

结 语

本文主要基于购买漏斗模型理论选择广告变量、网站访问阶段变量以及购买变量作为后文模型的输入变量,并且基于购买漏斗模型构建SVAR模型,以分析哪种网络广告对于购买的有效性最强和这种效应持续的时间以及渠道效应在不同购买漏斗阶段的差异,研究结果表明:(1)不同网络广告的即时效应与累积效应不同,企业的网络广告投放决策应根据产品类型进行调整。具体来说,当企业需要宣传即时促销的产品时,企业将更加注重广告的即时效应。本文实证结果表明,品牌型付费搜索广告的即时效应最强,其次是通用型广告,而短信、邮件、微信以及引荐等FICs广告在即时促进消费上效果最弱。因此,此时企业将广告投放的侧重点放在品牌型付费搜索广告以及通用型搜索广告上,并减弱短信、邮件、微信、引荐等FICs广告的投放。而当企业需要宣传经典与常青产品时,企业需要更加注重广告的长期累积效应。由实证结果可知,FICs广告有着最强的长期累积效应,特别是短信广告。因此,企业应增加短信广告以及其他FICs广告的曝光率。(2)当企业需要长时间的广告效应持续时间时,企业应考虑短信、邮件、微信、引荐等FICs类型的广告,此类广告的效应持续时间平均在6.5天左右,比搜索广告的效应持续时间更长。(3)不同类型的网络广告对消费者购买漏斗不同阶段会产生不同的影响。具体来说,品牌型搜索广告在漏斗首页访问阶段产生了更高的效应,通用型搜索广告在主页访问和详情页访问阶段的效应较为相近,而FICs广告能更有效地吸引客户转到特定的产品详情页面。因此,当企业希望进一步推进消费者向购买漏斗的下一阶段转移时,企业应在消费者接触CICs广告后积极增加FICs广告的曝光率。

另外,本研究仍存在着一些局限有待在未来进行进一步的讨论和改进。首先,本文在构建模型时,并未考虑数据的季节性因素,因此可能对研究结论造成一定的影响。其次,本文根据过往大多数研究选择以天为单位对单个用户的网络广告点击、网站各阶段访问流量和购买次数进行加总以降低数据的稀疏性,而直接使用单个客户的渠道点击和访问购买的面板数据进行建模可能会些微不同的结果,未来研究中可以进一步进行探究。