HYPER+科学营销工具：GROWMETRICS用科学评估投放

摘要：如何评估营销投放的实际效益，一直以来都是广告主、媒体及代理公司三方共同面临的挑战。面对这一挑战，华扬联众 HYPER+ 推出了“GROWMETRICS”科学评估工具。

如何评估营销投放的实际效益，一直以来都是广告主、媒体及代理公司三方共同面临的挑战。面对这一挑战，华扬联众 HYPER+ 推出了“ GROWMETRICS ”科学评估工具。

数字营销的确带来了实时可监控的后端数据，然而一直关注品牌长期增长的华扬联众HYPER+ 团队认为，现在数字营销可监控的效果数据并非全面客观的，基于这类数据，使得一些品牌对后端可直接可追踪的平台进行过度投资，进而忽略品牌建设以及品牌长期的增长。

HYPER+认为现有的媒介考核体系存在以下问题：

有很多营销活动和投资的本身不具备直接可追踪性，如偏传统的媒体，PR活动等，但我们不应该忽略这些投资的价值；

有一些可追踪的数字媒体的短期生意端数据可能不佳，不代表这些数字媒体没有长期价值；

有一些媒体或者市场投资，由于本身不具备直接导入后端生意的属性，只有前端数据（如CTR，CPE等），例如一些达人效果的考核，互动数据不足以说明真正的达人种草效力。GROWMETRICS可以很好地解决以上问题。

华扬联众 HYPER+ 推出的“ GROWMETRICS ”是一款基于统计学模型的科学评估工具。它可以衡量所有可能的因素，包括市场活动，媒介投资，达人投资等营销活动，对于品牌增长的影响。衡量品牌增长的数据可以是直接的生意数据或其他可衡量品牌声量的数据。为确保模型的准确性，也会将其他可能有影响力的非营销因素加入模型。该工具利用先进的统计学模型对影响因子进行深入分析，并客观地给出不同因素对品牌增长贡献度的评价。这一方法能够客观地评估广告投放点位与品牌增长指标之间的联系，从而帮助品牌更客观地审视营销活动，并为后续投放选择提供有力支持。

GROWMETRICS 植根于统计学模型，融合了AI领域中机器学习（ML）的能力。GROWMETRICS 运用的先进的统计学模型，在人工智能领域，机器学习中，被广泛用于数据预处理和特征提取，尤其是在面对高维数据时，它能有效地减少计算复杂度并提高模型的性能。本质上帮助我们找到数据中的关键特征，因此它被视为一种“监督学习”方法，依赖于已有的数据来揭示输入与输出之间的关系。它的作用类似于机器学习中的特征选择或降维步骤，尤其是它能简化高维数据处理，提升模型性能。

GROWMETRICS 案例分享：

通过科学评估，找到广告与达人投放对电商检索量的影响因素

产品 A 作为品类及行业内的头部明星单品，在过去已经具备较高的市场声量份额与广告投放预算，但在当下面临消费增速放缓、行业竞争格局逆转、消费者审美疲劳等多种因素冲击的情况下，品牌对于广告点位的投放选择变得更加审慎，如何评估广告点位与 KPI 之间的影响作用也成为了亟待解决的问题。

为帮助客户解决这一问题，HYPER+ 通过 GROWMETRICS 科学评估工具，以统计学模型为基础，输入各类可能对于电商平台品牌搜索有影响的因子，如历史投放广告点位、达人、市场活动等各项指标，找到高 VIP 值（变量权重重要性指数——以 VIP=1 为基线，VIP 值越高，代表影响程度越大）的媒介投资点位与达人，以帮助客户在之后的投放中更加科学地进行媒体选择与评估。