虽然大部分消费者讨厌网络广告，但是也不愿意为避免广告而付费。AppLovin调查了5000名美国成年人是否愿意付费来避免智能手机上的广告。根据发布的数据，约67%的受访者表示不会为了避免广告而负任何费用。

愿意付多少钱来避免广告？

AppLovin计算显示移动广告发布商每个月对拒绝接受广告的用户收取5美元才能保持收支平衡，但是，只有约19%的受访者表示可以接受5美元及以上的额外收费；约33%的受访者表示可以付2美元及以上的额外费用。

高收入群体收入至少7.5万美元

按照收入水平细分受访者，37%的高收入受访者可以付2美元及以上来移除广告。在高收入受访者中表示每个月可以付5美元的占约11%，还有5%的高收入受访者表示可以付10美元及以上。

消费者虽然并不完全接受网络广告，但是他们承认必须保持在线内容和移动内容免费。例如，6月Millennial Media发布的对全球移动用户的调查显示79%的受访者理解播放广告以换取免费的应用和内容，而且相比于为应用支付费用，用户更喜欢通过收看广告来换取免费内容。

有趣的是调查询问了移动用户分配在移动广告上花费时间的货币价值，受访者表示平均价值是每分钟近11美元。

199IT.com原创编译自：marketingland 非授权请勿转载

而据笔者刚刚从微信相关人士处得到的消息称，自25日晚20:45正式上线朋友圈广告开始，到27日早9:00，仅vivo智能手机一家的曝光量就达到了1.55亿人次，其中在朋友圈点击“vivo智能手机”的logo、对该条广告点赞和评论的行为超过720万次，而vivo官方微信也因此增加了22万粉丝，众多的用户参与到了vivo#向音乐致敬#的主题活动中。

这样的数据已经打破了微信朋友圈广告上线之前关于是否影响“用户体验”的声音，微信和精彩的创意用事实证明，只要是多站在用户的角度进行思考，将传统的广告思维转变为“用心沟通”的思路，微信朋友圈广告会得到用户的肯定的。

因此可以说，这次广告的成功上线，本身就是vivo“乐享极智”音乐概念的一次漂亮落地，也是vivo一贯以来对年轻目标群体深刻洞察基础上的一次厚积薄发。对其他品牌商来说，也证明了一个道理，只有真正和用户做朋友，朋友圈才能接纳你 。

via：jiemian

虽然很想让这个辩论告一段落，却又不是那么容易。例如，研究这一块时，我发现，一个数据科学家所认为的最佳算法的正确解决方案，另外三人会声称是错误的并提出一些不同的方案。

为了抛砖引玉，以下我给出了几个被认为是常识的不同角度看法。我不是数据科学家，但你不需要是数据科学家来理解你买的东西。这是为你们写的：试图理解大数据意义的媒体买家和客户方的营销人员，以及希望将复杂分解得更为简单的媒体销售代表。

样本大小基础知识

对于初学者来说，重要的是要明白，任何算法必须对给定的变量组合有足够的数据来决定它的价值。例如，你不会采用只有一个人的调查来预测全国大选，因为这个样本量太小了。在一场至少有两位总统候选人的竞争中，如果你假设有1亿8千万登记选民，并希望3％的误差幅度和95％的置信水平，根据这个样本量计算你需要1,067个样本。这个样本量是足够的，因为更有优势的候选人可以赢得51％的青睐，而另一位赢得46％的青睐，还有一些未知。在3％的错误幅度下，即使这个调查做了数百次，有51％青睐的候选人会有95%的机会获得介于48％和54％之间的选票。假定95％的置信水平，误差幅度像如下钟形曲线图这样移动：

好吧，也许数学不是你喜欢的科目，但不要被吓倒。要理解上面的图，只要注意这些曲线在较低的错误幅度时重合度较高。这就意味着你的数字的准确性可能更高。

但是，如果有500个有效候选人，并且没有谁拥有更为明显的青睐？最有优势候选人仅有0.8％青睐，最低是0.02％ 。有这么多条线，甚至上面2％的曲线也很难确定各候选人差距有多大。因此，你可能需要增加样本量。

下面就是将这个故事转换为数字展示或视频广告程序的情况（移动则有些不同） 。

五百个竞争者或36亿数值组合

在一个典型的RTB广告活动中， 运行在一个随机的新闻网站上的50,000次展示产生0.1％的转换率，目标是达到0.08％的转换率。这相当于共50个转换。不过，如果你再深入研究，你发现50次转换中的48个发生在早上7点到10点之间。在这48个中，35个发生在星期一。在这35个中，27个来自于Windows 7操作系统（OS ）的机器。你可以看到这是如何迅速地展开，并且增加更多的变量就可以展开得更深。

这里的关键总结是，作为一个单独的变量，这种随机的新闻网站并不一定是一个很好的网站。但它可以很好，在某些时候，或某些日子，与某些其他变量一起应用。

在决定媒体购买的时候，你需要考虑多少变量和结果？下面是来自于我的真实案例的保守数字。
一日                                24小时

一周                                7天

浏览器                           6

设备                                3

操作系统                       4

网站                                10,000

广告尺寸                      3

人群分类数据            10

广告创意                      1

总的独特组合  3,628,800,000

对的：超过30亿个独特的组合可考虑 – 这还是保守的。在实际操作中更多见的可能是面对50,000个网站， 20个人群分组数据，等等，这将使数字大得多。

我作为一个广告专业毕业生，没有受过统计的正统培训，于是咨询了两位专业的统计人员。他们建议了以下的一些技巧，以确保我使用他们行业内的最佳实践。

有两种方法来看这个问题：我们可以“向前预测”样本的大小，如前面的总统大选为例，或“向后看”，因为这是我们已经有数据的一种情况，假设媒体购买已经启动。当向前预测，由于这么多的独特组合，很可能数以百万计的组合将聚成一团，提升0.001％的效果。让我们回到那个样本大小的计算器，当有2.14亿网民，为实现0.001％的误差幅度，你的样本大小需要将超过2.09亿。在知道什么有效、什么无效之前，这可是很多“样本”。但是，这真的感觉不对。因此，让我们“向后看”。

要向后看，我们得确定，每个独特组合值需要多少“观察”或展示，以获得统计上有效可信的决策。根据一大堆令人昏昏欲睡的网上聊天论坛的讨论，有一些情况只需要10个观察值即可，而有些则需要30或40个观察值才被视为合理。即使10观察或展示是足够的，你每次正在进行的广告投放活动有362亿的展示？这肯定是行不通的，所以也许是时候放弃所谓理解每一个独特、详细组合。

算法只要比人力使用Excel好就行

是的，完美的算法理论上应该探讨变量的每个组合。但上面的例子证明了这太不可能，而且没有算法是完美的。相反，我们并不需要一个只着眼于一个单一变量的算法。一个人可以用Excel中的“排序”功能做到这一点。回到我们随机的新闻网站，比如说该算法每次着眼于仅仅两个变量，如网站和数据段，浏览器和一天的小时数，或网站和星期几。我们可以认为某些变量比其他变量更重要，但我们这是在讨论在盒子里的魔法。当然这可以一次计算任意两个变量。

 要做到这一点，我们需要这些变量值每个配对的总数。将网站数量减至1000来进一步证明这一点，我很想告诉你我知道算这个的公式，但我用了三分钟在Excel中将每列相乘，得出了59,284个独特的配对。

 你会记得有些统计人员建议每个组合10个观察值或展示就足够了。你会优化掉10个展示吗？甚至100个？既然我们想更现实，但仍然保守，我们用每个组合​​1000个展示。现在，我们需要得到59,284,000个展示以保证每对数据都是好的。用一个更现实的级别如每个组合5000次，则需要超过2.95亿个展示。你们中有多少人正在用这种类型的购买 － 与一家供应商，在一个广告投放活动中？

频次

与盯着上述所有媒体变量相比，可能调整我们的观点到关注用户上更容易。该算法是要针对用户优化而不是媒体变量如网站，一天中的时间，等等。要做到这一点，我们需要看一下频率。回到 “观察值”的概念，研究表明10实际上是一个可行的数字。我们已经看过成千上万的活动，看到每月8－12次展示的频率是需要的，然后结果会降低效率。 好吧，是时候了：现在是常识性的直觉检查时间。

如果你需要给每个用户大约10个展示，然后才能知道是否要优化对该用户的购买，你已经给了该用户进行转化足够的展示次数，如果转化会发生的话。现在再针对该用户优化已没有意义，你已经知道结果了。

总结

现在你可能会问算法的目的到底是什么。这篇文章的目的不是要对任何特定算法挑刺，而是对盲目认为任何数字媒体算法都有魔术般的效果的说法提些其它看法。

如果你正在与一个供应商执行5万美元购买，在决定交给说他们有一个算法的人之前，考虑一些时间，做做数学题。一个好的算法应该是透明的。供应商应该告诉你他们何时可以提高效果，何时不能，因为确实没有足够的数据。

他们应该愿意提供数据给你，如果你想查看数据或自己做决定。如果我看起来像乔治·克鲁尼并想找个约会，我不会用一个袋子套在我的头上出门。那些对他们的产品有自信的公司，会展示其产品并不带保留地回答你的问题。

Via：AdExchanger.com

via：dooyea

在十月份 Advertising Week 上，亚马逊小露一手，亚马逊全球销售副总裁  Lisa Utzschneider 全面介绍了亚马逊广告平台的表现。据 AdWeek 报道，这跟亚马逊 2013 年的大动作比起来，只是小巫见大巫。

实时竞价广告平台

消息源透露，亚马逊建立了一个实时竞价平台（RTB），能够植入交易和供应方面的平台，包括 Google的 AdX 和 PubMatic。这个平台能使亚马逊通过用户网页浏览和购买习惯，对用户进行细分。

亚马逊在 2012 年开始尝试推出 RTB，来自知情人士的消息透露， 2013 年公司也将为媒体买家带来自助实时竞价平台。媒介买手们可以在平台上管理自己的交易。这个自助 RTB 将运用到亚马逊宝贵的数据。类似于 Facebook 的广告，它能告诉客户如何准确投放广告。

媒体买手们可以创建目标群，比如：“男性；年龄 25~34；位于加州；对高清电视机有兴趣；曾购买过知道类型的书籍和家装工具。”不过亚马逊对于开放数据十分谨慎，并不打算将用户的姓名和个人购买记录拱手而出。

站外广告投放

一直以来，亚马逊的广告模式很传统，也很保守。它只在自己拥有的网站上投放广告，比如 IMDb.com，或者设备上，比如 Kindle 阅读器。这个过程中，传统媒体买手与亚马逊销售代表讨论广告主的目标群，然后确定购买，而亚马逊在自己网络中执行广告运作并进行反馈。

而今，亚马逊推出了  Amazon Advertising Platform。亚马逊称这个平台已经投入市场约两年之久。这个平台也提供了指导和数据维护，但广告将在非亚马逊网站上投放。而这些非亚马逊网站则依赖于亚马逊广告交流网站以及直接出版商关系。

最好的数据

对于更多公司来说，亚马逊的数据是最好的数据。IgnitionOne CEO Will Margiloff 就说：“我一直相信最好的数据是转化率数据。而在电子商务方面，谁能比亚马逊拥有更多的转化率数据呢？”iCrossing 美国媒体负责人 Jonathan Adams 也表示，搜索行为和转化率数据是不一样的，而亚马逊多年来就盯着用户购物。

而与 Google 和 Facebook 相比，对普通消费者来说，亚马逊本身的实体服务为它带来可靠性，因为前面两者都曾因侵犯隐私，而受到联邦贸易委员会调查。

亚马逊也充分利用这一优势，比如在它支持的广告上标明“亚马逊”或者提供亚马逊电话咨询。

其实对于普通的消费者我们来说，在亚马逊上买得越多，你会越依赖它。是的，你知道亚马逊能获知你的数据，但你也相信，它不会在你结账后大声喊：“嘿，你的杜蕾斯！”

题图来自 wired

2012年5月，Performics的研究发现，48%的每月至少访问一次社交网络的美国用户称liked或关注和娱乐相关的公司或品牌。另外43%的人表示他们liked或关注餐厅和食品相关的企业，37%称他们对于名人相关的公司和产品非常感兴趣。体育也在其列，有37%的人liked或关注过这样的账号，而不怎么娱乐的行业如家电，则只有10%的受众。

    而在用户在社交渠道上互动的内容方面，娱乐趋势继续。图片和视频最为流行，44%的美国社交网络用户表示他们喜欢和包括图片的品牌文章互动，但是传统的状态更新文章也很流行，达40%。37%的人表示他们喜欢跟视频文章互动，36%则喜欢笑话，卡通的内容。

而用户跟这些帖子互动的原因也有所变化，Performics发现只有45%的美国社交网络用户称内部只是和特殊优惠是他们like公司、品牌或产品的原因。更高比例的用户，59%称他们关注公司只是因为他们在他们的店内购买或购买过他们的产品。

    总体来看，社会化网络用户关注品牌的原因各异，但除了接受优惠和折扣等原因外，他们展示了希望被品牌娱乐的需求。营销者不管是否是跟娱乐有关的品牌，都可能利用这些知识用在社交网络的品牌文章上面。

　趋势一：从单一媒体到多终端整合

在融媒概念不断传播强化后，媒体融合已经将媒体生态带入到下一个阶段：从“媒介”到“终端”。这意味着，内容传播打破媒介形态的限制，受众可以选择任何终端设备获取某一媒介上的内容。至此，媒介与终端不再是一一对应的关系。

目前来看，媒体通过多种方式转向终端化发展，媒体间优势内容相互输送，例如网台之间的节目输出与互动、平媒与网络的内容合作等;媒体开始移植可与受众有效互动的新方式，例如1号店将户外媒体与手机终端通过二维码扫描的方式做捆绑，使户外媒体变得生动有趣;媒体的生存模式向寄居蟹模式演变，例如电视机不再是传统电视媒体专属，IPTV、视频网站也都占据了电视机。因此，广告营销也必须多终端整合，广告的形式或创意最好能适合多终端传播，将分散的注意力聚焦在统一的营销核心上。

趋势二：从固定接收到无缝传播

传统的接触模式下，人们被要求在固定的时间接触固定的内容。但在终端化的新模式下，人们可以在任意时间接触任意内容。可以用手机看《新闻联播》，也可以晚上10点在网上看。这就形成了多终端的无缝传播模式。这种新型的传播模式促成了跨终端、跨时间、跨空间的分享圈。内容会同时输送到传统媒体和新媒体，受众通过关注各种终端获取节目内容后，随时随地又通过各类终端进行内容信息分享。

由于受众的信息接触和分享模式变化，广告主和媒体决定营销时间和地点的传统营销模式也随之改变。首先，广告投放不再固定时段、固定位置，与受众出现的时间位置相匹配的精准定位投放将变成主流。其次，广告基于受众定位的即时投放。当目标受众在某个媒体终端出现时，广告便会自动投放到受众面前。

趋势三：从注意力转向复合力

传统营销模式以播放型为主，媒体将大量信息灌输给受众，希望受众在强大宣传攻势下被俘。在这个过程中，营销的是时间或空间，手段自然就是硬广告，而收视率作为唯一的衡量标准将“注意力”进行售卖。

在售卖方式的转变基础上，营销模式也从播放型转向二次传播模式。在这种模式下，创意就变得举足轻重，能够引发受众的病毒式传播。这其中，注意力、传播力、转化力等因素共同决定了传播范围和深度等效果。也正是基于传播模式的变化，营销方式更加注重情感到达。情感的满足可以通过体验、微营销等互动方式得以实现。

营销模式的升级意味着广告主对媒体的要求越来越高。不管是受众与市场的需求推动，还是政策由上而下的调整，都决定了单一的注意力营销将被多元化的复合力所取代。