如何衡量企业品牌推广的效果？

1 前言

品牌推广的手段非常多样，不只是常见的应用市场和信息流。其中多数的手段，做不到用户级别的追踪，例如：品牌发布会、PR 稿（商业性质的推广性文章）、楼宇广告等。如果这时候老板让你算 ROI（投资回报率），就头疼了。

而 ROI 之外的指标，在时效性、可靠性上也都有种种局限。

接下来，就从企业品牌推广的目标开始，讨论这些 (不完美) 的衡量方法。

2 什么是企业品牌推广

声明：以下所说的品牌推广，不特指需要烧钱的那种。

2.1 品牌 v.s. 效果

我们习惯把品牌与效果推广对比，虽然两者是相关的、或相互配合的。

首先，它们的目标不同：

• 品牌：建立好感，把观众转化成客户（现在买）、或潜在客户（以后买）。
• 效果：把观众转化成客户（现在买）。

通俗一点，品牌是“让别人喜欢”，效果是“让别人购买”。

喜欢不也是为了购买吗？

没错，但因为优化的目标不同，引起了很多的差异：

你可能会问，“建立好印象”与“刺激消费欲”不是一回事吗？

其实刺激消费是有些技巧的，例如：激进促销、贩卖焦虑，而从品牌角度，这些技巧未必能建立好感。

关于好感，一个有趣的原理是 Mere Exposure Effect，意思是：只要经常对用户曝光，不需要做过多的劝说，就能增进好感。因此媒体都比较追求曝光量，可惜这里的门道太多。

好感能带来更长期的效果，帮助建立护城河。例如：芒格提到过，麦片行业中各家产品都差不多，但却都能有可观的盈利，就是品牌认知的作用。

2.2 品效合一？

品牌和效果不是完全对立的，原因：

1、有些手段一箭双雕，例如：高质量的软文或视频广告，制造传播同时带来转化。

2、系统的推广计划，需要二者的配合，其中：品牌建立认知、效果承接转化。

但前面提到过，品牌不限手段，而其中能兼顾品效的只是少数。一味宣扬“品效合一”，反而可能给品牌活动套上短期 ROI 的枷锁，在申请预算时遭遇降维打击。

因为回报的周期不同，建议管理者对品效分别考核。至于考核啥，就是下面的内容。

3. 有哪些衡量方法

前面提到的知名度和美誉度，可以分别理解成“认知”和“好感”。量化的方法有两类，一类及时性较高，但并不直接，只是“旁敲侧击”；另一类看起来合理，但有调研成本，反馈速度慢。

3.1 浏览与互动

常作为多媒体运营的过程指标，例如：一篇公众号文章，浏览 xxx 万，点赞 xx 万，涨粉 x 万。

这些数字看着舒服，但不能作为最终结果：

• 首先，你可能总是在取悦同一群人，知名度并没有变化。
• 其次，单纯的浏览量也不能代表好感。一些媒体的曝光产业链很完善，数字太容易被粉饰。

3.2 第三方指数

另一种思路，是在推广后观察“百度指数”，“微信指数”，“微指数”的变化，似乎有点权威了吧？

但这也有局限：

• 指数本质上与曝光量有关，这又回到了上一组指标的问题，因而不能判断是否扩大了认知，好感就更别提了。
• 算法不透明、数据源也有局限，可能制造冤案。例如：做了一场好的宣传，但微信抓取不到，看微信指数干啥呢？

3.3 提及率

虽然媒体已经普遍数字化，但市场调研并不落伍。对于衡量品牌，甚至不可取代。

提及率是一个知名度指标。在调查中，询问每个用户：“你知道的某类产品有哪些？”，

那么：

提及率 = 提及品牌的用户数 / 总回答用户数

如果同类的知名品牌较多，就要更关注第一提及率：

第一提及率 = 首位提及品牌的用户数 / ...

使用提及率，尤其要注意样本选取：

• 样本是否有代表性？前后多次调研的抽样方法是否一致？
• 样本量是否足够？看过一些 PPT 只用几百个样本，这样省钱是不对的。

衡量了知名度，下面是美誉度指标，分别介绍 NPS 和满意度。

3.4 NPS

Net Promoter Score 又称净推荐值，是衡量用户对产品的推荐程度。

在调查中，询问每个用户：“你有多可能向别人推荐我们的产品？”根据 0~10 分的回答，把用户分为推荐者 (9~10 分)，被动接受者 (7~8) 分，诋毁者 (0~6) 分。那么：

NPS = (9~10 分占比) - (0~6 分占比)

从统计学角度，NPS 不是个好指标。原因是方差太大，得到稳定结果需的样本量也大。

NPS 可视为多个取值为 {-1, 0, 1} 独立随机变量的均值，通过模拟发现：即使调查对象有上千人，NPS 也不稳定。如果把它作为 KPI，就真的要发生冤案了。

个人认为，这个指标实在是太教学式了，不理解当初是怎么流行起来的。

NPS 更大的意义不在于得分，而是通过分析中立和诋毁者的反馈，收集痛点和建议。

3.5 满意度

与 NPS 相比，满意度更简单实用，只要询问满意得分，例如 1~5 分，计算均值即可。

或者，统计超过某个分数的用户占比，例如：统计 4~5 分的占比，称为 Top2Box。

这时，每个样本可视为取值 {0, 1} 的样本的均值，相比 NPS 的 {-1, 0, 1}，通常的方差较小，对样本量的要求更低。

满意度最常见的坑，是幸存者偏差。

例如：在产品中以可选的方式收集反馈，就很容易犯错。

如果用可选的方式收集 NPS，就真没救了！

4 不能量化的，就不值得做吗？

即便有了上面的方法，品牌的作用仍然不那么直接。缺乏精细的数据支撑，怎么做决策呢？

对于习惯数据驱动的业务，尤其困难。我见过一些品牌方案，在申请预算时，试图 PK 效果投放，后果可想而知。

站在决策者的角度，我也觉得很难选择 (尤其是钱少的时候)。一方面需要有长期主义的投资视角，同时对市场有足够的洞察，判断投入规模和时机。

但不能因为看不见就否定它，不能因为“数据驱动”就不做正确的事。

有些道理是朴实的，不需要 KPI 来证明。