點贊不如買單：抖音網紅視頻廣告推動銷售的真正機制

2025年05月13日19:30:23 科技 2377

在數字廣告領域，網紅營銷已經成為品牌推廣的重要手段，尤其是在抖音等社交平台上。然而，儘管網紅廣告往往能夠獲得高水平的觀眾參與度，但如何將這些互動與實際銷售提升建立起更明確的聯繫仍是一個尚未完全解答的問題。雖然傳統的參與度指標（如點贊、評論和分享）可以衡量廣告的受歡迎程度，但並未能有效預測廣告是否能夠帶來銷售增長。因此，本文試圖探索如下問題：在網紅視頻廣告中，企業如何通過更精準地衡量與產品相關的參與度來預測網紅視頻廣告的銷售提升效果？

來自哈佛大學的學者jeremy yang、麻省理工大學的學者juanjuan zhang和哈爾濱工業大學的學者yuhan zhang對以上問題進行了研究。他們開發了一種演算法，用于衡量與產品相關的有效參與度，並提出了產品參與度得分（pe score）的概念。通過分析抖音平台上的網紅視頻廣告和淘寶上的對應產品銷售數據，研究者發現：pe得分高的視頻廣告通常能夠帶來顯著的銷量增加。反之，傳統的參與度數據與實際銷售提升之間沒有顯著的相關性。此外，簡單地讓視頻更具吸引力或更多地展示產品也無法顯著地預測銷售提升。該結果表明，只有當視頻廣告的參與度與產品展示在時空上保持一致（即pe得分高），才能驅動購買行為和銷量提升。

視頻廣告參與度與網紅營銷

傳統的參與度指標（如點贊、評論和分享）常常被用來衡量視頻廣告的受歡迎程度和影響力。然而，這些傳統的參與度指標並未能有效地與銷售增長之間建立起直接的聯繫。即便某些廣告可能會獲得較高的參與度，但這些互動並不總是轉化為銷售量的提升。作者認為，這些廣告可能因為「錯誤」的原因而吸引人，也就是說，讓廣告引人入勝的原因可能與廣告產品關係不大，造成了觀眾的「無效參與」。

網紅視頻廣告尤其容易受到這個問題的影響，因為網紅為單支視頻廣告收取的費用往往是固定的，取決於其先前的粉絲數和視頻參與度；此外，娛樂期間的產品廣告通常不受用戶歡迎，網紅甚至可能因為發布廣告視頻而失去粉絲。因此，網紅可能更有動力優化視頻廣告以提高參與度而不是產品銷售，這種「激勵錯配」意味著他們可能不想將產品放在視頻中最吸引人的位置。如下圖所示，該視頻廣告幀中最吸引人的位置是網紅的面部，而非廣告產品。

產品參與度得分演算法開發

產品參與度得分（pe分數）概念的提出源於娛樂電商平台獨特的購物流程。用戶通常訪問這些平台是為了娛樂。例如，在抖音上，用戶通常被動地瀏覽視頻流，而沒有明確的搜索或購買產品的目標。然而，如果廣告產品恰好吸引了用戶的注意力，那麼在觀看視頻廣告的過程中，購買興趣就會被激發。基於這一想法，研究者提出了pe分數，並使用一個三步演算法來計算該指標：

1.計算視頻廣告的像素級參與度熱力圖（heat map），以確定視頻中最吸引人的位置。對於每個視頻廣告，研究者首先估算一個參與度熱圖，這是一個3d矩陣，用於捕捉視頻中內容參與度的時空變化。參與度熱圖的三個維度分別是每個視頻幀的高度和寬度（以像素為單位）以及視頻時長（以秒為單位）。具體來說，研究者基於歷史視頻級參與度數據訓練一個深度3d卷積神經網路，並在此基礎上提取輸入視頻的顯著性圖。

2.計算視頻廣告的像素級產品熱力圖，以確定產品在視頻中出現的時間和位置。對於每個視頻，研究者會估算一個產品熱圖，它是一個與互動熱圖維度相同的3d矩陣。研究者將廣告產品的圖片與視頻的每一幀進行匹配，然後通過sift演算法（一種流行的物體檢測演算法）來估算產品在視頻中的呈現時間和位置。

3.將以上兩個熱力圖的歸一化frobenius內積計算為pe分數，以捕捉視頻的平均產品參與度。令ehwsv為參與度熱力圖中的（連續）像素級值，phwsv為3d產品熱力圖中的（二進位）像素級值。符號h、w、s和v分別表示視頻的高度（以像素為單位）、寬度（以像素為單位）、時間（以秒為單位）和視頻。研究者將視頻的pe得分定義為兩個熱力圖的歸一化 frobenius 內積：

研究設計與結果分析

本研究收集了2019年3月-6月來自抖音平台的網紅視頻廣告數據以及2019年5月-11月來自淘寶的對應產品銷售數據。視頻廣告數據包括數據包含視頻本身、發布日期、產品標識符、參與度指標以及 2019 年 1 月拍攝的網紅特徵快照。銷售數據則記錄了每件商品的商品id、淘寶上的銷售收入（30日內銷售收入總和）、商品圖片、品類、價格和折扣。研究者通過商品id匹配這兩部分數據，並重點關注那些只有一個網紅視頻廣告的商品以簡化歸因。

初步分析結果表明，視頻參與度（點贊、評論和分享）與銷售額變化之間缺乏顯著的相關性。這一結果表明，使用視頻參與度來評估廣告效果可能會產生誤導，而pe分數演算法旨在解決這一問題。對於每個視頻廣告，該演算法都會輸出一個3d參與度熱力圖、一個3d產品熱力圖和一個pe分數，如下圖所示。

在pe得分計算完成後，研究者使用了雙重差分法（did）和回歸分析來分別驗證廣告視頻本身和廣告視頻pe得分與銷售提升之間的關係。作者首先通過did模型檢驗了網紅廣告視頻對產品銷售額的提升，結果發現平均銷售額提升為2017元，但該銷售額提升與零的差異並不顯著（𝑝=0.50）。

接下來，研究者使用ols回歸檢驗了pe得分以及其他因子對銷售提升的預測能力。結果顯示pe得分是銷售額提升的一個正向且顯著的預測因素（𝑝<0.01）。pe值本身就能解釋 3% 的銷售提升，這一結果與假設一致，即pe值較高的網紅視頻廣告在提升銷售額方面更為有效。此外，視頻的像素級參與度值總和與傳統參與度指標都不能顯著預測銷售提升，換言之，僅僅在視頻中更多地展示產品可能無法預測更好的銷售。在回歸模型中同時納入pe得分、參與度得分、產品得分以及後兩者交互作用時的估計結果。pe得分仍然是唯一顯著的預測因子（𝑝<0.001），其效果仍然為正。這些發現共同表明，單獨提高參與度和產品植入可能無濟於事；更重要的是這兩者在時空上保持一致，也就是pe得分所代表的那樣。

在模型結果的基礎上，研究者還探索了pe分數的驅動因素。通過對象檢測演算法識別高參與度像素中的內容，研究者發現人類是高參與度像素中最具代表性的類別；進一步的，通過情緒檢測演算法識別視頻中每一幀的人類面部表情，並將其與對應幀的像素級參與度進行回歸，結果顯示悲傷和快樂與參與度得分呈顯著的正相關，而恐懼和驚訝則呈顯著的負相關；最後，通過活動檢測演算法識別視頻中的人類活動類型，並將其與對應片段中的平均像素級參與度進行回歸，結果顯示有活力、快節奏、新穎的活動（如踢腿、跳舞、潛水等）更能夠提高參與度得分。

營銷人，你會怎麼做？

營銷人員不應僅依賴傳統的互動指標（如點贊、評論、分享等）來衡量廣告效果，因為這些指標與實際銷售提升之間的關聯性較弱。文章提出的pe得分（產品參與度得分）為營銷人員提供了一個更準確的工具，用於評估影響者視頻廣告中產品展示的吸引力。高pe得分的視頻廣告能夠有效推動銷售，因此，營銷人員應該注重提升廣告中產品的呈現質量，而非單純追求高的互動量。視頻的整體互動雖然能夠反映廣告的受歡迎程度，但它並不一定能帶來實際的銷售提升。此外，營銷人員可以考慮在投放網紅視頻廣告時以pe得分作為付費指標，從而激勵合作者產出更有效的產品廣告。