点赞不如买单：抖音网红视频广告推动销售的真正机制

2025年05月13日19:30:23 科技 2377

在数字广告领域，网红营销已经成为品牌推广的重要手段，尤其是在抖音等社交平台上。然而，尽管网红广告往往能够获得高水平的观众参与度，但如何将这些互动与实际销售提升建立起更明确的联系仍是一个尚未完全解答的问题。虽然传统的参与度指标（如点赞、评论和分享）可以衡量广告的受欢迎程度，但并未能有效预测广告是否能够带来销售增长。因此，本文试图探索如下问题：在网红视频广告中，企业如何通过更精准地衡量与产品相关的参与度来预测网红视频广告的销售提升效果？

来自哈佛大学的学者jeremy yang、麻省理工大学的学者juanjuan zhang和哈尔滨工业大学的学者yuhan zhang对以上问题进行了研究。他们开发了一种算法，用于衡量与产品相关的有效参与度，并提出了产品参与度得分（pe score）的概念。通过分析抖音平台上的网红视频广告和淘宝上的对应产品销售数据，研究者发现：pe得分高的视频广告通常能够带来显著的销量增加。反之，传统的参与度数据与实际销售提升之间没有显著的相关性。此外，简单地让视频更具吸引力或更多地展示产品也无法显著地预测销售提升。该结果表明，只有当视频广告的参与度与产品展示在时空上保持一致（即pe得分高），才能驱动购买行为和销量提升。

视频广告参与度与网红营销

传统的参与度指标（如点赞、评论和分享）常常被用来衡量视频广告的受欢迎程度和影响力。然而，这些传统的参与度指标并未能有效地与销售增长之间建立起直接的联系。即便某些广告可能会获得较高的参与度，但这些互动并不总是转化为销售量的提升。作者认为，这些广告可能因为“错误”的原因而吸引人，也就是说，让广告引人入胜的原因可能与广告产品关系不大，造成了观众的“无效参与”。

网红视频广告尤其容易受到这个问题的影响，因为网红为单支视频广告收取的费用往往是固定的，取决于其先前的粉丝数和视频参与度；此外，娱乐期间的产品广告通常不受用户欢迎，网红甚至可能因为发布广告视频而失去粉丝。因此，网红可能更有动力优化视频广告以提高参与度而不是产品销售，这种“激励错配”意味着他们可能不想将产品放在视频中最吸引人的位置。如下图所示，该视频广告帧中最吸引人的位置是网红的面部，而非广告产品。

产品参与度得分算法开发

产品参与度得分（pe分数）概念的提出源于娱乐电商平台独特的购物流程。用户通常访问这些平台是为了娱乐。例如，在抖音上，用户通常被动地浏览视频流，而没有明确的搜索或购买产品的目标。然而，如果广告产品恰好吸引了用户的注意力，那么在观看视频广告的过程中，购买兴趣就会被激发。基于这一想法，研究者提出了pe分数，并使用一个三步算法来计算该指标：

1.计算视频广告的像素级参与度热力图（heat map），以确定视频中最吸引人的位置。对于每个视频广告，研究者首先估算一个参与度热图，这是一个3d矩阵，用于捕捉视频中内容参与度的时空变化。参与度热图的三个维度分别是每个视频帧的高度和宽度（以像素为单位）以及视频时长（以秒为单位）。具体来说，研究者基于历史视频级参与度数据训练一个深度3d卷积神经网络，并在此基础上提取输入视频的显著性图。

2.计算视频广告的像素级产品热力图，以确定产品在视频中出现的时间和位置。对于每个视频，研究者会估算一个产品热图，它是一个与互动热图维度相同的3d矩阵。研究者将广告产品的图片与视频的每一帧进行匹配，然后通过sift算法（一种流行的物体检测算法）来估算产品在视频中的呈现时间和位置。

3.将以上两个热力图的归一化frobenius内积计算为pe分数，以捕捉视频的平均产品参与度。令ehwsv为参与度热力图中的（连续）像素级值，phwsv为3d产品热力图中的（二进制）像素级值。符号h、w、s和v分别表示视频的高度（以像素为单位）、宽度（以像素为单位）、时间（以秒为单位）和视频。研究者将视频的pe得分定义为两个热力图的归一化 frobenius 内积：

研究设计与结果分析

本研究收集了2019年3月-6月来自抖音平台的网红视频广告数据以及2019年5月-11月来自淘宝的对应产品销售数据。视频广告数据包括数据包含视频本身、发布日期、产品标识符、参与度指标以及 2019 年 1 月拍摄的网红特征快照。销售数据则记录了每件商品的商品id、淘宝上的销售收入（30日内销售收入总和）、商品图片、品类、价格和折扣。研究者通过商品id匹配这两部分数据，并重点关注那些只有一个网红视频广告的商品以简化归因。

初步分析结果表明，视频参与度（点赞、评论和分享）与销售额变化之间缺乏显著的相关性。这一结果表明，使用视频参与度来评估广告效果可能会产生误导，而pe分数算法旨在解决这一问题。对于每个视频广告，该算法都会输出一个3d参与度热力图、一个3d产品热力图和一个pe分数，如下图所示。

在pe得分计算完成后，研究者使用了双重差分法（did）和回归分析来分别验证广告视频本身和广告视频pe得分与销售提升之间的关系。作者首先通过did模型检验了网红广告视频对产品销售额的提升，结果发现平均销售额提升为2017元，但该销售额提升与零的差异并不显著（𝑝=0.50）。

接下来，研究者使用ols回归检验了pe得分以及其他因子对销售提升的预测能力。结果显示pe得分是销售额提升的一个正向且显著的预测因素（𝑝<0.01）。pe值本身就能解释 3% 的销售提升，这一结果与假设一致，即pe值较高的网红视频广告在提升销售额方面更为有效。此外，视频的像素级参与度值总和与传统参与度指标都不能显著预测销售提升，换言之，仅仅在视频中更多地展示产品可能无法预测更好的销售。在回归模型中同时纳入pe得分、参与度得分、产品得分以及后两者交互作用时的估计结果。pe得分仍然是唯一显著的预测因子（𝑝<0.001），其效果仍然为正。这些发现共同表明，单独提高参与度和产品植入可能无济于事；更重要的是这两者在时空上保持一致，也就是pe得分所代表的那样。

在模型结果的基础上，研究者还探索了pe分数的驱动因素。通过对象检测算法识别高参与度像素中的内容，研究者发现人类是高参与度像素中最具代表性的类别；进一步的，通过情绪检测算法识别视频中每一帧的人类面部表情，并将其与对应帧的像素级参与度进行回归，结果显示悲伤和快乐与参与度得分呈显著的正相关，而恐惧和惊讶则呈显著的负相关；最后，通过活动检测算法识别视频中的人类活动类型，并将其与对应片段中的平均像素级参与度进行回归，结果显示有活力、快节奏、新颖的活动（如踢腿、跳舞、潜水等）更能够提高参与度得分。

营销人，你会怎么做？

营销人员不应仅依赖传统的互动指标（如点赞、评论、分享等）来衡量广告效果，因为这些指标与实际销售提升之间的关联性较弱。文章提出的pe得分（产品参与度得分）为营销人员提供了一个更准确的工具，用于评估影响者视频广告中产品展示的吸引力。高pe得分的视频广告能够有效推动销售，因此，营销人员应该注重提升广告中产品的呈现质量，而非单纯追求高的互动量。视频的整体互动虽然能够反映广告的受欢迎程度，但它并不一定能带来实际的销售提升。此外，营销人员可以考虑在投放网红视频广告时以pe得分作为付费指标，从而激励合作者产出更有效的产品广告。