前几期案例，我们结合了广告中的视觉元素与受众态度开展了一些关联分析，今天开始我们来看下听觉感官对受众的影响。

云思通过 AI 解析广告构建 micro-tag 体系，既包括视觉相关的创意元素，也包括声音元素。比如是否有人声配音、代言人原生/配音、人声语速、配乐类型、口播提及品牌次数……将声音相关元素结合态度数据分析，也能有颇多有趣发现。

以 Skin care 品类广告为例，大部分都会加入人声旁白的使用，少数广告会用字幕代替人声。

从效果看，广告中增加人声，对于消费者而言，增加了听觉端品牌信息的接收，对于品牌回忆（brand recall）有一定的促进作用。

对于代言人出镜的广告，品牌还面临一个选择：是使用代言人原声语音，还是使用配音？是原声更真实、亲和力更高？还是配音更字正腔圆，信息传递更清晰呢？

基于日化行业带有明星代言人出镜的广告的分析结果发现，使用明星原声和使用配音都很常见，二者各占四成以上。

但就效果而言，似乎使用配音略好一些。就 brand recall 指标而言，用配音口播，和使用原声+配音混合的方式，相比明星原声的效果要更好。

听 creative agency 的朋友时有抱怨，有时在广告制作阶段，录完之后甲方爸爸又对文案提出修改，而明星已排不出档期再进行补录，不得已只能采用配音重录。其实，这也未必就是“退而求其次”之选。就上述数据结果来看，配音的效果还是不错的。

对每个品牌而言，采用原声还是配音，还是得综合考量代言人声音是否动听，或是否有高辨识度。如开展了广告测试，可关注下开放题中受访者是否有对明星声音做出相关评价。在短视频信息流等环境中投放的广告，投后也可关注下用户评论是否有提及。

云思新意通Pro 的方法论已广泛获得市场验证，为诸多头部广告主的品牌营销提供重要支持。除了通过专项研究服务量化评估单支创意，云思创意数据库目前已积累了 6000+视频创意，可通过行业、视频时长及更多创意元素分类进行筛选，获得更贴切需求的行为数据 norm 值。

如果您也想体验云思新意通Pro 优化自己的品牌广告，或者对本文提及的内容想更深入地探讨，欢迎长按识别下方企业微信二维码一起交流哦~👇：

-End-

关于云思

云思（CloudXink）是一家研究与技术能力兼备的创新型研究公司。

在云思聚集了一群来自于不同领域的专家，他们精通消费者研究方法、社会科学理论、互联网技术和数据技术。致力于将专业的研究和技术创新结合，专注于品牌和沟通洞察，让营销更加高效、更加智能。

云思的愿景是通过在专注的领域不断学习和发展，让云思的成员、云思这个组织以及其服务的客户不断成长和成功。

刚刚过去的 5 月 2 日是“国际市场研究节 International Market Research Day”，在这个研究者自己的节日里，我们再次思考我们所做事情的本质和未来。

在吉姆.柯林斯的《基业长青》这本书里面，提到了报时人和造钟者两类企业家。所谓报时人可以从做对的事到把事做对，都严重依赖其个人能力、意志，而不是依靠制度与文化。而造钟者则致力于构建一个可以持续运转的体系，能够不断高效产出。对于一个企业如是，企业中的某个职能亦如是。

市场洞察是一个非常典型的“报时”型业务。甲方内部提出具体的业务需求，洞察团队通过内部或者外部能力解答业务问题。由于业务不断发展变化，需要回答的洞察问题也在不断更新，而洞察团队所解决的问题随之而变化。即使到某个具体的业务需求，洞察团队也总是需要不停地解答新问题。

这种“打一枪换一个地方”的打法产出效率会比较低，解决问题的时间长、成本高。是否可能用“造钟”的思路打造解决至少一部分业务问题的“机器”，让洞察更加主动，在企业内发挥更大的作用？在十多年的甲方和云思工作中，我自己看到了很多业内的探索和实践，云思团队与客户也做了大量的尝试，促进消费者洞察的体系化建设。云思提出一个“I-C-D-A”框架，试图通过计算机和分析技术，企业洞察业务场景理解，建立一套行之有效的洞察数字化路径。

01信息化 Informatization

对于一定规模的企业，他们已经累积了大量的数据、信息和报告，而且源源不断地产生新的信息。应用数字和数据技术，包括数据库技术、搜索技术（比如应用 Elastic Search）、视频和图像识别技术、自然语言处理、推荐算法等，可以将海量的非结构化历史数据进行存储、检索和分析。

在欧洲和美国，在这方面已经有非常成功的案例。有几家公司专注于帮助大型企业进行洞察数据和信息的管理，这些公司的技术可以让很多一次性的研究成果沉淀成为企业的洞察资产；采购了这些解决方案的公司，在启动一个新项目之前都会到数据库中进行检索，很多时候可以从历史研究中找到答案或者启发。

这个思路不仅仅可以应用于市场研究。一家德国企业中国公司的工程师团队有一个非常好的习惯，与客户接触并了解到需求或者解决了一些技术问题之后，工程师会做非常详细的记录。之前的这些文档分散在每个工程师自己的电脑里面。后来这家公司的数据团队做了一个应用，让这些工程师将记录文档上传到一个系统中，大家可以检索到其他同事记录的各种需求和业务问题，让分散的知识形成机构的智慧。

云思也在进行洞察知识信息化的探索。云思的“洞察星球”将行业报告进行整合，文字自动识别，并建立数据库，用户可以进行全文检索，并获得基于算法的相似报告推荐。这一系统已经关联到多家大型企业的知识系统。

在这一步需要注意，需要放到这个信息池中的数据是需要经过清洗和抽取过的知识，而非原始数据。比如，可以把客服过程中的对话进行抽取后，将获得的客户需求信息放到这个知识池，而不是把海量客服对话信息直接放进去。也就是说，这个系统可以关联大量的独立系统，将分散的知识汇总起来，但汇集的是经过抽象的知识，而非原始信息。

02分类 Classification

将不同类型的非结构化数据放到一起，由于各个数据源的定义不一致、信息缺失等原因，只是可以方便检索到历史信息，无法智能的辅助决策。要让企业洞察的投资发挥更加的价值，仅仅“事后”管理是不够的，还必须在洞察行动前有良好的规划。

我们认为需要将洞察工作分类，并且采取有针对性的措施。建议将企业内的洞察需求从两个维度进行划分，一个维度是需求频率，一个维度是业务重要性。对于高频高业务冲击的洞察工作（A 类），值得投入资源建立体系化的解决问题方法；对于低频高重要性的工作（B 类），往往是战略性的业务需求，节省下来的预算和时间应该向这类工作倾斜；对于高频低业务冲击的工作（C 类），需要评估投入产出比，如果建立体系化的成本高于产出，则可以保持原状；而对于低频低重要的内容（D 类），则建议通过一些简单的方法解决掉，或者赋能业务团队自己找到答案，尽可能减少在此类工作上的投入。

03数字化 Digitization

将各类信息“一股脑”地放到一个数据池里面是信息化是不够的。在信息化之后还需要尝试进行数字化，将有用的信息提取出来、不断地向其中基于业务需求注入新的数据并加以应用。经过数字化过程才会让数据创造价值。我们认为需要针对 A 类和非 A（即B、C、D）类洞察采取两种不同的数字化策略。

A类策略：基于主题的模型设计、数据采集、建立数据库和业务算法，并应用于业务A类是高频洞察需求，应该将这类业务进行抽象，设计出标准的业务模型，并降低单个项目成本，增加项目数量，形成大规模的数据库。这样做的目的是形成足够数量的结构化数据，以便在大规模数据集基础上进行可靠的应用开发，比如预测、辅助决策或者生产。

以创意洞察为例。创意研究是典型的 A 类洞察业务，对于to C 的品牌来讲，在数字化环境下仍旧需要投入大量的品牌沟通预算以建立长期的消费者心智影响，而沟通内容的质量会极大的影响沟通效果，因此很多大型企业仍旧会对重要的品牌沟通内容进行测试分析，试图寻找复杂媒体环境下驱动提升 ROI 的因素，并对内容进行优化。

业务团队对创意的分析需求经常会非常个性化。今天的问题可能是某类视频广告中品牌 logo 是否越早出现越好，明天则会是需要分析这类视频广告中明星是否能够起到品牌提升的作用。如果 case by case 的去解决，每次的研究成本都不低，也需要比较长的时间。经常出现的情况是要么来不及做、没有预算做，或者费劲做完了也不一定来得及在业务上起到作用。

是否有可能从底层解决这类问题？云思的思路是对大量的创意进行标准化的测试，并形成了一套标签体系（micro-tag）对创意进行解构，形成具备一定规模的数据库。云思应用一套叫做“创意大脑 CreativeNow”解决方案来尝试解决这个问题。具体来讲，创意大脑完成以下几个目标：

• What – 是什么：通过累积并打上微标签的创意数据库，我们可以知道品牌和竞品的创意策略差异、不同时间的创意风格趋势、其他行业的表现和叙事风格、国外和国内创意异同、基于大量创意进行内容独特性评分等。这些信息能够显著激发品牌、创意团队以及创意代理的灵感；
• Why – 为什么：基于创意测试数据库（可结合企业历史项目结果），能够知道什么样的创意元素、叙事风格、拍摄手段对于提升品牌好感或购买意愿是更加有效的。这些知识能够让沟通团队达成基于消费者和市场的共识，避免不必要的争论，少走弯路；

• So what – 预测未来：对于新的创意内容，基于创意大脑将可以进行市场表现的预测，将媒介预算投资到创意表现最好的内容上，从而提升营销投入产出；

• How – 内容优化：通过微标签、历史效果数据以及机器学习算法，将可以指导已有创意的优化和新创意内容的生产，比如自动化脚本生成。

当遇到一个新的业务问题，基于创意大脑，不需要进行新的测试分析，而只需要结合相应的“微标签 micro-tag”和数据库中数据进行分析即可。如果业务问题是一个全新的维度，则通过AI或者人工创建相应的微标签后可以解决问题。

这一思路不仅可以用来进行品牌广告的创意发展，同样也可以用于社交营销内容、效果广告、产品概念、包装等在企业内部高频且重要的业务场景。多年的研究实践表明，基于消费者的分析能够优化营销投入。云思与客户的研究表明，云思的前测数据对创意的市场表现有大约 70%的预测准确性。在数字化时代，一些底层的逻辑是保持不变的，我们要做的是通过新的思路将这一过程体系化、数字化，让数据和分析在新环境下发挥价值。

非A类策略：应用知识图谱技术建立通用的知识认知和分析能力对于非A类洞察需求，比较难建立大规模的结构化数据库；不过在信息化的基础上，知识图谱技术是一种非常好地发现知识的技术。基于对企业业务的理解，可以定义出来“实体”和“关系”，知识图谱技术可以基于这些定义对信息进行自动识别，并在此基础上发展出来深度检索、自动问答等决策辅助能力。

04应用 Application

在信息化以及一些洞察场景数字化的基础上，通过技术、运营等各种手段推动洞察的应用，发挥业务价值。很多洞察的产出面临着业务团队不知道、不会用的挑战，往往只停留在洞察团队内部。云思认为，洞察的交付形式应该更加友好，并建立起来业务和洞察团队的高频使用场景。使用频率是应用发挥价值的非常关键的指标，频率越高，用户越容易养成习惯，应用创造价值的可能性越大。

云思对于提升洞察应用频率的策略是“高频带低频”以及“低频组合”。所谓高频带低频，是创造高频的应用场景，用户在高频应用过程中有机会了解和使用低频（往往也更复杂）的洞察应用。低频组合，则是将多个低频应用放到同一个数字化平台上，在用户使用过程中交叉推荐。

为了践行上述的理念，云思推出了“洞察星球InsightOS”平台（www.insightos.net）。这一平台与营销者之间建立了高频互动的机会，用户可以在这里订阅感兴趣的商业资讯、全文检索报告、查询数据和营销机构和工具。同时，这个平台也是进入到深入洞察应用的入口，用户只需要登录一次，就能够访问洞察数据库，使用洞察工具。我们认为洞察星球这一平台性的工具会成为洞察数字化的基础设施，极大地促进洞察落地。

在人口和流量红利逐渐消失的时代，对用户的洞察能力和数据驱动的能力是一家公司长期健康发展必备的“内生力量”，这种力量将在不确定年代指引企业保持正确的方向，不断向前。而作为洞察服务的提供者，在“报时”的同时，可以花一些精力和资源在“造钟”上，让数字化将洞察武装起来，赶上甚至引领企业的发展步伐。

-END-

人物介绍：

宗瑞兴

欧洲市场研究和民意调查协会（ESOMAR）会员

中国信息协会市场研究分会（CMRA）常务理事

宗瑞兴曾担任北京交通大学经济管理学院讲师，华通明略（MillwardBrown ACSR）客户总监，新浪商业和市场分析执行总监，2014年创立云思科技。他拥有21年数据分析和市场研究经验，曾服务于多家全球及中国头部企业，行业覆盖互联网、快消、3C、汽车等，帮助其进行品牌测量和发展，广告发展和产品创新。

关于云思

云思（CloudXink）是一家研究与技术能力兼备的创新型研究公司。

在云思聚集了一群来自于不同领域的专家，他们精通消费者研究方法、社会科学理论、互联网技术和数据技术。致力于将专业的研究和技术创新结合，专注于品牌和沟通洞察，让营销更加高效、更加智能。

云思的愿景是通过在专注的领域不断学习和发展，让云思的成员、云思这个组织以及其服务的客户不断成长和成功。

3 月底云思和一家广告创意公司进行了交流，云思介绍了通过 AI、神经科学和符号学对创意进行分析、解析、数字化管理和预测的思路和实践。创意公司则谈了他们如何去挖掘文化中感动人的部分、如何去通过洞察发现冲突、如何讲故事。

沟通下来感觉两家公司完全是生活在两个不同的“世界”，一个是感性的世界，去理解人、去讲故事、去感动人；另一个则是理性的世界，将感性的内容结构化，用数学公式去理解企业向用户发出的“信号”。

这次交流让我想起十多年前，当时我在一家全球性的市场研究公司工作，和一家创意公司共同服务于一个国际客户。客户将创意公司拍摄的内容交由研究公司进行测试，选择出更好的版本进行投放。广告公司的创意总监对研究公司的角色并不认可，他认为，“测试杀死好创意 tests kill good creative”。

研究公司和创意公司两种思路的冲突是一直存在的。但是为什么很多甲方，特别是行业领先的企业希望让研究公司介入创意过程？在抖音、小红书等彻底的数字化环境下，是否还需要第三方研究公司呢？

这篇文章谈一下云思在这方面的一些看法。

在传统的大众媒介（mass media）环境中，一个公司每年组织好几次大的广告战役，占领核心媒介，就可以基本完成关键品牌信息的传达和销售促进的目标。在当前的环境下，消费者的媒介接触习惯变得碎片化，广告主需要随着用户进入到他们日常沉浸于其中的新媒介中；由于这些新媒介大部分内容都是以“流”的方式呈现，需要大量的内容来填充。

我们认为在传统和新的媒介环境下，数据创意的发展过程中都可以起到很重要的促进作用，但新旧环境下，起作用的方式是不同的。

在传统媒介环境下，广告活动的次数少，但每次的制作成本高、投放预算高，制作周期长。在这种创意制作的流程中，创意测试可以在创意概念发展、故事板、动画版和完成版的各个阶段通过消费者研究起到概念筛选和优化的作用，通过消费者的反馈来提升创意水平。很多广告投放大户都建立了非常严格的广告测试流程，一些公司设定了“硬指标”，测试结果达不到预设的水平不能投放。

创意公司不喜欢客户找来一家研究公司“指手画脚”，但这种模式保证了诸如宝洁、联合利华、三星等企业在大量的广告投放过程中，创意始终保持在一个相对高且稳定的水平上，保证了营销投入产出水平。

对于那些在全国或者全球范围内进行大规模广告投放的公司来讲，稳定且高质量的创意输出比偶尔出几支惊艳的广告片，也经常出一些烂广告更加重要。创意分析是一种非常重要的管理工具。

在新媒介环境下，传统创意研究遇到了非常大的挑战，很多公司传统 TVC 的研究体系都被打破。企业制作的创意素材数量更多、形式更多（从TVC到覆盖各种媒体）、制作周期更短、每支素材可分配给分析的预算降低。 

传统的速度慢、价格高的创意研究无法适应新环境。但是，新环境下，我们观察到新的创意分析体系在重新建立。大量的内容投资更加需要数据驱动的能力，实现内容制作的高频反馈和迭代。新环境需要新的数据驱动创意发展的新思路：

第一，能够满足多种媒介平台的创意的分析。

每个媒介平台，比如抖音、快手、小红书，都有自己的格式、调性和用户习惯，创意分析必须针对每个平台进行个性化的分析；

第二，更快、更低成本。

创意分析必须适应高频大量的创意生产；

第三，测试不是目标，数据驱动的决策优化是目标。

一部分重要且投资大的广告和营销内容需要做测试，大部分的营销内容，特别是社交内容来不及或者预算不足以使用传统测试，但也应该基于数据进行优化决策；

第四，结果更加落地，对品牌、创意和社交媒体运营团队输出可执行的结果。

云思从成立以来一直在品牌和沟通方面努力，也尝试去发展适合当前环境的，基于数据和科学分析的创意决策支持体系，并取得了一些成果。

• 多平台、全维度的数据采集。

云思根据业务需求，采集多个平台的数据用于分析和决策支持。对于以品牌宣传为目标的广告，云思采用“模拟测试环境”、“云端眼动”、“情绪分析”等技术，让用户在更加真实的环境中体验广告创意，并结合问卷采集行为、偏好和态度数据；

对于以互动为目标的商业内容，云思可以在模拟环境中采集行为，也可以通过真实投放获得效果和互动结果。通过这些数据可以评估、筛选、分析和预测商业内容表现。

• 体系化的创意发展决策解决方案。

基于数据的科学决策方法应该在创意早期，甚至在创意构思前起作用，帮助到创意团队。云思通过大量的创意测试和社交平台商业内容的抓取，建立了创意效果数据库；通过营销学、社会学、语言学、符号学等理论，利用 AI 和人工编制 Micro-tag（微标签）体系。

云思将创意、创意表现和微标签体系进行数字化管理、分析和预测。这一套创意分析体系，能够发现成功内容背后的原因，进而指导创意策略、激发创意灵感。

• 结果可落地。

在分析和预测过程中，云思应用了大量的数据技术，包括机器学习、AI技术等，在应用这些技术的过程中，云思遵循“可解释”的基本原则，分析得到的结果都是可以解读、可以落地执行的。

而一些技术类的公司所使用的神经网络等机器学习方法，虽然可以做到预测，告诉创意好坏的概率，但是无法给出人类可解读的结果和可落地的方案。云思应用不依赖于眼动仪的“云端眼动”技术对创意进行眼动测试，给出来非常具体的，具体到帧的创意优化启发。

• 更敏捷、更经济。

不管是创意启发还是创意测试，云思在标注产品和服务基础上提供个性化服务，可以将基础服务变得更快更便宜，同时也可以让深度研究变得更加深度、更有洞察。

 我们看到，在传统媒体时代建立了科学决策体系的企业，也正在努力建立新时代的营销内容分析体系。云思和这些领先于时代的企业持续探索，不断突破洞察的边界，让数据为营销赋能。

-End-

作者介绍 PROFILE

宗瑞兴

欧洲市场研究和民意调查协会（ESOMAR）会员

中国信息协会市场研究分会（CMRA）常务理事

宗瑞兴曾担任北京交通大学经济管理学院讲师，华通明略（MillwardBrown ACSR）客户总监，新浪商业和市场分析执行总监，2014 年创立云思科技。他拥有 21 年数据分析和市场研究经验，曾服务于多家全球及中国头部企业，行业覆盖互联网、快消、3C、汽车等，帮助其进行品牌测量和发展，广告发展和产品创新。

关于云思

云思（CloudXink）是一家研究与技术能力兼备的创新型研究公司。

在云思聚集了一群来自于不同领域的专家，他们精通消费者研究方法、社会科学理论、互联网技术和数据技术。致力于将专业的研究和技术创新结合，专注于品牌和沟通洞察，让营销更加高效、更加智能。

云思的愿景是通过在专注的领域不断学习和发展，让云思的成员、云思这个组织以及其服务的客户不断成长和成功。

广告中经常使用数字来描述有关产品功效、成分等关键信息。这些数字不仅能直观有效地加强关键信息的传递，也能对整体品牌回忆（brand recall）有提升作用。基于新意通Pro 的营销创意数据库，XGBOOST 建模结果显示，有数字证言加持的广告相比无数字的广告，其品牌回忆的表现更好。

常用数字类型 

以 skincare 广告为例，数字证言通常会用在表达：1、功效，如起效时间、描述效果程度的百分比等；2、成分，如对数量/工艺的描述、用百分比/倍数来描述浓度等。

基于全品类的广告测试结果，我们发现：有数字加持的效果描述信息对消费者态度有明显的积极影响，其品牌回忆（brand recall）和购买意向（purchase intention）相对无数字广告都表现更好。

当广告中效果及成分信息都有数字加持时，对消费者态度的积极影响更明显。但消费者对仅有成分数字描述的广告则相对“无感”。

数字呈现位置

有些广告中会出现有多组数字同时呈现在画面中的情况。上篇案例（《广告中品牌的露出位置，你选对了吗？》）中我们也提到，消费者的关注是有限的，强调了 A 难免会忽略 B。强调多了，就没法聚焦。

对于同时呈现多组数字的画面，我们通过热力图测试也发现了类似结果。比如下面这一帧画面中，同时呈现了 4 组描述效果的数字。但这4组数字的位置分布非常分散，受众难免顾此失彼。相比之下，左边的数字区域会受到更多注视；而左上区域则相对来说是注视最高的区域。

所以，如果一则广告中有多个有力论据需同时呈现，建议将这些论据排序，把最重要的论据放在最显眼的左上位置呈现。

当然，如果多组数字分散呈现会分散受众关注，那不分散是否就更好呢？

还真是。下面这则案例中，同样也有四组数字同时呈现，但却选择在画面的同一侧纵向排列。并且伴随着画面中模特手的动线，受众的视线也从中心位置逐渐旁移形成关注热区，将四组数字区域都有效覆盖，这些区域的 Fixation 数值也明显更高。

综上，在广告中加入数字证言，能有效传递关键信息乃至提升品牌回忆、购买意向等重要指标。但是，传递数字的类型、呈现的位置，也有颇多讲究。我们基于上述个案也许获得了一些发现，但这些发现未必能复用到你的品牌和广告上，针对每一个品类品牌不同、创意元素和情节各异的广告版本，还是用云思新意通Pro 现测一下比较放心吧。

云思新意通Pro 的方法论已广泛获得市场验证，为诸多头部广告主的品牌营销提供重要支持。除了通过专项研究服务量化评估单支创意，云思创意数据库目前已积累了 6000+视频创意，可通过行业、视频时长及更多创意元素分类进行筛选，获得更贴切需求的行为数据 norm 值。

如果您也想体验云思新意通Pro 优化自己的品牌广告，或者对本文提及的内容想更深入地探讨，欢迎长按识别下方企业微信二维码一起交流哦~👇：

-End-

关于云思

云思（CloudXink）是一家研究与技术能力兼备的创新型研究公司。

在云思聚集了一群来自于不同领域的专家，他们精通消费者研究方法、社会科学理论、互联网技术和数据技术。致力于将专业的研究和技术创新结合，专注于品牌和沟通洞察，让营销更加高效、更加智能。

云思的愿景是通过在专注的领域不断学习和发展，让云思的成员、云思这个组织以及其服务的客户不断成长和成功。