数据与广告系列九：有意思的本地化广告
作者|黄崇远（题图：pixabay.com，CCO协议） ，公众号，数据虫巢，blogchong
继续接我们上一篇《数据与广告系列八：广告与二类电商》，今天我们来聊一下同样是比较具有独特性的一个广告领域，那就是本地化广告。
01 什么是本地化广告
什么是本地化广告？如果你去百度或者谷歌，其实你很难查到严格意义上定义，因为也没有“官方”的定义，更贴切的一个广告术语是SMB（small and midsize business）广告，即中小型企业市场广告。
而我们上一篇说到的二类电商，其实也是SMB中的典型代表，而本地化广告，在更多的一些广告报告上，可能会贯之以“本地化数字营销”等称谓，总之，都差不多的意思，说的就是这类非常具有独特性的广告。
所谓本地化，即其营销一定是与地域所绑定的，既具有地域特色，或者说地域性的营销诉求。反过来想，具有这些特点的广告主，一定是中小型的企业广告主，针对于地域性的营销，规模不大。
通常一些典型的本地化广告主为各种培训机构，包括常见的英语专业培训，一些儿童能力培训，甚至是一些计能培训机构，美容院，健身房，婚纱摄影或者一些艺术摄影机构，口腔或者专科诊所以及医院等。
所以，从这里可以看到其营销的主体服务方式核心还是偏线下的模式，所以，广告对于其来说其实是一种流量获取的方式和途径而已。
02 本地化广告现状
围绕本地化广告很全的行业分布数据比较难找，以教育培训细分市场为例，参考APP Growing撰写的《2018年教育培训行业广告投放市场研究报告》，中国教育培训市场的规模已经突破25000亿，当然，这25000亿并不是全部都以本地化这种形态出现。
但要知道，培训机构大多都是业余的方式进行培训业务推进的，所以当地的获客诉求是天然存在的，这意味着其承载之上的，除了一些宣传品牌相关的培训，以及与地域无关的线上培训平台，其他的都会以本地化广告的形式出现。
从幼儿早教到职业培训，其线下消费的客单价是非常高的，大几千，几万的客单是常态，而线下的获客成本据报告调研则控制在1000-2000的范围内，就算如此，控制主其他维度的投入，其实依然还有很大的利润空间。
那么对于线上营销来说，同样，只要将最终的有效获客成本控制在线下获客成本同样的水平上，或者略低，那么，线上广告的形态就跑的通。
不要小看这个细分市场，2018年对于腾讯社交广告来说，教育培训的广告数量位居第三位，占比5%，占比第一的是游戏7.7%。在今日头条的广告消耗中，教育培训位居第五位，占比2.5%。在百度的信息流中，位居第八，占比3.5%。
所以，从这里来看，其实教育培训其实是一个非常有潜力的行业，而教育培训中的线上投放线下转化的形式又是本地化广告中的重要体现，由此可见本地化广告的市场空间是非常之巨大的。
03 本地化广告的挑战
如上，本地化广告是一个典型的线上投放获取流量，线下转化的形式。所谓线上投放获取流量，比较容易理解，即通过线上投放广告的形式来触达用户，而线下转化的意思是，最终客户都是需要到线下机构或者门店消费，才算最终的有效转化的。
具体模式是，线上投放本地机构或者门店的营销H5页面，用户提交表单，线下依据表单进行客户联系，以及尝试让客户到店，最终将到店的用户变成付费用户，那么整个流程就结束了。
熟悉了流程，紧接着问题来了。本地化广告大部分都是SMB客户，所谓中小嘛，就是规模很小，营收有限，小本生意。这种客户最看重的就是投了多少钱，产生了多少效果，对于广告的效果异常的执着（做二类电商的SMB广告主也同样“精打细算”）。
但是，由于线上曝光，第三方落地页触达，线下转化的模式，导致了整个流程的效果及其难以有效追踪，了不起到第三方落地页加个到落地页的表单填写追踪，但离到店还是有距离的，再到到店消费的流程就更剥离了。
所以，很大的一个问题就是，线上营销系统只能通过类似的CPC做效果结算，但SMB广告主或者代理商可不是这么给你算账的，可能给钱还是这么给，但最终他是不认CTR这种效果数据，最终的效果数据是线下的到店消费，从而计算完整流程的ROI。
由于中间流程数据采集和回收的中断，这就导致了营销系统数据优化的无奈，以及两侧诉求的难以一致。当然，如果最终ROI能够hold主（比如最终的获客成本能够跟线下获客方式打平，甚至是更低），一切都好说，如果效果不佳，那么就有得吵了。
除了数据和优化维度的挑战，其实对于本地化线上广告来说，其还要跟线下的各种获客方式PK，而广告主是很现实的，那种效率高其营销预算就放在哪。
由于本地化这种机构的客单都很高，所以一定程度上各种线下的营销支出都是可以解释的，这就是为何你在地铁口能够收到各种小礼物，只是为了填个简单资料和电话号码而已，还有拿着本间夹跟追着你半条街问你需不需要英语培训的营销员。
以3万一个周期的英语培训为例，除了外教各种其他支出，在获客上，一两千一个获客成本太足够了，那么你觉得一个推销员一个月只要拉来三五个客户，是不是足够吃喝一个月了。这样你可能就更容易理解为何那些营销员要追着你半条街了。
当然，从长期且高效获客的角度来说，肯定是线上获客模式更容易规模化，以及更具有复制性，这也就是为何本地化广告看着很零散，但是其实是一个巨大的市场。
04 本地化广告数据和投放分析
从上面我们可以知道，从营销平台的角度看，如果扩大本地化广告主的消耗预算，挑战还是蛮大的。从数据和投放优化分析的角度，我们来如何做本地化广告投放的优化呢?
线下营销很容易理解，线下获客十有八九都是当地人，又或者说常驻候选人，但线上就不同了。所以，最最最容易理解也是最基本的就是地域定向。试想一下，你深圳的培训机构让北京的人看到广告，有个屁用。
对于地域定向，说白了就是如何确定用户的地理位置。有常见的两种方式可以获取用户的地理位置，一个是IP，通过IP解析地址，还有一个就是GPS位置信息。理论上来说，IP解析更粗糙，且强依赖于IP解析库，如果解析库不够完整和准确，这意味着解析了一个错误的地址，但同样GPS并不是一个很常见的获取方式，毕竟并不是任何服务都需要打开GPS定位的，没啥屁事要求用户打开GPS定位，这在当前互联网用户数据隐私保护法中是不被允许的。
在地域定向中，同样每次用户给到的是单次地理位置，所以我们需要通过一定的算法来确定用户的常住地，因为大部分本地化线下服务的主体都是常住地用户，而不是那种临时到这个城市的人。所以，我们在同样需要思考如何通过零散的IP访问或者GPS经纬度，来计算用户真正的常驻地。在此期间还是考虑各种异常情况，比如出差导致的地理位置异常，导致的地理位置异常等等，并没有想象中这么简单。
关于地理位置，还有一个更致命的问题。因为广告主投放首先诉求就是其当地城市，所以其对于地域定位的准确与否，通常都会非常之关注，他可不希望自己的钱打水漂。暂时都不说用户感不感兴趣的问题，我要深圳的用户，你给我北京的用户曝光就是最大的原罪。
那么，他怎么确定投放的准确与否呢？通常做H5营销落地页的企业或者平台，又或者那种职业做广告营销监控的公司（比如秒针），都会做一个事，那就是对进入到广告落地页的用户做地理位置解析。
敲黑板划重点来了，这里解析出来的只是当前用户当前时间点的地理位置，而我们投放做定向是根据用户常驻地做定向，那么，什么时候会出现误差呢？
+当你出差的时候
+当你的时候
+当你使用的IP解析库与第三方落地页解析IP库不同的时候
所以，广告主本着监控自己广告是否错位的出发点，然后就容易引发与营销平台的冲突，制造了不信任感。当然，从理性的角度来看，第三方的地域监控其实是不够完全的，他只是代表着一次的行为，而不同的IP解析标准更是一个常见的问题，因为在中国，从来都没有一个所谓的官方IP解析库。
除了地域定向，大部分这种广告投放其实都是需求驱动型。所谓需求驱动型，举个简单例子，如果你不打算结婚，你怎么可能会对婚纱摄影的广告感兴趣；如果你的英语水平都足够高了，都够去英语培训机构当老师，还培训个屁；如果你小孩都六七岁了，还会对针对两三岁小孩早教的广告感兴趣吗？
如上都是举了一些很常识性的例子，所以，很多类似本地化广告，其实都是需求驱动的，即你有这些诉求，且这些诉求都是阶段性的，一旦过了某个阶段可能诉求就消失了，不再需要了。
这意味着，我们在做用户定向圈选时需要重点考虑这个特性，其跟一些偏重长期的兴趣定位还是有些不同的。结合这个分析，我们在做这类人群的分析挖掘时，就要很注重数据源，以及注重原始数据的有效性。我们可以从一些可以表征当前用户对于这些行业有诉求的地方，来捕捉用户的短期本地化诉求。
以搜索为例，用户如果经常搜索一些结婚相关的事宜/事项，在购物网站购买相关结婚物品，是不是说明其在筹备一场婚礼呢？我们必要快速捕捉到这种动作，因为这个时间窗口是很短的，并且很多都是一次性诉求（只要满足了，理论上不再有诉求，毕竟婚通常只需要结一次的，不像是电商是可以周期性收割的）。
如上只是举个婚纱摄影人群捕捉的例子，具体本地化各行各业的特征，以及你手里把握了哪些有效数据，就需要你自己来思考了，这里只是提一个捕捉人群特征的注意事项以及这类人群的通用特性，核心还是要把握住用户的行为，总能抓住一些蛛丝马迹。
05 收尾
至此，关于本地化广告的话题就结束了，本地化广告还是非常有意思的一个方向领域，不管是业务，还是从数据挖掘，人群分析洞察的角度，都非常有挑战，以及非常具有独特性。
所以，总给我推婚纱摄影广告的广告平台，是不是得反思一下了，俺娃都快打酱油了，俺也从来没有打算再来一次。
哈哈，关于本地化广告或者数据在线广告领域，你有没有什么想说的，有没有被地铁口英语培训的推销员追过半条街。
如果有，请关注“数据虫巢”，点击右下角的“在看”，一起留言讨论，或者分享给朋友吧，当然想赞赏一杯咖啡也是不错的。
《数据与广告系列一：初识在线计算广告》
《数据与广告系列二：计算广告和推荐系统》
《数据与广告系列三：合约与与第三方广告监控》
《数据与广告系列四：搜索广告和竞价策略》
《数据与广告系列五：生态平衡与人群定向》
《数据与广告系列六：一图读懂广告产品关系》
《数据与广告系列七：推荐和广告技术架构》
《数据与广告系列八：广告与二类电商》
《数据与广告系列九：本地化广告》