如何解决90%的创意浪费问题，“创意评级”给出了一些思路
Morketing · 2017-06-23 17:09
【摘要】“真正优秀创意不足10%”所包含的无奈和不解，是真正的技术平台始终如一要攻克的难题，创意评级为另外90%而生。
纵观整个广告界，真正优秀的创意不足10%。对于另外的90%，如何验证其创意是否符合理想预期，需要通过广告投放，其过程消耗人力、物力、精力、财力不计其数。
举个例子，如果一个预算10万的项目有10个广告创意，投放3天每天的投放费用是1000元，其中8个没有达到预期效果，造成的结果就是：第一，浪费了3天的时间；第二，造成了巨大的预算浪费，3x8x1000就是2.4万，这对于一个10万的项目浪费的成本是触目惊心的。
在今天这样一个以技术为导向的广告界，创意如果仅仅是夺人眼球或让人印象深刻，显然还不够。因为它只在营销的过程中起到了第一步：吸引眼球，今天的创意更需要的是创意背后所带来的实际效益，而“创意评级”就是专注于解决这一难题。
在数字营销更加智能和自动化的阶段，通过技术的手段让创意赋予更多的实效价值变得更为简单，作为一家专注移动智能营销的平台，多盟的“创意评级”技术在程序化时代对创意有着更深刻的理解。
创意界的新兴势力：“创意评级”
如何理解“创意评级”？简单来讲，即在广告投放之前系统自动对创意按照一定的规则进行打分，我们可以根据自己的营销目标需求，通过比对从而预先排除一部分低质量创意，并可以更具策略性的计划不同创意的上线排期以及对应的预算金额等。
如此一来一方面可以大量节省投放人员的时间和精力，另一方面创意的试错资金成本也将极大的降低。
那么，创意评级是如何解决上述的问题呢？
首先，创意评级的重点在“评级”二字，延展到广告领域，“评级”即是根据基础数据支撑，通过大量的创意表现所作出的判断。由此可知，评级才是重点，背后是海量的数据分析结果。
其次，评级根据一定的规则特征进行，规则特征化的背后逻辑是不同的创意需要按照一定的科学标准进行。数字化的可贵之处就是一切可以通过数据呈现，创意评级特征化，也意味着创意这件事可以用数据来体现。
再次，它解决了创意验证问题，过去讲创意好不好更多的是看它是否广为流传，引人注意，今天我们讲创意一切将以数据说话，创意评级通过数据验证，表现好的优秀创意继续留存使用，表现差的创意内容将之淘汰。当创意变的有章可循，创意这件事就变简单了。
“创意评级”的左膀右臂：特定资料+特征化
当然，创意评级的实现并非那样简单，这背后需要平台自身强大的广告技术和算法能力，要充分实现创意评级，需要满足两个条件，创意评级才能充分运转，即创意样本库和创意特征化。
在讲创意样本库之前，先分享一个故事：当年一位老作家曾指导法国著名短篇小说家莫泊桑的写作。这位老作家对莫泊桑说：“出去，到巴黎的街上，随便找一位驾车的车夫。你乍看他，可能与其他车夫非常相像，并无差别。可是仔细地研究他，直到你能把他描述得与这个世界上任何其他车夫都不相同的程度，要做到在你的描述中，他是个与众不同，有独特个性的车夫。”这是产生创意的第一步，为心智收集有关产品的特定资料。
不难理解，创意样本库就是上述故事中的“特定资料”，这是实现对创意评级的第一步，而要建立一个丰富且多样的样本库需要满足两个条件：
第一、创意的效果可跟踪，即知道创意最后的转化效果，虽然可以通过爬虫等爬取公开的创意内容可以获取，但是无法准确知道创意效果，等于一个创意是否为好创意仍然无法判断，这又回到过去的创意模糊时代去了。
第二、涉及的流量类型足够多，目前的创意已经从简单的文字、图片，扩展到了视频内容。即使主要内容相同，不同尺寸，不同场景下的创意的表现差距也很大；同样一个创意，在UC、今日头条等不同的媒体平台也可能产生完全不同的表现，这与背后的受众人群及使用场景息息相关，所以在创意评级的时候，要充分考虑场景的因素，反过来对于样本库来讲也提出这方面的高要求。
有了丰富高质量的样本库，第二个难点就是技术挑战，要让机器对创意进行评级，在技术上最重要的就是对创意进行特征化，每个特征代表一个维度，用一系列特征来描述创意。而需要特征化的创意类型细分一下又分为文案、图片、视频创意。
对于创意文案，传统自然语言处理技术（NLP）已经相对成熟，如用LDA主题词提取技术，句法分析技术等。创意文案有一个特点是都不会很长，典型的短文本，在这一点上对于文案处理是一个挑战，不过近年来对应的研究进展也不少。
除了文字创意，目前图像，视频创意占据了创意的主要部分，创意评级的主要目标也是这类创意，即也是技术挑战最大的地方之一，由于视频主要是看作是连续图片，所以核心要处理的就是图片的特征化。
在图片特征化方面，传统技术主要从四个方面入手，比如采用颜色聚合向量技术的颜色特征化、使用小波变换的纹理特征、采用傅立叶变换形状特征以及以及对图片进行切割后，对每个小块提取特征的空间关系特征。
上述的传统技术发展了多年，不过在实际创意评级特化中，依旧不能很好的来描述影响创意效果的各个因素，比如对于一个游戏创意，由于游戏有主色调，那么在颜色特征方面体现出来的信息量和变化范围就比较有限。
经过不断的迭代实验，多盟发现除了一些传统特征，需要挖掘图片更进一步的潜在信息。
随着近年深度学习的快速发展，卷积神经网络（CNN）技术为图像内容识别和处理提供有突破性的进展，比如采用CNN的不同卷积核提取的特征再结合传统图像特征的复合模型在实验中就对于图片创意评级上起到了不错的提升效果，有效排除了30%的低质量创意。
创意评级需要走心、需要坚持
更需要对解决营销难题的使命必达
在我们了解了创意评级和它的实现条件后，我们心中不禁要问很多个Why？如何令这些技术得以实现？除了先天的技术基因，和对广告创意的偏执，也许还需要一份对于广告技术的坚持不懈。
对广告技术的使命理解，多盟基因里有着令广告技术更智能化、更自动化的使命必达，“真正优秀创意不足10%”所包含的无奈和不解，是靠谱的营销平台要始终如一攻克的难题，创意评级为另外90%而生。
如果只有对技术的追求也许还远远不够，还需要更多的硬实力。只有业务体量大，才能为丰富的创意样本库源源不断的输入血液，只有足够体量的样本库，才能对创意评级做足够深入的洞察。
其次，不可忽视的流量类型，如今多盟平台流量涵盖范围之广，类型之多，难度和复杂程度都较为领先。多盟在移动营销领域，有其独特的技术基因及优势，雄厚的研发团队是最强有力的保障，在AI技术的广告营销应用上，亦做了不错的示范。
最后，关于创意这件事，用心你可能只对了一半，另一半更重要的是：创意评级！
已有0人收藏
已有0人点赞
发表评论
请先注册/登录后参与评论