广告定量研究与SPSS的应用

广告定量研究与SPSS应用
摘要：完整的市场研究分析一般要经过定性——定量——定性三个流程；定性分析可以把握方向，而降低成本和提升效益需要精确的数据分析和挖掘；在竞争日趋激烈的广告市场，对于综合性广告公司和大广告主而言，市场调查、广告策划与创意、广告制作、广告媒体发布以及广告效果评估等流程更加需要加强风险估计和提高市场预测的准确性；SPSS作为高级数据处理软件之一，在广告定量研究中有广泛的应用。

关键词：SPSS 广告效益预测定量分析
The Quantitative Research of Advertisement and SPSS Application Abstract: usually, integrated market research would undergo ‘qualitative-quantitative-qualitative’ three phrases. Qualitative analysis can make the direct clear, but cost control and prompting efficiency need precise data analysis and mining. In the more and more competitive advertising industry, as far as comprehensive advertising enterprises, it is vital to strengthen risks control, improve marketing predictive capacity during market survey, ad strategy, creation, ad making as well as media distribution。

SPSS is one of advanced data process tools, which is used comprehensively in relate to advertising quantitative research.
Key words: SPSS advertising effectiveness forecasts quantitative analysis 一、中国广告市场总体发展趋势从宏观上看，中国广告业发展前景看
好。

广告行业发展速度相对放缓，但依然强劲。

根据尼尔森媒介研究测算的数字，中国在2003年收获了145亿美元的广告收入，比上一年928亿元人民币的广告市场增长了28%，媒介研究公司尼尔森媒介亚太区董事长霍本德认为——“以此速度发展，中国可望成为全球第二大电视广告市场”①。

根据央视市场研究股份有限公司（CTR）公布结果看，内地广告市场潜力依然巨大。

中国内地去年广告花费额达1544亿人民币元(刊例价，只包括电视及平面媒体)，约1456亿港元，比前年增加39 %。

香港去年广告花费额达356亿人民币元(刊例价，只包括电视及平面媒体) ，比前年上升10%。

台湾去年广告花费额达937亿人民币元(刊例价，只包括电视及平面媒体)，比前年上升10 %。

从微观上看，由于高额利润的驱使，中国广告业竞争进一步加剧。

根据中国对WTO的承诺，从2004年3月份开始，外商可以参与控股中国的广告企业；从2005年12月10日起，凡是符合规定的国外广告公司，均可在国内设立外商独资的广告企业。

这意味着6万多家中国广告公司不仅要和国内同业惨烈厮杀，还要和实力雄厚的外国广告公司火拼。

大陆、香港企业集团在国际资本全面角逐中国市场之前，早已开始行动——李嘉诚旗下TOM集团与白马集团在2001年就开始了激烈的户外媒体争夺。

2003年，星美传媒集团组建集“制作——传输——发行——媒介——广告”五位一体超媒体航母，开始了垂直一体化经营新广告运作模式探索。

现代意义上的中国广告只有二十多年的发展史，在初期发展速度快是
很正常的事情，当然，其中出现的种种问题不可能避免。

二、中国广告公司发展的核心问题一些业内人士认为广告公司的发展核心在于客户的数量和质量，这个观点有一定的道理。

从深层次来讲，广告公司发展的核心问题归根结底是广告公司专业服务水平的问题，具体到一个公司，就是核心竞争力问题。

一方面，在买方市场主宰消费的背景下，人类大量的时间和精力投入在新消费手段不断被“创造和复制”的过程中，程式化的消费动作和语言逐渐占据了人们的日常行为和思维方式。

当消费劳动与生产劳动力量达到均衡或前者大于后者的时候，产业工人的价值链位置也被改写了，于是，研究消费的时代在新世纪开始了；而广告是消费的“风向标”，加强对广告的控制是引领消费的必由之路，谈到控制，就牵涉到决策，要决策就必须科学分析市场，也就避免不了跟数据打交道，而精于数据处理分析和挖掘的广告公司实在太少，无法实现规模经营。

另一方面，中国改革开放以来，太阳神、爱多、秦池品牌从广告中崛起，从广告中陨落。

广告给无数企业带来惊喜，也带来巨大困惑。

广告就像一个黑匣子，广告费投入之后，销售量就大幅度攀升，但广告与销售量之间成何种关系？我们如何确定广告投入和产出之间的关系？如何对投入的广告效果作未来预测？定性分析解决不了这个问题，许多广告主投放广告时以广告额占销售量的比例来计算，或者提出一个“大胆”的创意，制造新闻效应，到央视竞争标王，或者透支企业营业收入，负债投放广告。

保守的广告策略和冒险的广告策略给企业的生产经营带来的是不确定的、无法预测的广告效果，也大大暴露出定性分析的局限性——不能
为产品的销售“买单”。

目前广告主对广告效果重视程度日益增强，对广告公司的市场调研和整合推广能力有了更高的要求，不再满足简单的广告创意、制作和发布几个方面，普遍要求广告公司对产品销售负责。

这反映了中国广告业发展的核心问题——广告公司普遍缺乏对广告加以高效控制和引导的能力，其中关键是缺乏广告定量控制分析能力。

三、发展中的定量统计分析科学严谨的市场研究可以减少决策风险，为成功市场营销奠定基础。

随着市场竞争在全球盛行,经管决策系统在市场营销领域发挥的作用越来越大，对数据的快速处理需求迅速增长。

20世纪60年代末，统计分析软件SPSS（Statistical Package for the Social Sciences）在美国应时而生，即“社会科学统计软件包”，现更名为Statistical Product and Service Solutions，意为“统计产品与服务解决技术方案”。

由于其系统接口的友好性和对社会实践的预测科学性，它的全球客户已超过25万，它们分布于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研教育等多个领域和行业，是世界上应用最广泛的专业统计软件。

在国际学术界有条不成文的规定，即在国际学术交流中，凡是用SPSS软件完成的计算和统计分析，可以不必说明算法，由此可见其影响之大和信誉之高。

在此期间诞生的公司还有SAS（statistical analysis system）等公司。

SPSS、SAS程序界面如下所示：
统计软件科学离不开科学理论的支撑，事实上，统计学家、计量经济学家、数学家在这方面的建树颇丰。

统计学经过威廉·配第、开特勒、
恩格尔、哥塞特、科克仑等不同学派的学者开拓，到现代已经形成了庞大的统计学学术群，研究领域不断细化，出现了传播统计学、商务统计学等应用型学科，计量经济学也是在统计学基础上发展起来的，而数学则是前两者的基础，比如微积分里面的牛顿-莱布尼茨定律仍然指导着统计学的发展。

去年10月8日，瑞典皇家科学院将诺贝尔经济学奖授予美国经济学家Robert F·Engle和英国经济学家Clive W·J·Granger，同时奖励130万美元表彰两位数量经济学泰斗为世界金融所作的贡献，这是理论与实践结合而开出的美丽花朵。

中国社会科学院财贸经济研究所副所长何德旭在计量经济学受宠诺贝尔一文指出：“计量经济学通过把经济理论具体化和数量化，使人们能够更深刻的理解和掌握经济规律，更好的按客观规律办事……，为经济主体经营经管的现代化提供了有力的支持。

”②由此可见，正是由于理论和实践的相互结合，推动了定量研究与应用的发展。

四、广告定量技术应用我们可以运用统计学的概念与方法来处理广告商业经济中的各种问题，研究不确性现象的规律性，而SPSS和SAS 是高效计算决策工具，可以节约大量时间和精力。

运用SPSS研究各个行业市场广告工程，这样，我们就可以做出更精确、更有效、更专业的市场分析报告。

A、行业市场的广告研究由于广告业服务的客户来自不同的行业，因此，对每一行业客户，我们都需要进行研究，以专业服务赢得客户和市场。

调查分析是必不可少的一环，分析行业市场面对的首要问题便是如何处理繁杂的数据，发现其中蕴涵的规律，比如每个品牌的市
场占有率、市场增长率、利润链之间的关系、分类判别分析等等，通过对这些数据的挖掘和分析，发现广告在不同的行业、不同的时间所处的地位和作用。

下面举一个轿车行业广告研究应用的例子：
[编码：BANDS 品牌GROUP 档次1=微型2=普及型3=豪华型4=中高档5=中档ADSUM 广告总额FREQUENCIES频率CITY 城市数MEDIA 媒体数SALES 销售量]
bands group Adsum frequencies media city sales
千里马2 5,096.43 6,198 1,247 61 143,132
奇瑞2 9,239.98 8,374 1,684 63 138,581
宝来2 9,196.05 11,830 1,540 64 135,882
中华2 8,979.32 5,120 972 71 133,182
爱丽舍2 8,189.99 4,444 1,302 63 127,783
波罗2 7,798.30 7,870 1,220 63 119,685
帕萨特5 8,833.01 6,285 1,407 61 130,483
赛欧4 8,155.87 2,641 1,120 58 125,084
捷达5 5,657.96 6,979 1,308 62 122,445
菱帅5 7,871.82 4,850 978 59 122,384
风神5 7,231.79 4,267 1,196 64 116,986
奥迪2 6,543.36 5,596 1,346 60 111,587
红旗2 6,254.27 5,664 1,353 62 108,887
别克4 5,183.28 2,690 1,037 61 103,488
吉利5 5,116.35 2,627 882 55 100,789
索纳塔5 4,922.27 6,344 1,087 53 95,390 威驰2 4,734.43 2,440 872 51 92,691
马自达4 4,288.03 1,680 643 54 89,991 北斗星5 3,837.50 1,430 800 58 87,292 福莱尔5 3,665.83 2,286 764 59 84,592 索纳塔5 3,598.69 1,226 728 46 81,893 奥拓5 6,744.21 6,478 1,512 63 78,068 帕萨特1 1,851.90 3,545 722 57 76,494 宝马1 1,783.50 3,571 841 59 71,095
松花江1 1,736.62 4,638 1,030 57 68,396 奇瑞3 1,790.55 614 295 31 73,795
江南奥拓1 691.39 2,500 539 53 61,302 奥迪1 358.3 741 269 50 57,598
广州本田1 166.34 1,126 237 33 49,500 东风1 120.37 739 271 42 41,402
梅赛德斯1 90.95 460 172 24 36,003
云雀4 1,703.91 540 317 42 65,696
凌志4 993.35 289 183 51 62,997
凯迪拉克3 355.77 153 95 21 54,899
大众3 2,247.22 370 225 27 53,108
宝马4 284.74 125 23 17 52,199
本特利3 149.03 418 145 24 46,800
玛萨拉蒂1 103.66 24 150 16 38,702
法拉利3 141.47 5 222 28 44,101
菱帅1 60.93 358 125 20 27,904
日产3 77.51 23 15 22 33,303
别克3 72.55 45 27 9 30,604
奥迪3 57.57 29 17 11 25,205
日产3 29.22 86 48 14 22,506
嘉年华3 25.29 15 13 6 19,806
乐驰4 0.2 1 1 1 17,107
注：以上数据均为截面数据，来源于慧聪汽车商务网，并稍作了调整。

现在应用向后剔除法来建立回归预测模型：
Coefficients(a)
Model 95% Confidence Interval for B Collinearity Statistics
Lower Bound Upper Bound Tolerance VIF
1 (Constant) 13721.123 31960.907
adsum 5.091 10.057 .164 6.106
frequencies -2.062 3.665 .157 6.372
media -30.819 20.896 .058 17.354
city 338.217 1043.334 .215 4.647
2 (Constant) 14385.422 32028.164
adsum 5.268 9.351 .237 4.220
frequencies -1.683 2.557 .280 3.570
city 371.814 928.138 .338 2.957
3 (Constant) 14295.937 31512.810
adsum 5.928 9.188 .364 2.747
city 399.897 930.583 .364 2.747
a Dependent Variable: sales
经SPSS检验，在剔除MEDIA、FREQUENCIES两个变量之后，方程回归系数、拟和优度、预测精度均达到显著水平,多元回归不再存在共线性、序列相关性、异方差性，可以用来预测。

因此，得到两个二元回归方程：
sales1=14295.937+5.928*adsum+399.897*city
sales2=31512.810+9.188*adsum+930.583*city
根据统计，大约95%的预测值落在sale s 1、sales2之间，这两个方程式反映了城市数量、广告额与轿车销售量之间的因果关系，从方程式中分析，可以发现城市数量的弹性比广告额的弹性要大。

再用SPSS分析广告费与轿车销售量之间的因果关系。

因为满足条件，我们还可以建立广告投入和产品销售之间的反应模型。

Coefficients(a)
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) 41153.146 2844.878 14.466 .000
adsum 10.817 .609 .937 17.768 .000
a Dependent Variable: sales
得到一元一次回归方程：sales=ad sum*10.817+41153.146
通过以上方程式，对广告投入产出之间的关系以及程度，我们通过建立模型来确定，在此基础上，我们可以通过广告费的支出来预测轿车销售量。

回归模型分析预测不大适用于长期预测，因为市场环境变化导致竞争力量常常发生变化，而回归模型是一种静态预测模型，所以，在实际应用中，较多采用时间序列分析方法。

B、广告事前调研和评估去年6月，哈尔滨制药六厂老总汪兆金在国家工商总局召开的广告监测会议发言曾谈到，“广告是市场经济的敲门砖，没有广告就没有哈药六厂，就没有２２个亿的销售收入。

但广告是一把双刃剑，毁掉一个企业，有时只需一夜。

‘盖中盖’广告事件让企业砸进几个亿。

”③哈六厂在2002年的表现的确不俗，2亿广告换回10个多亿的收入之后，发生的盖中盖广告事件让哈六厂差点跌入当年秦池的绝境。

狭缝中存活下来的新盖中盖再也无法续写当年的业绩，这可以看作是中国广告业发展的一个里程碑。

随着中国市场竞争进一步白热化，近几年广告费年支出上亿的企业越来越多，去年有10家企业广告费超过10亿，对于日益庞大的广告支出，广告主如果对广告效果缺乏预见和控制，很可能造成全盘溃败，这类例子，从许多央视标王的陨落可以反映出来，它们大都呈现出这种特征：一方面是庞大的广告支出，一方面是吃紧的企业生产销售资金链，一旦其中一方出现危局，另一方就无法正常运营，最后失利的
是企业自己。

如果当时企业在投放广告之前做一番专业的市场测试，也不可能输得那么狼狈。

这也反映了巨额广告的事前调研和评估的必要性。

例如：A 公司停止投放产品电视广告已经有6个月，产品销售量增长幅度逐渐放缓，该公司市场推广部经理就需要考虑是不是在这个时候再次投放电视广告。

因为预算有限，就需要开展调查以决定是不是广告停播的原因导致产品知名度大大降低，销量下滑。

采用实验法，开展广告认知度调查，收集的数据如下：
[编码：reco_value 认知度group=1表示看过该广告group=0 表示没看过该广告]
reco_value group
4.20 1
3.70 1
4.10 1
3.60 1
3.40 1
4.70 1
4.60 1
4.30 1
3.90 1
3.10 1
2.50 0
3.30 0
3.60 0
4.50 0
3.80 0
2.90 0
4.30 0
4.10 0
3.20 0
3.50 0
方差齐性检验SIG.=0.625>>0.05，表明两个实验组方差均等，可以用于方差分析。

Test of Homogeneity of Variances
reco_value
Levene Statistic df1 df2 Sig.
.248 1 18 .625
方差分析检验如下：
ANOV A
reco_value
Sum of Squares df Mean Square F Sig.
Between Groups .760 1 .760 2.303 .147
Within Groups 5.945 18 .330
Total 6.705 19
两个样本之间自由度为1，F值为 2.303，显著性检验SIG.=0.147>>0.05，表明两组之间不存在显著性差异，这种推断的置信度为95%。

因此，可以得出结论，该公司以前的广告知名度效果没有显著性降低，因此假设不成立，企业没有必要通过投放广告来提高知名度。

如果此次调研成本为5万，而广告投放成本为200万，如果广告播出浪费费用为50万，那么，我们就可以认为旨在提高知名度的广告在现在没有投放的必要，这次调研成本花费是科学合理的。

C、广告创意测试评估广告公司召开创意讨论会，除了激发灵感之外，还要决定哪些IDEA可以用来提案，我们经常面临的困惑就是：评价创意是以创意人资历为规范，还是以创意本身为规范？如果是后者的话，又如何认定前者的次优性？我们把“把关权”放在创意总监的手里其实也不可*，因为决定创意命运的不是创意总监，而是广告受众。

广告主评判创意的规范是：该广告是否可以最大程度的促进产品或服务的销售，这样，我们回到消费者这一“上帝”上面来探讨，如果一个广告创意的大部分受众认为CFA比CFB好，我们应该执行目标消费群认可的CFA。

[编码：CF A=1 B=2 Creative 1=非常2=好3=一般4=差Partial 1=高2=中等3=低occupation 1=老师2=经理3=员工4=其他age stage 1=15-17岁2=18-21岁3=21-23岁4=23-25岁5=25-30岁6=其他] cf creative partial occupation Agestage
1 2 1 4 2
1 3
2 1 4
1 2 3 2 5
1 1
2 1 4
1 2 1 2 6
1 2 2 1 4
1 1 1
2 5
1 2 2 3 5
1 2 2 1 4
1 1 3 1 4
2 2 2 1 3
2 4 2 1 3
2 3 3 3 3
2 3 2 2 6
2 4 2 1 3
2 3 3 2 4
2 3 3 2 4
2 4 2
3 4
2 2 1
3 5
2 4
3
4 2
首先，运用spearman等级相关系数统计计算出各变量与各组创意技术方案的关联程度。

Nonparametric Correlations（非参数相关系数）
CF creative partial occupation Age stage
Spearman's rho CF Correlation Coefficient 1 .727(**) 0.283 0.219 -0.325 Sig. (2-tailed) . 0 0.226 0.353 0.162
N 20 20 20 20 20
creative Correlation Coefficient .727(**) 1 0.306 0.187 -0.401
Sig. (2-tailed) 0 . 0.189 0.429 0.079
N 20 20 20 20 20
partial Correlation Coefficient 0.283 0.306 1 -0.04 -0.266
Sig. (2-tailed) 0.226 0.189 . 0.868 0.256
N 20 20 20 20 20
occupation Correlation Coefficient 0.219 0.187 -0.04 1 0.02
Sig. (2-tailed) 0.353 0.429 0.868 . 0.934
N 20 20 20 20 20
agestage Correlation Coefficient -0.325 -0.401 -0.266 0.02 1
Sig. (2-tailed) 0.162 0.079 0.256 0.934 .
N 20 20 20 20 20
从相关系数分析可以看出，只有变量CREATIVE与不同创意技术方案存在显著差异。

（SIG.=0.000<<0.05），其它变量与CFA 、CFB 之间关联性不显著，可以得出结论：在不同年龄阶段的消费群中，CFA 的创意明显高于CFB。

从以上分析可以看出，各年龄段的消费者对广告脚本A、B的量化态度：CFA 与CFB在创意方面有明显的差异，但总体水平分析，不同
年龄层次的消费群对两个CF的偏好倾向一致。

D、广告媒介评估广告媒介研究是媒介研究的一个重要内容，目前，广告收入是各大电视台、报纸、网站等媒体经营单位的主要收入来源。

因此，加强对广告媒体的研究以增加媒体收入是媒体寻求发展的重点和核心。

广告公司为客户做媒介代理同样需要对媒体作深入的研究。

媒体归类是媒体内容分析的一个重要结果，用科学的方法对媒体进行归类，就可以在广告投放中合理的选择最优质的媒介，突显竞争比较优势。

下面是对不同媒体进行分类的例子：根据媒体的6个指标将已知24个媒体分成两类，还有6个未作分类的媒体，通过提取6个变量的因子数值，SPSS可以进一步将它做出判别分析归类。

这样，不仅完成了媒体归类任务，还节省了大量时间，提高效率。

[编码：df1 整体档次df2 权威性df3 内容覆盖面df4 社会重大问题df5 贴近生活df6 信息量GROUP 分组缺失值#NULL!]
id df1 Df2 df3 df4 df5 df6 GROUP
2 3 3 5 5 5 3 2
3 2
4
5 4 4 3 2
6 4 4 4 4 4 4 2
7 4 4 4 5 5 5 2
8 5 5 5 5 5 5 2
9 4 4 4 4 4 5 2
15 4 4 4 4 4 4 2
16 4 5 5 5 5 5 2
17 3 4 4 4 4 4 2
18 4 4 4 4 4 4 2
19 4 4 5 4 4 5 2
20 4 5 5 5 5 5 2
22 4 4 5 4 4 4 2
23 4 5 4 4 5 5 2
27 5 4 3 4 4 2 2
28 4 4 4 4 3 5 2
30 5 5 4 4 4 3 2
1 3
2 2 2
3 1 1
4 2 3 2 1 2 3 1
5 2 1 2 3 2 3 1
11 3 1 2 3 2 3 1
12 3 2 3 1 3 1 1
13 2 1 2 3 2 3 1
24 2 2 1 2 2 3 1
10 3 3 4 3 4 3 #NULL!
14 2 3 4 3 3 4 #NULL!
21 3 3 3 3 2 4 #NULL!
25 3 2 3 2 3 3 #NULL!
26 3 3 2 3 3 2 #NULL!
29 1 4 3 4 5 4 #NULL!
首先进行判别分析有效性检验：
Test Results
Box's M 13.510
F Approx. 3.900
df1 3
df2 2335.321
Sig. .009
Tests null hypothesis of equal population covariance matrices.
判别显著性0.009<<0.05，我们可以说判别有效性显著，可以进一步判别。

Variables in the Analysis
Step Tolerance F to Remove Wilks' Lambda
1 df
2 1.000 81.683
2 df2 .88
3 39.601 .268
df4 .883 27.041 .212
根据分类判别计算结果分析，整体档次、内容覆盖面、贴近生活程度、信息量由于差异性不显著，因此，只保留另外两个因子来做判别分数，根据这两个指标，剩下的六个分类为：
Casewise Statistics
Case Number Actual Group Highest Group
Predicted Group P(D>d | G=g) P(G=g | D=d) Squared Mahalanobis
Distance to Centroid
p df
Original 1 2 2 0.402 1 1 0.702
2 2 2 0.458 1 1 0.55
3 2 2 0.458 1 1 0.55
4 2 2 0.538 1 1 0.38
5 2 2 0.038 1 1 4.288
6 2 2 0.458 1 1 0.55
7 2 2 0.458 1 1 0.55
8 2 2 0.038 1 1 4.288
9 2 2 0.458 1 1 0.55
10 2 2 0.458 1 1 0.55
11 2 2 0.458 1 1 0.55
12 2 2 0.038 1 1 4.288
13 2 2 0.458 1 1 0.55
14 2 2 0.476 1 1 0.508
15 2 2 0.458 1 1 0.55
16 2 2 0.458 1 1 0.55
17 2 2 0.476 1 1 0.508
18 1 1 0.825 1 1 0.049
19 1 1 0.75 1 1 0.101
20 1 1 0.9 1 1 0.016
21 1 1 0.9 1 1 0.016
22 1 1 0.256 1 1 1.291
23 1 1 0.9 1 1 0.016
24 1 1 0.825 1 1 0.049
25 ungrouped 1 0.002 1 1 9.205
26 ungrouped 1 0.002 1 1 9.205
27 ungrouped 1 0.002 1 1 9.205
28 ungrouped 1 0.825 1 1 0.049
29 ungrouped 1 0.002 1 1 9.205
30 ungrouped 2 0.458 1 1 0.55
For the original data, squared Mahalanobis distance is based on canonical functions. each case is classified by the functions derived from all cases other than that case.
通过判别，我们可以发现组别的差异程度和对未判别的数据再次判别的必要性。

媒体判别分析的一个很大的优点便是为大型的广告投放计划选择恰当的媒体，特别是当对小部分媒体的特性非常陌生的时候，这种判别分析的方法最有效用。

广告媒体分析还包括收视率、千人成本、广告接触率等众多变量，这些都可以用统计数据来表示，正如美国测量学家麦柯尔所说：“凡有数量的东西都可以测量。

”计量经济学执行数字判断哲学，对事物比较优劣通过数据来表示也是定量研究的一大优势。

在实际的广告媒介经营单位广告收费中，广告价格和折扣经常偏离媒体实际价值，通过定量广告媒介统计分析，可以挖掘出广
告媒介投放效益所在，从而趋利避害。

E、广告绩效的评估对广告绩效的评估，历来受到广告主的重视，也是广告公司的软肋。

目前许多广告公司对产品销售量无法作出保证，因为无力承担产品销售的风险。

事实上，在市场营销反映模型里面，根据分析，我们就可以对产品销售和广告之间的投入产出做出一定范围的预测，这样，不仅降低了风险，还可以增强客户对公司的信任。

欲对广告绩效的评估，必须首先确定度量广告绩效的尺度。

业界比较盛行的尺度有：心理效果、行为改变效果、知名度和美誉度效果、产品销售效果等等。

对于不同类型的广告而言，评判的尺度应该有所差别，比如促销型的广告应该与产品销售效果挂钩；品牌广告应该与知名度、美誉度、忠诚度挂钩。

下面举一例：一企业广告投入和产品销售统计数据如下：
[编码：ad_cost=月广告投入（万元）SALES=月销售额（万元）pre_1\mape为前面两个变量的Z规范分数]
ad_cost sales pre_1 mape
58.90 477.00 508.14306 0.07
70.90 559.00 583.45753 0.04
74.80 570.00 607.93474 0.07
78.80 622.00 633.03956 0.02
88.20 671.00 692.03590 0.03
90.80 702.00 708.35403 0.01
111.80 738.00 840.15436 0.14
122.20 763.00 905.42691 0.19
99.60 818.00 763.58465 0.07
92.40 849.00 718.39596 0.15
100.00 864.00 766.09513 0.11
116.60 921.00 870.28015 0.06
138.70 982.00 1,008.98431 0.03
158.60 1,065.00 1,133.88081 0.06
148.37 1,124.00 1,069.67522 0.05
141.50 1,111.00 1,026.55768 0.08
方程拟合优度、序列相关性检验：
Model Summary(b)
Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin-Watson
R Square Change F Change df1 df2 Sig. F Change
1 .930(a) .864 .864 76.56161 .864 89.19
2 1 14 .000 1.021
a Predictors: (Constant), ad_cost
b Dependent Variable: sales
方差显著性检验：
ANOV A(b)
Model Sum of Squares df Mean Square F Sig.
1 Regression 522815.486 1 522815.486 89.19
2 .000(a)
Residual 82063.514 14 5861.680
Total 604879.000 15
a Predictors: (Constant), ad_cost
b Dependent Variable: sales
SIG<<0.005,说明组别之间差异非常明显。

Coefficients(a)
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) 138.475 72.844 1.901 .078
ad_cost 6.276 .665 .930 9.444 .000
a Dependent Variable: sales
两者相关系数达0.930，调整系数为0.864，表明广告对产品销售影响程度显著，D.W.为1.021，说明广告与销售之间互动性较强，广告投入见效快，方差分析SIG.<<0.05，表明回归显著，可以用来进行预测分析，变异程度MAPE<0.1，说明预测精度高，根据回归系数得出预测方程：SALES=-138.475+6.276*AD_COST（未规范化）/SALES=0.930*AD_COST（规范化）。

根据显著性检验，两个方程都可以用来做预测。

比较而言，前者回归常量方差大于后者方差，后者优于前者，而且具有可比性。

通过拟合一元回归方程，在市场非系统性风险较少的情形下，我们可以大胆的运用该方程进行广告投入产出预测，进一步增加市场营销的预见性，为广告开支的科学性提供了决策依据。

五、广告定量控制之路在后现
代消费文化盛行时期，厂家将生存的重心从以前产品的数量、质量转向市场营销上面来了。

市场是千变万化的，而产品的弹性远没有需求弹性高，因此，研究各种现象之间的联系和规律，才有可能最大限度的利用有限的广告资源，将利润最大化理念执行到底。

相对于整个广告运作流程而言，如果我们在每一个步骤采取这种调查、统计、评估方式，就会给公司的带来财务压力。

如果后验概率与先验概率相差不远，那么经验决策就可以了，我们就可以忽略该调查研究步骤；如果完全信息的价值大于市场调研的价值，我们就认为市场调研和分析预测有必要。

值得说明的是，这种最优化广告成本效益控制方法在完全竞争市场背景下最有效，而对于寡头垄断竞争市场，人为操控市场因素过多，为市场预见性设置了重重障碍。

在这种背景下，我们的决策需要考虑的因素就增加，必须采用高级分析模块，如因子分析、聚类分析、半回归分析等等。

我们凭借经验和市场信息，很容易做出定性分析，偶尔用数据来证明论点，但这种应用也比较初级；当我们面对大量数据的时候，简单的统计运算就无法挖掘出数据里包含的宝贵信息。

举个简单的例子，在研究广告投入与产品销售之间的关系的时候，我们凭借定性分析，知道广告投入越多，对产品销售、品牌塑造效果越好。

但是，当遇到预算约束的时候，我们就必须考虑如何花最少的钱，获得最大的经济利益、社会利益；通过什么样的方式和方法来实现目标。

在这个方面，定性分析就显得力不从心，此时，我们可以采取定量分析来强化效益控制，通过对风险系数、相关系数以及因子分析、判别分析等计量经济学手段，来预测和决定广告投入问题。

很明
显，定量分析的前提是定性分析准确，而科学的定量分析为实现最大效益提供了可能。

从这个方面来看，加强两者的紧密结合运用是高效解决实际问题的必由之路。

既然“两性”并用效果最好，那么在实践上，为什么遭遇“坎坷”呢？主要是因为目前中国广告行业市场调研能力，特别是定量研究能力普遍缺乏，主要表现在以下几个方面：第一，广告业作为知识密集性产业的特征被无序竞争淡化，甚至一些行业内人士认为广告业是劳动密集性产业，理由是广告人工作常常加班，工资不太高，而且注册公司进入门槛很低——30万元人民币就可以开个广告公司。

第二，现代意义上的广告公司在中国发展只有二十多年的历史，广告行业应用统计学和高等数学来解决实际问题的能力普遍缺乏，直接后果是广告公司市场调查部门弱化，广告主通常比广告公司的市场分析更深刻、更具前瞻性。

第三，市场调研行业在全国大中城市蓬勃发展，为广告公司的市场调研部门的发展带来巨大挑战，考虑到成本和调研设计、执行、分析等软件、硬件配套不全等因素，目前，只有一些国际4A公司和少数本土4A（广东省广告公司为代表）有实力比较雄厚的市场调研部门，但这些调研部相当一部分从事定性方面的研究，只能做简单的数据分析。

第四，广告业后备力量先天性缺陷普遍存在，国内70%以上的高校对广告学专业课程的设置存在偏差，即使开了市场营销学、市场调查学等课程，但数学、统计学课程普遍缺位，学生只能学到一些概念和市场常识，不可能对市场行情进行科学统计分析。

对于一个与国民经济
运行密切相关的学科，如果学生对社会经济数据缺乏理解和科学分析，那就不可能为广告主提供一个高质量的市场调研报告，更谈不上高水准的市场推广计划。

第五，由于上述原因，导致广告公司对数据处理能力不足，无论是广州还是上海，90%的广告公司只能做定性分析，这使得企业的营销策划部门不仅有存在的必要，而且全方位对广告的广告策划活动加以控制，广告公司的职能只有“创意和表现”这两项了。

这对于一贯宣传“以策划为核心，以创意为灵魂”的广告公司来说，实际上只有“灵魂”，没有“核心”！在强调核心竞争力的市场经济社会来说，忽略核心是多么的危险和不确定。

中国广告公司要完全拥有定量控制分析能力将是漫长的探索过程。

值得说明的是，对广告定量研究只是提高广告公司运营效率的一种手段。

而对这种手段的使用能否发挥作用并实现价值，还要看公司的企业文化了。

没有一个善于创新的经营团队，没有强烈的竞争意识，任何手段和技术的作用都发挥不出来，就好像中古世纪中国人用火药制造鞭炮祭祀鬼神，西方人用它来开矿一样。