广告与品牌态度：来自575个以上品牌的证据

2008年至2012年间，所有品牌的感知质量平均下降了1.6%；感知价值下降了0.3%，近期满意度下降了0.9%。这些趋势表明，在估计广告支出与品牌态度之间的关系时，控制时变不可观察因素的重要性。表2：平均品牌态度感知质量感知价值近期满意度2008年2012年2012年2012年平均26.5%24.9%20.6%20.3%20.2%19.3%中位数24.4%22.8%17.4%17.1%15.9%15.0%接下来，我们总结广告支出数据。图3显示了按行业和年份划分的平均品牌广告支出。媒体和汽车品牌在广告上花费最多，其次是百货商店、保险和快餐店品牌。除了少数显著的例外情况（如媒体、百货公司、保险），大多数行业在2008年至2012年期间的平均品牌广告支出没有出现重大变化。表3总结了2008年至2012年期间按媒体类型划分的广告支出的品牌水平变化。样本期间，全国传统广告支出有所整合，平均品牌每周支出增加约5万美元，而中等品牌的平均广告支出下降了2.2万美元。样本期间，当地传统广告大幅下降，2012年平均每周品牌支出比2008年减少25%。Digitalads从2008年的每周11万美元增长到2012年的13万美元。接下来，我们将重点关注选定品牌的一系列可视化。图4的面板A显示了丰田的三个品牌态度指标以及该品牌的每周广告支出数据。图3：按行业和年份划分的广告支出平均广告支出（百万美元）2468消费者商品凳子/硬件FT饮料：通用媒体设备药品：OTCElectronics：音频/视频互联网网站商店/家具店联合部。

商店Parel and ShoesCar Manufacturers电视网酒店Fast FoodLiquice Cream/Pizza/CoffeetClothing Stores Books/Kids/Office Stores Causal DiningBeerFast Casual Dining汽油/汽车配件运动/电子商店Scruise/Travelagents媒体服务保险牛排馆/CasualDiningWomen’s Clothing Stores SairlinesCasinos金融服务商店商店Drugs：一般药物：处方消费者BANKS20082009201020112012表3：全国平均广告支出（百万美元）。Ads本地交易。Ads数字AdsIn 2008年2012年2012年2012年2012年2012年2012年平均值1.02美元1.07美元0.51美元0.38美元0.11美元0.13中间值0.27美元0.25美元0.11美元0.09美元0.01美元0.02点代表每周的品牌态度数据点，而趋势线是通过局部回归生成的。2009年之前，丰田对质量和价值的认知一直保持在60%左右，2010年，由于一系列备受关注的汽车召回和安全事件，丰田的质量和价值认知急剧下降至30%。他们后来开始缓慢复苏，尽管还没有达到之前的水平。与质量和价值不一样，最近的满意度开始远低于30%左右，并且受召回的影响较小。在此期间，广告政策有所变化，但广告支出的峰值与品牌态度的立即改善并不相关。图4的面板B显示了焦炭的类似数据。

与图2中软饮料的总体趋势以及更普遍的行业级消费数据一样，受访者对可口可乐感知质量、感知价值和近期满意度的态度也呈现出逐渐下降的趋势，从2008年至2012年，感知质量从63%大幅下滑至50%。尽管整个样本中的广告支出差异很大，但几乎没有视觉证据表明品牌态度和广告支出之间存在任何对应关系。在C组中，福特的品牌态度指标显示出比大多数品牌更大的差异。样本中的质量和价值认知在达到50%左右之前就有所提高。最近的满意度最初接近于质量和价值，但后来降至40%。同样，广告支出是高度可变的，但很少或没有视觉证据表明高峰和低谷会对品牌态度的变化作出反应。最后，在整个样本期内，苹果的品牌态度（D组）相当稳定。然而，由于感知质量（约60%）远高于感知价值（约40%），而感知价值又大大超过了最近的满意度（约30%），这三个态度指标存在显著差异。与其他案例研究一样，该品牌的广告支出差异很大，尽管很难再次看到广告与品牌态度之间的对应关系。这四个案例研究的几个方面在整个样本中广泛复制。首先，每周品牌态度数据通常围绕稳定的长期平均值变化。因此，我们将使用每个品牌/周/指标观察中的调查受访者人数，根据每个观察的信息量对观察结果进行不同的加权。其次，每个广告商/季度的广告支出数据在几周内变化很大，尽管每年的广告支出总额通常变化不大。

第三，广告支出与品牌态度之间的关系很难从视觉上辨别，即使是在很长的时间范围内，这促使我们采用计量经济学建模方法，将广告的影响与可能的基础变量隔离开来。第四，非广告事件（如丰田产品伤害危机）可能会显著改变品牌态度，这表明在建模框架中控制此类混淆非常重要。最后，我们使用252周的数据构建关键变量之间的品牌水平相关性。表4显示了品牌水平相关性的中位数和中心90%范围。总的来说，大多数品牌的品牌态度指标彼此正相关，中位数相关范围为。10-.13、在广告支出变量中，国家和地方传统广告的相关性最高（中位数为0.24），而数字广告的相关性较弱（中位数为0.06，国家为0.04，地方为0.04）。最后，证实我们在四个品牌案例研究中看到的情况，品牌态度和广告支出指标之间的中位数相关性都接近于零，范围从。00（数字/满意度）至。03（国家/质量和国家/价值）。表4：品牌水平相关性中的第5、50和95个百分位感知质量感知价值近期Sat.Nat\'l Trad。当地贸易。数字感知质量1感知价值[-.04、.12、.49]1近期满意度[-.04、.13、.51][-.06、.10、.47]1全国贸易。[-.14、.03、.22][-.12、.03、.22][-.13、.02、.20]1当地贸易。[-.15、.01、.20][-.14、.02、.16][-.14、.01、.18][-.05、.24、.62]1数字[-.19、.01、.19][-.14、.01、.18][-.16、.00、.18][-.09、.06、.38][-.10、.04、.33]13内生性，识别假设和控制变量。广告响应估计中出现了许多测量和内生性问题。

传统的大众媒体广告在国家或地方一级同时传播给许多人。公司通常可以获得广告覆盖率的嘈杂估计，并且他们通常可以直接测量或估计信息传输后发生的转换次数（例如，店铺访问、销售、潜在客户累积）。然而，在传统广告的情况下，他们通常无法将广告曝光与个人层面的转换联系起来，这在数字广告中是可能的。在传统和数字广告中，很难将广告处理效果与战略目标政策分开。在所有情况下，根本的困难在于确定如果广告没有发生，会发生什么样的转换。由于消费者经常忽视或避免广告，在统计噪声环境中对弱广告效果的估计更加复杂；广告对销售的反复曝光和可能的非线性影响；经常将广告信息错误地归因于竞争品牌，以及其他形式的竞争性广告干扰；广告副本轮换、“磨损”和时变信息效果。我们知道有三个著名的研究设计，用于评估传统媒体中的准实验性广告效果。每一项都利用了特定的制度细节：oHartmann和Klapper（2018年）依赖于观看特色运动队的地区偏好的地方差异，以及在所有当地市场同时播放全国广告，以及在竞争队已知之前向广告商分配广告位，以估计全国超级碗广告对当地饮料销售的影响。

在这些条件下，每个本地市场的全国广告收视率都有一个准随机的组成部分，这导致了本地市场广告曝光率的外部变化Shapiro（2018）利用相邻地理电视市场边缘的地方电视广告强度的不连续性，确定地方电视广告对县级响应变量的处理效果。准实验逻辑依赖于当地电视市场边界两侧相邻县的相似性，导致对暴露于不同广告处理强度的县对进行大量观察。该方法可用于估计地方电视广告对县一级观察到的任何响应指标的影响Liaukonite等人（2015年）利用准随机全国电视广告插入时间来估计对品牌网站交易和销售的影响。治疗/控制逻辑依赖于检查狭窄的时间窗口，例如电视广告前两分钟和广告后两分钟，以及电视行业的典型做法，即合同中未规定的商业休息开始时间和商业休息时间内的随机广告排序。治疗/控制逻辑假设观察窗很窄，没有任何相互竞争的解释可以合理解释ad前和ad后反应变量的变化。这些研究设计中的每一项都通过将准实验计量经济学技术应用于回顾性现场数据，提高了我们估计因果广告效应的能力，但每一项都依赖于特定的制度细节。

尤其是，这些策略都无法回答激发当前分析的研究问题，因为每个品牌的品牌态度数据仅每周在全国市场上观察一次。与学术研究相反，从业者通常使用优先假设来确定广告效果。也就是说，如果广告先于销售，那么任何可辨别的销售响应都归因于之前的广告。也有一些已发表的广告效果研究使用类似的识别假设推断因果关系。这种识别策略有效性的典型论点是，必须在企业观察响应变量之前确定品牌的广告支出。人们无需假设营销人员的复杂程度，就可以证明预测假设可能会受到未观察到的变量的影响。举个简单的例子，假设一个品牌知道在促销周内需求会上升，并且该品牌更喜欢在需求高峰时期大量投放广告；然后，销售和广告都可能同时受到第三个变量（促销周）的影响，从而产生虚假或虚假的销售影响结果。类似的参数可以基于任意数量的unobservedSee，例如，http://pages.stern.nyu.edu/atakos/studentevents/3-28-12测量Romislidedeck。pdf格式orhttps://en.wikipedia.org/wiki/Marketing混合建模，2018年3月发布。变量-例如批发或零售价格、分销、产品组合和产品线扩展、贸易促销、竞争对手营销组合变量的变化，这些变量可能与广告和销售相关。反对优先权的论点不需要依赖于未观察到的变量。

例如，如果营销人员正确预测了未来收入可能发生的变化，并将广告支出设定为预期未来收入的一部分，则广告效果估计可能会同时向上偏移。关键问题是，经济计量学家无法观察到广告政策的功能，并且可能取决于对响应变量未来变化的预测。有趣的是，当我们与从业者讨论此类问题时，我们发现了三种典型的反应。一是理解并同意广告响应估计可能有偏差，再加上相信有偏差的估计可能比没有估计要好。另一个常见的反应是，在理解内生性问题方面存在差距：我们认为，大多数商学院直到最近才开始教授因果方法，这是合理的；大品牌传统上不会对其营销新兵进行这种技能的筛选；而实验的动机可能会被实践中几乎无处不在的委托/代理关系所扭曲。第三种常见的说法是对品牌广告决策是战略性的深表怀疑。一些组织的高管告诉我们，他们的公司制定季度或年度广告预算，各机构跨媒体项目和周分配预算，而没有预料到市场可能发生的变化。当然，我们无法描述这些数据中所代表的575个品牌和37个不同行业的全套内生性问题。然而，我们想考虑的是，在广泛的定期广告的成熟品牌样本中，各种控制策略可能会如何影响广告对品牌态度影响的估计。我们考虑四个主要规格：1。

品牌广告和竞争对手广告多重滞后的描述性回归，控制滞后响应变量、品牌效应、时间效应和加权标准误差。2、描述性回归（1）增加了行业/年/周固定效应（我们称之为“我们对这一论点保持谨慎，因为代理机构可能意识到其客户的评估功能，并采取行动，最大限度地提高自身激励，向客户展示广告效应。行业/周效应）。3、描述性回归（1），添加品牌/年度/季度固定效应（我们称之为“品牌/季度”效应）。4、描述性回归（1）加上行业/周和品牌/季度固定效应，共21194个固定效应。行业/周固定效应应控制在给定周内影响所有品牌广告支出的任何行业层面的不可观察因素，如行业需求的季节性波动。每个行业都观察到许多品牌，提供了足够的变量来估计每周样本的单独行业固定影响。品牌/季度固定效应应控制在一个季度内持续数周的任何品牌级不可观察因素，如预算变化或不可观察市场变量的持续变化。每个季度有13周的品牌态度数据，这些数据足以估计样本中每个季度的单独品牌固定效应。在包含行业/周和品牌/季度固定效应的模型中，因果解释所需的假设是，广告支出的品牌周效应与（i）品牌周偏离品牌季度不可观测和（ii）品牌周偏离行业周不可观测不相关。

尽管这一假设仍不完善，但与广告支出与品牌周不可观察性不相关的典型假设相比，这一假设要弱得多，也更可信。我们认为，这一假设对于大多数品牌来说可能是合理的，因为这些品牌的态度在各个季度基本上是稳定的，这在我们研究的样本中是典型的。然而，我们承认，这一假设可能被违反，尤其是在品牌态度的驱动因素中存在每周系统性的波动，这是品牌可以预期的，并用于制定广告政策。当然，我们真正想要控制的是品牌/周固定效应，但这些效应与广告数据完全一致，因此无法估计主要兴趣的数量。尽管如此，我们相信这两组控制变量可能共同处理一些共同的内生性来源，并让我们至少能够对广告支出对品牌态度的影响进行初步评估。我们还认为，观察控制变量如何改变定性结论可能是有益的。总之，我们尽量控制时变混淆，因此主要模型结果可以解释为因果关系，并遵循明确规定的识别假设。