广告与品牌态度：来自575个以上品牌的证据

在我们等待传统媒体中的高强度随机对照试验或更全面的准实验研究设计时，我们希望以下估计可能被视为暗示因果效应，但需适当注意，当营销人员和他们的广告代理商考虑如何分配广告预算并在类似的环境中应用适当的控制变量时，他们可能会很有用。4个模型本文的主要目的是估计品牌态度与广告支出变量之间的关系；展示这些影响在不同类型的广告媒体中是如何变化的；并说明控制变量如何改变估计。我们试图通过指定simplemodels并对比可比较指标和控制变量的结果来“让数据说话”。我们用ybtand ybt表示一个加上行业i中品牌b的任何焦点品牌态度指标的日志，用ybtand ybt表示其他两个指标。品牌b在第t周的1+民族传统、地方传统和数字广告支出记录分别为nabt、LABT和dabt；其竞争对手在第t周观察到的一加一广告支出记录分别为nacbt、lacbt和DACBT国家、地方和数字媒体。模型规格为ybt=TyXτ=1αyτyb，t-τ+TyXτ=1αy0τyb，t-τ+TyXτ=1αyτyb，t-τ+TaXτ=0βnyτnab，t-τ+TaXτ=0βlyτlab，t-τ+TaXτ=0βdyτdab，t-τ（1）+TaXτ=0βny，cτnacb，t-τ+TaXτ=0βly，cτlacb，t-τ+TaXτ=0βdy，cτdacb，t-τ+ZbtΘy+ybt。姿态度量的滞后数在Ty=13时保持不变。该模型还包括表5：不同控制变量的模型比较模型描述性指标/周。Br/季度。所有控制调整了感知质量。960 .968 .964 .971R感知价值的平方。955 .962 .959 .966最近的满意度。978 .982 .980 .983模型滞后态度，是的是的包括。。。

广告变量、品牌和周效应行业/周效应否否否否否否否否否否季度效应否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否否。如附录表21所示，Ta的定性结果变化非常小。ZBTS规定了固定效应的矢量。基线规格包括样本中每个品牌和样本中每个星期的固定影响。后续回归还包括行业/周互动；品牌/季度互动；以及行业/周和品牌/季度互动。我们使用t周内品牌态度y的调查对象数量来衡量标准错误，因为基于较大样本量的品牌态度信息更丰富。通过最小化{（NyEy）·（NyEy）}来估计每个品牌态度模型y的参数，其中Ny=[nybt]，nybt是第t周品牌态度问题y的调查对象数量，Ey=[ybt]。5发现我们首先比较不同模型的IT统计数据（表5）。描述性模型解释了品牌态度数据中的大部分变化，调整后的R平方统计数据范围为。955至。这些高模型统计数据是可以预期的，因为品牌态度数据是强自相关的，基线规格除了575个品牌固定效应和252周固定效应外，还包括滞后的品牌态度。表5的第二列显示了将9324个行业/周固定效应添加到描述性模型中时的调整后R平方统计数据。尽管fit统计数据会惩罚模型复杂性的大幅增加，但无法解释的方差的比例却大幅下降，从。022-.045在描述性模型中，至。018-.038在带有行业/周控制的模型中。

F统计量否定了应将行业/周固定效应排除在模型之外的无效假设（p<0.001）。同样，品牌/季度固定效应降低了无法解释的方差的比例。022-.045在描述性模型中为。020-.041，即使在处罚了额外的11500个参数之后。F统计量拒绝了品牌/季度固定效应应排除在模型之外的无效假设（p<0.001）。最后，包含品牌/季度和行业/周固定效应的模型进一步降低了未解释方差的比例，相对于每个只有一组控制变量的模型。无论基线模型中是否包含其他一组控制变量，F统计量均拒绝了将行业/周效应或品牌/季度固定效应排除在模型之外的无效假设（p<.001）。数据表明，尽管描述模型的改进空间有限，但每一组控制变量对解释品牌态度都是单独和共同重要的。当然，模型统计并不能证明参数估计是无偏的，甚至不能证明结果是有意义的。接下来，我们解释并对比描述性模型和全控制模型的结果。附录中提供了仅包括行业/周控制和品牌/季度控制的模型结果。表6~8针对每个品牌态度模型和每种类型的广告，提供描述性和allcontrols规范中的所有广告参数估计值，对比每个品牌自身的广告效果与其竞争对手的广告效果。附录中给出了每个模型中滞后品牌态度的估计值。总的来说，虽然一些描述性模型的结果是直观的，但其中许多结果的解释是相当有挑战性的。

相比之下，全控制模型广告参数估计更具逻辑性，更具连贯性，可以确保它们可能更接近真正的因果效应。对于重要级别，参数估计精度由星号表示；附录中提供了标准错误。表6第一列中的描述性模型结果显示，感知质量倾向于随着国家和地方传统媒体自身广告支出滞后一周而增加，表6：感知质量规格的广告参数估计描述性模型所有控制模型广告支出。自有公司。国家（τ=0）4.12E-05 8.67E-05 2.27E-05-3.93E-04贸易。Ads（τ=1）1.04E-04**2.96E-04**6.67E-05**-4.04E-04（τ=2）-2.12E-05-7.80E-05 2.66E-05-3.43E-04（τ=3）2.63E-05-1.78E-04 3.26E-05-4.89E-04*（τ=4）4.13E-05 1.67E-04 6.99E-05**-9.75E-05（τ=5）-2.60E-05-5.27E-05 4.81E-05*2.10E-05局部（τ=0）3.91E-05 8.32E-05 2.50E-05 1.35E-04 trad。Ads（τ=1）5.70E-05*-4.60E-05 6.54E-05**2.21E-04（τ=2）2.68E-05 2.40E-04**-8.57E-06-5.40E-04*（τ=3）1.29E-05 7.30E-05 3.51E-05 1.81E-04（τ=4）1.70E-05 5.90E-05 2.68E-05-1.16E-04（τ=5）-2.68E-06-1.37E-04 3.97E-05-3.72E-04数字（τ=0）4.29E-05 4.72E-05 2.89E-05 1.97E-04Ads（τ=1）2.20E-05 2.08E-04 6.17E-05 5.25E-04（τ=2）-3.48E-05-3.26E-04*-3.69E-05-2.66E-04（τ=3）3.61E-05 1.23E-04 3.40E-05 8.08E-05（τ=4）1.54E-06 3.19E-04*-4.94E-06-1.37E-04（τ=5）-5.70E-05-3.83E-04**6.46E-06-7.89E-04**在95%置信水平上具有重要意义。**在99%的置信度水平上意义重大。这并不奇怪。然而，第二栏表明，感知质量也随着竞争对手在国家和地方传统媒体上的广告支出而增加；而且，随着竞争对手数字广告支出的不同滞后，它的增长和下降都会有所不同。

当然，品牌的态度指标可能会随着竞争对手的广告而增加，例如，如果竞争对手的广告吸引新的消费者加入该类别，他们会进行搜索以发现多个品牌的影响力和属性。然而，在广告商普遍关注的成熟品牌背景下，这似乎是一个不一致的结论，因为本研究中的大多数品牌在样本期开始时已经广为人知。在进行这项研究之前，我们的预期是，随着竞争对手的广告支出，品牌态度可能会下降，或者至少不会上升。表6第三列中的all controls模型广告参数估计也表明，感知质量往往会随着国家和地方传统媒体的广告支出而增加，但参数估计更精确。第四栏显示，随着竞争对手在所有三种媒体上的广告支出，感知质量往往会下降，这与我们对具有常规广告的成熟品牌的预期更加一致。表7给出了感知价值的类似对比。描述性模型显示表7：感知价值规格的Ad参数估计描述性模型所有控制模型Ad支出自有公司。自有公司。国家（τ=0）4.00E-05*2.78E-04**3.26E-05 1.32E-04贸易。Ads（τ=1）6.71E-05**1.10E-04 7.43E-05**-3.70E-04（τ=2）5.80E-05**-1.51E-04 6.41E-05**-1.84E-04（τ=3）4.96E-06-9.66E-05 1.88E-05-3.06E-04（τ=4）-1.71E-05-1.93E-04 3.22E-05-6.98E-05（τ=5）-5.56E-05**-2.19E-04*-1.15E-05-3.53E-04局部（τ=0）3.14E-05-1.49E-04 2.91E-05-3.25E-04Trad。

Ads（τ=1）2.91E-05-1.27E-04 3.60E-05-4.28E-04*（τ=2）8.30E-06 2.41E-04**2.66E-05 4.22E-05（τ=3）-1.88E-08-2.05E-04*1.03E-05-2.41E-04（τ=4）2.60E-07 1.29E-04 7.87E-06 5.94E-05（τ=5）4.31E-05-4.77E-05 7.78E-05**1.50E-04数字（τ=0）8.18E-05*3.33E-05 2.50E-05-5.36E-04Ads（τ=1）-4.19E-05 2.67E-04*-5.35E-05-3.51E-04（τ=2）7.19E-05-2.63E-04*8.18E-05*3.85E-04（τ=3）-6.42E-05 7.25E-05-5.54E-05 2.62E-05（τ=4）3.68E-05-2.03E-04 2.82E-05-1.50E-04（τ=5）4.70E-06 3.83E-04**4.50E-05 7.99E-04***在95%置信水平上具有重要意义。**在99%的置信度水平上意义重大。感知价值随着国家传统媒体广告投放的滞后而增加和减少。事实上，在描述模型中，所有竞争对手的广告/媒体组合中都出现了这种正面/重大和负面/重大结果的混乱模式，其中有多个重大发现。这些结果很难解释，似乎对这些发现的有效性产生了怀疑。然而，全控制模型没有显示出这种不和谐；感知价值随着广告商在所有三种媒体上的自有广告支出而增加，随着竞争对手在本地传统媒体上的广告支出而减少，并且（令人惊讶的）随着竞争对手落后的数字支出而增加。表8中的所有控制模型估计表明，最近的满意度随着国家传统媒体的自有广告而上升，但似乎对本地或数字广告支出并没有反应。

然而，竞争对手在本地传统和数字广告上的广告支出似乎损害了最近的满意度态度。我们总结并解释了所有控制模型中的主要发现如下：o自己的国家传统广告支出增加了所有三个品牌态度指标——感知质量、感知价值和近期满意度，存在多个显著滞后自有本地传统广告支出往往会提高感知质量和感知价值表8：近期满意度的广告参数估计说明模型所有控制模型广告支出自有公司。自有公司。国家（τ=0）2.72E-05-9.31E-05 2.05E-05-9.31E-05Trad。Ads（τ=1）2.37E-06-7.33E-05 1.72E-05 7.75E-05（τ=2）2.58E-05-2.96E-06 3.98E-05*-1.60E-05（τ=3）2.03E-05-2.96E-04**4.24E-05**-7.59E-06（τ=4）1.79E-05 1.54E-04*3.94E-05*1.01E-04（τ=5）-2.32E-05-4.45E-05 9.08E-06-5.57E-05局部（τ=0）-9.36E-07 4.35E-05-2.00E-05-3.31E-04*交易。

Ads（τ=1）3.04E-05 7.80E-05 1.34E-05-2.75E-04（τ=2）-2.54E-05-1.47E-05-2.06E-05-7.14E-05（τ=3）-1.39E-05 1.92E-04**-7.85E-06 2.14E-04（τ=4）-8.51E-06 3.08E-05-5.97E-06-1.12E-04（τ=5）4.83E-06-5.61E-05 1.49E-05-1.15E-04数字（τ=0）1.26E-05-4.48E-05 2.94E-06 7.93E-05Ads（τ=1）2.21E-05-7.25E-05 3.04E-05-2.02E-04（τ=2）1.31E-06 1.56E-04-6.54E-07 4.28E-04（τ=3）4.51E-06 1.86E-04-2.89E-07-3.62E-04（τ=4）9.13E-06-1.16E-04-8.46E-06-2.58E-04（τ=5）4.11E-06-1.62E-04-3.37E-07-7.72E-04***在95%的置信水平上具有重要意义。**在99%的置信度水平上意义重大。指标，但它不会检测到改变最近的满意度自有数字广告增加感知价值，但不会系统地改变感知质量或近期满意度竞争对手的国家传统广告支出会对感知质量产生负面影响，但不会可靠地改变感知价值或最近的满意度指标竞争对手的本地传统广告往往会降低品牌的感知质量、感知价值和最近的满意度指标竞争对手的数字广告往往会降低感知质量和最近的满意度。令人惊讶的是，竞争对手的数字广告似乎增加了感知价值。总结主要发现，所有控制模型表明：（i）品牌态度指数都随着品牌自身国家传统广告的多重滞后而上升；（ii）当地传统广告提高了质量和价值认知；（iii）数字广告增加感知价值；（iv）竞争对手广告的影响通常是负面的。

此外，包含适当的控制变量产生的影响模式似乎比没有控制的描述性结果更符合预期，统计上重要的参数估计数没有大幅减少。5.1可能的反向因果关系：落后的品牌态度是否会导致广告支出？根据我们对标准广告实践的理解，我们认为大多数品牌不会根据最近每周品牌态度的变化来调整广告支出。我们认为，品牌通常会提前很长时间制定季度或年度广告预算，并将这些预算分配给周和媒体载体，其方式通常不受品牌态度数据最近变化的驱动。然而，如果这种理解是错误的，那么第5节中报告的一些结果可能是虚假的。为了进行调查，我们逆转了所有对照规范，回归了每种类型广告支出的13个滞后和三个品牌态度变量中每一个的5个滞后。表9给出了与品牌态度变量滞后相对应的参数估计。在45个参数中，只有两个系数（4%）在95%置信水平下具有统计显著性，与I型误差的预期水平相当。因此，我们得出结论，同时性不是发现的主要驱动因素。5.2行业影响为了深入了解主要结果的驱动因素，我们重新估计了行业特定分区内的所有控制模型。表10以粗体显示了感知质量模型的结果，具有统计显著影响。

感知价值和近期满意度模型的结果见附录。主要结论是，尽管每个行业都有许多品牌，但与全样本校准结果相比，行业特定效应的统计能力较弱。行业特定估计显示的统计显著性比率与仅I类误差的预期值接近。在全国传统广告中，222个估计值中只有16个（7.2%）在95%置信水平上具有统计显著性；localtraditional和digital的可比数据分别为222人中的12人（5.2%）和222人中的11人（5.0%）。行业/周固定效应基本上被一组单独的周固定效应所取代，这些周固定效应是在每个分区中估计的。表9：落后态度对同期广告支出与国家贸易的影响。地址：。贸易。数字QB，t-τ(τ = 1) .006 .074 .082(τ = 2) .055 -.263 .154(τ = 3) .741 .091 .128(τ = 4) -.268 .706 * .028(τ = 5) -.148 -.171 .429*vb，t-τ(τ = 1) .398 .653 -.130(τ = 2) .151 -.422 -.055(τ = 3) .329 .273 -.114(τ = 4) .383 .536 .087(τ = 5) -.041 -.176 .337sb，t-τ(τ = 1) -.516 .269 .134(τ = 2) .059 -.406 .208(τ = 3) -.055 .149 .420(τ = 4) .255 -.550 .107(τ = 5) .639 .005 -.222Adj。R平方。770 .740 .870*在95%的置信度水平上显著。5.3所有品牌态度指标我们在分析中将主要注意力限制在三个特定的品牌态度变量上，我们认为这三个变量最有可能受到广告的影响，对广告商也很重要。当我们考虑所有七个可用的品牌态度指标时，效果如何？为了调查，我们估计了所有控制模型，但这次是针对七个品牌态度指标中的每一个，并在七个模型中的每一个模型中包括所有七个指标中的13个滞后。表11所有七种模型的ad参数估计。