电商在线广告的投放效果综合评价

A Comprehensive Evaluation of the Placement Effectiveness of E-Commerce Online Advertisements

摘要: 随着互联网的迅速发展，各家公司也相继将视线聚焦于网络广告领域，并将其列为重要的营销渠道，从而激发了网络广告行业的蓬勃发展。本文在此大背景下，利用广告投放的历史数据建立起一套广告评价体系，以评估历史广告投入的效果，进而使企业达到更高的市场竞争力。本文以某企业在亚马逊平台2022年的广告投放真实数据为例，选取了该企业的一个产品，综合运用主观评价和客观评价方法对该产品投放的各类广告效果进行评价。同时为了减少投放时长对广告效果评分的影响，分别对历史数据进行长期评价和短期评价。根据评分结果，帮助企业分析该产品历史广告投放效果，通过短期评价也可以帮助该企业分析该产品近期适合投放哪种类型的广告。通过综合分析，以便企业在未来制定更加科学合理的广告投放策略。同时本文的综合评价的方法也可以应用到其他产品上，对企业的产品后续广告投放提供更好的方向。

Abstract: With the rapid development of the Internet, companies have also successively focused their attention on the field of online advertising and listed it as an important marketing channel, thus stimulating the booming development of the online advertising industry. In this paper, against this background, a set of advertising evaluation systems is established by using the historical data of advertisement placement to assess the effect of historical advertisement investment, which in turn enables enterprises to achieve higher market competitiveness. In this paper, taking the real data of an enterprise’s advertisement placement on the Amazon platform in 2022 as an example, a product of the enterprise is selected, and subjective and objective evaluation methods are comprehensively applied to evaluate the effects of various types of advertisements placed on the product. At the same time, in order to reduce the impact of the length of the placement on the advertisement effect score, long-term evaluation and short-term evaluation are conducted on the historical data respectively. According to the scoring results, it helps the enterprise to analyse the historical advertising effect of the product, and the short-term evaluation also helps the enterprise to analyse which type of advertisement is suitable for the product in the near future. Through the comprehensive analysis, the enterprise can formulate a more scientific and reasonable advertising strategy in the future. At the same time, the comprehensive evaluation method in this paper can also be applied to other products to provide a better direction for the subsequent advertising of the enterprise’s products.

1. 引言

随着互联网规模扩大和技术发展，人们的主要娱乐和消费方式也转向互联网[1]。计算机和移动智能设备正逐渐取代传统媒体成为主流媒介。随之广告主的投放偏好也从传统广告转向互联网。世界上第一个互联网广告在hotwired.com网站上发布[2]。随着线上商业模式的盛行，互联网不仅为商家开辟了高效接触消费者的新途径，还建立了精确捕捉消费者反馈的机制[3]。比如用户搜索[4]、浏览[5]、点击[6]及转化行为[7]等。对反馈数据的定量分析也为广告商提供了优化广告策略的依据。在线广告以其数据驱动的特性，打破了传统广告的信息传播局限，增强广告与受众的关联性，提升了用户的互动反馈率，因其高效便捷而受到关注。以亚马逊广告为例，广告类型主要包括自动广告和手动广告，前者基于产品特性和用户行为推荐，后者则针对用户搜索的关键词。两者均通过竞价机制展示，通常依据竞价高低进行排序[8]。广告类型可供选择多，但并非所有都适合每个产品。因此，广告主需要评估历史投放效果，选择最匹配的广告，以确保投放有效性和资金合理分配。

而目前对于历史广告效果的评估等相关文献较少，未形成明确的结论。综合评价方法在应用中具有非常广泛的适用性。主要分为主观评价和客观评价两种，主观评价能够结合广告主的一些实际需求进行评价，主观评价方法的代表性方法是AHP (层次分析法)。然而，它需要从专家处获得权重信息，计算过程繁琐且主观因素较重，参考数据往往是分类数据，定量数据较少，难以令人信服。G1法是在AHP法基础上提出的一种主观权重的赋值方法[9]。是为了解决在矩阵进行赋权时AHP方法中不能通过一致性检验等问题[10]。其作者认为AHP方法赋权时产生问题的根本原因在于能否真实而唯一地确定出各指标之间的重要性关系，因此提出了不需要一致性检验的方法即G1法[11]。该方法从本质上来说是一种序关系分析法。通过评估各个指标的重要性并进行排序，然后对指标之间重要性比值进行赋值，最后根据公式计算各指标的权重[12]。文献[13]-[15]采用G1法在多个领域进行了合理评价，证实了G1法的有效性与可行性。由于主观评价是基于个人经验和主观感受，无法确定评价者的专业程度或者评价的客观依据，因此很难确定其评价是否可信。因此本文采用主观客观相结合的方式对历史广告效果进行综合评价。

客观评价方法从实际数据出发，常见的客观综合评分方法包括主成分分析法、熵值法、因子分析法、CRITIC法(客观赋权法)等。相对于其他方法，熵值法具有适用范围广、更强的解释性和操作简便等优点。熵值法是基于信息熵的原理，根据评价指标实际数据提供的信息量进行赋权[16]。其主要原理为数据包含信息量越大，不确定性就越小，熵值也越小；反之则熵值越大[17]。熵值法在确定权重的方法中较为合理，能够去除人为的因素影响，使评估更客观公正。不少领域的学者都会使用熵值法进行赋权[18]。文献[19]-[22]中熵值法被成功运用于物流等领域。凭借其优点在多个领域均展现出了其独特的优势。

本文运用熵值法与G1法相结合方法，对电商广告的历史投放效果进行评估。首先，通过深入分析企业的广告数据，提取与广告效果相关的关键变量。随后，基于变量构建了客观的评价模型，对广告效果进行评价。长期评价上，利用历史数据通过熵值法与G1法计算指标权重，得出广告效果的总体评分，展现广告长期效果。在此基础上，本文创新性地提出了一种短期评价，其采取动态方式，对每日及前三十天的广告效果进行实时评分，捕捉了广告效果的短期波动。长期与短期评价结果的结合，为电商广告提供了更为准确、及时地反馈，有助于企业根据市场动态迅速调整策略，确保广告效果持续优化。

2. 理论基础

2.1. 在线广告综合评价原理

在亚马逊的广告投放体系中，广告主要划分为三大类：Sponsored Products (SP广告)、Sponsored Display Ads (SD广告)和Sponsored Brands (SB广告)。SP广告是关键词定位广告，是亚马逊卖家最常用的形式，通过精准匹配关键词，将产品展示给潜在买家。SD广告则具有更广泛的展示范围，不仅限于亚马逊站内，还能投放至外部网站或APP页面，通过机器学习和AI技术精准触达目标人群。而SB广告为品牌推广广告，以横幅形式展示在搜索结果页，包含品牌Logo、及产品信息，有效提升品牌知名度和产品曝光度。这三种广告形式各具特色，卖家可根据自身需求灵活选择，以实现最佳的广告效果。

Figure 1. Diagram of types of advertisements

图1. 广告类型图

一般的SP和SB广告是按点击次数付费，SD广告则是按照千次曝光收费或按点击次数收费。本文所收集的实际数据均是按照点击次数进行收费。由于SB广告数据难以分离已经投放较少等实际问题。所选取的数据只有SP广告和SD广告。但在广告大分类的前提下还包含不同的广告投放方法，例如手动广告自动广告等，其中手动广告还包括关键词广告等，大致广告分类如图1所示。

从图1中可以明显看出，每一款产品都拥有多样化的广告类型选择。而且，随着关键词选择的不同，可供选择的广告类型也会进一步增多，呈现出丰富的广告策略组合。在本文的研究中，将基于上述广告分类，对某一产品投放的各类广告效果进行深入的评价和分析。通过精细化的数据分析和科学的评估方法，将揭示各种广告形式对产品推广和销售的实际影响。然而，由于广告数据的敏感性，本文在后续的分析和讨论中将对各广告名称进行脱敏处理，以保护相关公司和产品的商业机密。通过这样的处理方式，旨在确保研究的专业性和实用性，同时尊重和保护企业的商业利益。

通过本文的研究，期望为企业广告投放领域提供有价值的参考和指导，助力企业在激烈的市场竞争中取得更好的业绩。

2.2. 熵值法

熵值法的基本理论思想与样本信息量的大小及其离散程度相关，样本信息的离散程度越大，不确定性越小，熵值越小，权重越大；样本信息的离散程度越小，不确定性越大，熵值越大，权重越小[16]。根据这一特性，可以计算熵值来判断指标的离散程度，如果某指标的离散程度越大，那么其对于结果的影响程度也就越大，从而为确定该指标在整体中所占的权重提供了依据[17]。因此，本文就是可根据各项指标的变异程度，利用信息熵这个工具，计算出各个指标的权重，通过熵值法为广告进行综合评分。

信息量：信息量是用来度量一个未知事物需要查询的信息的多少，单位是比特。随机变量取某一个值时，取到该值的概率倒数的对数就是信息量。信息量公式如下：

$I_i={\log }_2\left(\frac{1}{p_i}\right)=-{\log }_2{p}_i$ (1)

信息熵：信息熵是信息论中的一个概念，一般用于度量随机变量的不确定性和信息量。从概念上来说，信息熵是在某个概率分布下，所有可能事件的信息量的期望。信息熵的公式为：

$H\left(X\right)={\displaystyle \sum _{i=1}^n{p}_i\times {\log }_2\left(\frac{1}{p_i}\right)}$ (2)

其中，p为随机变量X某个取值出现的概率，log₂为以2为底的对数。

熵值法赋权步骤如下：

1) 数据标准化

在进行数据分析和建模时，不同的变量往往具有不同的数据尺度和单位，这可能会导致结果解释困难、对模型构建产生影响等问题，因此需要对数据进行标准化处理，以确保不同的变量在数值上具有可比性。

首先将各个指标进行去量纲化处理，假设评分给一共选定的m个评价指标：$X_1,X_2,\cdots ,X_m$ ，其中$X_i=\left\{x_1,x_2,\cdots ,x_n\right\}$ 。对每个指标数据进行标准化，标准化之后的值为$Y_1,Y_2,\cdots ,Y_m$ 。

正向指标和负向指标是指用于衡量特定现象或事件的指标类型。正向指标是指指标数值越高，属于“越好”的情况，比如收入、销售额等。在这种情况下，数值越高通常代表着越好的表现。负向指标则是指指标数值越低，属于“越好”的情况。在这种情况下，数值越低通常代表着越好的表现。

当该指标为正向指标时标准化公式为：$Y_{ij}=\frac{X_{ij}-\min \left(X_{\text{ij}}\right)}{\max \left(X_i\right)-\min \left(X_{\text{i}}\right)}$ ，负向指标时： $Y_{ij}=\frac{\max \left(X_{ij}\right)-X_{ij}}{\max \left(X_i\right)-\min \left(X_i\right)}$ 。

2) 求各指标在各方案下的比值

计算第j项指标在第i个样本中占该指标的比重，也就是计算该指标的变异大小。即：

$p_{ij}=\frac{Y_{ij}}{{\displaystyle \sum _{i=1}^n{Y}_{ij}}},i=1,\cdots ,n,j=1,\cdots ,m$ (3)

3) 计算各指标的信息熵

根据信息熵的定义，一组数据的信息熵为：$E=-\ln {\left(n\right)}^{-1}{\displaystyle \sum _{i=1}^n{p}_{ij}\ln p_{ij}}$ 。其中$E_j\ge 0$ 。若$p_{ij}=0$ ，定义$E_j=0$ 。

4) 确定各指标的权重

根据信息熵的计算公式，计算出各个指标的信息熵为$E_1,E_2,\cdots ,E_m$ 。通过信息熵计算各指标的权重：

$w_j=\frac{1-E_{\text{j}}}{k-{\displaystyle \sum E_j}}\left(j=1,2,\cdots ,\text{m}\right)$ (4)

其中k指的是指标个数。

也可以通过计算信息冗余度来计算权重：$D_j=1-E_j$ ，本文是利用信息冗余度计算权重计算指标权值：$w_j=\frac{D_j}{{\displaystyle \sum _{j=1}^m{D}_j}}$ 。

2.3. G1法

G1法本质上是AHP方法基础上改进的方法，也叫做序关系分析法，在使用G1法对评价指标进行赋权时，首先需要通过专家评估各指标的重要性，并对各指标重要性进行排序，再按照重要性排序给各相邻指标的重要性比值进行赋值。最后根据公式计算各指标的比值。具体步骤包括以下几个步骤：

1) 确定各指标之间的重要性排序：

记各个评价指标$x_i$ 对于某些准则其重要性程度大于(或者不小于)$x_j$ ，记为$x_i>x_j$ ，对于某个需要评价的问题，假设一共选取了m个评价指标则有$x_1>x_2\cdots >x_m$ 。

2) 计算相邻指标间的重要性比值：

根据选定的评价指标与其重要性排序对重要性比值进行比较判断，评价指标$x_{\text{k}}$ 与$x_{k-1}$ 的重要性比值为$\frac{x_k}{x_{k-1}}=r_k$ ，其中$k=m,m-1,m-2\cdots 2$ 。各指标重要性比值$r_k$ 赋值参考如表1所示。

3) 根据公式计算指标的权重，在前两步的基础上对最大的指标权重进行计算，计算公式如下所示：

${\omega }_m={\left(1+{\displaystyle \sum _{k=2}^m{\displaystyle \prod _{i=1}^k{r}_i}}\right)}^{-1}$ (5)

4) 剩余指标的权重可以通过递推计算：

${\omega }_{k-1}=r_k{\omega }_k,k=m,m-1,\cdots ,2$ (6)

Table 1. Description of materiality ratios

表1. 重要性比值说明

$r_k$	赋值说明
1.0	指标$x_{\text{k}}$ 与指标$x_{k-1}$ 一样重要
1.2	指标$x_{\text{k}}$ 比指标$x_{k-1}$ 稍微重要
1.4	指标$x_{\text{k}}$ 比指标$x_{k-1}$ 明显重要
1.6	指标$x_{\text{k}}$ 比指标$x_{k-1}$ 强烈重要
1.8	指标$x_{\text{k}}$ 比指标$x_{k-1}$ 极端重要

3. 在线广告投放效果综合评价模型

3.1. 在线广告投放效果评价指标体系

根据评价指标体系，运用G1法进行评价的首要步骤是对评级指标进行重要性排序，并据此确定各指标间的重要性比值。随后，在综合评分过程中，还需明确各指标的类型，以确保评价结果的准确性和有效性。本文构建指标相关信息如下表2所示。

Table 2. Indicator information sheet

表2. 指标信息表

指标排序	与后一指标比值	指标类型
ROAS	1.4	正向指标
Sales	1.4	正向指标
Click	1.4	正向指标
Spend	1.4	负向指标
CVR	-	正向指标

在表2中，利用G1法排序广告效果评价指标。考虑到广告效益是广告投放者最为关心的问题，ROAS作为衡量广告投资回报率的直接指标，直接反映了广告活动的经济效益，因此被赋予了最高的权重。紧随其后的是另一个效益指标Sales。Click虽不直接产生销售，却揭示了广告的吸引力和潜在用户的兴趣。Spend作为成本指标，被放在这些指标之后，是因为在评估广告效果时，更关注投资回报率而非单纯的支出。CVR (订单/点击次数比率)是在点击量基础上进一步衡量广告转化效率的指标。它反映了广告点击转化为实际购买的比例，是评估广告活动质量的重要指标。由于CVR是在Click基础上计算的，因此将其放在Click之后，以体现其作为转化效率的衡量标准。这样的排序和权重设置确保了评价的全面性和准确性，为广告投放者提供了有力的决策支持。

3.2. 权重的确定(H + G1)

在计算出熵值法的权重${\omega }_j$ 和G1法的权重的${\omega }_i$ 之后，最终组合权重为：

${\omega }_{\text{t}}=\frac{{\omega }_{it}{\omega }_{jt}}{{\displaystyle \sum _i^n{\omega }_{it}{\omega }_{jt}}}$ (7)

最终可得出各个评价指标的组合权重为${\omega }_t=\left({\omega }_1,{\omega }_2,{\omega }_3\cdots {\omega }_m\right)$ 。最后计算每个广告的综合评分为：

${\text{s}}_i={\displaystyle \sum _{j=1}^m{w}_j}\cdot x_{ij}$ (8)

4. 实证分析

本文旨在深入剖析某一产品广告投放的效果，通过对其在亚马逊平台上各类广告数据的精细分析，为每种广告类型和产品广告提供公正评分。明确不同广告类型对产品推广效果的具体影响，为公司的广告投放策略提供数据支持。考虑到时间累积效应，特别引入短期评价机制，基于当天及前三十天的数据，以揭示广告随时间变化的投放效果。结合广告长期效果和短期评价，本文将对产品广告进行全面综合分析，确保对历史广告效果的合理分析。同时挖掘近期表现优异的广告，帮助公司近期做出合理的决策。

4.1. 数据来源与指标选取

4.1.1. 数据来源

本文的研究数据源自某公司在2022年至2023年十一月期间的实际广告投放效果数据，时间跨度长达23个月。这一庞大且详实的数据集为本文的深入分析提供了坚实的基础。原始数据包含了二十个变量，这些变量涵盖了广告投放的各个方面，从广告类型、投放平台到用户行为、销售数据等。这些变量不仅反映了广告投放的基本情况，还深入挖掘了广告效果背后的多重因素。通过对这些变量的综合分析，能够更全面地了解广告投放的效果，并为公司未来的广告策略提供科学的依据。变量字符与含义如表3所示。

Table 3. Variable description table

表3. 变量说明表

字符	含义	字符	含义
ik	广告投放时间	CTR	点击次数/曝光次数
SKU	产品信息	Spend	广告费用支出
bianhao	产品编号	CPC	平均每次点击价格
ASIN	产品系统编号	CPA	CPA价格
Title	产品名称	Sales	销售金额
Name	广告名字	Orders	的订单数量
AdGroup	广告小类类型	SaleUnits	的销售量
Adfenlei	广告大类类型	CVR	订单/点击次数
Impression	广告曝光次数	ACOS	广告投入/销售金额(广告成本比率)
Click	广告点击次数	ROAS	销售金额/广告投入(收入与广告成本之比)

从表3中可以清晰看出，互联网广告已经成功建立起一套精确捕捉消费者反馈的机制。这一机制涵盖了多个关键指标，如销量、浏览量、点击次数以及其他转化行为，为广告主提供了丰富的用户互动数据。通过对广告主投入与这些反馈数据的深入定量分析，我们能够为广告主提供科学、合理的建议，以指导其后续的广告投放策略。

4.1.2. 指标选取

广告投放的主要目的在于促成消费者购买产品，但是由于网络广告的作用是一项缓慢的过程，其效果也不仅仅表现为销售收益，因此应把广告的传播效果、经济效果以及社会效果几方面综合衡量，并按照网络广告活动过程进行综合评价，其中传播效果是指，用户从接触到广告开始到接触到完成某个行动，广告主可以设定不同的广告目的进行判断。经济效果则是广告投放成本和广告收益之差，社会效果指社会影响如文化教育社会活动等等。由于社会效果难以呈现，本文将结合传播效果与经济效果选取指标进行广告效果综合评价。

在构建本文的广告效果评价体系时，本文高度重视评价指标的合理性与科学性，力求满足各广告主的多样化诉求。为此，经过精心挑选与综合考量，确定了五个核心评价指标。

首先，选择了广告点击次数(Click)作为衡量传播效果的关键指标。点击次数能够直观反映广告内容对潜在消费者的吸引力，以及广告在市场上的传播广度。高点击次数意味着广告成功地吸引了目标受众的注意，为广告主的品牌宣传和产品推广奠定了坚实基础。

其次，引入了销售金额(Sales)和广告花费(Spend)这两个经济指标，以全面评估广告的经济效果。销售金额直接反映了广告带来的商业价值，是广告主最为关心的核心指标之一。而广告花费则帮助广告主了解在广告投放过程中的成本投入，为制定预算和优化投放策略提供重要参考。

最后，结合广告主的实际需求，特别关注了销售金额和广告投入比(ROAS)以及订单/点击次数比率(CVR)这两个复合指标。ROAS (Return on Advertising Spend)能够反映广告主在广告投放上的投资回报率，帮助广告主更准确地衡量广告投入的产出效益。而CVR (Conversion Rate)则通过订单数与点击数的比值，揭示了广告转化效率的高低，对于优化广告内容和提升用户购买转化率具有重要意义。这五个评价指标相互补充、相互印证，共同构成了本文全面、科学的广告效果评价体系。这一评价体系不仅能够满足广告主的多样化诉求，还能够为广告效果的准确评估和优化提供有力支持。

4.2. 长期评价模型实证

经过对该产品历史23个月的广告总数据的深入分析和综合评估，得出了长期评价结果，并整理成下表。这一长期评价不仅考虑了销售额、点击率、转化率等传统指标，还结合了投资回报比、用户反馈数据，力求全面、客观地反映各广告的长期表现。评价结果如表4所示。

由表4可知，B广告表现一骑绝尘，评分高达90.53分，这一显著优势不仅凸显了B广告在销售能力上的卓越表现，还体现了其在转化率、点击率等关键指标上的出类拔萃。B广告的高点击率充分证明了该广告与产品定位的高度契合，能够精准吸引消费者的注意力，激发他们的兴趣，引导他们深入了解产品。这种精准的营销策略使得B广告在传播效果和经济效果上都取得了显著成就。

进一步分析数据和结果，可以发现本文采用的综合评价方法十分合理。排名结果与实际数据展现出的效果高度吻合，不仅体现了科学性，还更加客观公正。相比之下，排名靠后的广告在收益和转化率方面均表现不佳，这些广告若继续投放，可能会带来资源的浪费和不必要的经济损失。

因此，本文建议对这些表现不佳的广告进行重新审视和优化。一方面，可以考虑调整广告投放策略，以提高广告的有效性和针对性；另一方面，对于持续表现不佳的广告，应该考虑暂停投放或重新设计，以避免资源的浪费和损失。这样的调整将有助于提升整体广告效果，实现更高效的营销目标。

Table 4. Long-term evaluation results table

表4. 长期评价结果表

	ROAS	Sales	Click	Spend	CVR	得分	排名
B	11.47	1,658,559.81	158,720	144,574.15	0.09	90.53	1
A	11	639,116.83	77,121	58,105.57	0.07	42.08	2
L	22.15	262,401.11	19,280	11,848.26	0.17	25.98	3
I	14.42	192,255.08	13,930	13,335.06	0.15	18.33	4
C	20.16	80,591.27	3385	3998.1	0.31	18	5
K	15.97	13,606.29	2445	851.73	0.05	9.88	6
F	6.07	35,203.87	11,772	5797.88	0.03	6.88	7
G	9.38	5073.92	405	540.8	0.1	6.42	8
R	10.17	7720.03	1365	759.41	0.05	6.37	9
O	9.28	12,180.17	1739	1311.84	0.06	6.27	10
P	6.92	27,874.62	3829	4027.61	0.07	6	11
N	6.59	31,095.12	4128	4720.5	0.07	5.99	12
W	6.93	9005.31	2068	1299.06	0.07	5.16	13
H	8.75	129.95	21	14.85	0.05	5.1	14
Q	6.88	13,420.07	1934	1950.59	0.06	5.1	15
Y	6.94	9360.33	3273	1348.42	0.03	4.85	16
D	5.83	14,897.63	1965	2557.09	0.06	4.61	17
S	7.02	4512.8	1111	642.51	0.03	4.34	18
U	5.08	4989.05	842	982.62	0.05	3.5	19
E	5.43	2563.9	586	472.37	0.04	3.43	20
T	3.76	4732.09	833	1258.03	0.05	2.79	21
V	2.94	220.91	54	75.09	0.04	1.87	22
X	2.78	909.65	406	327.42	0.02	1.6	23
J	1.86	1296.34	941	695.97	0.02	1.26	24
M	1.41	1586.72	1475	1125.66	0.01	1.01	25
组合权重	0.11	0.51	0.33	0.01	0.04
G1权重	0.35	0.25	0.18	0.13	0.09
熵值权重	0.07	0.43	0.39	0.01	0.1

4.3. 短期评价模型实证

为了削弱部分广告因时间效应累积而产生的优势，本文特别对近六十天内的广告效果进行了动态评价。这一评价策略确保了分析的是各广告在近期内的投放效果，而非长期累积的影响。在评价过程中，选取当天及前三十天的累计数据作为评估依据，确保了对广告效果的实时、准确反映。短期评价结果如图2所示。

Figure 2. Map of short-term evaluation results

图2. 短期评价结果图

由图2可知，可以清晰地观察到，在收集数据的最后两个月内，尽管广告B在总体排名中依然靠前，但它并未占据首位。与此同时，近一个月表现最为突出的广告是A和L。值得一提的是，这两个广告在长期排名中分别位居第二和第三。

特别值得关注的是广告L，尽管其在长期排名中位列第三，且其广告花费与销售额均远低于广告B。然而，广告L的投资回报比却高达22，显示出极高的效益。结合近期的评价结果来看，广告L的效果评分显著超越广告B，这是长期评价中难以体现的效果。这一变化充分表明，近期广告L的投放效果可能已远超广告B。

广告投放效果是一个动态变化的过程，可能随着时间的推移而产生显著差异。通过实时评价，能够更加敏锐地捕捉到这些潜在信息，为广告主提供及时、准确的决策依据。这种动态评价方式不仅有助于广告主优化投放策略，还能帮助他们更好地把握市场动态，实现营销目标的最大化。

5. 结论与建议

5.1. 结论

通过对广告效果进行深入而全面地综合评价分析，可以清晰地认识到，即便是针对同一产品的同一广告投放，其效果也展现出高度的动态性。这种动态性意味着广告的效果并非一成不变，而是会随着时间的推移产生显著的差异和变化。具体来说，那些在过去长期内稳定排名靠前的广告，并不能保证在短期内继续维持其明显的优势地位。市场的瞬息万变、消费者偏好的转移以及竞争对手策略的调整等多种因素，都可能使得这些曾经领先的广告在短期内失去其光芒。与此同时，一些在过去长期排名中表现相对中等的广告，却有可能在短期内突然崭露头角，表现出令人瞩目的优秀效果。因此，对于某一产品的一个广告投放效果，必须认识到其可能随时间存在的波动性。这种波动性要求广告主及时关注广告效果的变化，以便迅速调整和优化广告投放策略。

5.2. 建议

广告主应重视实时评价，并根据评价结果及时调整投放策略。对于近期表现不佳的广告，可以考虑暂停投放或进行优化；对于表现突出的广告，可以增加投放力度以扩大效果。尤其要注意利用短期评价及时捕捉有发展势头的广告，及时利用以便增加收益。在评估广告效果时，除了关注销售额等传统指标外，还应重视投资回报比等效益指标。这有助于广告主更加全面地了解各广告的效益情况，实现经济效益最大化。定期对广告进行动态排名和评价，以确保广告组合的持续优化。通过不断调整和优化广告组合，广告主可以更好地适应市场变化，实现营销目标。

基金项目

重庆理工大学研究生创新项目(项目编号No.gzlcx20233316)。

NOTES

^*通讯作者。