今天的消费者暴露在一系列碎片化的市场接触点下，市场接触点横跨不同的媒体和销售渠道，并且数量在不断增长。
想象一下，当一位消费者在电视上看到丰田凯美瑞的广告后，她拿起手机，在谷歌搜索栏里输入“轿车”；首先弹出的是包含凯美瑞广告链接的付费搜索结果以及该车型的相关评论。此后，这位消费者又打开专业汽车网站，阅读关于凯美瑞车型的点评，在点评的页面中，她发现了当地经销商的网络广告，但并没有点击。一条评论中含有丰田凯美瑞的Youtube视频，于是她点击观看。在Youtube网站上，她还看到了8个月前丰田“智能凯美瑞”的超级碗赛事插播广告。在上班的路上，她看到了自己从未留意过的丰田广告牌，同时她还收到了丰田公司“限时促销”的广告邮件。随后她访问了当地几个经销商的网站，其中包括限时促销的商家和汽车专业网站推荐的经销商。最终，消费者实地探访了经销商店，试驾并购买了这款车。
到此，丰田的CMO应该问两个问题：1.这些广告接触点是如何进行组合和互动，并最终影响消费者的购买决策？2.在消费者的决策过程中，丰田是否对正确的接触点进行了恰当规模的投资，并最终引发了消费者的购买行动？
数据泛滥
正如著名的统计学家和作家奈特·西尔弗（Nate Silver）所形容的那样，“每天，人们在一秒中内产生的信息量相当于国会图书馆所有纸质藏书信息量的三倍。其中大部分是无关的噪音。因此，除非你有强大的技术来过滤和处理这些信息，否则你就会被它们淹没。”过去10年，技术获得了日新月异的进步，消费者的购买行为也随之剧烈变化，这使得公司有能力也有需求去记录消费者的每一个在线行为，这就产生了天量的微观数据。你会发现，营销人员能掌握此前无法想象的宏大信息流，并以此洞察消费者的所见和行为。其中蕴藏的商机不言而喻，但它同时也带来挑战。
在这个新世界中，执意停留在广告分析1.0时代的营销人将面临被淘汰的风险。很多大型跨国公司已进入广告分析2.0时代，新的分析法能实时咀嚼上百TB的数据和处理几百个变量。简单地说，这种分析法能揭示出那些真正影响销售收入的变量。这些数据驱动的发现让公司在保持现有预算不变的情况下，提高了市场表现10到30个百分点，有时甚至会更高。
我们的公司为很多跨国企业提供2.0广告分析服务，它基于开创性的数学模型，其开发者是Market Share公司联合创始人、洛杉矶大学加州分校市场营销学教授多米尼克·汉森斯（Dominique Hanssens）。这些模型利用云计算和大数据分析技术，不但可以量化跨媒体、跨渠道的市场营销效果，还可以量化各种直接和非直接的业务因素的影响力。
迈向2.0
由于整合了大数据分析、云计算和新型分析模型，2.0分析法在广告市场回报方面为公司提供了全新的视角。2.0分析法包含三个广义的步骤：归因，即量化广告活动各环节对销量的贡献；优化（或模拟演习），即在先进的预测分析工具帮助下进行情景模拟；分配，即根据优化结果，实时配置各类营销活动的资源。尽管这三个步骤在本文中有先后循序，但在实操中，这三个步骤有可能同时进行。
归因
若要搞清广告活动之间是如何进行互动作用并推动销量的机理，你首先需要收集数据。公司其实掌握了海量的数据，但有用的数据散落在多个部门，并且常常被无意识地掩盖住。一般来说，这些相关数据一般存在于市场部门之外的销售、财务、客服和分销等业务部门。
找到目标数据是这一步的关键，这些数据是信号而不是噪音。要准确地对公司业务进行建模，公司就必须收集五个方面的数据：市场条件、竞争活动、市场营销活动、消费者反馈和业务回报。（见下图“优化广告”）
要揭示跨媒体间的协同效应，我们需要追踪客户因广告和销售活动改变所做出的行为变化。举一个简单的例子，电视播出新的广告后，网络广告的点击率大幅度上升，这时2.0分析法就能记录下点击率的上涨，并将其与购买行为的变化联系起来。当然实际情况要比这复杂得多。这种分析能捕捉电视广告接触点对网络广告产生的“协同效应”，展现出电视广告更加真实的投资回报率。
这种协同效应可以直接应用于任何消费者接触到的广告形式：电视、社交媒体、公关活动、网络或户外广告、移动终端广告以及店内推广，而且分析对象不限定于引发最终购买行为的广告，我们现在能分析消费者的整个决策过程。
在个体消费者层面，对协同效应进行量化非常困难，甚至是不可能的，特别是介入线下广告时。但2.0分析法可以捕捉这些协同效应。它采用一系列复杂的联立方程模型，揭示出各种相互作用的协同效应，而最终的分析结果则能准确地反映真实的市场行为。
这样的例子不能真实反映2.0分析法的复杂性。在实际运行中，一家大公司的统计模型要处理几百个，甚至几千个由广告行为和销售策略带来的变量组合。此外，统计模型还要将外部变量计算在内，例如地理分布、就业率、定价、季节变化和竞争状况等。显而易见，对所有变量产生的排列组合进行分析，云计算和云存储技术必不可少。但它的回报颇丰，2.0分析法能让你立刻看到，新的电视广告影响消费者的网络搜索方式的全过程，而在广告上线后，你便可以更改搜索引擎的关键词，或买断相关关键词。
优化
在步骤一中，营销人员需要量化每一个广告行为的回报以及重要外界因素的影响。一旦完成第一步，就要进入情景模拟，这涉及预测分析工具的使用。比如你想知道，把圣迭戈市某个产品的户外展示广告减少10%，或者将电视广告预算的15%转移到搜索广告和页面广告上会发生什么；或许你需要知道，当一位竞争对手在东京减价，或者悉尼的油价上涨时会对你的广告带来何种影响。
有了第一步中收集和分析的海量数据，你便可以给每一个影响因素（从电视广告到搜索广告，从油价到当地气温）赋予一个弹性系数——一个变量变化引发另一个变量变化，两个变化量百分比的比值即为弹性系数。掌握这些弹性系数能帮助你预测每一具体变化所产生的结果。举例来说，你的电视广告与销量之间的弹性系数为0.03，在其他变量保持不变的情况下，电视广告预算增加一倍，那么你的销量会提高3%。简而言之，2.0分析法能辨别出所有因素的弹性系数如何与销量进行互动。
在优化过程中，分析人员一般会设定市场营销目标（例如一定的销售收入、市场份额或利润目标），这些目标常常跨越产品和市场。通过对海量的弹性系数数据库进行分析，优化软件会找到与目标最接近的虚拟情景，并提供营销建议来实现这些目标。
福特公司的市场传播主管马修·范戴克（Matthew VanDyke）带领着一支跨部门团队，成员来自IT、财务、市场和其他职能部门。这支团队的任务就是优化福特公司高达10亿美元的广告开支。在2.0分析法的帮助下，这支团队定期进行数千次的情景模拟，其中包含几百个变量。他们用这种方法评估不同的广告策略在一系列复杂环境下可能产生的效果。情景模拟继承归因步骤中的分析结果，这样福特公司就可以在每一个虚拟情景中测算出，一种媒体广告的投资变化对另一种媒体广告的影响，以及外部因素可能对结果产生的影响。
特定情景模拟还可应用于一些特定的情形中，例如新品发布、市场中广告数据不足以及竞争对手进行突然的战略调整。
分配
公司设定一个市场营销计划，然后任其自生自灭的时代一去不复返了。随着技术进步，媒体公司和广告投放者不断精简广告流程，广告的购买、投放、评估、扩张和撤销都变得更简单。市场人员可以每月、每周甚至每天对不同市场的广告分配进行调整。通过网络，这些调整可以在瞬间完成。
第三步骤——分配——包含以下环节：将前两步的分析结果应用到市场中；评估营销结果；对模型进行校证（用真实的市场效果对分析结果进行验证）以及修正营销计划。
在一家世界顶级软件公司，高层意识到公司的营销行为缺乏可靠性和准确度，因为一直以来，公司的资源分配并不是以科学的分析为基础。公司需要了解，哪些市场活动能将消费者吸引到它们的网站、分销商和零售伙伴，并最终引发销售，于是市场部门采用2.0分析法来分析各个市场活动之间的互动关系。
