在不确定的时代出售确定性：零售媒体网络应押注效果

随着美国对中国商品加征的关税不断攀升，价格上涨的可能性加大，供应链问题持续存在，加之宏观经济的不确定性，营销人员正处于紧张状态。全球广告预算已经开始收紧，品牌方也正将目光聚焦于那些能够带来可衡量投入产出比的渠道。零售媒体网络（RMN）由此脱颖而出——它们所出售的不仅是广告位，更是效果本身，例如 400% 的广告支出回报率（ROAS），甚至是按订单成本（CPO）。

在 Moloco，我们的机器学习平台凭借实时推理和第一方数据，帮助广告主精准实现这些目标。随着全球广告支出出现波动，那些能够将广告与实际交易挂钩、并保证回报的 RMN 将迎来蓬勃发展。

“游戏规则已经变了，”一家顶级 RMN 的副总裁表示。“在当前的经济环境下，广告主不会再满足于曝光量——他们要的是收入。零售媒体恰恰能够提供这种确定性。”

以下是 RMN 此刻应当押注效果的原因——以及它们该如何实现这一目标。

1. 全球广告支出具有顺周期性——但正转向对确定性的追求

广告支出长期以来都与经济周期同步波动。根据GroupM 的 2025 年预测，今年全球广告支出将首次突破 1 万亿美元，较 2024 年温和增长 5.8%——低于 2021 年疫情后反弹期 10.2% 的增速。但深入分析会发现，情况有所不同：目前占美国广告总支出78%的数字广告，正以 7.1% 的速度增长，而电视、印刷等传统渠道的增速仅为 2.3%。原因何在？数字广告具备可问责性——尤其是在与销售额挂钩时。

在不确定的时期，这种顺周期性会进一步加剧。在 2008 年经济衰退期间，美国广告支出下降了近 18%，其中报纸等可自由支配的渠道受创最重（下降 27%），而效果导向型的搜索广告则保持相对稳定。如今，面对关税可能推高零售价格的风险，营销人员再次将确定性列为首要考量。预计 2025 年零售媒体的全球规模将达到 1410 亿美元，同比增长 18%，正在从社交和展示广告手中抢占份额——原因正是它与实际交易紧密相连。

2. 效果为何愈发重要

并非所有广告投入都同等价值。一支电视广告或许能带来曝光，但一场在 RMN 上投入一万美元的赞助商品广告活动，却能带来四万美元的销售额——并且能够通过闭环归因加以证明。在关税高企的经济环境下，广告主需要这样的证明，他们想要的是可靠的回报。

RMN 在这方面表现出色。凭借第一方数据——例如某位购物者搜索“冬靴”或将一件 50 美元的外套放入购物车却未结账——RMN 能够精准锁定购买意图。Moloco 的机器学习模型更进一步，能够实时优化出价，以实现目标广告支出回报率或特定的按订单成本。

“效果改变了整个对话的方式，”一家中型零售商的媒体负责人在近期一次行业会议上告诉我。“我们卖的不是广告位，而是增量收入。这才是品牌方最终想要的。”

3. 零售媒体的秘密武器：与交易的紧密联系

RMN 就存在于购买行为发生的地方——商品详情页、搜索结果页、结账环节。这种紧密性正是其超能力所在。一位在零售商网站上浏览“4K 电视”的购物者，绝不仅仅是随意浏览——他们正处于购买模式中。RMN 可以在此投放三星的广告，追踪一笔 800 美元的成交，并展示出 5:1 的广告支出回报率。

在近期一次会议上，一位代理机构负责人明确表示，“我们没有看到任何针对电商广告的预算削减。”在不确定的时期，品牌方往往会加倍押注这些“稳赚不赔”的领域。

在成本不断上升的当下，这一点尤为重要。由于关税可能导致美国消费品价格增加 780 亿美元，每一分广告投入都必须发挥应有的价值。Moloco 的预测引擎能够实时动态调整广告投放活动——针对高意向用户提高出价，对浏览却不购买的用户降低出价——相比采用静态广告模式的传统 RMN，可实现高出三倍的广告支出回报率。对 RMN 而言，这正是一个绝佳的宣传机会：“我们不靠猜测，我们提供保证。”

4. 停滞不前的风险

仍固守基于曝光量或按点击成本（CPC）出价模式的 RMN，正在打一场必输的仗。亚马逊的 Retail Ad Service于 2025 年 1 月推出，已在美国零售媒体支出中占据了越来越大的份额，将站内技术与原生需求相结合。规模较小的 RMN 如果不能以效果驱动的产品予以应对，就面临被边缘化的风险。

若 RMN 未能及时调整，许多广告主很可能将预算转移至那些能够证明投资回报率的平台，赌注不可谓不高。

5. RMN 如何轻松实现效果销售，而无需承担繁重的额外负担

出售效果听起来颇为复杂，但实际上并不必如此。Moloco 由机器学习驱动的电商媒体平台可以让这一切变得轻松顺畅：

充分利用第一方数据：我们的模型会分析搜索、浏览和购买信号，以预测购买意图。
提供灵活的目标设定：广告主可以选择广告支出回报率（例如 400%）、按订单成本（例如 10 美元），或“销售额最大化”等其他目标——我们由人工智能/机器学习驱动的引擎会据此自动调整和优化。
提供基于机器学习的指导与预测：Moloco 可帮助广告主基于机器学习设定效果“区间”，从而搭建广告投放活动。
实现规模化的精细度：相比竞争对手仅能在整体平台层面实现基于效果的出价（忽略了不同 SKU/品类之间的差异），Moloco 能够在单个广告投放活动和单个 SKU 层面实现效果优化——帮助品牌方精细调优效果表现。
实时推理：我们高精度的机器学习模型每秒可执行数千次计算，从而实现其他平台无法企及的目标广告支出回报率和按订单成本优化。
借助自动化实现规模化：自助式工具和实时出价大幅减少了人工成本，让管理成千上万卖家变得轻而易举，卖家只需三次点击即可启动广告投放活动。