全红婵广告翻车,又一割韭菜品牌


最近,全红婵、陈芋汐等多位国家跳水队女运动员代言某国货女装,网友们看完广告纷纷坐不住了。

从吐槽留言来看,品牌最让人诟病的问题是:丑。审美丑、设计丑、搭配丑,直接把气场女王爆改成精神小妹。

时尚圈翻车事件向来不少,前有巴黎世家阴间审美设计,后有赵今麦穿钻石内裤的尴尬场面…

只有看不懂的造型才是时尚吗?还是贵圈习惯了以丑博流量?从广告人角度,一起来聊聊这件事。


1.
以冠军之名
行割韭菜之实

作为一个成立仅仅一年的新国货品牌,不难猜测出,品牌希望借助与国家跳水队合作、以奥运冠军背书和影响力,迅速提高品牌知名度和认知度。

但是,光考虑奥运冠军的影响力,却没有考虑到代言人与品牌的适配度。

首先是目标受众不符。从品牌服装风格看,可以看出其目标人群是25岁以上时尚女性群体,但品牌却选择了十几岁的跳水小将当代言人,很明显不合适。

其次是形象不符。跳水运动员的形象,应该是强调优雅与力量的结合,但从这些服装风格看,只让人看到“华丽”、“笨重感”。另外,这种皮衣、小香风外套等偏向小资风格的穿搭,也不是十几岁小姑娘的日常穿搭,这很难有说服力。

总结来看,只做到了噱头,而没有给品牌增益。如同之前某些品牌商,请当红男明星代言卫生巾、内衣等女性私密用品,自作聪明式的反向营销,往往只会给品牌招黑。

好的品牌代言,代言人形象应该与品牌定位相符,才能以自身的社会效应带动产品销量。尤其是在服装领域,一个代言人甚至可以直接定品牌生死。

比如,海澜之家靠代言人林更新一组硬照,直接摆脱多年的土味形象,开始走大牌路线。theMSLAN代言人郭采洁与品牌的形象般配,将“新复古与自然系”的品牌基因演绎得淋漓尽致。

能做出这样的选择,品牌要么是缺乏长期战略思维,要么就是想借着全妹的奥运光环割韭菜、只做这一波短暂生意。结果没想到翻车了,这届精明的消费者根本不会买单。


2.
擦边式营销
另辟黑红路线

一个新品牌想要打入市场,最快且最有效的方式就是打“擦边球”。比如,模仿大牌的名字和商标,故意让消费者产生误认而购买。

从这个角度看,很难不让人猜测芋庭服饰,走的就是这样的“擦边球”路线。

首先,成立一年即签下国家队做代言,加上“芋庭”品牌名与“陈芋汐”名字十分相似,容易让网友产生误解:这个女装品牌会不会是陈芋汐自己家的品牌。

根据天眼查显示,芋庭服饰成立于2022年10月17日,由胡凯钢、孙志超、陈永吉三人持股,与陈芋汐本人并无关系。但这波“烟雾弹”,的确让品牌讨论度蹭蹭上涨,不少重量级官媒还下场发稿。这个名不见经传的品牌,也成功“一夜爆红”。

另外,这次令人诟病的“丑设计”,怀疑是品牌方故意在另辟黑红路线。

娱乐至死时代,“审丑文化”正成为一种新的流量密码。打个比方,如果是给跳水小将们拍一套常规的时尚大片,那么大家充其量只是夸两句,并不会对品牌产生深刻印象。

但“冠军穿丑衣服”这件事,满足了看客的猎奇心理,会激发用户自发性讨论、让品牌成为话题中心。巴黎世家和GUCCI,每年都在用奇葩设计抢夺流量话题。

这款巴黎世家的流浪汉脏鞋子,打出了天价1850美元(折合1.2W人民币),是普通全新款将近三倍的价格。

还有小时候流行的水晶凉鞋,摇身一变成为GUCCI的新款复古风凉拖,售价高达3600元一双。

国际大牌屡屡推出奇葩单品,有些是以这种出格的行为艺术,向外传递某种品牌理念。有些是故意创造话题与热度,进而为其真正售卖的商品进行引流,同时也能焕新“会玩”的年轻化品牌形象。

但是,作为一个成立一年的新国货品牌,根基还没扎稳,便想着以同样“噱头”方式打开市场,简直是东施效颦。

从品牌惨淡的销量来看,也佐证了这一点。SuCi品牌抖音店铺显示,大部分产品销量为0,全红婵身穿的小香风马甲和黑色皮衣马甲这两款产品中,仅黑色皮衣马甲被售出一件。


于初创品牌而言,话题和流量是很重要,但产品力才是决定性基础。服装品牌卖的不只是衣服,更是审美和潮流趋势。

遇上了这么一群炙手可热的体育明星,品牌没有花心思挖掘其身上的“时尚感”,反而是费尽心思“造话题”走捷径。

人与人之间的第一印象,可以在一次次接触中不断修正。但品牌的第一印象,基本就决定了喜不喜欢、会不会买。所以,假设日后品牌想通过设计翻盘,估计也很难挽回如今消费者心中的形象。

网站声明: 1.本站大部分资源搜集于网络,仅代表作者观点,如有侵权请提交修改。 2.网站内容仅网站站长做个人学习摘记,任何人不得用于其他商业用途,网站发表的内容全权归原作者所有。 3.有任何疑问,可以点击右侧边栏的联系QQ进行咨询 4.本网站部分内容来自于其他网站平台的,版权归原网站所有,本网站只作信息记录,自己学习使用,特此申明,本站用户也不得使用此信息内容做其他商业用途。
白丁学者 » 全红婵广告翻车,又一割韭菜品牌

发表回复

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据