热门频道

让广告投放品效合一,究竟需要什么能力?    

随着人口红利的消失,新用户获取成本不断上升,传统的粗犷式投放不再适用。用好数据,在广告投放的策略上精耕细作,控制成本、提升效果,是必然的转型方向。

但如何才能“用好数据”,又该如何“精耕细作”?能够对多源数据进行连接整合、用数据细分人群并指导投放的 DMP(数据管理平台),成为了越来越多广告主的选择。

DMP 的使用方式包括 3 大环节:1. 通过标签等方式构建人群;2. 执行投放;3. 衡量效果。

但这个过程中很容易出现一些问题:

  • 在人群构建阶段,标签和人群的选择主要靠营销人员主观判断,缺乏数据支持;

  • 构建后的人群数据包是静态的,在投放过程中,系统不断收集点击、转化数据,然而这些数据没有实时反馈回算法,无法帮助优化后续的人群策略;

  • 广告主以往营销活动中积累的曝光、点击、下载安装等历史数据,难以得到整合和利用。

为了更好的解决以上问题,帮助广告主进一步提升 ROI,2019年 TalkingData 对旗下的智能营销云(Smart Marketing Cloud,简称SMC)进行了升级,重点提升了以下 3 方面的核心能力:

1

受众洞察, 方位了解你的潜在用户

常规的受众洞察只包含性别、年龄、兴趣等基础画像数据,在 TalkingData 智能营销云中,可以从 “人口属性”、“终端属性”、“商旅分析”、“App 使用分析”、“电商行为分析” 5 大模块全面分析和洞察用户。

这里重点介绍下 “App 使用分析” 和 “电商行为分析” 模块。在 App 使用分析报告中,TalkingData 可以计算处理当前受众在 24 大类、100+ 小类的数万款 App 的覆盖率、活跃率、TGI 的情况,深入了解已有用户或潜在用户的 App 使用偏好。

报告部分截图

电商分析报告中,则全面的统计了当前人群的网购活跃度、购买力、消费偏好等维度的数据。

通过以上详实的数据分析,可以帮助广告主制定针对性的投放计划。

例如,某客户原计划将预算大比例投放在传统信息流广告,但通过人群的洞察和分析,发现潜在用户偏爱某种草类 App,网购活跃度上比大盘高 28%,于是调整预算,加大了 KOL 和种草类 App 的广告投入,后期效果评估,转化成本比常规投放降低了 18.7%。

2

动态人群包, 针对业务模型自动优化

广告计划如果使用了 TalkingData 旗下的 Ad Tracking 或 Brand Growth 对广告曝光、点击、落地页或 App 激活进行监测,这些互动和转化数据会自动回流至智能营销云。

经过反作弊算法等一系列处理后,系统会自动分析互动用户的人群标签,如地域、App 行为等特征属性,自动将具备相似特征的人群附加到原有的人群包中,同时会剔除掉预估 CTR 较低的人群,实现定向人群的动态优化,达到数据实时反哺算法的效果。

在实际投放中,如果同行业的广告一段时间内反复触达同一批用户,广告效果会不断衰减。通过动态优化人群包的策略,长期投放也能做到人群的鲜活。

3

数据资产管理, 数据融合发挥最大价值

数据资产模块支持批量导入广告主过去在其他平台的广告监测数据,同时支持整合 TalkingData 旗下的 Ad Tracking 和 Brand Growth 数据。无论是效果类广告主还是品牌类广告主,都可以将历史数据快速导入到智能营销云中,真正让数据成为支撑长久发展的资产,而不仅仅是工具。

数据导入后,数据之间的连接和融合才最为关键。利用 TalkingData 数据中台的处理能力,能够还原移动设备的完整生命周期历程。

还原用户真实路径后,再做营销生命周期的循环,就可以针对不同的人群,进行触达或排除投放。例如,针对过去 2 周点击过广告但未下载 App 的用户人群进行二次触达;或者拉取高活跃度的用户人群,在智能营销云中进行 Lookalike 拓展,并排除已安装用户,再进行广告投放。

在广告投放之前深入洞察潜在受众、根据受众分布选择匹配度高的标签和媒体,再结合 TalkingData 智能营销云的算法和数据整合能力,真正做好精细化投放。在营销成本不断上涨的今天,也能做到预期可控的 ROI。


编辑声明:本网站所收集的部分公开资料来源于互联网,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。联系方式:020-38814986
最新评论