隨著人口紅利的消失，新用戶獲取成本不斷上升，傳統(tǒng)的粗獷式投放不再適用。用好數(shù)據(jù)，在廣告投放的策略上精耕細作，控制成本、提升效果，是必然的轉(zhuǎn)型方向。

但如何才能“用好數(shù)據(jù)”，又該如何“精耕細作”？能夠?qū)Χ嘣磾?shù)據(jù)進行連接整合、用數(shù)據(jù)細分人群并指導(dǎo)投放的 DMP（數(shù)據(jù)管理平臺），成為了越來越多廣告主的選擇。

DMP 的使用方式包括 3 大環(huán)節(jié)：1. 通過標簽等方式構(gòu)建人群；2. 執(zhí)行投放；3. 衡量效果。

但這個過程中很容易出現(xiàn)一些問題：

• 在人群構(gòu)建階段，標簽和人群的選擇主要靠營銷人員主觀判斷，缺乏數(shù)據(jù)支持；

• 構(gòu)建后的人群數(shù)據(jù)包是靜態(tài)的，在投放過程中，系統(tǒng)不斷收集點擊、轉(zhuǎn)化數(shù)據(jù)，然而這些數(shù)據(jù)沒有實時反饋回算法，無法幫助優(yōu)化后續(xù)的人群策略；

• 廣告主以往營銷活動中積累的曝光、點擊、下載安裝等歷史數(shù)據(jù)，難以得到整合和利用。

為了更好的解決以上問題，幫助廣告主進一步提升 ROI，2019年 TalkingData 對旗下的智能營銷云（Smart Marketing Cloud，簡稱SMC）進行了升級，重點提升了以下 3 方面的核心能力：

常規(guī)的受眾洞察只包含性別、年齡、興趣等基礎(chǔ)畫像數(shù)據(jù)，在 TalkingData 智能營銷云中，可以從 “人口屬性”、“終端屬性”、“商旅分析”、“App 使用分析”、“電商行為分析” 5 大模塊全面分析和洞察用戶。

這里重點介紹下 “App 使用分析” 和 “電商行為分析” 模塊。在 App 使用分析報告中，TalkingData 可以計算處理當前受眾在 24 大類、100+ 小類的數(shù)萬款 App 的覆蓋率、活躍率、TGI 的情況，深入了解已有用戶或潛在用戶的 App 使用偏好。

報告部分截圖

電商分析報告中，則全面的統(tǒng)計了當前人群的網(wǎng)購活躍度、購買力、消費偏好等維度的數(shù)據(jù)。

通過以上詳實的數(shù)據(jù)分析，可以幫助廣告主制定針對性的投放計劃。

例如，某客戶原計劃將預(yù)算大比例投放在傳統(tǒng)信息流廣告，但通過人群的洞察和分析，發(fā)現(xiàn)潛在用戶偏愛某種草類 App，網(wǎng)購活躍度上比大盤高 28%，于是調(diào)整預(yù)算，加大了 KOL 和種草類 App 的廣告投入，后期效果評估，轉(zhuǎn)化成本比常規(guī)投放降低了 18.7%。

廣告計劃如果使用了 TalkingData 旗下的 Ad Tracking 或 Brand Growth 對廣告曝光、點擊、落地頁或 App 激活進行監(jiān)測，這些互動和轉(zhuǎn)化數(shù)據(jù)會自動回流至智能營銷云。

經(jīng)過反作弊算法等一系列處理后，系統(tǒng)會自動分析互動用戶的人群標簽，如地域、App 行為等特征屬性，自動將具備相似特征的人群附加到原有的人群包中，同時會剔除掉預(yù)估 CTR 較低的人群，實現(xiàn)定向人群的動態(tài)優(yōu)化，達到數(shù)據(jù)實時反哺算法的效果。

在實際投放中，如果同行業(yè)的廣告一段時間內(nèi)反復(fù)觸達同一批用戶，廣告效果會不斷衰減。通過動態(tài)優(yōu)化人群包的策略，長期投放也能做到人群的鮮活。