随着人口红利的消失和新用户成本的上升,传统的粗交不再适用。充分利用数据,集中精力实施广告策略,控制成本,提高效果,是转型的必然方向。
但如何“用好数据”,如何“精耕细作”?DMP(data management platform,数据管理平台)能够连接和整合多源数据,用数据对人进行细分,引导发布,已经成为越来越多广告商的选择。
DMP的使用包括三个步骤:1。通过标签建立人口;2。实施交付。测量效果。
2。构建的群组数据包是静态的。在配送过程中,系统不断采集点击和转换数据,但这些数据没有实时反馈算法,无法帮助优化后续的人群策略
三。以往广告商营销活动中积累的曝光、点击、下载、安装等历史数据难以整合利用。
为了更好地解决上述问题,帮助广告商进一步提高投资回报率,talkingdata在2019年升级了其智能营销云(SMC),主要集中在以下三个核心能力市场营销和销售的区别在于:
传统的受众洞察只包含性别、年龄、兴趣等基本的人像数据,在talkingdata智能营销云中,用户可以从“人口属性”、“终端属性”、“商旅分析”五个模块进行综合分析和洞察,“应用使用分析”和“电子商务行为分析”。
本文重点研究了“应用程序使用分析”和“电子商务行为分析”两个模块。在应用使用分析报告中,talkingdata可以计算和处理24个类别和100+个类别的当前受众的上万个应用的覆盖率、活动率和TGI,并深入了解现有或潜在用户的应用使用偏好。
在电子商务分析报告中,综合统计了当前人群的网络购物活动、购买力、消费偏好等维度的数据。
例如,一位客户原本计划将很大一部分预算放在传统的信息流广告上,但通过对人群的洞察和分析,发现潜在用户更喜欢某个草类应用,网购活动比市场高出28%。因此,调整了预算,增加了KOL和grass应用的广告投入。后期效果评价表明,改造成本比常规交付降低18.7%。
如果使用talkingdata下的广告跟踪或品牌成长来监控广告曝光、点击、登陆页面或应用程序激活,互动和转化数据将自动流回智能营销云。
经过反作弊算法等一系列处理后,系统将自动分析交互用户的群体标签,如区域、应用行为等特征,自动将具有相似特征的群体附加到原始群体包中,同时消除以较低的估计CTR,实现目标种群的动态优化,达到实时数据反馈算法的效果。
数据资产模块支持以往其他平台广告主广告监控数据的批量导入,支持talkingdata下广告跟踪与品牌成长数据的整合。无论是特效广告商还是品牌广告商,都可以快速将历史数据导入到智能营销云中,使数据成为支持长期发展的资产,而不仅仅是工具。
数据导入后,数据之间的连接和融合是最关键的。利用通话数据的处理能力,可以恢复移动设备的整个生命周期。
在还原用户的真实路径,然后进行营销生命周期周期循环之后,您可以触摸或排除不同人群的交付。例如,对于在过去两周内点击广告但未下载应用程序的用户,他们可以联系两次;或者对于活动频繁的用户,他们可以在智能营销云中扩展外观,排除已安装的用户,然后发布广告
广告投放前,需要深入挖掘潜在受众,根据受众分布选择匹配度高的标签和媒体,然后结合talkingdata智能营销云的算法和数据集成能力,真正做好精细投放。在营销成本越来越高的今天,预期可控的投资回报率也可以实现。