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：
1、 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；
2、 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；
3、 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，全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，数据融合发挥数据最大价值
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。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
