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

       但如何才能“用好數據”，又該如何“精耕細作”？能夠對多源數據進行連接整合、用數據細分人群并指導投放的 DMP（數據管理平臺），成為了越來越多廣告主的選擇。

       DMP 的使用方式包括 3 大環節：1. 通過標簽等方式構建人群；2. 執行投放；3. 衡量效果。

       但這個過程中很容易出現一些問題：

       1、 在人群構建階段，標簽和人群的選擇主要靠營銷人員主觀判斷，缺乏數據支持；

       2、 構建后的人群數據包是靜態的，在投放過程中，系統不斷收集點擊、轉化數據，然而這些數據沒有實時反饋回算法，無法幫助優化后續的人群策略；

       3、 廣告主以往營銷活動中積累的曝光、點擊、下載安裝等歷史數據，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：

       1. 受眾洞察，全方位了解你的潛在用戶

       常規的受眾洞察只包含性別、年齡、興趣等基礎畫像數據，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，則全面的統計了當前人群的網購活躍度、購買力、消費偏好等維度的數據。

       通過以上詳實的數據分析，可以幫助廣告主制定針對性的投放計劃。

       例如，某客戶原計劃將預算大比例投放在傳統信息流廣告，但通過人群的洞察和分析，發現潛在用戶偏愛某種草類 App，網購活躍度上比大盤高 28%，于是調整預算，加大了KOL 和種草類 App 的廣告投入，后期效果評估，轉化成本比常規投放降低了 18.7%。

       2. 動態人群包，針對業務模型自動優化

       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 激活進行監測，這些互動和轉化數據會自動回流至智能營銷云。

       經過反作弊算法等一系列處理后，系統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，同時會剔除掉預估 CTR 較低的人群，實現定向人群的動態優化，達到數據實時反哺算法的效果。

       在實際投放中，如果同行業的廣告一段時間內反復觸達同一批用戶，廣告效果會不斷衰減。通過動態優化人群包的策略，長期投放也能做到人群的鮮活。

       3. 數據資產管理，數據融合發揮數據最大價值

       數據資產模塊支持批量導入廣告主過去在其他平臺的廣告監測數據，同時支持整合TalkingData旗下的 Ad Tracking 和 Brand Growth 數據。無論是效果類廣告主還是品牌類廣告主，都可以將歷史數據快速導入到智能營銷云中，真正讓數據成為支撐長久發展的資產，而不僅僅是工具。

       數據導入后，數據之間的連接和融合才最為關鍵。利用 TalkingData 數據中臺的處理能力，能夠還原移動設備的完整生命周期歷程。

       還原用戶真實路徑后，再做營銷生命周期的循環，就可以針對不同的人群，進行觸達或排除投放。例如，針對過去 2 周點擊過廣告但未下載 App 的用戶人群進行二次觸達；或者拉取高活躍度的用戶人群，在智能營銷云中進行 Lookalike 拓展，并排除已安裝用戶，再進行廣告投放。

       在廣告投放之前深入洞察潛在受眾、根據受眾分布選擇匹配度高的標簽和媒體，再結合TalkingData 智能營銷云的算法和數據整合能力，真正做好精細化投放。在營銷成本不斷上漲的今天，也能做到預期可控的 ROI。