应对危与机, 品牌广告主也在积极求变, 希望通过联动多渠道数据、完善消费者洞察来优化营销策略与效果, 打造营销的全链路闭环, 从而加速数字化转型进程并赋能业务增长。
疫情影响下的新消费时代, 大至资本市场、行业生态, 小至流量触点、消费习惯, 都发生着深刻的变化。应对危与机, 品牌广告主也在积极求变, 希望通过联动多渠道数据、完善消费者洞察来优化营销策略与效果, 打造营销的全链路闭环, 从而加速数字化转型进程并赋能业务增长。但是, 随着数据合规相关政策的收紧, 公域广告数据的应用面临挑战, 找到数字营销的新突破口成为品牌广告主的当务之急。
打造合规营销的闭环, 助力品效合一的增长
在此背景下,TalkingData 利用丰富的数据标签、服务及算法积累, 兼顾数据合规化与智能化, 打造 TalkingData 品牌数字化营销全链路解决方案, 通过合规营销新闭环的连接, 助力品牌广告主实现品效合一的增长。
解决方案覆盖品牌数字化营销全链路, 从公域广告数据监测分析、到借助标签特征实现 TA 细分、到利用算法模型精准定位高潜人群、再到通过数据联动完成营销效果衡量, 实现投前策略、投中监测、数据沉淀与数据应用的全面赋能。
Step 1:联动品牌一方与媒体二方数据, 实现人群分析
通过 TalkingData Brand Growth 品牌广告价值分析, 可实现广告效果监测与公域广告数据分析, 并借助 TalkingData 安全岛共同实现双重安全合规保障。TalkingData 安全岛是基于可信计算技术打造的数据合作新模式, 提供包含安全硬件、安全认证与数据安全应用的一站式安全能力。
借助 TalkingData 新推出的半私有化云端一方 DMP 平台, 即 TalkingSmart DMP, 可以沉淀营销投放数据资产, 构建媒体标签体系, 并实现数据资产的可视化展示。结合 TalkingData 安全岛,TalkingSmart DMP 可在单独存储的云空间内, 实现安全合规的多方数据联动及营销赋能, 帮助品牌广告主对营销资产进行高效合规地整合, 并连接数据管理、数据处理、数据分析、数据应用的全链条。
Step 2:TalkingData 三方数据能力加持, 提供人群策略
对于不同的人群投放模式, 基于 TalkingData 自身的数据能力及算法模型能力, 可为广告主提供面向业务场景的定制标签补充以及高潜模型赋能的广告投放对接, 精准定位公域中的高概率转化受众, 提升投放效率及 ROI。
定制标签人群:TalkingData 已沉淀了包含八大类别、900+标签的标准标签体系, 并支持针对品牌方业务场景, 定制符合品牌调性的人群标签, 支持基础属性之上更细颗粒度的人群画像和精细化投放。
高潜模型人群:如果说基于定制标签的人群圈选在 TA 优化中起到了提升触达的作用, 那基于模型预测的高潜人群则能够提升 ROI 价值, 真正助力品效合一。
高潜模型人群, 就是将与品牌广告主有过初步互动的人群, 利用 TalkingData 自有标签特征与媒体标签进行特征匹配, 通过机器学习模型与已购买人群 (正样本) 与未购买人群 (负样本) 进行分析对比, 实现对初步互动人群转化购买概率的预测和打分, 再根据自定义的切包规则形成高潜人群包, 即可一键推送至 TalkingData 智能营销云对接媒体投放。
高潜模型可以基于新推出的一站式建模管理平台 TalkingData 腾云潜易进行构建和管理。腾云潜易提供从样本构建、到自动化建模与打分、再到高潜人群生成的一站式操作, 简化建模流程、提升人群细分效率与投放效果。
目前, 高潜模型人群投放方式已在 OTT 端程序化购买及部分 RTB 中进行了应用, 转化率与 ROI 较实验组与对照组均有明显提升, 效果得到了验证。
Retargeting 人群:
除已经购买过产品的种子用户之外, 还有一个重要的潜客人群, 就是已经建立了品牌认知但尚未购买的人群。基于 TalkingData 安全岛, 可以在安全合规的前提下将触达过的媒体受众与 TalkingData 合规数据库进行联邦学习与隐私求交, 实现这一人群的 retargeting。
Step 3: 洞察后链路转化效果, 赋能策略优化
为解决前链路品牌广告投放数据与后链路销售订单数据无法关联分析的痛点,TalkingData 打造全新品牌广告归因产品, 腾云品效分析平台, 实现全链路的归因分析和效果评估, 为品牌营销策略调整优化提供数据支撑。
针对品牌方希望快速看到营销投放 campaign 转化效果的需求, 新推出的 TalkingData 腾云品效分析平台基于去标识化技术与智能化算法, 在安全合规的前提下, 利用归因模型对前后链路数据进行联动分析和精准归因, 除通过曝光、UV、TA 浓度等指标评估前链路的广告效果, 还可以通过 ROI、CPO(Cost per Order) 等指标评估后链路的实际转化效益。
针对跨 Campaign 的效果分析, 如衡量月度/季度/年度线上所有媒体投放效果等场景, 可以通过 MTA(Multi-touchpoints Analysis) 多触点归因分析, 还原消费者交互路径, 计算每个触点的实际贡献比例。
上述解决方案已在美妆、服饰、食品等多个行业头部企业进行应用, 在公域广告投放的数字化智能营销场景获得佳绩, 赢得广告主广泛认可及行业口碑。TalkingData 将持续探索实现品牌营销创新的高效优化方式, 助力企业品效合一、持续增长。
来源：互联网
