购物车
从互联网兴起,到移动互联网的蓬勃发展,广告离精准、效果好的目标越来越近。特别是移动互联时代,精准定向广告可以充分利用各种新式媒体,通过网络定向技术,以精准的渠道将营销信息传达给准确的目标受众群体。
互联网企业,特别是拥有2C产品的互联网企业,已经利用这种广告形式赚得盆满钵满。但是,传统企业由于天生的基因,目前还处于互联网化的发展阶段之中。如何利用好自身现有的资源,在保有客户的基础上,进一步借助数据和科技的力量,从广袤的互联网世界中获得更多新客户,是几乎所有传统企业的头等难题。
想在互联网世界,把消费者牵引到传统企业的“池塘”中,一般有几个步骤:
1、 根据数字化的消费者行为,进行消费者数字画像,智能化地分析预测消费者真实准确的消费需求;
2、 利用精准的消费者画像,结合多种技术手段,有针对性的根据用户需求进行智能化的广告创作和组合;选择适合的媒体进行广告投放,尽可能地在短时间内吸引客户、转化客户;
3、 除了对消费者进行画像外,还可以尝试针对消费者的生活方式进行数字化刻画和衡量,准确识别消费者的生活场景,运用程序化投放工具、优化广告策略、结合投放媒体组合,将个性化广告内容在合适的场景中,更精准地投放给客户;
4、 对广告投放进行实时监测,获得相应的广告效果数据,利用准确和及时的广告反馈,借助机器学习技术,对不同的反馈主动做出不同的应对,及时优化广告效果。
但是,理想很丰满,现实很骨感……很多传统企业告诉我们,从互联网上“捞客户”很难。为什么会出现这种获客如大海捞针的情况呢?
从基本的消费者画像看起。消费者(用户)画像,又称人群画像。真正的画像,应该是根据全面的用户属性标签,包括人口统计学、社交关系、偏好习惯和消费行为等,而抽象出来的标签化画像。构建用户画像的核心工作即是给用户贴“标签”,而标签中一部分是根据用户的行为数据推测的,一部分是通过一系列算法或规则挖掘得到。
几乎所有的互联网广告供应商都不约而同的强调,他们有足够精确的人群画像数据,确保能够帮助广告主找到真正的目标受众。但是事情果真如此吗?市场上现有的人群画像多源于对互联网行为数据的分析,即可以利用用户在互联网上的多种痕迹,分析描绘出“在互联网上”用户是什么样的人,从而可以针对性设计广告内容和创意。
但是,面向“传统企业”的产品和服务进行判断的时候,客户的动机和决策心理,很可能和互联网上展现出的动机和决策心理有较大的差异。也就是说:互联网行为刻画出的“客户”,只是真正“客户”的一个切面。
那么,我们有可能在画像的基础上,进一步丰富客户的特征,再进一步提升广告效果,实现“手到擒来”的获新吗?
答案在更多的数据中。
TalkingData经过多年数据能力积累和技术研究,在为众多企业服务的过程中,利用过去10年从合规渠道获取的移动互联网设备数据,构建了一套脱敏化的行业特征库。TalkingData利用这套行业特征库,帮助不同行业领域的广告主提升广告效率、提高最终的转化效果。通过对数据进行脱敏处理与价值挖掘,这套行业特征库可以勾勒出移动设备线下生活的特征,为从传统互联网行为刻画出来的标签提供了很好的补充。
这套特征库包含从基本的人口统计学到地理统计学、从生活方式到消费偏好等海量数据,主要可分为以下四大类十余小类:
√ 人口特征
■ 居住地/工作地/购物地
■ 年龄段、已/未婚
■ 收入水平和变化
√ 线下消费偏好特征
■ 电商/商超/Mall等
■ 品类:服饰-运动-家居等
■ 消费价位、促销敏感度等
√ LifeStyle特征
■ 教育-金融-运动-动漫-音乐等
■ 出行:公交-单车-高铁等
■ 生活爱好:咖啡-车主-运动-轻食等
√ 地理位置特征
■ 城市生活:4S店-大学-CBD-医院-银行等
■ 旅游娱乐:景区-购物场所-专卖店-宠物店-摄影店等
有了更多维度的特征,是否可以在投放中获得预期的效果呢?
还差一点点。因为还需要更自动化、更智能化的工具。
广告系统是一个非常高速运转的系统。以人群画像为基础的传统广告投放系统,人为操作简单易用;而特征库包含海量数据,更需要一套完备的工具,才能让企业的营销人员可以玩转数据,真正做到“手到擒来”。TalkingData在智能营销云(Smart Marketing Cloud)产品中,增加了可以使用行业特征库的产品功能。企业通过以下几步就可以轻松获得放大的客群,并直接对接广告流量进行投放。
第一步:上传种子客群数据。正如上文阐述的,每个企业的产品和服务都是有个性的。传统企业的那些已浏览、注册、购买的现有客户,就是最有价值的种子客户,TalkingData智能营销云可以基于这些种子客户,结合人群画像和行业特征库,实现智能化的客群放大。
第二步:企业可以根据广告投放的目标,选择客群放大的规模。例如,如果目标是品牌宣传,那么可以选择更广泛的潜在客户;如果是面向效果的营销,那么可以选择更精准的高价值客户。TalkingData智能营销云提供直观、易上手的界面和功能,可以让业务人员轻松使用数据、AI工具,从而快速得到广告投放的目标客群,显著优化了广告和营销效果。
以TalkingData合作的某美妆品牌为例,品牌方的某款护肤品需要进行一轮视频广告投放,投放的基本目标是实现对产品目标人群的大规模触达,并在完成基本目标的前提下,尽可能的通过广告的精准投放,为该产品代来更多的全渠道订单转化,提升广告的ROI。
为帮助品牌实现这两个目标,TalkingData作为第三方DMP服务商,首先基于人口属性和行为偏好标签,帮助品牌找到其定义的目标人群,即“某年龄段女性”;为实现广告ROI的提升,我们还需要对目标人群中进一步筛选,选出广告曝光后有较高概率对产品感兴趣甚至购买的潜客。这个优选的过程,就是利用TalkingData的行业特征库对目标人群进行购买潜力预测。
品牌方首先提供一部分近期购买过该护肤产品的人群作为种子人群,因为这部分消费者既然都购买了同一款产品,就一定具备一些共同的行为属性。
之后,我们将种子人群与TalkingData的行业特征库相结合,并构建了一套二分类模型。可以将这个模型,看做是利用AI对该种子人群的特征做了挖掘、分析和归纳出的结果。
随后,就可以用该模型对之前圈出“某年龄段女性”人群进行预测评分,分值的高低即代表其购买该护肤品可能性的高低。
最后,根据该品牌广告投放的需要,选出得分最高的部分人群,作为高潜人群包,和“某年龄段女性”人群包一起应用于程序化投放。
通过广告监测数据和商品购买数据的打通,品牌方可以了解到从投放开始到投放结束后15天内每个曝光设备的全渠道购买转化情况。对比发现:其与“某年龄段女性”人群包中被曝光的人相比,高潜人群包中被广告曝光的人群的目标护肤品购买率高了近10倍。如果我们用“商品单价×不同人群包曝光转化的订单数量/该人群包中受众的曝光费用”来计算ROI的话,高潜人群包的ROI也比其余“某年龄段女性”人群包的ROI高了10倍以上。
这组数字充分证明了,TalkingData通过模型预测出的人群,确实是该产品的高潜人群。通过高潜模型预测的方式,也确实能帮助广告主找到转化潜力更高的受众,从而大幅提升广告效果。
通过覆盖线上、线下的数据能力的长期积累,TalkingData不仅仅可以帮助企业观察到其客群的人群画像,甚至可以逐渐描绘出最终消费者的数字化人格。智能广告正是基于这种数字化人格,建立消费者档案,实现对目标受众的个性化广告投放。通过ABC(AI+BigData+Cloud Computer)的加持,TalkingData希望可以帮助传统企业远离“大海捞针”式获客的窘境,快速进化到“手到擒来”的境界。
