个推CEO方毅:以精细化重塑数据营销行业格局

回顾过去几年的数字营销行业,各类新概念层出不穷。近日,个推CEO方毅在谈到数据智能大时代下如何做品牌营销这一话题时,提出了DMP“三极管效应”的新观点,更对当前数据营销行业各个角色的分工做了精彩点评。

以下根据方毅分享实录整理(附现场视频和PPT讲解):

个推数据智能,增能品牌营销

今天我想和大家聊一聊行业里一个非常熟知的概念——数据智能(Data Intelligence),以前大家更多提到的是大数据、小数据,我认为DI才是它较为精确的形容词。

个推上市之后,很多媒体对我们有各种各样的解读,说我们是一家传媒公司,是一家代理公司。但我们内部对自己有一个清晰的定义,就是数据智能公司,它由互联网、人工智能、大数据和云服务这四个学科交叉形成。

数据能力已经成为当今品牌营销的核心竞争力。个推基于推送服务,沉淀了海量数据资源,据统计,我们所服务的APP每天推送的消息加起来超过200亿条。我们拥有超过40亿规模的移动端数据覆盖量,以及精细丰富的数据标签体系,这些构成了个推的数据基础。

很多公司都在做数据服务,也经常有人问我个推和它们有什么区别。我给大家举个例子,有些APP公司自身用户量很大,活跃度也很高,但这一数据量拿来做投放前验还是不够的。

个推不像淘宝京东等有电商领域的深度数据,但我们的数据贵在维度全面,概括能力强,就像拿刀横切蛋糕,可以切下整面的蛋糕,而非纵切,只能涉及一小块,我们的数据结合不同的模型,就能够拓展出非常多的应用场景。

在品牌营销领域,我们根据用户线上行为偏好和线下场景活动数据构建用户画像,输出人口属性、设备属性、兴趣偏好和线下场景等数据,再根据特征层进行机器学习,做有效归因,从而全面、精准地洞察品牌消费人群。

母婴大数据

人肉初筛、机器扩量、线下细化

方毅谈“母婴大数据、汽车大数据”现场实录

机器学习中最常用的一个算法叫word2vec,就是把一个单词变成一个矢量。

形象地说,word2vec等于皇后减去皇帝,等于woman减去man,等于红太狼减去灰太狼。我还听说有个表白公式,叫土豆减去马铃薯,番茄减去西红柿,等于我喜欢的人减去你。而个推做的最多的事情,就是APP2vec.你每天使用过哪些APP,可以比喻成你每天写的一篇作文,然后我们根据两篇作文之间的相似性做look-alike分析,这是个推常用的一种算法。

基于大数据技术和各种算法,我们可以找到精准的消费者。以母婴行业为例,个推数据库里有六千万的母婴人群。

中国常见的母婴类APP有60个左右,我们先进行人肉标注,然后将这些APP丢进个推数据库中做look-alike分析,挖掘和分析安装了这60个APP的人群平时还会使用哪些其他特别的APP,由此找出了两千多个母婴相关的APP。我们用人肉去端详,百分之九十七靠谱,剩下的百分之三不去管它,然后用端详后的数据做二次回滚,最终找出了六千万中国母婴人群。

为了剔除其中误装、预装和测试的用户,我们对用户线上APP行为偏好和线下场景活动进行了关联分析,以此对用户的有效性进行验证,确保留下的都是精准的母婴人群。这些数据用于母婴品牌做精准营销是非常有效的。

汽车大数据

真正指哪打哪的成交

聊完母婴,我们再来聊一聊汽车。

服务过汽车品牌的人都知道,汽车广告主都希望精准广告可以给他们带来直接的销售线索,即sales leads。品牌主从垂直门户中所获得的leads,可能百分之七八十都是有效的,但从品牌广告中所获得的leads,很有可能百分之八九十都是无效的。

DMP前验本是为品牌主提供“指哪打哪”的靶向作用,但目前行业混乱,甚至出现了“打哪指哪”的乱象。

我们在帮助汽车客户做leads精选和校验时,就坚持真正的“指哪打哪”原则。我们将消费者分为优质人群、次优人群、潜在人群、普通人群和黑名单五组。最初,汽车客户反馈我们的数据不行,经过我们深入的沟通分析,得知客户是通过打电话的建卡率来验证数据的有效性。

大家知道羊毛党有一个特点,就是收了钱后会特别配合,所以建卡率很高。因此我们要求他们继续追踪数据,一直到三个月后购车阶段,这时他们发现优质人群和普通人群的销售成交率相差了10倍,证明我们的数据真正有效,只是目前行业里面缺乏了一把公正公平合理客观的尺子。

品牌广告

定向种草,同时也拒绝千人千面

方毅谈“品牌广告、三极管效应”现场实录

品牌广告有三大定律:一、买与不买的时候希望你买;二、选A选B的时候希望你倾向选A;三、选A的同时希望你愿意接受更高价。

那么对于宾利、奔驰、宝马等奢侈品品牌,或者欧莱雅这样的轻奢品牌,只要找到垂直的人群,分析他们近一年线上APP的行为偏好和使用场景,以及他们感兴趣的话题、偏爱的色调,再将这些有价信息提供给做创意的agency,让他们定向地对用户进行种草就可以了。

这里需要强调一点,个推不是神,不能把所有的精准用户都替品牌主找出来。我们一直在做的,是通过大数据技术,让整体的TA浓度和ROI都有大幅提升。

值得注意的是,品牌广告领域千万不要强调千人千面,做到千人三面、千人五面即可,避免让品牌形象变得碎片化,难以形成统一概念。此外,不强调千人千面不等于让品牌对所有用户做统一触达,如果向一个70岁的老大爷和一个00后小姑娘投放一样的广告,那肯定也是不对的。

三极管效应

让品牌营销释放更大能量

以前的广告模式和瀑布一样,是单向的,投放完了之后,数据没有形成闭环。

学过机器学习的人应该知道,如果没有监督学习,阿尔法狗(AlphaGo)就只剩下狗了,根本不可能打败人类。

所以我认为,机器学习最重要的是Y值的回归,并形成闭环。用户数据是品牌营销全链路闭环的起点和终点。品牌想要把营销价值最大化,一定要有意识地去积累和应用好手上的用户数据。

在此我呼吁所有品牌广告主马上行动,建立起自己的第一方DMP,将CRM系统或CDP系统内的数据,以及媒体投放后的所有结果全部汇总到一起,经过清洗整理后形成自有的数据资产。

第一方数据精准而具体,但你实际运用起来会发现数据量还是太少。比如一千万的流量中可能只有50-100万的core user,这些核心用户数据拿来投放广告是远远不够的,这时需要一个三极管放大器(注:三极管,是一种控制电流的半导体器件,其作用是把微弱信号放大成幅度值大的电信号),在第三方的池子里进行相似人群扩量,在精准的前提下找到更多的潜在目标用户。

例如,某欧洲知名奶粉品牌,自身有效会员数只有30万,我们通过look-alike将30万会员用户扩展成3000万的潜在目标人群,再进行投放。这就像是把一朵雪花放进雪地里,然后找出3000万朵和它长得相似的雪花,通过雪花效应,让品牌营销释放出更大的能量。

很多人都在讨论一个问题:在各个电商平台上投放广告,应该用内部数据还是外部数据?我的答案是:如果你要投站内广告,那么第一方数据必须用起来,因为淘宝京东等电商平台很清楚哪些人会买你的产品,哪些人会买你的竞品。但如果你的广告是投放给广泛的站外用户,那你必须使用自己信赖的第三方数据。

DMP前验:

数字营销行业中最为稀缺的角色

方毅谈“DMP前验”现场实录

目前整个数字营销生态图谱中,主要有六方参与者:品牌主(甲1)、代理商(甲2)、DSP供应商(乙1)、媒体方(乙2)、第三方DMP(丙1)、监测方(丙2)。

品牌主是整个广告投放的需求方,agency(代理商)为品牌主提供广告服务,它本质上就是中介,主要工作是帮广告主找媒体广告位,帮媒体找广告主。

DSP是为广告主和代理商提供多渠道流量来源管理的平台,避免复杂的媒体购买方式带来的资源浪费。

媒体是整个链条中真正的供应方。广告投出去后,我们需要对投放结果进行监测和衡量,监测方做的就是这项工作。

投后监测虽然能对整个营销闭环起到非常重要的作用,但我认为DMP前验才是当今数字营销行业中最为稀缺的角色,只有找到第三方做好投放前期的数据验证,品牌主才能实现更加完整的用户洞察,从而筛选更加优质的广告流量,避免营销预算的浪费。

目前国内有能力做DMP服务的除了BAT以外并不多,而个灯数盘就是其中之一。为了给品牌主提供专业的数据服务,我们把主要精力放在自己最为擅长的地方,以第三方DMP能力为立足点,为品牌主提供数据前验服务。

个灯数盘在做DMP前验时,将品牌会员用户作为研究的种子数据,通过个推强大的标签体系,对种子用户的特性标签进行补全,让用户画像更加完整。我们把整个过程称之为是对用户进行“端详”。接着,我们通过机器学习的方式,剔除掉无效的用户,把真正的目标消费者挑选出来,并将他们丢到个推的用户资源池里进行look-alike分析,找出更多的潜在目标人群,然后才进入投放,最后把营销闭环拉回来做归因迭代。

如今,随着多方角色的进入,数字营销已然成为一个高度竞争的领域。在此背景下,大家更应该坚守好自己的阵地,做好自己的本职工作,将自身角色的价值发挥到最大,共同推动行业良性健康发展。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190816A0KN6O00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券