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(huán)節(jié)：1. 通過標簽等方式構建人群；2. 執(zhí)行投放；3. 衡量效果。

但這個過程中很容易出現一些問題：

• 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；

• 構建后的人群數據包是靜態(tài)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(yōu)化后續(xù)的人群策略；

• 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：

常規(guī)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(fā)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(guī)投放降低了 18.7%。