每个公司都绕不开的一个命题是——用户从哪里来？随着互联网生态的发展，通过效果广告获取用户的方式日益成为企业高效获客、增加收入的手段。如何更好的做广告成为了一个值得探讨的话题。
本文着眼于数字营销的运作，洞察新背景下品牌数字营销的机遇和挑战。随着新技术能力的发展，品牌应该如何提高拓展客户的能力和效率？如何建立有效的指标监控体系，提升全渠道投放的营销效果？
一、数字营销的新趋势和新能力
过去的2021年可谓是数据隐私元年。随着数据安全监管的升级，数字营销面临新的挑战。
在国内，2021年工信部发布了《个人信息保护法》，对国内的营销和广告生态有一些影响。放眼全球，移动终端巨头苹果更新了iOS隐私协议。随着iOS14.5的发布已经全面实施的ATT隐私政策，也是苹果保护用户隐私的一个大手笔，这意味着iOS系统的追溯和到达将更具挑战性。
针对以上挑战，如何完成营销突破？我们提供三个方向供参考。基于全局用户关联的归因分析
基于扎实的id映射能力，合规获取多领域、多渠道、多业务场景的用户ID，同时实现不同角度的归属分析，实现精益获客。TA模型训练和催化剂偏好判断
对于已经归属的装备和型号，如何更好的训练和发挥数据效果？比如深度挖掘品牌受众的数据资产价值，训练高价值潜在客户的人群算法模型；比如挖掘潜在客户的催化剂偏好，识别“高价值潜在客户高度集中”的媒体进行投放，提高投放效率。新交通渠道的商业化潜力和交付管理
拥抱新隐私架构下涌现的新流量渠道和商业玩法，帮助品牌开启后IDFA时代的数字营销下半场。面对这些挑战，如何释放数据的价值，实现高效的业务拓展？围绕数据获取、数据分析、数据赋能三个维度，最终要做好三件事:用户洞察、公共领域获客、私有领域运营。
第二，提升数字化能力，增强全渠道延伸能力。
公众获客、渠道效率判断和长期营销的前提——广告端的全球用户协会
广告是商业账户。会带来多少钱，会有多少用户需要计算清楚。如果制作比例太低，说明效果广告这个环节有问题。那么正确核算营销费用的前提是进行多渠道、全链路的归因分析。从广告业务来看，整个环节主要由媒体、数据接口、数据处理三个环节组成。
首先，在媒体端，媒体会提供用户点击广告时发布的设备信息，广告主的数据接收层会接受上报的设备号；用户在侧边使用App时，在用户同意授权的前提下，通过合规SDK采集相关设备号信息。如果两个设备号匹配，则认为一次广告点击带来了有效转化，即激活；同时，当一个产品通过广告进入私有域时，会给设备用户分配一个唯一的UID。厕神强大的ID-Mapping技术能力，可以帮助企业打破公共领域媒体数据与私有领域用户行为数据之间的壁垒，完成媒体广告第二方数据与落地页面、app等各方用户行为的统一串联，支持全链路转化效果分析。
另一方面，厕神数据建立自归属、特定ID匹配、用户/设备ID匹配、IP+辅助条件匹配等广告归属模型，并配合多重归因检查规则，实现不同转化层级的广告受众分析，还原高价值受众画像；同时，深度链接的用户转化行为可以使广告媒体通过灵活的深度回报能力投放oCPX，可以带动高效的客户延伸，优化获客成本。在广告中，当涉及到实际的用户行为时，可能会有用户在不同媒体平台上的访问行为。例如，用户B点击Tik Tok的广告后，访问了官网的登陆页面，并通过其他方式下载激活了该App。这时候就需要通过归属地能力识别访问登陆页面的用户和点击Tik Tok广告的用户是否为同一设备实体。同时，如果用户B在Aauto中更快的看到广告并点击，通过厕神ID-Mapping的跨域用户识别能力，我们可以清楚的知道该设备归因于后向链接的访问行为。
虽然用户匹配的手段和方法很多，但在实际业务场景中很难做到100%匹配。比如在线下渠道做广告的时候，如何更准确地将其归结为某个小区某个地铁或者电梯的广告，这是一个很大的挑战。在这种情况下，可以通过模糊归属来提高模糊匹配的准确率，比如分析IP字段或操作系统版本号等更常见的参数。上述匹配完成后，进行跨域用户识别，洞察不同用户的特征。
潜艇高浓度介质识别及频率控制策略优化。
用户的行为是千变万化的，我们无法知道同一个用户在不同媒体端的行为以及被不同媒体贴上了什么标签，所以无法避免同一个用户在不同平台看到同一个广告的情况。
任何用户对于某个品牌在同一时间段的广告曝光都会经历认知-接受-熟悉-转化的过程，但没有用户喜欢铺天盖地的广告轰炸，因此如何在不同媒体间找到潜在客户的重合度就变得非常重要。比如在实际广告中，如果监测到曝光数据，就可以识别出不同设备号在多个媒体中的重复曝光。
假设有这样一群用户，在庞大的引擎、信息流、广接触三个渠道中反复接触了五次，那么数字5对于一个用户来说意味着什么？如果拿百万曝光活动的点击率分析，假设用户对同系列广告的接受度在5-6倍时，CTR最高。超过6次曝光后，CTR下降明显，针对这部分用户灵活调整竞价策略尤为重要。
媒体重合度分析——流量竞价策略的科学优化既然通过数据分析得到了CTR会下降的现状，接下来要做的就是想办法转化这些用户。
这时候通过掌握业务数据，比如哪个渠道适合首次曝光，哪个渠道适合业务转化，就可以把适合曝光的渠道定义为本次投放的引流渠道，适合转化的渠道定义为转化渠道，然后根据媒体的不同受众制定不同的转化策略。
同时，我们可以通过API接口，把已经转化的用户的一些特征行为，比如他们所在的城市、商业动作，发送回媒体，广告媒体可以帮助我们找到更合适的受众。
沉淀品牌资产——正面和负面人群模型训练那么如何找到更合适的受众呢？我们可以借用模型训练能力，帮助广告系统更好地识别受众。
假设一个产品有一百万注册用户，其中5000个是非常忠实的铁杆用户，他们在产品粘性和付费能力方面都很突出。除了高留存率和高付费能力这两个指标，这些硬核用户在设备型号、渠道来源、城市省份等维度上是否还有共同特征？这时候就可以通过算法训练相关模型，在一百万注册用户中找到与上述5000名铁杆粉丝特征非常接近的群体。我们还可以通过调整数据维度来增加或减少人群规模。计算的用户越少，受众越精准，数字越大，用户画像越广。
之后，我们会把我们认为合适的受众群体上传到媒体的海量用户数据库中，媒体会进行第二次模型匹配，也就是常说的lookalike，确保我们能在公共领域的海底池中找到更感兴趣、更合适的用户群体。
基于实时API对接能力提高获客效率接下来介绍广告业务中非常热门的能力RTA。
RTA，即实时API，可以通过媒体提供的实时API接口快速完成程序化竞价，从而实现更好的竞价策略，满足动态调整的需要。常见的RTA业务场景包括竞价频率控制、不同阶段采用不同的竞价策略以及基于个性化指标调整竞价策略和素材，比如基于ROI自动调整预算和竞价、自动计算素材在不同时间段的运行效果、调整前端素材的呈现等。以实际场景为例，假设广告主是某吸尘器自有品牌，在其自有App中发现有这样一个用户，频繁进行某些业务动作，比如浏览详情页、给购物车添加吸尘器、点击降价提醒、完成与客服的对话等。通过这些行为，可以判断广告主是一个非常接近成交的高意向用户，但是该用户最近几天还没有完成订单支付。
这时候RTA会根据用户自身的特点来判断是否满足某个竞价策略的触发条件，比如是否具有高价值。如果是的话，针对用户的竞价策略和文案策略也会匹配。所以这个用户可能会在某短视频平台上刷一个前几天喜欢的吸尘器产品。在产品精美的物质宣传下，这个用户终于完成了有效的转化。RTA的动作都是基于节目自动化，包括人群定义和筛选、广告平台的受众定位、竞价策略、素材策略等。广告主更应该做的是根据相关数据及时调整RTA策略。
ASA——App Store广告生态的新变化也就是ASA苹果搜索广告，苹果App Store搜索广告。广告主投放后，其App会出现在iPhone和iPad的App Store搜索结果的第一位，从而高效获取用户。2021年7月，ASA在中国大陆正式上市。
面对ASA等水货投放渠道的复杂场景，如何做出正确的归属，成为了很多早期采用者关心的话题。通常，广告主在iOS端推出推广应用时，最终会跳转到应用商店。此前，苹果并没有向开发者提供App Store端的用户数据。这样一来，广告主就没有办法在投放后准确跟踪每个用户在整个广告环节的完整轨迹，也没有办法准确衡量这个渠道的具体推广效果。
现在，厕神数据可以在用户点击苹果App Store搜索广告后，通过对接ASA渠道接入App Store的归属地数据，帮助广告主追踪每个用户在整个广告环节的轨迹。
通过ASA的归属，可以达到之前ASO优化难以想象的数据粒度。原来可能无法知道ASO的投放效果，现在可以知道不同人气的关键词，某个时间段花了多少钱，能带来多少App激活和后续转化的有效数据，从而优化激活成本、转化率、ROI等指标。多维度标签组合，持续关注A/B考双效。
事实上，广告传媒已经建立了一套基于海量用户数据的受众标签体系，并应用于DMP传媒。在业务投放中，可以合理使用媒体标注的标签进行对比测试，也可以有效降低客户获取成本。
比如第一阶段，你可以把一个行为兴趣标签和你自己的行业标签匹配起来。比如，工具的广告主可以使用工具+游戏、工具+金融等标签组合进行成本测试，然后选择成本最低的标签进行下一轮标签测试。之后可以将第一阶段测试中的优质组合与其他标签进行组合，然后选择一个优质的标签组合，比如工具+教育+咨询。然后可以在不同资源位置测试标签组合用完的目标人群，可以看到不同资源位置不同标签组合的获客成本。
第三，完善全渠道效果指标监控。
在广告业务中，判断广告效果应该重点关注哪些量化指标？
在整个广告营销链条中，从一个广告对用户的曝光，到用户对广告的点击，再到激活、购物车加入、支付等一系列后续动作，在不同的业务阶段都有相应的指标进行业务监控。比如在广告曝光和点击阶段，更注重的是想办法把自己的广告展示给更多的潜在用户，文案和素材是否足够有趣，让用户产生点击的兴趣。此时可以通过“曝光率”、“点击率”等前端指标来判断第一阶段是否足够好，广告媒体的人群定位、时间定位、素材策略都会影响前端指标的波动和趋势。
用户在下载激活App时，需要在产品中寻找业务联系指标，以此来判断一个渠道是否能满足用户的需求。最常见的指标是不同渠道的激活和注册，以及一系列后续的转化指标，比如电商的购买，比如线下行业的留存数据。
在转化方面，也要关注站内的行为指标，比如SKU用户来App后对哪一类更感兴趣，新客户和老客户的转化对哪一类更好。当然指标体系也不是万能的，因为会有一些黑箱指标，会影响前后指标的判断。什么是黑匣子指示器？简单来说就是指一些不受广告主控制的指标，很难有规律地把握这些指标的变化趋势。
比如不同的广告媒体账号和广告权重，比如是否有其他竞品同时争夺同一群用户，导致成本更高，又比如粗心使用一些低质素材被用户投诉，导致广告限制。
我们无法量化这些黑箱因素。我们只能说，在日常的投放分析中，我们尽可能的控制变量，尽可能的通过单一的测量方法将可量化的特征指数化，通过规律和趋势将其转化为我们自己的商业方法论。完善贯穿前后环节的广告效果指标体系。同时梳理了贯穿广告投放-平台运营/电商运营-用户运营的广告效果指标体系。
通过广告吸引新客户不是营销部门或者用户增长中某个部门的责任，而是要对前后环节的数据进行整体评估。在投放广告之前，链接除了要关注广告素材的点击量之外，还要关注后面链接中用户运营的相关指标，比如广告素材是否匹配终端用户的行为。产品过程中的转化率是多少？对新用户的引导做到了什么程度？哪些渠道沉默用户流失最严重？着陆指数监测随着登陆页面占比越来越大，需要监控相关指标。落地指标更为突出，即制作精美的落地页面能否承接正向广告文案，突出产品特色，让用户产生转化欲望。
值得注意的指标是跳出率和停留时间。当用户进入登陆页面首页时，没有任何操作就会丢失。这种情况对于跳出率高的原因可以从不同维度来分析，比如登陆页面是否对用户吸引力不够，或者与前端文案不匹配，给用户一种标题党的感觉等等。停留时间的长短也可以从另一个维度反映出上述问题。另外，相似表单字段的填充率也可以判断表单登陆页的设计是否复杂。
从分析场景来看，数据响应的问题可以从内容是否匹配用户需求、页面布局是否合理、登陆页面信息是否冗余等维度来判断一个登陆页面是否合格。
综上所述，在整个广告业务流程中，根据各种渠道可以统计到的数据，应用到投放端，也就是常见的广告前环节数据分析，比如计算CTR，查看不同广告的eCPM，统计广告的CAC和ROI。最后，基于上述广告全景图，厕神总结提炼出广告业务的五大核心能力:广告归属、全球ID-Mapping、媒体洞察、受众洞察和全链路数据追踪能力。从有效的广告业务来看，只有将底层归因能力、全球数据追踪能力和媒体受众洞察能力结合起来，才能真正实现高效客户投放的增长目标。
