随着人口红利的消失，新用户获取成本不断上升，传统的粗犷式投放不再适用。用好数据，在广告投放的策略上精耕细作，控制成本、提升效果，是必然的转型方向。

但如何才能“用好数据”，又该如何“精耕细作”？能够对多源数据进行连接整合、用数据细分人群并指导投放的 DMP（数据管理平台），成为了越来越多广告主的选择。

DMP 的使用方式包括 3 大环节：1. 通过标签等方式构建人群；2. 执行投放；3. 衡量效果。

但这个过程中很容易出现一些问题：

在人群构建阶段，标签和人群的选择主要靠营销人员主观判断，缺乏数据支持；

构建后的人群数据包是静态的，在投放过程中，系统不断收集点击、转化数据，然而这些数据没有实时反馈回算法，无法帮助优化后续的人群策略；

广告主以往营销活动中积累的曝光、点击、下载安装等历史数据，难以得到整合和利用。

为了更好的解决以上问题，帮助广告主进一步提升 ROI，2019年 TalkingData 对旗下的智能营销云（Smart Marketing Cloud，简称SMC）进行了升级，重点提升了以下 3 方面的核心能力：

1

受众洞察, 方位了解你的潜在用户

常规的受众洞察只包含性别、年龄、兴趣等基础画像数据，在 TalkingData 智能营销云中，可以从 “人口属性”、“终端属性”、“商旅分析”、“App 使用分析”、“电商行为分析” 5 大模块全面分析和洞察用户。

这里重点介绍下 “App 使用分析” 和 “电商行为分析” 模块。在 App 使用分析报告中，TalkingData 可以计算处理当前受众在 24 大类、100+ 小类的数万款 App 的覆盖率、活跃率、TGI 的情况，深入了解已有用户或潜在用户的 App 使用偏好。

电商分析报告中，则全面的统计了当前人群的网购活跃度、购买力、消费偏好等维度的数据。

通过以上详实的数据分析，可以帮助广告主制定针对性的投放计划。

例如，某客户原计划将预算大比例投放在传统信息流广告，但通过人群的洞察和分析，发现潜在用户偏爱某种草类 App，网购活跃度上比大盘高 28%，于是调整预算，加大了 KOL 和种草类 App 的广告投入，后期效果评估，转化成本比常规投放降低了 18.7%。

2

动态人群包, 针对业务模型自动优化

广告计划如果使用了 TalkingData 旗下的 Ad Tracking 或 Brand Growth 对广告曝光、点击、落地页或 App 激活进行监测，这些互动和转化数据会自动回流至智能营销云。