Convertlab 全链路营销 智能策略引擎能力实现全面的精准营销

全链路营销需要双向驱动，有广度的公域以及有深度的私域互相联动才能形成有效的闭环。CMC2021 (Convertlab Marketing Cloud) 补充了公域营销的能力。简单来说，现在的CMC提供了对私域存量客户促活转化的能力，又提供了在公域传播拉新的能力。

传统投放策略的制定依赖于运营人员和优化师经验，但新型数字营销模式需要数据分析、数据运营、数据评估的专业人才来高效运作，品牌才能应对投放中的场景变化，深度洞察。

品牌客户希望实现多渠道数据、多数据合作方式来实现多业务场景，并能基于实际场景灵活配置，形成数据与业务价值的链路实现，但不知道如何通过安全的方式来保护自己的数据隐私。

CMC提供了多维度的策略模型和全自动策略引擎，最大程度释放私域数据价值，形成全域联动效应，在策略高效执行的同时，实现ROI最大化。本文通过介绍CMC Ad Hub 智能策略引擎能力，分析在对用户充分了解的基础上，如何指导和优化前端投放，节约投放成本，从而实现全面的精准营销。

Retargeting

激活已曝光人群或者已沉默人群

Retargeting（重定向广告）简单地说就是一种网页广告的定向技术，即针对广告受众（Audience）的某个属性，在同一个广告位，推送定制的广告。重定向广告之所以有一个“重（Re-）”，是指的它的定向方式和其它定向广告有所不同。重定向广告是依据用户之前的某个行为（Action），把这个行为所触发的特定的广告，重新推送到你面前。

比如客户在某购物平台搜索了手机，随后在浏览各大主流网站时，会发现上面的广告都是某平台的手机广告，甚至可能出现某个广告的手机是你已经加入购物车了的情况，这就是典型的重定向场景。

而CMC的Retargeting应用价值，可以理解为，充分利用私域和公域的数据联动能力，形成精准人群策略，通过用户分群功能，可以选择比如点击了广告，并关注了公众号，但没有购买转化的用户。圈选后，通过用户推送模块，将目标人群批量分发到多平台账号中，进行重定向再次触达。

分两层来看，首先是人群交叉圈选，在Convertlab Ad Hub的【用户分群】模块中，通过高级筛选获取Convertlab DM Hub私域数据，并可与广告事件做交并集运算，支持定时或手动的更新方式，获得对应的人群包。其次,便是人群分发，Convertlab Ad Hub兼具【推送】功能，可选择对应的人群包进行推送，而且还支持多平台的批量分发，可以有效扩大用户人群量，让广告的覆盖面更为宽广。

Lookalike

充分利用一方+三方数据建立Lookalike模型

Lookalike就是寻找相似性，广告主提交一系列客群范围称之为种子客群，它作为机器学习的正样本。负样本会从非种子客群，或者是说平台历史积累的一些人群中进行选取，于是Lookalike问题就转化为一个二分类的模型，正负样本组成学习的样本。训练模型之后，利用模型结构对活跃客群进行打分，最后得到广告主需要的目标人群。

本质上来说，Lookalike更多依赖大数据和机器学习算法来选取目标受众群。在这样的逻辑下，就产生了另一个问题，如何判断Lookalike算法孰优孰劣？或者说怎样的Lookalike算法才能更为精准地找到目标人群呢？

为了有效解决受众用户基数的问题，CMC提供了以下三种模式，多维度进行扩量，最大程度上挖掘更多潜在用户群体：

①广告主端扩量：在广告主自身具有大数据量级的情况下，通过建模分析找到有价值的种子人群，并在一方数据里进行扩量。

②媒体端扩量：利用媒体端数据能力，把广告主的种子人群推送到媒体方，并通过媒体端的算法进行扩量和投放应用。

③第三方扩量：打通第三方数据服务商，结合一、三方数据，预测转化可能性，对一方数据进行增补和加强，以此扩大目标受众基础。

RTA Engine

实现全域人群策略，实时流量优选

RTA即Real Time API，用于满足广告主实时个性化的投放需求。RTA将直投的广告主的流量选择权交给广告主，通常在定向环节中将用户身份的识别的请求发送给广告主，进行用户的筛选，让广告主在广告曝光前进行投放策略的判断，满足“拉新”“拉活”等个性化需求。

本质来说，RTA是结合直投和程序化的优势，在现有直投模式上做的功能迭代，携带Device ID去向广告主平台发送请求，由广告主侧判断用户价值，决定是否参与竞价，并且以什么价格参竞。在RTA投放的背后，Convertlab Ad Hub能基本承接“20万+的QPS，平均时延在2ms以内，超时率低于0.1%，参与决策比例不低于20%”的处理能力，而这主要由以下三方面支撑：

高并发请求的承压能力：基于先进的K8S微服务架构设计及高性能服务组件，能在数十万的QPS下实现毫秒级的服务调用，这体现了Convertlab Ad Hub对系统架构及处理高并发能力上的一种前瞻性设计，极大地保证了广告投放中的实时和稳定。

PB级大数据的处理能力：QPS 10万+意味着每日吞吐的数据流量将达到数十亿的级别；而每条数据至少100个字节，因此每日新增数据量将达到数TB，这对任何大数据平台都是一个巨大的挑战，而Convertlab Ad Hub的处理能力能达到PB级，可以轻松应对这种挑战。

全域数据建模和实时更新能力：我们能将广告监测数据和一方数据有效结合，通过流式计算方式（Flink、CKafka），在线流程可实现数据毫秒级更新；离线流程可现秒级更新，预测模型可在投放过程中实时反馈结果，大大提升广告主的ROI。

总结一下

Ad Hub集成了Convertlab及合作伙伴的投放应用、数据应用和创意应用，帮助企业构建自有的营销工具生态，横向覆盖了国内几大广告媒体生态与数据生态，让触达的用户群体够宽；纵向打通了前中后链路的数据，让理解用户的行为够深；Convertlab Ad Hub把跨渠道闭环运营变得简单高效，让用户的长效价值变得更高。

“以上描述用户信息等相关内容严格遵守《个人信息保护法》，Convertlab作为营销数据管理工具的供应商，始终致力于信息及数据安全建设，已通过ISO27001认证、信息安全等保三级认证等。Convertlab在一定程度上帮助企业合法合规地管理信息数据，利用人工智能和大数据技术获得有效洞察，为企业高效开展品牌业务，实现超级增长。一切相关用户行为洞察的理解皆基于联邦学习、安全多方学习、隐私计算等智能算法获得，不直接收集客户未授权的信息。”

隐私计算技术，能够有效解决企业在多个场景中的数据协作痛点，在保障企业数据资产安全、用户隐私的前提下，释放数据价值，助力企业进行安全高效的数据协作。

隐私计算可以解决一些常见场景痛点：

匿名标签查询：当需要补充用户标签时，通过匿名查询，可在不泄露自己设备号等查询条件的情况下得到查询的标签结果，最大限度保护自己的数据/信息安全。

用户分层运营：对于企业历史沉寂的大量用户，因为无法识别用户近期动向，错过最佳销售时机。隐私计算能够利用丰富的外部数据，结合企业自身的业务需求进行客户分层、分群运营，帮助企业用有限的人员及时为用户提供个性化服务，提升用户满意度，节省企业营销预算；

投前洞察和投后分析：隐私计算技术可以将广告主转化数据与媒体数据在不出库的前提下进行打通，联合两方或多方数据进行统计分析、联邦计算，实现转化用户多媒体浓度分析、广告归因分析