DMP让品牌广告转化率大大提升的基本要求
众所周知,大品牌广告主的投放规模比较大,并且通常会选择不同程度的包量投放模式,这意味着品牌活动期间,每天发生数亿次查询请求和近亿次广告曝光是常态。因此,大品牌主在选用DMP时一定有两个最基本的要求:
1.有足够大的设备数据体量
也就是说这本字典的词汇量要足够大,尽量让每一次查询都查有所得。如果DMP的设备数据体量不够,就意味着大部分流量都无法被识别,如果就这样把广告投出去,意味着需求方不能预判这个流量是否符合目标人群的条件,那么投放的结果将毫无精准和高效可言;如果不投,则意味着大量的曝光机会被浪费,广告的整体曝量和转化率都很低,完全无法满足品牌传播的最基本预期。
2.有丰富且覆盖率较高的标签
这些标签往往是需求方选择目标人群的依据,想把广告投给什么样的人群,就通过标签筛选出各类符合要求的设备作为广告投放的对象。因此标签维度越丰富,目标人群的选择和划分就越精细,标签的覆盖率越高,相同标准下筛选出来的目标受众数量就越多,广告的目标受众量上限也就越高。
由此可见,为大品牌主提供DMP服务的前提,除了具备最基本的技术对接能力之外,数据的广度和深度也不可或缺。也就是说,虽然大数据公司不一定提供DMP服务,但能提供优质DMP服务的一定是大数据公司,通过自身产品积累了庞大的数据源和流量池,并借助强大的数据处理和计算能力,形成了丰富的标签体系。
但近年来,众多大品牌主的数字化转型工作进展迅速,数据对于品牌主而言越来越透明、可用,在数据的加持下广告效果的归因变得可行,而通过数据赋能广告投放提效也成为品牌主的新课题。对于长期以来消耗巨额预算,海量消费者的营销,担当企业和产品形象,却又不直接为转化和销量背锅的品牌广告而言,如果在数据智能的加持下也能“带货”的话,对品牌主而言都将会是“真香”的存在。毕竟一波营销活动的受众数量动辄上亿,即使有万分之一的转化,也能带来上万笔订单。于是,“品牌广告效果化”成为大品牌主数据团队的试验田。也是在这样的业务需求和背景下,DMP的高级玩法诞生了。
DMP高级玩法,是因为DMP的身份虽然没变,但目标受众不再是通过标签筛选出来的了,而是通过算法模型让AI学习和预测出来的。甚至需求方在描述目标受众的时候,也无需罗列人群的各类属性和特征,取而代之的是明确希望实现的转化指标,并提供少量范例样本。