nEqual Serving实践案例:智能联合控频,提升3+TA 触达比例

数字化时代,商业价值最大化是数据智能带給企业的最直观价值。从企业在和消费者建立连接的那一刻起,数据和技术凭借着其自身的优势就已经开始为企业创造价值。但是企业如何利用好数据技术带来的红利?nEqual CEO 邬剑曾用“nEqual 智能数据需求层级理论“解读企业数据智能化的5个层级。对于品牌企业而言,最直观的数据智能价值当属体现在营销上。最近,nEqual Serving 就发挥了“特长”,帮助某知名日用品品牌解决了一些比较“棘手”的难题,让其在最大程度上触达到消费者,避免了大量的资源浪费,从消费者沟通体验和效果上,都实现了品牌营销商业价值最大化的体现。

 

案例背景

在一波广告投放中,该品牌主的预算被分为程序化投放和常规投放,但是,这两种投放方式都有各自的控频,会导致同一个广告内容对同一用户曝光多次。其最大的问题在于,品牌主不知该如何将这两种投放方式间的用户数据连接起来,从而减少广告资源的浪费,降低用户对品牌的反感度。

 

项目策略

  1.    将此次移动端投放分为实验组和对照组。实验组前期为常规投放,后期为程序化投放;对照组在整个项目中始终为常规投放。那么,可以通过比较实验组和对照组最终的TA%和3+Reach%的结果来判断程序化广告投放在这当中起到的作用;


1.jpg

图片均转自网络,版权归原作者所有)


2.   在项目开始前,nEqual Serving 先将常规投放的监测数据融合进自身的频次库,并进行自动线上分组,分成追投组和避投组。追投组包含常规投放看过1次和2次的 Device ID, 避投组包含常规投放已经看过3次及3次以上的 Device ID,并以此作为程序化投放的基础,且程序化投放过程中的所有判断,都会考虑之前的投放结果,以最大限度地优化整体效果;


2.jpg

图片均转自网络,版权归原作者所有)


例如,一个用户在常规投放期间,一共在视频网站上看过2次该品牌广告,如果他再次打开某视频,nEqual Serving 则会在追投组中查询到该用户的频次记录,并对其进行第三次广告投放;同样,一个用户在常规投放期间,一共在视频网站上看过4次该品牌广告,如果他再次打开某视频,nEqual Serving 会在避投组中查询到该用户的频次记录,并将其退回,避免对其再做广告投放。

3.     在投放配置中,根据客户3+TA Reach%的KPI设置了频次优先。因此,系统策略机会针对不同流量做优先级的排序,优先退回优先级低的流量,以保证效果的最大化。


3.jpg

图片均转自网络,版权归原作者所有)

案例效果

1.   TA%提升:由于实验组使用了程序化投放,引入DMP的实时查询,后期程序化投放期间TA%相对于常规投放的Benchmark提升幅度达15.3%;对照组一直使用常规投放,后期TA%相对于常规投放的Benchmark基本没有变化;


4.jpg

图片均转自网络,版权归原作者所有)

2.   频次追避投:在整波常规投放+程序化投放过程中,历史投放频次1&2的UV追投率超过95%(媒体推送的所有与历史投放重合的低频次UV,95%都被做了追投)。而历史投放频次在3次及以上的UV,规避比例达到65%(媒体推送的所有与历史投放重合的高频次UV,65%被退回),追避投效果显著;


5.jpg

图片均转自网络,版权归原作者所有)


3.   3+TA Reach%:对比两个组的3+TA Reach%发现,因为使用 nEqual Serving 优化了频次和TA%,实验组后期增长幅度相对于对照组有明显提升。


6.jpg

图片均转自网络,版权归原作者所有)


在互联网营销的世界里,不管是传统起家的品牌,亦或者是新兴互联网企业,都开始追求数据和技术驱动的商业价值。nEqual Serving 一直以来依托消费者属性及媒介触点等海量大数据、及自动化营销技术,帮助品牌和消费者实现精准触达和沟通。并作为针对直接采买模式的投放优化工具,为广告主第一方数据提供透明、可依赖的激活及应用渠道,帮助广告主有规划地、有效地触及目标受众。

 (本文图片均转自网络,版权归原作者所有;本文内容仅代表作者个人观点)

版权声明:
1、为尊重原创,本站文章(尤指标注《国际公关》杂志原创文章)如需转载,请注明来源和作者!
2、凡本站标注“来源:XXX(非中国公关网)”的作品,均为转载自其他媒体,转载的目的在于传递更多信息,并不代表本站认同其观点和对其真实性、完整性、及时性负责,请读者仅作参考,并请自行核实相关内容。其他媒体如需转载,请与稿件来源方联系,获取授权,如产生任何问题与本站无关。
3、部分图片标注来源于网络,版权归原作者所有,如涉及侵权请告知,我们会第一时间删除。
4、如需向中国公关网投稿,请发送稿件至:info@cipra.org.cn

网站导航