每家南阳公司都绕不开的一个命题是——用户从哪来？伴随互联网生态的发展，以效果广告获取用户的方式越来越成为企业高效获客和营收增长的手段。如何更好地进行广告投放，成为一个值得探讨的话题。
企常青聚焦数字营销中的投放运营，洞察新语境下品牌数字营销的机遇与挑战，伴随着新技术能力的发展，品牌该如何提升拓客能力和效率？在进行全渠道投放时，该如何搭建有效的指标监测体系，赋能营销效果提升。
一、数字化营销的新趋势与新能力
过去的 2022年可谓数据隐私元年，随着数据安全监管升级，数字化营销面临新挑战。
在国内，2021年工信部出台《个人信息保护法》，这一法案的颁布对国内的营销和广告生态带来一些影响。放眼全球视野，移动终端巨头苹果更新iOS 隐私协议，随着 iOS14.5 发布而全面落地的 ATT 隐私政策也是苹果面对用户隐私保护的一张大&牌，这意味着iOS 系统的追踪溯源与触达将更具挑战。
针对以上挑战，如何完成营销突围？我们提供三大方向供参考。
（1）基于全域用户关联的归因分析
基于稳固的 ID-Mapping 能力，合规获取多域、多渠道、多业务场景的用户 ID拉通，通过实现不同角度的归因分析，赋能精益化获客。
（2）TA 模型训练与触媒偏好判断
对于已经归因好的设备和模型，如何更好地训练与发挥数据效应？比如深度挖掘品牌受众的数据资产价值，训练高价值潜客的人群算法模型；比如挖掘潜客的触媒偏好，识别“高价值潜客集中度高”的媒体进行投放，提升投放效率。
（3）新流量渠道的商业化潜力与投放管理
拥抱新隐私架构下涌现出的新流量渠道及商业化玩法，帮助品牌开启后 IDFA 时代的数字营销下半场。
面对这些挑战，如何释放数据价值，实现高效拓客？围绕着数据获取、数据分析及数据赋能三个维度，Zui终要做好三件事情：用户洞察、公域获客、私域运营。
二、数字化能力升级，提升全渠道拓客能力
公域获客、渠道效率判断及长效营销的前提 —— 广告侧的全域用户关联
广告投放是一笔生意账，多少钱带来多少用户需要算得清清楚楚，如果投产比过低，则代表效果广告投放链路中存在问题。那么把营销费用核对正确的前提是，进行多渠道、全链路的归因分析。
基于广告业务视角下的整个链路，主要由媒体、数据接口、数据处理三个环节组成。
在媒体侧，媒体会提供用户点击广告时下发的设备信息，由广告主的数据接收层接受上报的设备号；用户侧使用 App时，在用户同意授权的前提下，通过合规 SDK收集到相关设备号信息，如果两个设备号完成匹配，就认为是某次广告点击带来了一次有效的转化，即激活；通过广告而进入到私域的产品时，将会为该设备用户分配一个唯一的UID。
企常青强大的 ID-Mapping技术能力，能够帮助企业打破公域媒介数据和私域用户行为数据的壁垒，完成媒体广告二方数据与落地页、App等一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，企常青数据建立了自归因、Specific ID 匹配、用户/设备 ID 匹配、IP+辅助条件匹配等广告归因模型，配合多重归因校验规则，实现不同转化层级的广告受众分析，还原高价值受众画像；深链路的用户转化行为可以通过灵活的深度回传能力赋能广告媒体进行oCPX 投放，驱动高效拓客，优化获客成本。
在广告投放中，涉及到实际用户行为时，可能存在用户在不同媒体平台进行访问的行为，比如用户 B在斗音点击广告后，又通过其他方式访问了官网的落地页并下载激活App。这个时候就需要通过归因能力识别出访问落地页的用户与在斗音点击广告的用户是否为同一个设备实体。如果用户 B又在快手看到了广告并产生点击行为，那么通过企常青 ID-Mapping跨域用户识别的能力，我们可以清晰的得知该设备归因于后链路的访问行为。
已经存在很多用户匹配的手段和方法，但实际的业务场景中很难做到百分百匹配。比如在线下渠道（公交、地铁及楼宇广告）投放广告时，如何更准确地归因到某一班地铁或是某个小区电梯广告，面临不小的挑战。对于这类情况，可以通过模糊归因提升匹配的准确度，比如通过解析IP 字段或操作系统版本号等更多公用参数，提升模糊匹配的准确率。完成以上匹配后，再进行跨域用户识别，洞察不同用户的特征。
识别潜客高集中度媒体，优化频控策略
用户的行为千变万化，我们无法得知同一个用户在不同媒体侧的行为，以及被不同媒体打上了哪些标签，也无法避免同一个用户在不同平台看到同一个广告的情况。
任何用户在同一个时段对于某品牌的广告曝光都会有经历从认知-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，如何找到潜在客户在不同媒体之间的重合度，变得很重要。
比如，实际广告投放中，如果对曝光数据进行监测，能够辨识不同设备号在多个媒体重复曝光的情况。
假设有这样一群用户，已经在巨量引擎、百度信息流和广点通三个渠道重复曝光 5 次，那么数字 5对于一个用户来说，究竟意味着什么？
如果抽取某个百万曝光的 Campaign 中的点击率分析，假设发现用户对同一个系列的广告接受程度在 5-6 次时，CTR是Zui高的，曝光超过 6 次之后，CTR 明显下滑，那么灵活地调整针对这部分用户的竞价策略就显得尤为重要。
媒体重合度分析——科学优化流量竞价策略
既然已经通过数据分析得到 CTR 会下滑的现状，那么要做的事是尽Zui大可能想办法将这批用户进行转化。
这时通过对业务数据的掌握，比如哪个渠道适合做首次曝光，哪些渠道适合做业务转化，就可以把适合做曝光的渠道定义为本次投放的引流渠道，把适合做转化的渠道定义为转化渠道，再基于媒体不同的受众制定不同的转化策略。
我们可以将已经转化用户的一些特征行为，比如所在城市、业务动作等通过 API接口的形式回传给媒体，由广告媒体帮我们找到更合适转化的受众人群。