数据红利时代，时尚美业的增长营销该如何做？

2020年是充满不确定性的一年。疫情倒逼下的零售业快速变革，各种新概念、新模式不断被提出和实践，数字化转型成为必然趋势。

TalkingData产品副总裁 闫辉

当下，人口红利逐渐耗竭、数字化走向深水区，在这个新流量、新品牌、新渠道的新时代，零售业面对很多挑战，不仅是更加多元化的渠道与流量，也有更加细分化的消费者需求。闫辉认为，新的红利已经诞生在数据中，借助数字化的手段去刻画构造场景、发现精准客群、提升营销效果，才能够找到和创造更多机会，在新的数据红利时代驱动增长。

落地到实践中，又有怎样的技术和方法论可以借助？围绕数据化广告营销服务矩阵，闫辉介绍了数据红利驱动增长相关的创新广告营销科技，其中最为基础的就是数据安全服务平台。

随着各项法律法规与行业标准的不断出台与完善，数据安全成为各领域数据应用的前提和基础。顺应这一趋势，包括媒体平台、行业协会以及TalkingData这样的第三方服务商，都在积极探索安全岛（中立国）、数据半岛、隐私安全计算等创新模式，基于数据“连接”而不是“拥有”的理念，通过不移动数据、依靠算法从安全平台中获取洞察结果、再赋能业务应用的方式，更合规更安全地支撑多方数据融合、释放数据红利。

在这样的数据安全框架内，闫辉详细分享了两个营销场景下的具体实践。

首先是“营销未动度量先定”——品效全景度量的新模式。传统模式下，对广告投放效果的判断大多使用曝光、点击、触达频次、客群属性等基础指标，而很难评估广告给营销后链路带来的实际效果。

而品效全景度量采用了GPM（GMV Per Mille，每千次投放带来的GMV）和CPO（Cost Per Order，每个订单的投放成本）两个新指标，同时关注受众影响与转化结果，将广告投放对业务增长的实际效果真正量化下来，从而进一步提升转化率、降低投放成本。

另外一方面是“营销未动模型先行”—— 高潜建模实践与RTA营销。广告投放模式一直在演进，从推送匹配流量的传统品牌广告、到找场景化TA的品牌品效化广告，现在则进入了依靠模型找到高转化消费者的品牌回报化广告时代。

通过对品牌一方购买数据的学习，再结合二、三方数据的建模、验证和优化，最终输出高潜人群模型。配合新型RTA（Real Time API）营销模式，以媒体+广告主联合定向投放带来最佳效果，充分发挥大规模建模的优势。

对于实战效果，闫辉通过TalkingData合作的一个美妆集团案例来进行说明。采用了新的度量和建模投放模式后，与传统大众营销活动模式相比，新模式下的投放转化率提升超过五倍、活动准备周期从五周压缩到了一周，营销效果和效率都有显著提高。

最后，闫辉总结了数据红利时代的“速赢指南”——数据积蓄、数据丰富、建模投放、归因度量。而针对每一个环节，TalkingData也通过分析云、监测云、数据云、营销云、安全云五大板块，提供相应的产品与服务，在数据安全合规的基础上，帮助企业打造数据驱动的优化闭环，借助数据红利加快增长、赢得市场。

TalkingData——用数据说话

每天一篇好文章，欢迎分享关注