移動互聯(lián)網(wǎng)下半場人口紅利與流量紅利雙雙觸頂，流量紅利帶來的粗放增長難以持久，商業(yè)正回歸于理性的長線經(jīng)營。品牌需要以“長線思維”審視商業(yè)和營銷，在存量競爭中，尋找新的洼地，對于擁有多類型業(yè)務的平臺型廣告主而言，又要如何打破多業(yè)務的人群畫像復雜、目標受眾較窄的困境，提升獲取用戶的效率和準確性，讓各個增長點的轉(zhuǎn)化效能更大化？

58同城，一家神奇的網(wǎng)站，在不斷實踐中尋找新的增長點，持續(xù)地進行轉(zhuǎn)化，讓增長長期有效。

58同城的拓客實踐，不斷挖掘新的增長點

作為中國領(lǐng)先的生活服務平臺，58同城業(yè)務覆蓋招聘、房產(chǎn)、汽車、二手、本地生活服務及金融等各個領(lǐng)域。不同業(yè)務之間的目標人群千差萬別，廣告投放目標也不盡相同。業(yè)務的多元化也給廣告投放帶來了不小的挑戰(zhàn)，例如招聘業(yè)務面向求職者，廣告投放更關(guān)注流量質(zhì)量，而本地生活服務更多面向家庭，以站內(nèi)商戶效果為主要目標。因此，58同城運營團隊很早就開始探索針對每個垂直品類的精細化投放策略。

從最初使用一方種子人群進行Lookalike人群拓展，到根據(jù)歷史轉(zhuǎn)化數(shù)據(jù)在系統(tǒng)中進行自動擴量，58同城一直在拿量和精準拓客方面不斷探索，并在近期嘗試了騰訊數(shù)據(jù)智庫的Model Lab。

精準預估高潛人群，質(zhì)和量雙優(yōu)解

首先，58同城針對不同業(yè)務的細分品類分別建立訓練模型，將歷史轉(zhuǎn)化人群和未轉(zhuǎn)化人群分別用作正負樣本訓練，讓模型深度學習正負樣本特征，并用該模型判斷不同定向人群的預估轉(zhuǎn)化率。根據(jù)自身投放量級需求，挑選高潛人群用于廣告投放。

通過這種方式，58同城既保障了目標人群的精準，又很好的滿足了投放量級的需求，找到了質(zhì)和量精準間的最佳平衡。通過騰訊數(shù)據(jù)智庫自定義建模的優(yōu)化，58同城招聘業(yè)務的轉(zhuǎn)化成本較以往降低了13%，黃頁-家裝業(yè)務轉(zhuǎn)化率提升了39%，黃頁-金銀回收業(yè)務轉(zhuǎn)化率提升了19%。

機器學習輔助人工決策，人員能效大幅提升

除了優(yōu)化投放效果，騰訊數(shù)據(jù)智庫自定義建模還進一步解放了運營團隊的人力和時間。在此前的探索中，運營團隊需要配備較多人力進行不斷試錯，自定義建模功能以機器學習、模型訓練自動輸出預估結(jié)果，運營團隊只需根據(jù)結(jié)果自行選擇相應范圍內(nèi)的高潛人群進行投放即可，極大節(jié)省了試錯時間和人力成本，讓運營團隊有更多的精力用于優(yōu)化整體投放策略和不斷總結(jié)復盤。

針對58同城這類目標人群各不相同，同時對投放量級有一定需求的廣告主，選擇騰訊數(shù)據(jù)智庫自定義建模是不錯的選擇。該模式也適用于電商、在線旅游、網(wǎng)絡服務等其他同樣擁有多元業(yè)務的平臺型企業(yè)。比如電商平臺可以根據(jù)其數(shù)碼產(chǎn)品、女裝和寵物用品等不同垂類業(yè)務建立訓練模型，旅游廣告主可以針對其酒店住宿、機票火車票、租車服務等不同業(yè)務進行差異化建模，這些行業(yè)也都具備業(yè)務不盡相同的特點。

激活一方人群價值，持續(xù)沉淀品牌數(shù)據(jù)資產(chǎn)

除了對廣告轉(zhuǎn)化人群進行模型訓練，騰訊數(shù)據(jù)智庫自定義建模還可以針對更多一方人群進行應用，將這些人群價值進一步轉(zhuǎn)化為品牌數(shù)據(jù)資產(chǎn)。

蘭蔻曾通過自定義建模，對小程序人群進行了模型訓練，最終在投放中實現(xiàn)了小程序商城分享率提升28%，小程序下單率提升36%。

從拓客到轉(zhuǎn)化，自定義建模只是騰訊數(shù)據(jù)智庫重要的功能模塊之一。作為騰訊智慧營銷的數(shù)字引擎，騰訊數(shù)據(jù)智庫將為通過“品牌數(shù)據(jù)資產(chǎn)沉淀”、“多維洞察策略制定”及“營銷應用一鍵即達”三大核心能力，為廣告主提供更精準的人群洞察，實現(xiàn)精準拓客和高效轉(zhuǎn)化，以“人”作為數(shù)字化資產(chǎn)的核心，用數(shù)據(jù)驅(qū)動生意增長，期待在即將到來的雙十一大促中助力更多廣告主。

圖文來源：騰訊廣告