RMN2.0最重要的差別就在於『打破數據封鎖藩籬』。2.0解決了過去RMN數據被單一平台綁架的問題，讓品牌客戶能將數據運用到不同的媒體平台上。

在數位行銷浪潮席捲全球的今日，如何有效觸及目標客群，並將其轉化為實際消費力，成為所有品牌亟欲克服的挑戰。近年來備受關注的「零售媒體聯播網」（Retail Media Network, RMN），更被視為實現精準行銷的明日之星。

然而，多數品牌對於 RMN 的認知也僅止於電商平台的「成效型廣告」。面對這些挑戰，Ad2 行動聯播網攜手 91APP，試圖打破數據藩籬，打造兼具「媒體、科技、數據」優勢的 RMN 2.0 零售數據聯播網。這次我們邀請到 Ad2 共同創辦人楊玉玲（Lynn）、業務總監鄭凱文來分享 RMN 2.0 是怎麼打造的。

Q：Ad2 目前在 RMN 領域推出的主要產品與服務是什麼？它如何運作的呢？

Lynn：Ad2 在這部分是結合 91APP 的零售數據，打造出所謂的「RMN 2.0」零售數據聯播網。 Ad2 跟 91APP 雙方都握有型態很多元的第一方數據，在 Ad2 這裡，可以很清楚觀察到使用者的內容瀏覽、廣告互動行為，而且我們能進行市場調查、影視觀看分析。

91APP 這邊則是著重在使用者特徵、消費者訊號、商品理解與意圖，以及分析消費情境。我們就可以在結合這兩種大情境下，用 91APP  的 AI「jooii」這個 AI 零售專家大腦進行更多維度的分析，來實踐更精準的分眾策略和全方位行銷解決方案。

凱文：Ad2 跟 91APP 之前就有在仔細思考怎麼使用零售數據做出成效型廣告的服務，但隨著雙方合作越來越深，也意識到這種資料合作的模式不單單是只能做成效型廣告，而是具有做非線性、全行銷漏斗的潛力。

Q：那麼這「RMN 2.0」跟之前的 RMN 有什麼最大的區分？

Lynn：最重要的差別就在於「打破數據封閉藩籬」。RMN 2.0 解決了過去 RMN 數據被電商平台綁架的問題，讓品牌客戶能將數據運用到不同的媒體平台上。

在這一點，Ad2 服務的應用層面不只在自家擅長的創意聯播網上，而是可以擴展到像 Meta、Google、Line 等其他媒體上。在 Ad2 的數據就可以做延伸利用，可以將閱覽讀者、進站用戶、廣告受眾生成 Ad2 ID 以及延伸的 RMN 數據，並且這些珍貴的 Raw Data 還可以轉為成 Insight 作為品牌客戶分眾的策略包含廣告興趣、閱覽足跡、消費軌跡訊號等等。

在這一點，Ad2 服務的應用層面不只在自家擅長的創意聯播網上，而是可以擴展到像 Meta、Google、Line 等其他媒體上。在 Ad2 的數據就可以做延伸利用，可以將閱覽讀者、進站用戶、廣告受眾生成 Ad2 ID 以及延伸的 RMN 數據，並且這些珍貴的 Raw Data 還可以轉為成 Insight 作為品牌客戶分眾的策略包含廣告興趣、閱覽足跡、消費軌跡訊號等等。

Q：我們知道資料保護與 Data Cleanroom 在 RMN 是非常重要的一環，這一點 Ad2 是怎麼做的？

凱文：具體來說，Ad2 首先會把數據清理、爬梳、去識別化，然後將各自的資料，例如 91APP 的資料編號和 Ad2 的 Ad2 ID，分別給予一個共同的編碼，再將這些編碼格式化，就像一格一格的抽屜，如此就能在不洩露個資的情況下，將兩邊相同的使用者歸類到同一個抽屜中進行分析，透過這樣的方式才能將數據運用層級拉到最高。

Q：剛剛有提到 RMN 2.0 具備非線性、全行銷漏斗的潛力，是否能為我們解釋為何能做全行銷漏斗？

Lynn：我們回到 AIDA 行銷漏斗模型的四個階段：Awareness、Interest、Desire、Action，這四個階段 RMN 皆可發揮作用。漏斗上層負責創造品牌印象與流量、漏斗中層扮演橋樑作用，下層則是輔助轉換做為歸因。目前 Ad2 的 RMN 資料都可以對這三個階段生成對應的資料。例如這個品牌在大眾印象有哪些特徵？有哪些作法可以加強？RMN 都可以找出對應的 Insight。

凱文：我補充一下，這個過程看起來好像是很線性的，但實際上在這個時代，消費者特別在「漏斗中層」這一段的面貌已經非常破碎化。舉個例子，你現在想要買手機好了，你現在會去參考很多的開箱文使用心得，你也會看很多的 KOL、YouTube，不斷地去在這些資訊點作功課，也不斷地盤選再交叉比對，才會進入下一個階段。

但是 RMN 的資料可以做什麼？我們可以找出例如 A 群人特別喜歡 B 品牌，然後喜歡在看完 C、D 網站後下單，我們這時就可以找出他離消費決策最近的資訊節點加強露出。

Q：那麼能舉 Ad2 的實際案例嗎？

凱文：我們拿今年 C&C Zizone 聯名瓶身的案例舉例好了，黑松 C&C 氣泡飲主打年輕族群，今年特別跟韓國人氣插畫角色 Zizone 聯名，推出季節限定包裝。

Ad2 透過 RMN AI 零售分析，鎖定 30 天以內曾經瀏覽、加入購物車、甚至購買過氣泡飲相關商品的受眾，同時特別鎖定曾瀏覽過 TNL mediagene 旗下網站「韓流NEWS、韓國娛樂」相關報導達 80% 深度讀者，找到對於韓流文化有高度關注的一群年輕人，以及曾對於相似廣告點擊行為的受眾。

這些訊號透過 AI 分析，系統能夠找出最關聯的受眾訊號，再進行廣告投遞。搭配創意廣告版位呈現插畫瓶身以及促銷訊息，整體活動執行表現 CTR 優於一般活動 1.5 倍。

另一個可以分享的是星展銀行的案子。星展銀行藉由 Ad2 jooii AI 演算，從零售數據、興趣標籤與閱覽足跡（曾閱讀過理財、投資、金融、國外旅遊等文章）找出了具有高含金量的金融產業受眾，然後特別增強在過去 180 天內有過大額消費或經常使用信用卡進行消費交易的用戶訊號，作為廣告投放重點受眾。

我們發現這群受眾對於「金融服務」、「理財機器人」及「現金回饋」有高度興趣，同時在信用卡、網路銀行等議題上的點擊表現尤為突出。廣告的 CTR 是一般金融活動的兩倍，特別是女性和 25-34 歲的受眾在活動中的表現尤為亮眼。

Q：怎麼看待 RMN 在當前數位廣告環境中所扮演的角色呢？

Lynn：RMN 目前台灣市場上非常熱門，但大部分的定義都環繞在成效型廣告，原因不外乎它的數據利用、使用場景都跟轉換有關，台灣銷售通路與媒體管道集中的狀況顯著，但另一方面擁有 RMN 科技的門檻也很高，所以 RMN 聽起來不怎麼複雜，但實際狀況卻很有距離感。

另一方面我們也認為適合 RMN 的品牌客戶也不該侷限零售通路的品牌，這些消費者也會投資、買車、買房，這些產業的客戶也可以參考零售數據做策略，星展銀行這個案子就是很好的例子。

本文引用自INSIDE：原文網址