禾多移動如何靠本土實體數據進軍RMN和DOOH市場，更促成推薦技術突破

「當我看到代投廣告很厲害的公司都開始變賣退場，就知道廣告市場轉捩點要到了。」本土數位行銷企業禾多移動執行長林志堯說明，自家搶在臺灣RMN浪潮到來前，提早布局跨零售商RMN的關鍵觀察。

林志堯進一步解釋，過往，廣告投放人員，可以靠專業知識投出更高行銷成效。不過，2019到2020年開始，Google、Meta等平臺更加積極利用大數據及AI來強化廣告投放，甚至為了推動AI代投功能，而限制人工投放選項。他認為，當廣告代投專家開始尋求退場，意味著在廣告世界中，專業投放能力已經顯得弱勢，只剩掌握數據和平臺，才能獲得行銷成效及廣告商機。

這種市場環境下，林志堯認為，本土廠商應發揮優勢，率先掌握廣告巨頭不易取得的線下資料與行銷平臺。

將「R」加入「MN」，佔領廣告巨頭不易攻取的數據領地

12年前，禾多移動從經營App及網頁等數位通路的廣告聯播網起家。後來，陸續打造自家新聞和商品類內容的推薦引擎、AI驅動的SEO工具等，更在ChatGPT普及前，打造出自動行銷文案生成。

這期間，他們持續關注國際數位行銷及數位科技趨勢。2020年，他們目光聚焦在線下資料的重要性。「8成以上零售交易都在實體場域發生，所以線下交易資料最多、最直接。這些資料，國際廣告巨頭掌握不到，也不會優先來臺灣蒐集。」

嗅到線下數據商機後，他們花費3年打造相關技術，於2023年底，臺灣RMN浪潮興起前，就推出自家零售媒體聯播網（Retail Media Network），名為LRMN。

大部分RMN，都是由電商，或技術資源較多的大型實體零售業者自行經營。禾多移動則鎖定IT資源較有限的中型和小型零售業者，來經營RMN。

「中小型零售業者想進軍RMN，最大挑戰是梳理自家資料，並應用在數位行銷。」禾多的策略是，提供資料處理工具和Martech給有意願經營RMN的零售業者，但不靠販售Martech賺錢，而是採取分潤加策略聯盟的商業模式。零售業者可以利用這些技術，在自家通路經營廣告業務，禾多則抽部分收益。同時，他們也將各家零售業數據和通路，用符合隱私規範的方法，納入自家廣告聯播網。

林志堯分析，RMN最大特色是，屬於行銷漏斗後端的「購買」，因此廣告轉換成消費的比例高，零售業者容易看出廣告業務成效。另一方面，當禾多將多家零售數據和通路，納入自家廣告聯播網來打廣告時，則能賺取行銷漏斗頂層的「品牌認知」廣告費。「品牌漏斗上層的廣告預算，比賣CDP的價格多出一個零。」這種合作模式帶來的廣告收入，遠比單純販售Martech有利可圖，同時還允許他們降低Martech技術及顧問支援的費用，來取得價格優勢。

LRMN包括零售通路及數位媒體通路，初期合作零售業者就超過300家，包含電商和便利商店，數位媒體通路則有500間。禾多利用自建的去識別化ID技術，將6,600萬筆會員資料，整合成單一格式ID。

廣告主可以透過LRMN的配套CDP，來分析去識別化受眾，並投放個人化廣告到聯播網版位。這些版位包括聯盟成員網站及App，還有消費者Email、通訊軟體及簡訊等線上通路。甚至，還能透過LBS技術，投放廣告到消費者所在的實體店面通路，例如POS機、店內電視等。

除了透過禾多營運的LCDP投廣和分析行銷數據，廣告主還可以透過第三方Martech投廣。LRMN支援資料輸入和輸出，可以透過API輸出報表到Power BI、Looker Studio等常見分析工具，也可以將既有DMP、CDP、DSP的受眾資料輸入到LRMN受眾包，來強化投廣效果。

發揮零售數據優勢深化DOOH布局，更促成推薦技術突破

掌握廣告巨頭難以取得的實體交易數據後，禾多下一步，是擴大經營國際廣告巨頭同樣難以掌握的實體行銷通路，也就是DOOH廣告（數位戶外廣告）布局。目前，禾多正在與臺灣DOOH廣告業者洽談系統串聯，更有意進軍越南市場，利用相同技術與模式來經營RMN和DOOH。

林志堯指出，如今國際廣告市場中，兩大寵兒是RMN和CTV（聯網電視）。不過，目前臺灣CTV市場不如國外蓬勃、部分CTV服務由國外大企業把控，加上禾多較無相關經驗，使他們無意進軍。反觀，DOOH廣告與RMN高度相關，禾多既掌握更多本土實體資料，還能與現有零售客戶洽談實體通路行銷合作。

不只如此，實體通路廣告常見問題是，測量行銷成效不如數位通路精確。然而，禾多掌握許多線上線下通路資料，不只可以利用常見的人流分析、POS紀錄，更能在後臺利用更多元的背景資料，拼湊出顧客更完整的消費旅途，進而歸因行銷成效。

另外一個他們發揮大量第一方數據優勢的計畫是，打造快速測試生成式AI行銷素材的技術。比起創造素材，更強調快速測試及優化。做法是，依照受眾數據分析喜好，來生成大量素材，再透過反覆A/B測試，結合不同分眾在多個通路的行為與交易資料，來快速判斷、調整行銷素材，以達成更高行銷成效。

禾多還利用大量零售消費數據，來促成Martech技術突破。他們與臺灣大學跨領域資料科學與信號處理研究團隊，共同研發出新的多模態推薦系統MTSTRec。此系統不僅整合商品的圖像、文字與價格等多模態資料，更強調對齊這些模態在時間序列中的出現順序。透過還原消費者於不同時間點實際接收資訊的先後脈絡，模型能更準確推斷哪些因素、何時，影響消費者的偏好與決策。