Cardlytics: The Ad Platform with Purchasing Power - [Business Breakdowns, EP. 17]

好的，这是根据您的要求对 Cardlytics 访谈文字稿的分析。

本期速览

嘉宾：CAS Investment Partners 创始人 Cliff Sosin。

主线：深度剖析 Cardlytics 如何通过银行交易数据，构建一个对广告主、银行、消费者三方都有利的闭环广告平台，并探讨其从初创到规模化过程中面临的挑战与未来潜力。

核心判断：Cliff Sosin 认为，Cardlytics 本质上是一台“坏掉的吃角子老虎机”——广告主投入 1 美元，平均能获得 5 美元的增量消费，这种可精确测量的正向回报使其成为广告主不应错过的渠道。

独一无二的广告平台：基于交易数据的闭环

Cliff Sosin 认为，Cardlytics 的核心价值在于其基于银行交易数据的“闭环”能力，这使其在广告精准度和效果衡量上远超 Google 和 Facebook。

• 机制拆解：广告主（如星巴克）可以基于消费者的实际支出行为进行极其精细的定向。例如，识别出“在 Dunkin’ 消费但不在星巴克消费”的人群，或根据星巴克钱包份额、是否加入会员、距离门店远近等维度进行分层。广告投放后，由于 Cardlytics 能完美追踪测试组和对照组的全部后续消费，因此可以像“随机对照试验”一样，精确到每一分钱地计算出广告带来的增量消费。
• 数据对比：Cliff 指出，Google 和 Facebook 宣称的回报率通常更高，但实际回报往往远低于宣称值。而 Cardlytics 的回报是“它说多少就是多少”。他形容道：“The stated returns that you get from Google and Facebook are usually better than Cardlytics, but the actual returns are usually far worse.”（意即：Google 和 Facebook 宣称的回报通常比 Cardlytics 好，但实际回报通常远差于 Cardlytics。）
• 推演：由于衡量标准如此精确，广告主不应将 Cardlytics 与其他渠道做简单对比，而应将其视为一个独立的、可以“本地最大化”的优化工具。只要增量利润为正，就应该持续投入，直到最后一个边际回报为正的消费者。

生态系统的价值创造与分配

Cliff Sosin 详细拆解了 Cardlytics 如何为生态系统中的四方创造价值，并指出其自身仅获取了所创造总价值的 7%，未来有巨大的提升空间。

• 价值分配：广告主每花费 1 美元，其中 0.30 美元以优惠形式返还给消费者，剩余 0.70 美元被记为 Cardlytics 的收入。这笔收入大致由 Cardlytics 和银行平分，各得约 0.35 美元。
• 银行的核心收益：对银行而言，0.35 美元的收入分成并非最大收益。更大的价值在于，该服务显著提升了客户忠诚度——客户流失率降低、消费增加、信用卡循环余额增多。Cliff 估算，这部分隐性收益是直接收入分成的 5 到 10 倍。
• 推演：基于此，Cliff 认为 Cardlytics 的“抽成率”极低。整个生态系统创造了约 5 美元的价值（广告主 2 美元+银行 3 美元+消费者 0.30 美元），而 Cardlytics 仅收取 0.35 美元，占比约 7%。他提出疑问：“why shouldn't it be 15 percent or something?”（意即：为什么不能是 15% 呢？）这预示着未来通过提高对广告主的定价或改善与银行的分成比例，存在巨大的利润增长空间。

护城河与风险：银行关系、规模效应与衡量标准的认知鸿沟

Cliff Sosin 分析了 Cardlytics 的护城河，并指出其最大的风险并非来自银行自建或技术竞争，而是广告主对其独特衡量标准缺乏认知。

• 护城河：银行关系的“许可制”与规模效应
• 数据架构创新：创始人 Scott 和 Lynn 来自银行业，他们设计了一套“数据不出银行防火墙”的架构，解决了银行对数据安全的根本顾虑，这是早期其他竞争者未能成功的关键。
• 规模效应：银行自建服务的动力不足。因为 Cardlytics 的规模越大，对广告主的吸引力就越强（广告主看重“触达”），销售效率也越高。银行若自建，将面临更少的广告主、更高的成本和更差的效果。Cliff 认为，即使银行拿走全部收入分成，其总收益也可能因广告主减少而下降 10-20%。
• 风险：衡量标准的认知鸿沟
• 核心障碍：广告主普遍使用“多触点归因模型”，但 Cliff 认为这种模型本质上是“垃圾”（garbage），因为它只能显示关联性而非因果性。Cardlytics 提供的“随机对照试验”是衡量效果的“金标准”，但广告主难以理解两者间的根本差异。许多广告主对所有衡量数据都打上“折扣”，导致 Cardlytics 的真实价值被低估。
• 历史困境：这导致 Cardlytics 的客户流失常源于内部“拥护者”的离职。新上任的 CMO 往往因不理解或不信任而停止投放，回归到更主流的 Facebook 等渠道。
• 其他风险：Cliff 认为银行自建、Neobanks 竞争（已通过收购 DOSH 解决）、以及 Google 等中间层应用的风险相对可控。消费者极低的银行更换率是 Cardlytics 的天然屏障。

未来增长路径：从“随机”到“个性化定价”

Cliff Sosin 将 Cardlytics 的增长机会描述为一组“嵌套的机会”，其终极形态是实现经济中的“个性化定价”。

• 短期机会：通过自助服务平台，将客户从大型企业拓展到中型企业（占广告市场约 2/3），由广告代理商自行操作。
• 中期机会：通过改善 UI/UX 和收购 Bridge 公司，实现从“全店折扣”到“品类/SKU 级别折扣”的升级。例如，Target 可以针对“家居装饰”品类提供 15% 折扣，或为“Campbell’s 汤品”提供 1 美元折扣。这能显著提升零售商（如 Target）的广告效果，因为其不同品类的利润率差异巨大。
• 长期愿景：个性化定价：Cliff 描绘了一个终极场景——平台可以根据实时数据（如下雨）向特定人群（如竞争对手的顾客）推送限时优惠（如滑雪场 15 分钟闪购）。他认为，Cardlytics 的潜力在于成为经济中实现“个性化定价”的渠道。
• 数据与算法：目前 Cardlytics 在数据利用上仍处于“婴儿期”。例如，首页的优惠展示是随机分配的，定价也未优化。未来通过数据科学和预测模型，可以大幅提升匹配效率和定价精准度。Cliff 认为，结合用户增长、参与度提升和移动银行渗透率提高，Cardlytics 的收入有 5 倍或更多的增长空间。

提及的标的

标的	嘉宾态度	关键数据
Cardlytics	看好	1.7 亿 MAU，覆盖美国 55% 的银行卡交易；广告主平均每花费 1 美元获得 5 美元增量消费；公司自身获取生态系统总价值约 7% 的份额。
Starbucks	案例提及	作为广告主，可基于消费者在咖啡品类的消费行为进行精准定向。
JPMorgan Chase	合作伙伴	作为银行合作伙伴，其客户是 Cardlytics 的用户。
Bank of America	合作伙伴	早期关键客户，帮助 Cardlytics 获得初步规模。
Wells Fargo	合作伙伴	2018 年签约的关键银行之一。
U.S. Bancorp	合作伙伴	采用新 UI/UX 后，前 3 周内有 50% 的 MAU 激活了优惠。
Google	对比/风险	其广告衡量标准远逊于 Cardlytics；其作为银行中间层的潜在风险可控。
Facebook	对比	同上。
Visa	类比	作为“产业公用事业”的类比，但 Cardlytics 的生态系统对各方都有利。
DOSH	收购	被 Cardlytics 收购，以获取其更现代的面向 Neobanks 的技术平台。
Square	风险/竞争	其自建广告服务对商户和用户吸引力有限，与 Cardlytics 合作更具工业逻辑。

值得记住的判断

1. Cliff Sosin 认为 Cardlytics 是“坏掉的吃角子老虎机”：广告主投入 1 美元，平均能获得 5 美元增量消费，且回报可精确衡量，这使其成为“免费的钱”。

2. Cliff Sosin 指出，Google/Facebook 的广告回报是“宣称的”，而 Cardlytics 的回报是“实际的”：因为 Cardlytics 基于随机对照试验，是衡量效果的“金标准”，而多触点归因模型本质上是“垃圾”。

3. Cliff Sosin 估算，Cardlytics 仅获取了其生态系统总价值的 7%：广告主、银行和消费者获得了其余 93% 的价值，这预示着未来巨大的提价或利润改善空间。

4. Cliff Sosin 认为，银行自建服务的动力不足：因为 Cardlytics 的规模效应使其能提供更多广告主、更低成本和更好效果，银行拿走全部收入分成反而可能因广告减少而总收益下降 10-20%。

5. Cliff Sosin 提出，Cardlytics 的终极形态是实现“个性化定价”：例如，滑雪场可根据天气向竞争对手的顾客推送 15 分钟闪购，这展示了其超越传统广告的潜力。

6. Cliff Sosin 强调，Cardlytics 在数据利用上仍处于“婴儿期”：当前优惠展示和定价是随机的，未来通过数据科学和算法优化，可以大幅提升匹配效率和平台价值。

7. Cliff Sosin 认为，投资 Cardlytics 的关键是“关注‘什么’，而非‘何时’”：尽管通往成功的路径充满不确定性，但基于其对各方的巨大价值，长期来看“水往低处流”，价值终将实现。