lookalike

lookalike 如何理解用DMP管理营销相关数据？

在广告程序化购买的系统中，DMP的角色和功能就类似于大脑，它从各方接收到数据，不管拥有何种数据，最终能够将数据落地的应用才是刚需，像风控，虽然也是一种数据应用，但是它与营销无关，数据对于营销的应用核心无外乎以下三个场景：人群洞察、筛选定向、监测分析。

人群洞察： 人群洞察顾名思义是对一个群体进行画像，在不同的营销场景下对人群的需求是不一样的，不可以简单理解为是对目标受众的画像。

目前一提到画像，大家就想到对”男性25-35岁”或者”购买过XX牌洗衣粉”的人群去画像，然后开始搜集一些样本数据或者搬出自己如数家珍的CRM数据，外采或者调研补齐一些标签，得出一些结论。

数据有多少不重要，主要靠各家大神的神解读，最终推导出令人满意的，其实已经预判了的结果。

显然，DMP的存在不是为了做这件事。

首先，从分析的目标人群来看，除了目标受众外，像竞品人群，媒体覆盖的人群，老客群体，又或者是某次投放结束后的曝光人群，都是需要去分析的人群。

也就要求了DMP需要具有多维度去构建人群的能力，对数据的要求肯定也就不会局限于一方数据，因为对这些人群的构建，可能来自于你自有的数据，也可能是基于外部数据去寻找和定义。

然后，从分析的纬度和目的来看，人群洞察的结果应该是可以指导营销的，切莫为了画像而画像: a）分析洞察人群人口属性或者地理分布的基础特征，是就简单的了解你的用户，但不是对谁都需要。

例如曾经有个母婴客户说过，他觉得母婴群体没什么好洞察的，我只要知道他是母婴人群就够了，只有这个特征对我是有意义的，无论他男女老少，其实不无道理。

b）分析洞察人群的行为特征，例如他是否有母婴标签，是否喜欢阅读，是否喜欢看电影，喜欢看什么类型的电影，这些数据单独去看可能都没有意义，应该是与某些人群进行对比，找到特征明显的地方，从而指导营销中创意、素材、文案、内容的方向。

c）分析洞察人群的线下轨迹聚集点，从而指导我们去现在户外广告的点位，让曝光更有效。

d）分析洞察人群的触媒特点，找到他们最常用的媒体，使用的时间，从而更好的指导媒体预算的分配。

总之，不管是哪种洞察，洞察的结果最终是要为营销服务，而不是千篇一律的去看一群到底是男是女的命题作文。

筛选定向： 随着数字广告的飞速发展，早在Ad network时代就已经支持的受众定向，再到如今，无论是DSP支持的RTB模式，还是很多大平台、媒体以及Ad serving可以支持的PDB、PMP。

在这些定向购买中，尤其是程序购买中，如何选择受众并对其进行定向，显然是也是营销DMP必备的数据应用之一。

现在市场上很多DMP对数据的定向服务，并不标准，大多是以离线数据包的形式，一次性的把数据导出到对应平台上予以服务。

一些广告主的DMP由服务商搭建，多数更像是一个媒体排期的服务，手动FTP上传数据等等，并没有真的可以支持RTB的能力，而数据其实是很看重鲜活度的，这些DMP却不能做到灵活地进行动态更新。

而真正的DMP，要具备标准化的接口，可以实现两点 a）与不同流量平台的平滑对接 b）能够支持并发式毫秒级的实时查询 监测分析有专属的第三方来做，这里不过多叙述，但是投后数据DMP虽然不是监测方，却可以从人群的角度对人群表现进行分析，从而去优化下一次的人群选择以及不断的修正lookalike算法。

最后，如果您是广告公司或广告主，想要投放户外广告或楼宇框架广告，请您联系快发云，我们将第一时间为您提供程序化购买投放平台，进行业务合作！ 如果您是媒体公司，拥有一手优质媒体资源，请您联系快发云，我们将第一时间为您开通媒体运营SAAS平台，进行资源接入和产品服务！ 快发媒体云平台是一个连接楼宇媒体主、广告主的一站式服务平台。

面向众多户外广告公司、广告主及媒体主，整合全国优质楼宇媒体资源，现有媒体资源量高达百万，覆盖全国各地，为广告主及广告公司提供楼宇框架广告、电子屏、户外广告牌等多种媒体服务。

所谓DMP(Data Management Platform 数据管理平台)，顾名思义，就是整合所有涉及广告库存购买和出售的数据，通过这个平台可以建立精准用户细分，在广告网络和广告交易市场，使得广告投放直接到达这些选定的人群;同时，通过测量哪些用户细分群体和广告媒体在广告投放中具有最佳的表现，使媒体采购和广告创意可以得到适时的优化。

直白的说DMP就是大数据营销的大脑，特别是程序化购买已是大势所趋。

既然DMP为数据管理平台，那么数据来源为何处? 1、一方数据源： 包括像CRM数据、活动累计回来的leads数据，都是一方数据，代表的是已经和你产品有过互动或者已经是你客户的受众。

从广义上来说，这些数据都和营销息息相关，他们可以很大程度上反应出你产品受众的特征和喜好，这无疑是做营销时，非常有价值的数据。

但是需要注意的是，这些一方数据可以使用的场景和空间是有限的。

它们一方面可以用于受众洞察，通过对老客的分析，找到产品的受众定位，触媒特征，喜好等等；另一方面可以用于老客的运营，我们总是希望消费过的客户，可以成为多次消费的忠实客户，那这些受众本身就是可以去反复运营的。

可是对老客的运营永远是营销中的一个子集，我们更需要的往往是不断去获取新的客户，抱着自己几百万或者上千万的老用户不停的去做营销显然是远远不够的。

所以一方数据源质量很高，但是广度不足，想要做营销，单单管理这部分数据肯定是不够的。

2、二方数据源： 广告实际投放中产生的数据，可以被叫做二方数据，像媒体会累计广告主的曝光、点击和效果数据，以及创意内容等相关数据，但是这些数据只是自家媒体上的。

DSP和监测公司会累计广告主投放中各个媒体的相关数据。

其实这些数据一定程度上也属于广告主自己，不过很多广告主之前并没有积累这些数据的观念。

不管是媒体自己，还是DSP或者监测公司这样的服务方，现在很多平台都会提供DMP服务。

这里有一个比较混淆的地方，他们的二方DMP服务，其实往往应用的是三方数据。

例如腾讯视频，他们的DMP服务可能更多地应用于视频的观看­行为、新闻的阅读行为或者腾讯社交行为的数据标签；一些DSP的标签也往往是采购了一些样本的panel数据，因为如果单单依靠媒体曝光点击这些数据，就为受众打上男女年龄或者婚育消费的标签，未免有些牵强。

所以”二方DMP”和“二方数据”到底怎么划分，可能并没有那么清晰，但毋庸置疑，二方数据的价值是不可忽视的。

个人认为这些数据最适合的场景是基于KPI的效果优化，也就是去做大名鼎鼎的“Lookalike”算法的种子数据。

当然一定程度应用于受众的触媒分析肯定也是有价值的，不过现在流量基本被巨头割据，分析价值也就弱化了，而且曝光、点击只是一个广告行为，除去广告行为，我们更希望的是知道这个受众还具备哪些特质，这是二方数据无法给出的答案。

3、三方数据源： 三方数据就不胜枚举了，例如一些调研公司的人口统计学的panel数据，银联的消费数据，很多垂直领域的行为数据（车、母婴、房产、教育），运营商的网络数据等，当然在移动互联网当家的如今，像TalkingData这种累计的应用数据和线下位置数据也都属于第三方数据的范畴。

对于营销来说，三方数据无论在补充数据深度还是补充数据广度方面，都非常必要。

不管是分析受众，还是寻找受众，三方数据都会起到作用。

可以让洞察更加立体深入，同时帮助广告主找对更多的潜在目标受众，像上面提到一方数据很适合做老客的运营，那么获新客肯定就要大量依赖于三方数据了。

所以第三方数据的丰富性，多元性和大体量可以更好的服务于数字营销。

数据源如此，那么DMP应该解决的是如何打通并管理这些数据。

因为显然营销并不需要某个独立的数据源，这些数据需要被整合之后才能够为营销所用。