|||||| 更多
比特客户端
我们也在这里：
DMP助力RTB精准定位 无数据不精准
关键字：DMP RTB 精准定位
　　网络营销产业面临的变革，离不开技术的引领。通过RTB，大数据的威力将获得最具有实效性的展现。
　　无数据，不精准
　　营销的本质不是推送信息，而是不断将用户转化为有价值的消费者。能够精准定位的RTB是大势所趋，每个产业环节不管主动还是被动，早晚会为之改变。对于而言，要想获是精细化的运营和网络广告的高质量、高效果的售卖，首先需要建立起自己的用户数据系统：对网站全用户7×24小时的不间断数据，通过第三方全网数据平台将本网用户的行为数据和其在全网行为串联在一起。此外，还需要去创建一些新的应用模型和一些应用思路。在传统营销活动当中，习惯于描述你的目标受众或目标客户是男是女，或大概赚多少钱等等。现在，用这种粗线条描述目标客户和目标受众已经远远不够，而需要了解诸如这样的信息：某某用户关注哪些内容？可能会关注哪些商品？他关注哪些商品和哪些内容的频度是什么样的？他会互动化地参与哪些具体内容和哪些商品相关的页面？
　　对于媒体而言，面对利用同样的资源、同样的用户、同样的广告主，需要从卖广告位到卖用户，从批发用户到零售用户，由粗放式运营转向精准化运营：有针对性地发掘用户需求，改进服务产品，以更个性化的服务、产品提升用户对网站的粘性;深度挖掘媒介价值，科学衡量、评估广告位，提升能力，实现利润率最大化。
　　而无论是广告主还是媒体、代理公司，要实现智能化的精准投放，都需要覆盖广泛而具有公信力的第三方数据支持。现在的广告营销管理普遍缺乏统一的方法论、缺乏一体化的数据平台、缺乏严密的消费者、缺乏消费者行为与媒体接触点的整合、缺乏广告投放统一规范、缺乏对营销效果的支持。而利用真正的数据挖掘--不仅仅是数据分析、数据统计，可以为品牌控制和优化营销过程，实现以消费者为中心并对营销负责的目标。
　　实行RTB既要有能力获取足够海量的用户数据，又要有能力对数据进行处理、加工，还要能对用户行为进行深入分析和准确把握，这就需要强大的DMP平台。DMP数据管理平台可以帮助AdExchange系统掌握访问广告位的用户是对什么感兴趣的用户，也可以使RTB模式有了运营资本，提高交易价格。目前拥有全网数据的缔元信DMP数据管理平台已较为成熟，这一行业及数据管理平台将分散的第一、第三方数据进行整合纳入统一的技术平台，再对这些数据进行标准化、结构化的细分，将细分结果产品化及推向现有的互动营销环境中。作为数据交换和分享的枢纽，DMP平台一方面与企业数据管理平台对接;另一方面向各类应用平台输出数据，"缔元信DMP"将第一方标签与第三方标签相结合，按不同的评估维度和模型算法，通过聚类方式将具有相同特征的用户划分成不同属性的用户族群，然后将符合需求的网络用户画像数据向客户输出，从而可以辨识受众人群的特征、市场洞察，在众多网民中锁定目标营销的人群。这一数据产品适用于SSP(供应方平台)、DSP(需求方平台)、企业网站、研究和咨询服务机构。而缔元信已在各大媒体网站进行测试使用的"用户分群画像"，更进一步以TGI(目标群体指数)作为反映目标群体在特定研究范围内的强弱态势的衡量指标，可为媒体网站、广告主、企业及广告公司提供网站运营、营销策略、广告运营、推广等数据支持服务。
　　以数据为基础对用户行为进行分析，对用户特质进行分析，才能在数据上对广告投放或者营销进行驱动，使RTB成为现实。而如果不能突破数据技术壁垒，RTB只能是停留在口头的"传说"。
　　大势所趋，挑战仍艰
　　与技术相比，更难改变的是观念。传统的网络广告模式催生了完整的产业链，无论是广告主，代理商，还是媒体，都已在既有的环境中形成套路。而RTB要改变的是每个参与其中的产业链条，是整个业态。目前来看，RTB虽然在业界已具有一定热度，但要颠覆现有已成体制的网络广告业，仍需要不断进行市场教育。
　　媒体环境的差异，也将导致中国的RTB之路面临不同于美国的挑战。美国分散型的媒体环境更利于RTB的发展，而中国的媒体由几大巨头把持，优质的广告资源仍是卖方市场。当这些媒体维持现状也能够实现很好盈利，RTB变革的动力将被弱化。同时，RTB对社会化分工有很高的要求：DSP将客户资源带进来，SSP将媒体资源带进来，DMP提供数据支撑，从而形成组合完备的生态体系。这一生态体系的建立仍需要时间。上分布于不同媒介、平台上的数据目前仍然各自封闭，只有把这些数据结合在一起才能更加精准。因此，生态系统建立后，也还需要产业形成共力推动统一的数据标准、数据开放，否则广告主仍将因难以获得可比较的实施效果而举步不前。此外，兼通网络营销及数据的人才匮乏等，也是RTB不得不面对的挑战。
　　展示类广告十年一贯的格局，在RTB的冲击下将发生质的改变--从媒体购买到目标受众购买,游规则的改变必将导致行业格局的变化。而当互联网数据的价值被挖掘得越来越透彻，这一变革也将不断加速度前进。无论挑战有多巨大，RTB是大趋势，对现有的营销行业来讲，无论主动还是被动，冲击都将不可必免。
相关文章：
[ 责任编辑：清风 ]
软件信息化周刊
比特软件信息化周刊提供以数据库、操作系统和管理软件为重点的全面软件信息化产业热点、应用方案推荐、实用技巧分享等。以最新的软件资讯，最新的软件技巧，最新的软件与服务业内动态来为IT用户找到软捷径。
商务办公周刊
比特商务周刊是一个及行业资讯、深度分析、企业导购等为一体的综合性周刊。其中，与中国计量科学研究院合力打造的比特实验室可以为商业用户提供最权威的采购指南。是企业用户不可缺少的智选周刊！
比特网络周刊向企业网管员以及网络技术和产品使用者提供关于网络产业动态、技术热点、组网、建网、网络管理、网络运维等最新技术和实用技巧，帮助网管答疑解惑，成为网管好帮手。
服务器周刊
比特服务器周刊作为比特网的重点频道之一，主要关注x86服务器，RISC架构服务器以及高性能计算机行业的产品及发展动态。通过最独到的编辑观点和业界动态分析，让您第一时间了解服务器行业的趋势。
比特存储周刊长期以来，为读者提供企业存储领域高质量的原创内容，及时、全面的资讯、技术、方案以及案例文章，力求成为业界领先的存储媒体。比特存储周刊始终致力于用户的企业信息化建设、存储业务、数据保护与容灾构建以及数据管理部署等方面服务。
比特安全周刊通过专业的信息安全内容建设，为企业级用户打造最具商业价值的信息沟通平台，并为安全厂商提供多层面、多维度的媒体宣传手段。与其他同类网站信息安全内容相比，比特安全周刊运作模式更加独立，对信息安全界的动态新闻更新更快。
新闻中心热点推荐
新闻中心以独特视角精选一周内最具影响力的行业重大事件或圈内精彩故事，为企业级用户打造重点突出，可读性强，商业价值高的信息共享平台；同时为互联网、IT业界及通信厂商提供一条精准快捷，渗透力强，覆盖面广的媒体传播途径。
云计算周刊
比特云计算周刊关注云计算产业热点技术应用与趋势发展，全方位报道云计算领域最新动态。为用户与企业架设起沟通交流平台。包括IaaS、PaaS、SaaS各种不同的服务类型以及相关的安全与管理内容介绍。
CIO俱乐部周刊
比特CIO俱乐部周刊以大量高端CIO沙龙或专题研讨会以及对明星CIO的深入采访为依托，汇聚中国500强CIO的集体智慧。旨为中国杰出的CIO提供一个良好的互融互通 、促进交流的平台，并持续提供丰富的资讯和服务，探讨信息化建设，推动中国信息化发展引领CIO未来职业发展。
IT专家新闻邮件长期以来，以定向、分众、整合的商业模式，为企业IT专业人士以及IT系统采购决策者提供高质量的原创内容，包括IT新闻、评论、专家答疑、技巧和白皮书。此外，IT专家网还为读者提供包括咨询、社区、论坛、线下会议、读者沙龙等多种服务。
X周刊是一份IT人的技术娱乐周刊，给用户实时传递I最新T资讯、IT段子、技术技巧、畅销书籍，同时用户还能参与我们推荐的互动游戏，给广大的IT技术人士忙碌工作之余带来轻松休闲一刻。
微信扫一扫
关注Chinabyte您当前的位置：&>&
&　　大数据如何真正实现商用化，成为思考大数据价值的一个关键和难点。
　　要解决这个问题，最重要的思维转变在于，需要真正把数据视为核心生产力，让数据像现金一样在各个环节中流动起来，而不仅仅是存储在各个公司各个部门的硬盘上。
　　要形成数据流，有一些必要条件：首先，要有海量的数据和多元化的数据源。比如阿里巴巴的交易体系，拥有PB级的多维度数据；其次，要有基于分布式数据中心等基础设施而形成的&云+端+DM（Data Market，即数据市场）&的数据流通环境。
　　简单来说，只有建立在海量数据基础上的数据市场，才能真正让数据在交易体系中流通并产生价值。而且，数据作为生产力有一个独特的特征&&数据的交互和流通会带来更多的数据。
　　阿里妈妈事业部总经理超凡对此有一个形象的比喻&&广告交易所。类比证券交易所，这个交易体系中最大的不同是：在这一交易体系中流通的不是金钱，而是数据。
　　2014年，在原有的和的基础上，为了更好地促进数据流通，以技术和数据驱动实效，阿里妈妈搭建了一个大数据管理平台DMP，让更多商家可以更有效地使用数据。
　　对于营销而言，一种开玩笑的说法是，就等于DM（Data Market）加上P（People）。事实上，这并不完全是个玩笑，因为这一说法抓住了现实中数据应用的核心，消费者（P）的识别和管理是打通整个营销体系的核心。
　　阿里妈妈还为DMP取了一个颇具中国特色的名字：达摩盘。DMP补上了数据交易所最后也是最重要的一块砖，让以消费者为核心的营销闭环成为可能：一是使可执行的C2B成为了可能，二是具有最好的构建全域全网营销的能力，三是通过数据流通构建了一个以DMP为核心的数据生态圈。
　　在这其中，最直接的受益者是商家&&不论规模大小，都可以通过达摩盘自定义的人群标签进行自主的人群投放，通过自身的数据和营销规划的结合，达到精准营销的效果，在降低投放成本的同时提高了投放效率。
　　谁在关注：自定义的人群标签
　　所有营销的起点都是引发关注，在AISAS模型中被称为Attention，在其他模型中被称为Awareness。不管名称如何，这些模式都试图找到一个共同的答案：谁在关注？或者消费者在关注什么？
　　阿里妈妈一直在寻求足够简单又好用的解决方案，来帮助商家自主地解决这个问题。在2014年上线的达摩盘1.0版本中，他们给出的答案是：自定义的人群标签。通过标签的组合使用，商家能够找到适合的自定义人群，并且针对标签需求，制作定制化的营销方案。
　　阿里妈妈高级产品经理须静介绍说，这个解决方案一方面来自于过去的积累。早在2013年1月，阿里巴巴就已经开始把淘内数据进行标准化，整理成标签，让商家使用标签，自己组合自定义人群去进行投放；另一方面也来自于商家越来越多的个性化营销需求。
　　须静告诉记者，事实上，阿里妈妈内部的直通车和钻展一直在黑盒化地使用数据，即通过算法和数据来帮助广告主去做一些精准的定向。但是，这虽然解决了一大批中小商家的营销需求，对于一些定制化的营销需求却仍然很难满足，一些商家希望根据他们特定的营销需求去定制自己的投放人群。
　　同时，须静他们也发现，淘内绝大多数商家规模上都属于小微企业，对营销和数据的理解没那么深，因此需要构建一些基础功能，提供傻瓜式的数据服务，让这些中小商家更方便地使用数据。
　　因此，由商家自定义组合标签、选择目标人群进行投放，成为了达摩盘这个工具型基础设施平台的基本功能。
　　在传统的RTB业务逻辑中，商家要进行自己的精准人群投放时，往往要通过专业的DSP机构来进行，DSP通过自身的算法对DMP的数据进行分析和挖掘，然后帮助商家进行定向投放。
　　目前，绝大多数营销推广平台采用的都是这种传统的方式，只有一小部分DSP提供自定义标签的服务，与达摩盘相比，因为它们的数据源太少，在精准性和投放效果方面显得黯然失色。
　　自定义标签与机器算法投放产生的效果差别主要体现在商家对投放效果的控制力上：第一，商家可以更精准地找到自己的目标用户，不必进行一些试错性质的投放计划；第二，机器帮忙做定向时，定向条件难免会有局限性，很多商家想自定义一些人群时无法实现。
　　在刚刚上线的2.0版本中，达摩盘对这种控制力和易用性进行了进一步的优化。在2.0的标签市场上，标签的Value值接近两百万个，为了让商家更快地找到自己想要的标签，达摩盘对标签进行了分类，按照这个分类建立一个前后台类目体系，另外还增加了标签搜索的功能，商家不必一个个查找。
　　须静介绍说，因为这是一个全新的服务，以及商家的数据和营销意识还不太强，2.0版本会用推荐算法来辅助商家做标签选择，系统可以根据其店铺以往的交易数据和受众数据，推荐一些受众标签去做营销投放。
　　谁想购买：找到兴趣人群
　　阿里妈妈的快速发展得益于阿里巴巴集团良好的数据积累，不过在达摩盘这个平台上，数据不仅仅包含淘宝的购物行为数据，还容纳了位置、社交等多种数据，通过这些大数据的提炼，多维度刻画消费者画像，精准判断消费者的短期兴趣。
　　对于达摩盘这类数据处理平台，须静告诉记者，技术架构的门槛其实并不存在，主要的差别在于数据的规模，&就目前来讲， BAT三家的数据规模是最大的，外面现在很多的 Ad Exchange、DMP 平台，它们的技术不是问题，但数据规模是问题，这是一个致命性的条件。&只有数据规模上去了，应用场景才会足够的丰富，数据的价值才会体现。
　　因此，在已有的庞大的数据规模的基础上，阿里妈妈今年还会拓展更多垂直领域的数据，并通过引入第三方DP（数据供应商），把更多的外部数据放进来，提升数据应用场景的丰富性。
　　那么，多元化的数据来源和多维度的数据会给商家营销带来什么？
　　很简单，让个性化的小群体营销成为可能。
　　其中，最核心的关键在于不管消费者处在什么渠道，购买了什么产品，使用了什么服务，用了什么App，通过达摩盘对数据的匹配，消费者都是以统一的ID出现，方便商家识别和进行针对性的个性化投放。
　　一个重要而常见的使用场景是，一个目标消费者在PC端屏幕观看了某段内容，接着又换无线端屏幕观看，达摩盘可以为商家识别出两个屏幕后面是同一个消费者，为这个消费者自动继续播放这段内容。在改善观看体验的同时，更重要的功能是帮助商家进行投放屏控&&如果商家的投放屏控是五次，在PC端已经播放了三次，无线端最多再显示两次就可以了。这样既减少了对消费者的打扰，也让商家在有限的投放规模下尽可能实现投放效果的最大化。
　　简单来说，多元数据可以帮助商家精准监测其目标人群，配合自定义标签，进行多渠道、多媒体的投放。
　　而对于消费者数据安全性的疑虑，须静表示，阿里妈妈内部有着严格的把控。首先，在技术系统上有严格的授权体系；其次，尽量减少人工接触数据的机会；第三，授权过的外部数据才能够被使用；第四，阿里系所有的数据都不能流出到阿里系以外的地方。
　　&我们把数据分成了四个级别，对用户的生命有威胁、财产有损失、声誉有损失的这三种数据是绝对不会透露出去的，只有一类数据是被显示出来的，就是我们的标签，就是非个人化的数据，都是聚合后的数据。&
　　样本分析：粉丝爆炸器Lookalike
　　除了解决数据易用性、精准识别的难题之外，达摩盘还在想办法平衡效果与规模之间的矛盾。
　　须静向记者解释说，这是因为不同类目适用的营销方式是有很大差别的，对数据的需求也不同&&单价高的商品与单价低的商品在营销需求上差别很大，高的需要找特别精准的人群去投放，而低的则是投放越多的人越好。&实际上，精准和规模是矛盾的，越精准规模越小，就不能符合店铺销售预期，但当你把人群放大之后，精准性就大大降低了。&须静说。
　　为了解决这一矛盾，达摩盘构建了一个Lookalike 模型，它被形象地称为&粉丝爆炸器&。
　　Lookalike 模型的逻辑是，达摩盘先帮助商家找到对其店铺或品牌最忠实的那批用户，这些用户被称为种子用户，然后商家可以通过Lookalike 模型找到与这些种子用户相似的人，进行爆炸式的复制，在这个过程中，规模和效果可以在模型中找到一个平衡点。
　　例如，一个商家有十万种子用户，他的ROI是3，但是他觉得十万人远远达不到他对销售规模的预期，因此，他通过Lookalike 模型把这个人群规模扩展到10倍、20倍或者30倍，在规模扩大的时候会出现ROI指标衰减的可能性，此时他可以选择能够接受的ROI范围。这样的模型可以让商家去平衡精准性和规模，找到其可以承受的平衡点。
　　Lookalike 模型的另一功能是可以很快地帮助商家找到其潜在的消费者。须静以当下火热的粉丝经济为例，一位红人现在有5万粉丝，当他想对自己的品牌进行扩大再生产时，他不必花很多的精力去做传统的营销，而是通过大数据清洗出1万种子用户，在Lookalike 模型里迅速扩展到20万同类用户，并对这些目标用户进行再营销。
　　在功能以外，超凡从另外一个角度解释了Lookalike 这一模型的意义。他认为商家只要找到一万个对其产品感兴趣的用户，达摩盘平台就能够帮他找出一百万个有类似潜质或特征的用户，恰恰符合真正的C2B内涵。
　　实际上，很多商家往往没有形成对潜在客户、老客户、沉默客户的营销认识，只有在推出新品或清仓的时候才想起去做通投，并非从受众角度去做营销。而在数据化驱动的营销中，商家是先要知道其潜在用户和老用户的特征，然后再去判断要做怎样的营销计划。
　　&在C2B的道路上，我们可以把它推进到下一个层面，可执行、可操作，而不是一个概念。原来C2B是一个概念，我们希望在达摩盘上面实现可操作性，每一个客户进来可以找到适合他的产品，发现定制这些产品的机会。&超凡这样说。
　　全域营销闭环
　　超凡认为，在传统的业态中，品牌印象、认知、比价、交易等这些营销体系中的环节往往是零散存在的，不仅如此，在客户管理体系中的二次销售、老客户回馈、流失客户激活等这些原本应该成链条存在的环节，也同样存在散乱的现象。
　　而大数据的出现和应用恰恰可以连接和修补这些环节串联过程中的离散，而且营销和客户管理两大体系也应成系统存在，从上到下贯穿所有环节的多渠道效果跟踪，超凡称之为&全域营销&。
　　在全域营销的概念之下，商家不必低效率地一个环节一个环节去做投入，通过达摩盘，商家可以实现贯穿所有体系的多渠道的效果跟踪，目标用户的每一个行为在系统里都有迹可循。同时，把大数据注入到CRM当中，打通原先隔离的渠道，把交易前后的东西串联起来。
　　超凡向记者描述了几种应用情境：某个消费者曾经5次看到过某个商家的品牌投放，并点击了其中一个Banner ，在直通车里还到过其详情页，但是一直没下单购买。这些消费者的行为数据都可以反映在CRM里面，商家就可以在适当的时候推给这位消费者一件特定的商品，鼓励其购买；再如一位老顾客三个月前购买过一次，系统根据推算估计他三个月后又会进行再次购买，当这个客户一出现，系统就提示给这个老客户一定的折扣，完成老客户的回馈。
　　须静进一步解释说，也可以把达摩盘理解为一个受众营销管理平台，帮助商家和品牌商管理其所有的受众。通过全网的数据来发现商家的潜在用户在哪里，老用户在哪里，他们都具备什么样的特征，出现在什么地方等等。
　　在这样的全域营销闭环之下，即使是中小客户也能系统性地利用自己的数据进行定向营销。达摩盘的一种理想状态是，&让中小企业也能够用得上五百强企业投了300个人做的一套客户管理体系和投放的BI体系&，真正降低数据的使用门槛。
　　超凡强调，达摩盘作为一项基础服务，它本身并不会收费，它的功能在于支持其上面的增值服务，例如钻展、直通车、淘宝客等，让这些增值服务的效率更高。同时，通过数据打通上面所有的增值服务，覆盖营销和客户管理的每一个环节。
　　流动的数据：引入、变现和再生
　　最终，达摩盘将建立一个数据的生态圈，实现数据的引入、变现和再生。
　　超凡把这个数据生态圈生动地形容为一个&黑洞&，它能吸收越来越多的&营养&，同时这些营养可以为需要它的人所使用，并愿意为之付费，实现数据的价值交换和良性循环。
　　达摩盘本身就是大数据业务的一种，对大数据而言，不仅对数据规模有所要求，数据的融合和移动也十分关键。在此前的1.0版本中，达摩盘就开始尝试引入一些位置数据和社交数据，接下来将引入更多的第三方数据。
　　对此，须静说：&马云一直在讲我们是一个大数据公司，数据是一个大的资产，它就像金矿，每个人都敲一块走的话，它的价值就越来越小，必须通过一个业务模式把全互联网的数据往回吸，这就是外部数据的引入，是我们很重要的一个点。&
　　而之所以能够吸引外部数据的进入，在于达摩盘所具有的数据价值衡量的能力。阿里妈妈的业务是基于各种各样形式的营销推广，这是一个非常数据化的平台，每一次推广结果都以精确的指标来展示，当一类数据进入平台后，对ROI、CTR、ECPM等提升的值也显而易见。
　　可衡量最直接的好处就是数据的商业化&&知道数据对推广提升的程度，也就知道了数据的价值。因此，更多的第三方数据机构愿意把自己的数据引入到达摩盘，获得相应的数据价值收益。须静认为这正是阿里妈妈平台的魅力和优势所在，因为在很多的数据平台上，对数据价值的估量和变现没有这么直接。
　　在足够的数据规模和流动之下，这个生态圈内的角色也将越来越丰富和多样化。四类角色&&数据提供者、数据加工者、数据消费者以及平台方本身&&将各司其职，各个角色所用的数据也会更加顺畅地进行流转。例如在最新上线的2.0版本中，达摩盘就新增了开放算法平台，能够让外部的数据挖掘者进入这个平台挖掘数据。
　　而更进一步来说，数据生态圈的未来并不仅仅是为营销服务，数据的再生将孵化出很多非营销业务。第三方DMP数据商业模式探讨_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
喜欢此文档的还喜欢
第三方DMP数据商业模式探讨
阅读已结束，如果下载本文需要使用
想免费下载本文？
把文档贴到Blog、BBS或个人站等：
普通尺寸(450*500pix)
较大尺寸(630*500pix)
你可能喜欢抉择DMP 流通才有出路|数据|营销_业界_新浪科技_新浪网
抉择DMP 流通才有出路
　　关于DMP，应该建立第一方DMP还是采用第三方DMP平台，本是仁者见仁智者见智的事情。最近业界却有这样的声音，认为第三方DMP平台存在信息安全风险，广告主必须建立第一方DMP平台。当这个问题被拿来一味宣扬时，“第一方”观点就需要高度警惕了。
　　从行业角度来看，不管哪一方，只要利于行业发展就好。那么，我们假设下，“第一方”与“第三方”各自大行其道的情况下，营销行业会发生怎样的变化：
　　“第一方”强调，为了“能实现DMP价值的同时保证自身的信息安全”，广告主要建立自己的DMP平台：“广告主的广告监测数据积累得越来越多，包括官网数据、CRM的数据、电商数据、社交媒体数据等，这些均属于广告主自身资产的第一方数据在不断的产生。”另一个建立第一方DMP平台的原因是数据不用太大，“都说数据是无形资产，数据有大价值，但大数据的价值并不在于有多大体量的数据，而在于数据的高效分析、管理和应用。”可以设想在这一理论下数据化营销行业的发展：各家企业、媒体纷纷各行其道，守着自家一亩三分地的数据去营销而对受众在家门外做了什么不闻不问。对于别家的数据不论多有价值也你走你的阳关道我过我的独木桥，你的数据我不用，我的数据你也别想。至于封闭小环境下的数据是否反映真实状况是否真能有用，则视而不见。
　　“第三方”认为，数据重要，数据开放更重要，数据只有不断的互联互通才能发挥价值。大数据不仅在于体量大，更在于能够形成足够长甚至是立体的、多维的数据链条。孤立没有打通的数据只是“弱数据”，而非大数据，不能反映出真实的有价值的信息。因此，大数据发展需要避免孤岛数据，而要在获得海量样本的基础上实现双向互动互联互通。在这样的思路下形成的数据化营销，是用户在互联网上的行为数据都可以进行全过程、全样本的记录，而因为来源于全网，其呈现的价值是真实而有效的，并且随着数据链条不断延伸，数据之间的相互关系更丰富更完善，应用效果将像滚雪球一样越来越大。
　　两种理论指引的数据化营销行业发展方向南辕北辙，哪种更符合行业长远利益不言自明。当然，无疑的是，第三方DMP的路会更艰难，但潮流当前，任是谁也不能因为没有大数据的能力而阻碍大数据营销的发展。
　　DDMP(缔元信数据管理平台)
　　再从信息安全角度出发，首先要弄清楚第三方DMP平台的运作模式。独立的第三方DMP拥有或者整合了很多数据，并可以和有需求的媒体、DSP、广告主对接。但无论哪种数据来源，都并非直接对接给需求方，而是采用统一化的方式将各方数据吸纳整合，再进行数据处理和融合，标准化、结构化的细分。这样加工后再推向营销环境中的数据更完整、系统，同时也不再是原始数据的形态。而以缔元信8年第三方DMP平台的资历看，还没有客户信息泄露的事件发生过。这个零纪录的基础，是积累4亿以上可连续分析的网民行为数据，日平均数据处理能力达30亿条，覆盖国内主流媒体网站、政府行业主管机构、顶级4A代理机构及汽车、IT、快消、家电等行业的一线品牌企业。
　　这样看来，采用运作规范的第三方DMP平台，安全不是问题。只建立和应用第一方DMP平台，却会存在数据价值无法发挥的致命缺陷。只基于内部的孤立的数据，呈现的价值仍然是局限的甚至无效的。数据的价值在于流通，落至营销领域，缺少全网资源的贯通，单一资源的DMP无法担当精准导向作用。而采用基于全网数据的第三方DMP平台，却可令广告主在营销的各环节获得切实的效率提升。将广告主内部数据与第三方的全网数据打通后，可以通过全样本的监测网络广告找到真正的目标受众，并标示出静态、动态、实时的多维度标签，从而在适当的时机，以适当的形式，通过适当的渠道(媒介)，将适当的广告创意传递给适当的受众。
　　话说回来，基于大数据的营销在过去两年发展不易，如坐过山车一样升入高点又跌入低谷，技术待完善是一方面，种种故意非故意的人为因素更是贡献多多。有些问题不妨耐心等待水到渠成，而对有些恶意逆潮流而动误导行业发展的，那真是需要时时惕醒时时敲打了。
文章关键词：
&&|&&&&|&&&&|&&
您可通过新浪首页顶部 “”， 查看所有收藏过的文章。
，推荐效果更好！
看过本文的人还看过