大数据驱动下的广告投放需要优质数据做支撑，达到效果，这是营销从业者的共识。但事实上，无效数据在营销活动中却比比皆是。

如何避免劣质数据的伤害？何时该使用第一方数据，何时可以依赖数据商？数据成本，准确性及规模，三个维度如何权衡？如何以最经济的方式测试数据标签？如何评估各种数据源？

关于数据质量，这里有营销人不得不问的6大问题。

了解数据标签是如何创建的，可以说是着手诸多数据问题最重要的一环。

当定向目标是“对汽车有意向的人”，营销者需要知道，这一数据标签是如何构建的，是利用自有数据创建的，还是第三方数据。

“如果要针对‘对汽车有意向的人群’加以定向，营销者可能不会思考，这个定向条件意味着什么，是这周末买车的人？还是，对汽车感兴趣的人？如果不加以明确，那数据标签的定义范围就很容易被扩大。” Sparrow Advisers咨询公司的主要负责人&联合创始人Ana Milicevic说。

“数据提供方可能会使用不同的方法来构建这些数据标签，一些可能基于你从未提及的假设。“精锐媒体|Spark广告技术/平台执行副总裁Oleg Korenfel警告。

“在超市会员积分卡数据中，「会员email地址列表」这样的数据标签，你可以知道是在哪里创建的，怎样跟数据库进行匹配的。这些是准确的数据，也没有包含很动态、不确定网页cookie数据。”他说。

而有些数据标签，通过人群建模，将数据数量扩大了，但数据质量同时也降低了。

百威英博数字战略总监Jonny Silberman也表示：“我们现在想知道，在一个数据标签中，有多少比例是来源于数据建模的，有多少是种子数据。”

假设男性占人口数的一半，购买男性数据标签，加以定向，其成本是不定向的3倍，那么数据购买的费用值得花吗？有时。

对于品牌类的营销者来说，数据有助于获得更正确的创意，那么其费用就是值得的。“因为，如果仅仅因为有的做法成本低，你就用垃圾信息的广告轰炸消费者，结果只会适得其反，催促他关闭广告。” 埃森哲媒体娱乐体验项目高级经理 Matt Gay说。

但对于效果类营销，只有数据能切实提升成交量，才是有意义的。“你有最准确、有效的好数据，但如果它比别的数据贵15倍，也许不值得硬要去买。” Mindshare的首席数据官Rolf Olse说。

“我会把成本和数据质量综合考察。花更高成本，获取更好数据，得要能产生更高的ROI才行。”摄影图片网站Shutterstock的CMO Jeff Weiser说，他本人具有数据分析的背景。

精锐媒体|Spark看重数据提升效率的能力，既然媒体是“采购费用的大头”，那使用数据，可以节约媒体费用。Korenfeld说，“要权衡的是，你会少买多少流量，能少买的10%媒体吗？如果你花的整体费用是一样的，那么数据的费用就是浪费的。”

“人群触达量和定向精准度两者之间的平衡，总会使得数据质量的讨论难以推进。如果你创建了一个严格的标签，在4个ZIP压缩文件中，筛选出在过去14天买过某本杂志、30多岁的女性，你会看到，只有30人。这是一个有价值的数据标签，但没有触达量，也达不到人群规模。“Sparrow Advisers公司负责人Ana Milicevic说。

买家本能地想要最准确的数据标签，但这样就很难有大规模的数据。

量少而质优的数据标签可能对电子邮件营销活动有效果，但是，对于大规模的媒体推广来说，量太小了。所以数据提供方，就乱用数据，增大规模，也可能产生更多营销成果。

这就要求，营销者对相似人群建模，或任何其他获得更多数据量的策略，保持清醒的认识。

数据规模VS精准度的权衡中，透明度是最好的补救措施。回到第一个问题，如果了解数据标签是怎样创建的，是很有帮助的。

一般而言，广告主会通过媒体购买来测试数据标签的效果。但费用并不低。“虽然我们有不错的预算，但我们每年只能充分检验一部分数据。” 百威英博的Silberman说。

如果营销人员不想花钱来测试数据标签，他们可以尝试，将这些数据跟自有DMP或CRM中的另一些数据标签加以对比，验证这些数据标签，看看是不是有效。(对于不直接针对消费者开展销售的快消品品牌，如百威英博，这种方法没多大用。)

“你不需要一开始就到市场上测试，可以先附加到CRM数据库，检查匹配率。在某种程度上，如果可以匹配，那跟数据库其他方面是否也有关联？“具有数据分析相关经验的Shutterstock CMO Jeff Weiser说。

他认为，缺乏关联性，是不良数据的一大表现。另外，值得注意的是，如果外部数据跟内部数据的逻辑关系是相悖的，如外部数据显示，你的客户群很富有，而内部数据显示相反，那么，这些外部数据是没有意义的。

一些数据，比如人口统计信息和个人兴趣等，不会因为时间推移有太大改变，营销者不担心它会没用。但是有些类型的数据会迅速失效。“相较于生活方式类的数据，SKU层级或交易数据更新会更加频繁。” Weiser说。

在某人要进行大宗购买的关键节点，如一辆汽车。消费者会进入数周或数月的考虑阶段，所以每年对 “对汽车有意向的人群”的预测模型，其刷新频率如果是以年来计算，那是无法推动营销产生结果的。

在媒体环境中，品牌在激活CRM数据时，总会存在行动迟缓的问题。

“很多品牌营销是建立年度计划和季度计划的，他们需要向更实时的数据交易市场迈进。” EY全球媒体和娱乐咨询业务负责人Howard Bass指出。

没有数据是原本就有的。数据的积累过程包括：捕获，然后提取、转化，以及加载到一个数据库，使用SQL查询，再转换到Excel中。在每个步骤中，任何环节有闪失，都会牵连到其他环节，数据元素都可能发生变化。

例如，按cookie或设备Id匹配数据，就有可能降低数据质量。

“经过一系列的数据点结合，最终的数据匹配率很低，那这就不是有价值的数据集。” 精锐媒体 | Spark的Korenfeld指出，相反，一个优质的数据集，与其他数据匹配率很高，最终数据质量就会提升。

“大家都谈论，数据集进行整合有多好。实际上，如果你要合并三到四个数据集，以便清楚地了解可见率或者广告欺诈，数据集成过程很复杂。” Mindshare Olsen说。

埃森哲公司的Gay认为，数据组织、匹配和清洗过程可以称之为“数据分析中并不性感的一部分”，但其影响着结果。

每一个营销者，在引入新数据或分析现有数据时，也许都应该问一下数据是从哪里来，怎样建构的，是怎样相互结合的。

要在媒体投放中更好地使用数据，需要围绕数据质量加以训练。但也要接受一个事实，有时情况很混乱，我们正处于开始阶段。

相较于电视，数字媒体环境的复杂程度呈几何式增长，因为数据维度更细。我们不可能得到完美的数据，随着数字营销日益成熟，数据质量也会提升，这是一个数据层级不断进化和灰度不断改变的过程。

文章来源：adexchanger.com

编译：Peggy