导读：大数据时代，品牌营销打着“大数据”的大旗呐喊助威，但面对海量数据涌来，行业正在面临着共同的挑战：绝大多数广告主都没有意识到他们已经拥有了众多高质量第一方数据，及如何利用这些数据资产（管理和投资）提高企业商业价值。品牌第一方数据资产的价值到底有多大？广告主又应该如何实现它…

数据技术（DT）科技时代，随着“程序化购买”营销模式的普及，品牌第一方DMP（Data Management Platform）的价值尤为重要和关键。随着市场需求的快速增加，各类DMP平台层出不穷。不仅如此，对于品牌来说，数据资产的管理和利用的商业价值也不断凸显，因此品牌第一方DMP平台也在众多期待中成为时代的宠儿。

但是DMP不是一蹴而就的，故不积跬步，无以至千里，不是所有的“数据库”都能被称为DMP平台。真正的DMP平台，是以数据资产管理为核心，并能通过数据的流通和融合创造出更多的商业价值。

DMP平台在程序化购买中的角色和作用：一、结合大量的数据，对于目标人群进行全面的洞察，帮助品牌了解和定位消费人群，并进行受众购买前的决策分析。二、管理品牌各种商业策略下的人群，在程序化的生态圈中，最大规模地触及和找到TA，进行个性化的沟通营销。

一、 数据收集的关键：正确理解数据分类和来源，数据流通和更新尤为重要

AdMaster建议：

1. 品牌需要正确认识和理解第一方和第三方数据的定义，实际操作和管理可以按顺序进行，切勿盲目相信all in one。往往市场热议和共性的第三方数据是有使用范围和红线（中国市场的现状数据是高度的碎片化和独立，数据的流通和合作需要以信任、坦诚和双赢的态度，以及必须尊重用户的隐私和商业规则，否则短时的利益无法可持续发展和复制）。
2. 根据不同的商业目标，正确合理使用相应数据，第一方的数据目前在营销中使用较为普遍。如重定向、TA优化为其中典型应用。第三方数据更多用户受众的画像了解和预测扩展。
3. 必须不断持续采集和更新数据（第一方的数据有生命周期和新近度），让数据保持新鲜度和连续性，提高后续应用效率。

数据分类和收集？

广义而言，品牌的数据资产可以分为两种大类型：

第一方数据：广告主自身拥有的数据，包括自身网络广告的推广数据、CRM数据、官网交易数据等。

第一方数据根据数据收集方式及用户唯一标识符的不同，一般可以分为：PC广告数据、移动广告数据、官网数据、社交舆情数据、CRM数据等等。而不同类型的数据对于消费者的识别，实际上基于不同的ID体系。例如，PC广告数据和官网数据，往往用cookie进行用户识别；移动数据往往用设备ID进行识别等等。

第三方数据：一般是指来自于非直接合作的第三方数据供应商的数据。例如，来自于运营商的数据、来自BAT的消费者画像数据等。广告主运用第三方数据通常可以用来发现新的潜在消费者。

二、 如何管理数据：科学管理多源数据，需建立数据采集和应用标准

拥有了多样的数据后，DMP平台需要对这些数据进行清洗（删除冗余和低质量数据）、整理（统一数据格式和标准）、整合分类（打通，描绘完整用户属性）等动作，使得原本零散分裂的数据能够有机地组合在一起，用来创造新的分析角度，或者更加便于今后的数据应用。

一般对于如下几类数据，可以使用多种方式进行打通，从而获取单个消费者层面（Single Customer View）更加完整具体的信息。

AdMaster建议：

1. 多源数据的融合不是一蹴而就，需要日常积累和实践，没有绝对的捷径，有效利用内部（上述实践中提炼的方式）和外部资源（客观、正确借助第三方力量）最大化实现数据的整合。
2. 市场中标签纷繁复杂，层出不穷，品牌需要正确识别和针对性利用，尽量优先使用客观标签（IFTTT）和第一方自定义标签，对于公共标签需要考虑实际应用场景、产出期望以及数据源的可靠性、连续性，所谓的算法和模型也是建议在这基础之上。
3. 对于DMP平台的选择，供应商的身份也需要考虑，数据的流通、识别建立在利益的平等、互补和双赢，第三方的身份有利于最大化的帮助品牌进行数据连通和使用，并推动行业建立数据采集规范和应用标准。

1，数据如何科学分类及打标签？

一般，为了后续的数据分析及运用。DMP会对数据进行一些预分类或者称之为打标签的工作。一般打标签有所谓三要素：特定的数据集合、数据的特定字段、符合特定的取值范围。

例如，如果需要给上面的“广告曝光记录”（特定数据集合）的用户001打上地域标签的话，可以根据该用户的“上网IP”（特定字段）的地域范围打上地域标签。当获取该区域的用户数据时，不用在回去查所有用户的IP地址。

标签，一般可以分为公共标签和第一方标签。

公共标签一般是DMP根据市场普遍需求，所预设的一些标签分类，例如性别、年龄、地域、兴趣等等。而基于公共标签计算方法的不同，我们又可将其分为IFTTT（确定的）标签及模型算法（推算的）标签。

所谓IFTTT标签，一般是指，通过原始采集数据能够显而易见地打上的标签。比如上文中的地域标签，只要核查曝光记录中的IP字段，只要该IP字段落于上海区段内，即认为打上“上海”的地域标签。

所谓模型算法标签，是指通过原始采集到的数据并不能非常明显且确定的打上标签。简单的说，如果我们只有消费者网络访问行为的数据，诸如性别、年龄标签，通常无法简单地确定人群属性,只能通过模型推断。例如，认为经常访问女性媒体的用户更可能是女性，从而打上性别为“女”的标签。

除了上述所讲的两种公共标签外，一般DMP还会允许广告主进行自定义标签规则，使数据能够更加便于广告主运用，称之为“第一方标签”。例如，广告主有两个产品，可乐和橙汁，可以定义为曾经在网络上买过“可乐”的消费者打上“碳酸饮料倾向”的标签；曾经买过“橙汁”的消费者打上“果汁饮料倾向”的标签。这两个标签由广告主自己创造的标签就是“第一方标签”。

2，DMP数据如何与外部连接？

在PC端，由于默认Cookie信息无法跨域传递。所以，为了使DMP的数据能够被其他供应商辨识和运用，一般要事先建立Cookie Mapping (Cookie Matching)，建立双方的ID 映射关系。

所以，Cookie Mapping的范围的大小，及Mapping量的多少，实际上直接决定了DMP数据的可用性。在移动端，在相同规则下，不同供应商获取的同种设备ID理应是一致的，所以不需要Mapping。但移动设备ID种类繁多，加密规则多样，也是移动数据连接所独有的困难，建立行业对于移动数据采集和尊重用户隐私下的交换规则是推动移动数据可以持续利用的必经之路。

三、数据在各场景应用中的价值：“人群定向、个性内容、标签体系”科学应用数据技术，量化KPI

DMP实际上是连接数据与处理数据的一个平台。其数据应用，在技术及分析能力可行的情况下，可以创造出与众不同又切实可行的应用场景。

AdMaster DMP主要功能

AdMaster建议：

1. 数据的应用必须可以进行量化KPI的考核，建立在概念理论层面的应用都是浮云，品牌不会为此长久买单，而营销端的应用目前是行业普遍的实践阵地。
2. 对于DMP的应用不是万能、一成不变的，它只是实践客户想法应用的一种数据策略工具，有效地管理期望和必要的A/B测试能有效过滤出适合品牌的最佳数据策略。
3. 行业产业链各司其职，各有所长，有效利用合作伙伴的专长，往往能最大化发挥数据价值和，达到事半功倍的效果。（当然也需要提前考虑数据的安全性，应用的接口封装是比较直接的做法）。

目前，市面上有如下几个常见的数据应用场景。

1. 目标人群定向、重定向

本质上是通过数据积累，找出广告主的目标人群。目标人群可以是特定性别年龄的用户，或者进行过特定广告网站行为（eg.观看或点击过广告）的用户。之后将目标人群的Cookie或设备ID集合给到DSP或媒体进行投放，以期更多地击中广告主期望的用户。一般目前在注重目标受众精准度的网络视频和RTB资源投放中运用比较多。

在实际操作层面，除了与视频媒体合作进行投放。专业的DMP供应商也可以和BAT等网络巨头进行合作，帮助广告主结合BAT所独有的数据，更精准的定向人群，而进行投放。

2. 个性化内容体验

通过技术手段，在用户来到相应站点时，DMP在短时间内判断该用户的属性，并根据判断结果，播放不同创意的广告或在用户点击广告时，跳转到不同内容的登陆页面（目前移动端的备受关注的smartlink应用场景为典型应用）。

3. 更好的了解受众和媒介投资组合效益

通常的网络广告分析仅能停留在项目本身KPI层面，例如，曝光、点击、频次、TA等等。而接入了DMP后，我们往往能够有更加深入的消费者洞察。

用户画像分析，通过DMP的标签体系，了解特定用户集合的标签分布。例如，了解来到网站进行购买的用户的兴趣爱好，经常访问的媒体等，为今后的营销活动提供建议。

归因模型，通过多来源数据打通，了解消费者在进行特定行为前的不同媒介访问轨迹，还原媒体的真实效果。

除此之外，我们还可以利用DMP平台与广告主CRM或数据中心连接，扩充消费者数据，获得更深入的洞察；或利用DMP的数据连接性，使得广告主数据能够与不同供应商进行连接，而无需繁琐的对接。

综上，2015年作为品牌迈开程序化和大数据战略第一步，AdMaster建议：

1. 所有的线上digital数据都应该有序采集，及早地积累自身的数据资产。对于移动数据来说，需要注意采集时，移动ID是否符合MMA或行业各方既定规范，保证其可用性。
2. 逐步建立第一方数据管理平台的计划，尝试对积累的数据进行ID融合，并进行分类和标签化（可以考虑建立品牌自定义的标签体系），以便更好地分析和应用。
3. 利用数据尝试各种重定向策略和视频程序化项目TA优化，积累经验，真正了解程序化购买为品牌带来的可评估价值。
4. 对于CRM数据而言，线上的营销收集渠道在保证其数据真实有效的前提下，关联数字化ID体系（cookie & mobile ID suite），线下的数据尽量创造更多的on boarding场景，为更高效和自动化的数字连接点和消费者进行沟通打下基础。