第3类营销工具

  数据在整合营销工具中扮演着越来越重要的角色。至少bat、Facebook和谷歌试图让你相信这一点。仅就营销而言，根据数据组织的主体，数据产品可分为三类：

人体数据的主体和核心：典型，如DMP和数据管理平台；bat和数字营销代理都提供DMP，以用户行为数据为主体和核心：典型的是网络分析工具，如Google analytics和omniture；在移动端，使用相同的工具提供应用内行为监控。例如talkingdata和Youmeng都提供应用内行为监控数据，指标包括保留率、保留时间、渠道来源等

  以品牌/类别/产品为核心：社交监听等典型工具，根据预设关键字抓取互联网上发布的内容，然后进行分析。百度索引也是这种类型的工具

  典型的DMP提供三种功能：群组抽取、群组洞察和群组扩展

  群组抽取指的是在DMP中创建群组包。数据源可以是广告商上传的消费者手机号、设备号、IDFA、MAC地址等，可以映射到唯一消费者的识别码。当然，现在很多DMP都与程控广告端连接，客户广告的曝光和点击交互也可以通过DMP提取。此外，这些用户ID还可以通过排列pixel、JS代码、添加SDK，或者通过API发回官方、应用内访问、浏览、点击、支付等用户，形成个人分组包。群组包的本质是多个群组ID

  此外，一些DMP还提供群组包之间的交叉和差异计算功能。例如，A组定义为官网上的访问者，B组定义为官网上的买家。假设B是a的子集，我们希望提取访问过但没有购买转换的人。我们还可以使用DMP将包B中包含的ID从包a的ID中排除。

  crowd insight是使用DMP提供的标记数据来帮助广告商分析个人群体的特征。典型的DMP将提供维度数据，如性别、年龄、地区、兴趣和应用程序安装。简言之，它是基本属性+兴趣。基本结构可以抽象为下图所示的格式：最后，DMP统计给定群组包中有多少比例用tag1标记，有多少比例用tag2标记。当然，在广告的商业环境中，每个ID都有标签，这里不是0或1的简单关系，而是分布在[0,1]中的分数。此分数反映了此标签下ID的行为强度和时间新鲜度。例如，一个人最近经常开携程、飞猪和水蛭蜂窝。与一个月前只开过一次携程的人相比，他在“旅游”标签上的得分明显更高

  人群扩张是一个黑箱函数。在广告业务场景中，很明显，每个广告商都希望接触到新的客户群。除了使用交付端提供的人群标签进行定向外，使用第一方购买人群进行人群扩展是另一种重要的定向方法。此函数称为looklike。Looklike将查找与第一方组相似性最高的组。所谓相似度是根据用户的属性和行为计算的，如地理、年龄和性别分布，以及使用手机的系统、安装的应用程序等有多少百万个维度。looklike的基本假设是人们对品牌偏好和产品使用具有典型特征。例如，对于购买梅赛德斯奔驰的人来说，他们的收入处于中高端。此时，looklike是有效的。相反，对于一些流行的产品或品牌来说，looklike并不一定能带来预期的广告效果，这就是为什么DMP用人工键组织数据和操作是不合逻辑的，而wa工具更关注人的行为本身。这些是Google Analytics现在提供的五个模块。除了第一个查看当前实时数据外，观众（如DMP）还提供静态数据，如访客的兴趣、地区和移动操作系统，还可以帮助广告商分析LTV和群组。采集模块关注人的来源，行为关注用户站点中的浏览行为，如浏览持续时间、退出率、双跳率等。转换关注浏览路径