DMP帮企业整合大数据.docVIP

 DMP帮企业整合大数据????????品牌广告主数据来源多样，有第一方数据、代理公司数据，还有第三方数据，让人困惑是，这些数据如何进行有机整合成为有价值的工具。而DMP能实现无缝整合跨不同接触点的消费者数据，帮助企业对何时及如何同每个用户互动做出更好的决策。????????Calvin透露，AdMaster现在正在建立一套超级ID和标签体系，能够站在公信的第三方立场帮助广告主判断通过受众购买方式的目标受众的精准性，广告主还可以利用AdMaster的平台去深度了解网民的网上浏览行为轨迹和广告触达情况，从而进行重定向等精准投放。????????“最关键是落到实处，达到营销效果的实质提升。通过此前项目的验证，我们的客户利用AdMaster的DMP工具可以把目标受众的达到浓度从25-30%左右提升至50-60%。这样可以落地到营销部门的KPI，落地到怎么在媒体投放中应用。”Calvin强调。DMP，国内数字营销行业的最大短板？????????大数据可以和营销业务流程中的每一个关键步骤相结合，为未来的营销做更精准的预估或者更精准的执行。但是在国内DMP扎堆的时代，相反，DMP的发展道路却反而不是很清晰。????????实际上，做DMP平台要求很高。技术层面，DMP要多方对接返回数据、涉及多家业界公司的协作，对软硬件的要求也很高；这也是为什么AdMaster会采用SAP的HANA和Hadoop等大数据系统。????????其次，DMP提供商需要有广泛的数据采集和整合能力，AdMaster提出P.O.E.S。整合分析模型，即Paid，Owned、Earned、Sales，从付费媒体、自有媒体、赚得媒体和销售四大维度去帮助广告主分析广告效果、消费者反馈及最终销售转化情况。专业人才也是关键，由于大数据缺乏结构性，更需要开放性思维的去观察其中的关系。所以不仅得有研究人员，还得积极吸纳来自媒体、代理公司和直客等行业人才。? ? ? ? Calvin对于市场目前的繁乱有自己的深刻思考，他认为中国公司习惯上下游一条龙全部去做，互联网行业也不例外。目前有的DSP由AdNetwork发展而来，兼做DMP，有的DMP提供商同时推出Adserving和AdExchange服务，做的事情相对杂乱。的确，有了数据就顺理成章想做投放，但“心有旁骛”就没办法做好DMP。反观AdMaster，一直坚持做独立的裁判，专注于自己所长，所以在这个领域也取得了一定的成就和认可：“还是不要那么贪心，我们的定位很清晰。AdMaster有个使命，就是踏踏实实把中国的DMP平台做好。好的技术基因有了，多元数据的覆盖有了，同时这八年来打造的独立第三方身份和数据管理能力也被300多个广告主认可，客户的信任也是我们自信的来源。”大数据的局限性????????我们可以看到，和大数据比起来，小数据是结构性的，样本少，代表性比较低，没法规模化，并且通过大数据能获得全新的洞察，继而进行产品创新。????????大数据颠覆了传统调研的时间进度，基于数据能够实时发现新的价值。????????但以为有了大数据，就没有解决不了的问题，也是一种误解或神话。????????数据本身的安全性，大数据模型的不断验证与矫正都是大数据能否算出正确结论的必要因素。还有很重要的一点，大数据解决不了“为什么”的问题，小数据恰恰在这个时候有用。所以未来营销中肯定是小数据和大数据的结合。????????同时，大数据虽然能降低决策过程中人的因素，减少不确定性，但软件和模型无法取代和复制经过数据科学原理和最佳实践训练的人的能力。在大数据时代，“人的因素”仍旧拥有其重要地位。