RTBChina
引言
在数字广告的众生相里，DMP一直披着一层神秘的外衣，藏匿于各个角色之中，似乎已经成为大家进入营销领域必备的入场券。但依然很多人说不清DMP到底是个什么东西，只是觉得你有，我也要有，于是大家往往心照不宣的不戳破，总是能摇身一变弄个DMP来傍傍身，显得不落后于人。
DMP（Data Management Platform）直译为数据管理平台，兴起于数字营销领域，能够帮助所有涉及广告库存购买和出售的各方管理其数据、更方便地使用第三方数据、增强他们对所有这些数据的理解、传回数据或将定制数据传入某一平台，以进行更好地定位。目前市面上的DMP花样繁多，有广告主自建的一方DMP，有DSP转身变换而来的二方DMP，有媒体数据支持的二方/三方DMP，有监测公司的DMP监测一体化服务，当然也有纯粹数据公司提供的三方DMP。一时间，所谓的一方、二方、三方，自建私有化、in-house合作式、SaaS/私有云等形态各异的DMP，也是让人云里雾里。其实搞出这么多不同的定义，归根结底无非还是为了各个玩家手里仅有的“牌”，可以被合理的叫做“DMP”而已。
其实随着市场的不断变化，很多角色的定义也是一直在变化。尤其在中国，流量、数据公司都各据一方，自然很难有统一的规范来定义到底什么才是一个真正的DMP，但回到根本，面向Digital marketing的DMP，无疑是一个管理营销相关数据的工具，并且可以将这些围绕营销受众的数据予以应用，去支持服务Digital marketing或者说Digital Advertising。
DMP管理营销相关数据
营销相关的数据，第一个比较让大家困惑的地方就在于它包含的范围比较广
1、一方数据源：
包括像CRM数据、活动累计回来的leads数据，都是一方数据，代表的是已经和你产品有过互动或者已经是你客户的受众。从广义上来说，这些数据都和营销息息相关，他们可以很大程度上反应出你产品受众的特征和喜好，这无疑是做营销时，非常有价值的数据。
但是需要注意的是，这些一方数据可以使用的场景和空间是有限的。它们一方面可以用于受众洞察，通过对老客的分析，找到产品的受众定位，触媒特征，喜好等等；另一方面可以用于老客的运营，我们总是希望消费过的客户，可以成为多次消费的忠实客户，那这些受众本身就是可以去反复运营的。可是对老客的运营永远是营销中的一个子集，我们更需要的往往是不断去获取新的客户，抱着自己几百万或者上千万的老用户不停的去做营销显然是远远不够的。
所以一方数据源质量很高，但是广度不足，想要做营销，单单管理这部分数据肯定是不够的。
2、二方数据源：
广告实际投放中产生的数据，可以被叫做二方数据，像媒体会累计广告主的曝光、点击和效果数据，以及创意内容等相关数据，但是这些数据只是自家媒体上的。DSP和监测公司会累计广告主投放中各个媒体的相关数据。其实这些数据一定程度上也属于广告主自己，不过很多广告主之前并没有积累这些数据的观念。
不管是媒体自己，还是DSP或者监测公司这样的服务方，现在很多平台都会提供DMP服务。这里有一个比较混淆的地方，他们的二方DMP服务，其实往往应用的是三方数据。例如腾讯视频，他们的DMP服务可能更多地应用于视频的观看行为、新闻的阅读行为或者腾讯社交行为的数据标签；一些DSP的标签也往往是采购了一些样本的panel数据，因为如果单单依靠媒体曝光点击这些数据，就为受众打上男女年龄或者婚育消费的标签，未免有些牵强。
所以”二方DMP”和“二方数据”到底怎么划分，可能并没有那么清晰，但毋庸置疑，二方数据的价值是不可忽视的。个人认为这些数据最适合的场景是基于KPI的效果优化，也就是去做大名鼎鼎的“Lookalike”算法的种子数据。当然一定程度应用于受众的触媒分析肯定也是有价值的，不过现在流量基本被巨头割据，分析价值也就弱化了，而且曝光、点击只是一个广告行为，除去广告行为，我们更希望的是知道这个受众还具备哪些特质，这是二方数据无法给出的答案。
3、三方数据源：
三方数据就不胜枚举了，例如一些调研公司的人口统计学的panel数据，银联的消费数据，很多垂直领域的行为数据（车、母婴、房产、教育），运营商的网络数据等，当然在移动互联网当家的如今，像TalkingData这种累计的应用数据和线下位置数据也都属于第三方数据的范畴。
对于营销来说，三方数据无论在补充数据深度还是补充数据广度方面，都非常必要。不管是分析受众，还是寻找受众，三方数据都会起到作用。可以让洞察更加立体深入，同时帮助广告主找对更多的潜在目标受众，像上面提到一方数据很适合做老客的运营，那么获新客肯定就要大量依赖于三方数据了。
所以第三方数据的丰富性，多元性和大体量可以更好的服务于数字营销。
数据源如此，那么DMP应该解决的是如何打通并管理这些数据。因为显然营销并不需要某个独立的数据源，这些数据需要被整合之后才能够为营销所用。
DMP打通和管理多元数据
1、打通数据ID Mapping：
市场上常见的用户标识ID包括像广告主自有的账号体系（手机号、邮箱、卡号、社交账号、电商账号等等），PC常用的cookie，移动常用的设备ID（IDFA，IMEI，MAC）等。
想要把多方数据打通，需要在两个层面上下功夫，一个是技术层面，是否有进行大批量ID清洗、去重的计算加工能力，这显然不是个很高的门槛，对于一些技术型公司来说提供一个这样的工具并不难。而另一个是数据层面，广告主往往是有数据A，希望通过DMP关联数据B，这时DMP其实提供的是一个数据服务。
有人可能说，广告主可以把数据都买回来，DMP还是只具备计算能力即可。那样成本其实是极高的，例如你有一百万数据，想都mapping出来，可是如果不知道是哪一百万条，难道要把外部上亿的数据都买回来么？可能又有人说，可以先看能找到哪一百万，就买哪些。可是当你的场景不单单是面向已有用户，而是需要找到大量新客的时候，买多少才够呢？
这里是一个大家常见的误区，数据是你的资产，但不是所有数据都一定要在自己手里，尤其在营销中，很多时候我们保存结果数据即可，而不是整个过程中用的所有数据。
例如，去寻找新客，新客的定义可能就是那些你从未触达过的用户，一次campaign至少会触达上千万甚至上亿的用户，如果每次都这样去购买数据，意味着你要把全中国的网民连带他们的标签都买回来，成本可想而知。又或者去分析你的用户，很多广告主希望把标签买回来，补齐之后去分析，但其实对于一些动态数据，或者复用性不高的纬度，了解受众画像对应的统计值进而予以应用去指导营销即可。
2、管理数据：
面向Digital Marketing的DMP数据管理，虽不用像其他专业的大数据管理系统那么复杂，但对于离科技较远的传统行业来说，也不是简单的事。
从服务器、存储、数据的日常维护这些底层的数据工程，到包括策略管控、质量增强、多源汇集的数据管理，再到模型训练、验证精度、执行应用的数据科学，其实都是营销DMP所需要具备的能力。很多能力可能看不见摸不着，但如果把DMP对数据的管理，简单的理解为数据的存储那就大错特错了。
例如我们常说的lookalike，推荐算法，其实都是对数据管理的一部分。包括对数据标签的加工等等，都是对数据管理能力的体现。
DMP围绕营销应用数据
不管拥有何种数据，最终能够将数据落地的应用才是刚需，像风控，虽然也是一种数据应用，但是它与营销无关，数据对于营销的应用核心无外乎以下三个场景：人群洞察、筛选定向、监测分析。
- 人群洞察：
人群洞察顾名思义是对一个群体进行画像，在不同的营销场景下对人群的需求是不一样的，不可以简单理解为是对目标受众的画像。
目前一提到画像，大家就想到对”男性25-35岁”或者”购买过XX牌洗衣粉”的人群去画像，然后开始搜集一些样本数据或者搬出自己如数家珍的CRM数据，外采或者调研补齐一些标签，得出一些结论。数据有多少不重要，主要靠各家大神的神解读，最终推导出令人满意的，其实已经预判了的结果。显然，DMP的存在不是为了做这件事。
首先，从分析的目标人群来看，除了目标受众外，像竞品人群，媒体覆盖的人群，老客群体，又或者是某次投放结束后的曝光人群，都是需要去分析的人群。也就要求了DMP需要具有多维度去构建人群的能力，对数据的要求肯定也就不会局限于一方数据，因为对这些人群的构建，可能来自于你自有的数据，也可能是基于外部数据去寻找和定义。
然后，从分析的纬度和目的来看，人群洞察的结果应该是可以指导营销的，切莫为了画像而画像:
a）分析洞察人群人口属性或者地理分布的基础特征，是就简单的了解你的用户，但不是对谁都需要。例如曾经有个母婴客户说过，他觉得母婴群体没什么好洞察的，我只要知道他是母婴人群就够了，只有这个特征对我是有意义的，无论他男女老少，其实不无道理。
b）分析洞察人群的行为特征，例如他是否有母婴标签，是否喜欢阅读，是否喜欢看电影，喜欢看什么类型的电影，这些数据单独去看可能都没有意义，应该是与某些人群进行对比，找到特征明显的地方，从而指导营销中创意、素材、文案、内容的方向。
c）分析洞察人群的线下轨迹聚集点，从而指导我们去现在户外广告的点位，让曝光更有效。
d）分析洞察人群的触媒特点，找到他们最常用的媒体，使用的时间，从而更好的指导媒体预算的分配。
总之，不管是哪种洞察，洞察的结果最终是要为营销服务，而不是千篇一律的去看一群到底是男是女的命题作文。
- 筛选定向：
随着数字广告的飞速发展，早在Ad network时代就已经支持的受众定向，再到如今，无论是DSP支持的RTB模式，还是很多大平台、媒体以及Ad serving可以支持的PDB、PMP。在这些定向购买中，尤其是程序购买中，如何选择受众并对其进行定向，显然是也是营销DMP必备的数据应用之一。
现在市场上很多DMP对数据的定向服务，并不标准，大多是以离线数据包的形式，一次性的把数据导出到对应平台上予以服务。
一些广告主的DMP由服务商搭建，多数更像是一个媒体排期的服务，手动FTP上传数据等等，并没有真的可以支持RTB的能力，而数据其实是很看重鲜活度的，这些DMP却不能做到灵活地进行动态更新。
而真正的DMP，要具备标准化的接口，可以实现两点
a）与不同流量平台的平滑对接
b）能够支持并发式毫秒级的实时查询
监测分析有专属的第三方来做，这里不过多叙述，但是投后数据DMP虽然不是监测方，却可以从人群的角度对人群表现进行分析，从而去优化下一次的人群选择以及不断的修正lookalike算法。
到底如何选择DMP
那么在目前众多DMP中，到底广告主该如何选择呢？只需牢牢记住以下两个原则：
- DMP需要能够汇聚、打通并合理使用多方数据
- 要选择服务体系相对较为完善的DMP
数据必定是汇聚多方数据源，无论一方、二方还是三方数据，在营销中都是不可或缺的。DMP要可以汇聚打通并合理的使用多方数据，这个道理不难理解，目前市场上最大的问题其实这个“DMP”放在哪里的问题。
第一方DMP，私有化自建在广告主处，自带一方数据，可以要求媒体、监测公司回传二方数据，并以采购的方式买入三方数据。第一方DMP，可以最大限度的保证广告主的数据安全，同时为广告主不断积累数据资产，整个服务也会随自己的需求不断的定制化。但一般会有如下问题：a）第三方数据采购成本高，如果真的去支持营销场景，其实需要用到的第三方数据是不可计数的。画像中需要补齐的数据维度，获新客中过亿的设备ID，而在移动互联网当道的市场中，数据需要极强的鲜活度与变化性，定期更新数据的成本之高难以想象。b）基础设施投入、维护成本高昂，就算可以买入大量数据，或者单单是自己每次投放的数据进行处理，对服务器、存储等基础设施要求都是很高的，对于很多传统行业这往往意味着大额的支出。c）技术服务能力较弱，像前面说到的，DMP不单单是简单的数据存储和传输，是要具备数据工程、数据管理和数据科学能力，支持标签加工更新、算法模型优化、洞察分析等基础服务，以及支持RTB、PDB、PMP等多种定向场景，并可具备对接DSP，Ad serving或者Trading Desk平台，支持并发上亿的查询请求且响应速度不会影响100ms级的程序购买的全流程。这显然是对技术的多项考验。
而第二方和第三方DMP，一般都是以服务形式存在的，多数是SaaS模式或者私有云（SaaS方式，但单个客户数据隔离）的模式。
第二方DMP不管是DSP、监测方还是媒体本身，数据上除了二方数据其实也会融入部分三方数据，其主要问题是，在数据服务的角度上，他们并不够中立，很多时候他们提供的DMP服务仅能够服务自己覆盖的流量，如果是跨媒体跨平台，考虑利益或者是数据安全问题，其他媒体往往是不接受的，有一定的局限性。同时除个别大媒体/平台有较好的技术实力，多数公司其实并不具备数据加工和使用的能力，看似存在的上百组标签或者各种叫法高大上的算法模型，他们到底如何实现，其中真假成本大家也不言而喻了。
第三方DMP，市场上经常会说“目前第三方DMP还不成熟”“好像还没有第三方DMP”，这种认知显然有些老旧。其实在国外像BlueKai, Exerlate, Lotame etc.等DMP服务已经相对成熟，而国内像TalkingData的DMP服务也已经十分完善，而且依托于自己累计覆盖超过40亿智能终端的全量数据进行服务。作为第三方DMP，a）数据方面，自有三方数据需数据源稳定、数据纬度多样化、数据体量大、数据特征具备一定差异化等特性。由此可以满足客户从与多方数据源打通，到用户分析、获取新客等多个应用场景的落地。b）技术服务上，从数据管理到数据应用，都有完整的功能模块。数据管理本身就是数据公司日常必备的技能，无论是数据的底层处理，还是标签加工，算法模型的建立都涵盖在一项项服务中。但是由于是SaaS级别的服务，虽然可以支持私有云的方式，但如果是对数据安全私有化要求特别的高的广告主依然是无法满足。
所以，DMP承载的是营销中的数据服务，数据与服务缺一不可。我个人认为最优化的方案或许是自建的一方DMP外链三方DMP服务的方式。有一定经济和IT建设能力的广告主，可以将一方数据和二方数据自行管理，同时加强外链能力，可以调用外部的数据服务能力以支持程序化。而对于一些考虑成本问题的广告主，直接使用三方的DMP服务，数据做隔离化不失为最优选择。既无需大量采购三方数据就可以进行数据纬度和广度的补充，同时，术业有专攻，在对大量数据的管理和应用上选择更具经验的服务商，运营和维护成本都会最低。例如在用户洞察中，广告主的第一方DMP内可能有CRM和广告监测数据，画像纬度有限，三方DMP可以将这部分人群的兴趣行为，线下行为，购买行为进行画像，对于分析而言，其实看画像结果即可，使用的是三方DMP的一项数据服务，无需购买数据。又比如进行程序化购买的投放，除了一些活动对老客进行retargeting以外，当需要使用三方数据进行大体量的新客曝光的时候，从人群的准备到与DSP/Ad serving平台的投放通道，都可以去使用三方DMP的服务，数据与服务一体化，最后依据活动需求，三方DMP可以把部分有需求的数据进行回调，广告主再进行累积和管理。
市场每天都在变化，广告主总是希望预算分配更加合理，营销效果更加显著，DMP逐渐成为市场必须品的同时，客户所需的服务方式和形态也一直在不断的演进。从整体来看，数据的开放和技术服务的专业化是必然的需求和趋势。以TalkingData MarketingCloud为代表的新兴营销云平台，作为数据营销一体化解决方案，通过多种服务之间的合作打通，从目标客群寻找、客群特征洞察，到客群多元触达，最后合理的评估每一次营销效果形成营销闭环，将是Digital市场的下一个风口。
关于作者
宋显赫 TalkingData数据营销部总经理
曾在华为从事云计算大数据相关的工作，对数据敏感。加入TalkingData后曾先后负责TalkingData Ad Tracking和TalkingData智能营销云的业务团队。对数据在广告行业的应用有着独到的见解以及丰富的实战经验。先后服务了欧莱雅、金佰利等知名广告主和群邑、华扬等广告机构。致力于智能数据时代数据价值在Digital领域的挖掘和实现，以及基于数据的业务创新领域。
