Home
>
天水crm公海
>
天水淘宝crm是什么意思
天水淘宝crm是什么意思

time:2020-09-17 14:16:22

author:重庆佰鼎科技有限公司

【Font size: big medium smail

本文由重庆佰鼎科技有限公司提供,重点介绍了淘宝crm是什么意思相关内容。重庆佰鼎科技有限公司专业提供crm公海,京东的crm,山东crm等多项产品服务。公司成立于至今,坚持用服务打动人心,用质量打造口碑,立志成为行业内的领军。

淘宝crm是什么意思传统营销方式是粗放的,老大们“拍脑门”决策。但现在,营销越来越精细,一切都开始依靠数据驱动,数据成为企业一笔宝贵的财富。而互联网营销革命——程序化营销的诞生进一步推升了数据管理平台(DMP)的重要性,DMP开始在中国数字营销圈迅速走红。如果企业合理使用DMP可以使触及到的目标受众更精准,可以提升转化率,降低推广成本。比如教育企业原来每做5000块钱的展示广告才能获得1个lead,但是运用DMP之后,成本可能会降低10%到20%。总之,优质的DMP平台可以让企业少花钱,多受益。那到底什么是DMP?企业应该如何科学应用DMP?企业建设DMP的需要投入哪些资源?DMP全称是Data Management Platform,广义上理解是管理数据的工具,但是DMP其实隐藏了它的定语,这个定语是Digital Marketing,即Digital Marketing的DMP(翻译为汉语是:数字营销的DMP,数字营销与互联网营销基本同义,编者注)。在数字营销领域(Digital Marketing),广告投放和互联网营销相关的数据理论上都是DMP所涉及的范围。

DMP必须要加上“digital marketing”作为定语的原因在于,唯有在数字世界中我们才有可能全面收集并整合与营销全流程相关的数据,包括追踪到过去很难追踪到的关于用户描述的数据。在现实生活中,很多数据无法追踪或者追踪很困难,要想了解到不同个体的历史行为轨迹甚至有时需要动用刑侦手段,但数字世界这一点却不再成为问题。

Digital Marketing和传统营销最大的区别就在于能够在虚拟的空间内尽可能的运用数字技术手段追踪用户的行为以及他们在网上留下的蛛丝马迹,即DMP的第一个字母D代表的Data(数据)。在获取这些数据之后,我们又可以通过DMP进一步应用这些数据。所以,你可以看到,DMP的存在是帮助收集、组织、管理和应用互联网营销的数据,尤其是消费者(或称为受众)的相关数据。这为数字营销获得更准确的洞悉、建立更准确的策略、定位更准确的人群、提供更针对性的创意提供了无限可能。即,我们常说的,真正意义上的数据驱动的数字营销。

所以,一般而言,DMP有三层含义:

第一层,DMP不是管所有数据的,而是管理digital marketing或digital advertising的DMP。

第二层,因为DMP管理的是营销相关的所有数据,而营销的最终目标是影响受众,所有DMP数据最核心的部分是围绕营销的对象,即受众或消费者的数据,比如包括了传统意义上的数字广告监播的数据、网站监测的数据、APP捕捉的数据等,因为这些数据是受众的行为。也包括了受众本身的一些静态的属性——什么是静态属性在我之前的文章已经有很详细的说明,以及他们的兴趣和意图。

第三层,光有数据还不够,不能用这些数据等于零。因此更重要的,DMP在收集了如上数据之后,能够直接地、实时地应用于营销,帮助营销取得直接的效果。此外,应用这些数据还包括对营销对象的深刻洞察,从而获得更好的营销策略。

DMP日渐火爆源于广告主对投放效果的更高追求以及对营销浪费更低的容忍度,DMP即是为解决这些问题而生。广告主希望更精准的对目标人群进行广告投放,如果投放的对象对某些广告不感兴趣,却反复被广告轰炸只会适得其反。如果企业能够在投放广告或其他营销手段前就能对受众进行具体、精准的识别,广告投放的效果会因此增强。

【用户】包含已产生购买行为的用户,以及未产生购买行为的潜在用户;

【第一方平台】企业自有的网站/APP/小程序和CRM等;

【第二方平台】广告商和不限于社交/电商/资讯/视频等其他合作媒体;

【第三方平台】电信运营商等;

【数据】包含基本属性信息(姓名/电话/邮箱/地址/各平台账号等个人信息),以及行为数据(浏览/点赞/收藏/分享/购买等关键交互操作)。

其功能逻辑比较简单,可大致分为五步:【数据收集】→【数据预处理+建立映射关系】→【用户细分】→【数据应用】→【报表输出】。

DMP的发展历史互联网行业各种新概念总是层出不穷。

DMP近几年兴起并迅猛成长,但严格来讲DMP不算新生事物。自打人类有营销活动的那一天开始,了解营销对象是谁就是必然会提出的课题。所以四五十年前开始就有了客户关系管理的概所有数据和系统安排有一个前提,即这个人要购买了你的产品或者留下了销售线索,你的CRM才能管理他。

所以CRM解决的问题是受众已经和企业发生了特定关联之后进一步念和客户管理系统(Customer Relationship Management,以下简称CRM),其实依据CRM的定义:以客户为中心,运用通信技术进行市场营销、销售管理、客户关怀、服务和支持,通过提高客户忠诚度和保有率来提升企业的盈利的管理理念。

严格来说DMP也是属于CRM范畴的。但为了方便阐述,本文仍然将DMP与CRM区分开来,下文所描述的CRM也仅指狭义上的“营销型CRM”。

营销的核心点却是怎么和新用户接触并让他们成为我的客户。过去的研究方法之一是当一小部分人成为我的客户之后研究他们为什么成为我的客户,然后把这些诱因作用到更广阔的大众群体上,从而增加转化客户的效率。

DMP是沿着这个思路来的,大家之前从未提过这个概念的原因是因为追踪一个人的数据在现实生活中实在太困难了。但是有了互联网之后,几乎一切用户的互联网行为都可追踪。比如昨天看了一个网站,网站知道我浏览过它,而且和网站合作的第三方机构也知道我浏览过它。同样我在看APP里面的内容,运营商也知道我浏览的内容。这些数据是不断收集的,因此在我投放广告之前,已经对受众有了很多的数据积累。

这也由过去的CRM研究和管理已经转化的顾客转变成即使还不是顾客也能认识和管理他。只要数据足够多,获取数据的渠道足够广,理论上我们完全可以了解互联网上的每一个人。所以我觉得DMP的概念虽然不一定与CRM在技术上有直接的关联性,但是在营销理论上他们确实有一定的继承关系,思路是一致的。只不过CRM是转化为客户后才能进行,而DMP是通过大数据分析直接去找目标用户,这个是DMP的第一个渊源。

第二个就是DMP的最初发展不是在中国,DMP的概念和技术是从国外舶来的。要讲它的兴起我们要引入程序化广告投放这个概念。程序化广告之前在曲海佳的专访中有提到过,简单讲就是透过程序去找真正对产品感兴趣的人,实现的是对人群的购买而非媒体的购买。举个例子SEM(即搜索引擎的竞价排名营销)就是最简单的程序化广告。SEM有几个特点,一个是它是定向的,能够识别用户,因为展现的广告和搜索词是直接相关的。此外它的投放是动态的,包括具体的广告的计费、包括展示的创意、包括广告展示的约束(地理位置、频次什么的),这一切都是程序来控制的。程序化广告也是如此,它是在对受众的事前了解的基础上,根据每一个具体的人的具体情况,用程序去匹配最合适的创意物料、最合适的广告出价、最合适的广告展现环境等等。所以就算是同样的一个广告位,同样的时间,不同的人看到的广告内容都是不同的,理论上你看到的广告是跟你的兴趣、意图或者社会生活境遇最相关的。这样强大的广告形式的背后必须要大数据作支撑,这样就对DMP的应用提出了很强的需求。程序化广告必须要透过DMP和DMP后面的数据才能够真正运转起来。因为程序化广告真正的核心在于数据本身,在于数据的准确与及时。DMP这个概念近两三年在国内迅速崛起离不开程序化广告(如一些DSP公司提供的服务)的迅猛普及,而程序化广告背后的驱动力必须是数据。

由此可见,DMP有着源远流长的历史,掌握DMP可以使营销效果提高一大步,对企业主非常有效。

1. 数据收集数据不仅是营销的核心,更是DMP的核心。那DMP需要获取哪些数据以及如何获取呢?

既然要使用DMP, 必须要打通数据才能用。理论上DMP应尽可能了解用户在互联网上的所有信息数据。比如能够了解到你是一个女士,你喜欢服装、化妆品、连环画等。这些东西理论上我们都能通过DMP识别出来。

而怎么样获得这些数据是DMP非常重要的环节。现在DMP的厂商非常多,每一家都宣称自己有各种各样的数据。这里面一定要明晰几个概念:

第一,数据本身是什么样的数据?管理的数据最重要的是围绕受众的数据,因为受众是接受方,最后所有开展的广告数据、创意数据以及统计方法都是围绕它们而展开。但是受众的数据又有好多类型,各种类型下面又有各自不同的结构和属性,DMP中的数据究竟是什么样的呢?——一定需要了解清楚。

第二,数据的适用范围是什么?这是很多人都忽视的。比如说我能拿到去年美国国防部的数据,不过这些数据只能在美国政府授权的情况下使用,比如说你是中央情报局雇员且只能在中央情报局的内网使用,你离开了中央情报局这些数据就与你无关或者变成了一堆废纸。DMP里面的数据很多时候也是这样,即使我们有了比如淘宝的数据,我们还跟人到处乐呢,说我们有中国最牛的电商互联网公司的数据。但是对不起,你确实有这些数据,但是这些数据只能用在钻石展位广告的投放上,你想用这些数据投放百度联盟或者腾讯广点通,门都没有。这是我们在用DMP的时候会忽略的一个事实,而且很多时候,DMP提供方就是用这个方法在偷换概念,这个一定要小心。

第三个是数据的时效性。所有的东西都有保质期,而数据如果过了保质期也会有一定的问题。因此当所有人都在说数据的时候,好像听起来都是一样的数据,但实际上此数据非彼数据。可能你说你有腾讯数据,我说我也有腾讯数据,但我们拥有的数据可能完全不一样,数据本身所包含的东西,它的适用范围,和它的时效性等都不一样。所以这点是很容易在这个行业里面混淆视听的一个概念。

我们接下来看看数据的类型。数据一般来讲有3种类型,即第一方数据第二方数据和第三方数据。

第一方数据是指企业直接从受众(包括客户、网站访问者和社交媒体关注者)那里收集的数据。“第一方”是指收集第一手数据用于重新定位的一方。简言之,第一方数据是企业自己收集的消费者信息 - 换句话说,“拥有”。例如,一家企业可能拥有存储在其CRM系统中的消费者的第一方数据。这类数据可能包含人口统计信息(姓名、联系方式、电子邮件地址等),购买历史记录,网站互动(仅来自公司网站)等

它可以由以下数据组成: • 通过您的网站、应用程序、产品所采取的行为或行动的数据 • CRM系统中的数据 • 来自你的社交媒体资料中的数据 • 来自您订阅的电子邮件或产品的数据 • 调查的数据 • 客户反馈

第一方数据的好处在于它针对的是企业现有的消费者,营销人员可以在这些自有数据上创建高度个性化的体验。当涉及到重定向时,第一方数据是最好的,因为数据直接来自您的受众和客户,通常被认为是最有价值的。它不仅是最有价值的,而且是你可以免费得到的,使它具有成本效益。它相对容易收集和管理,特别是如果您使用数据管理平台。围绕第一方数据的隐私担忧是最小的,因为你确切地知道它来自哪里,而且作为一个营销人员,你完全拥有它。这使得数据在预测和预测未来的行为趋势时尽可能可靠。 第一方数据为王。控制第一方的数据应该是当前任何公司的优先事项,这些公司希望盈利、学习并利用这些资产来扩大有价值的受众,加深与消费者的接触,并在营销工作中提高ROI。

如何使用第一方数据? 第一方的数据因其质量而具有很高的价值。因为你直接从源头收集,直接来自你的受众,你知道它是准确的,知道它与你的业务相关。第一方数据的另一个好处是,围绕它的隐私担忧保持最小,因为你确切地知道它来自哪里。由于第一方数据的高质量,特别是营销人员要知道如何使用第一方数据。

1.预测未来的模式:第一组数据的准确性和相关性使您能够满怀信心地预测未来的模式,例如受众行为。例如,如果你是一名营销人员,而你的数据显示,某个特定的用户访问了关于购买篮球鞋的网页,并在他们的购物车中放置了一双,那么你可以推断他们将来可能会购买篮球鞋。相反,如果你的受众很少点击横幅广告,但经常参与视频广告,你知道他们更喜欢视频广告,而且将来会继续喜欢它们。这些洞察可以让你选择更能吸引观众的广告。 2.获得观众的见解:即使你的受众相对较少,第一方数据也能给你提供有价值的见解。您可以分析您的数据,找出您的客户具有的共同特征,并使用工具如在线CRM系统构建初始受众,以包含同样具有这些特征的新客户。你可以扩大你的受众,提高你的洞察力,发展你的业务。 3.个性化内容和广告:您还可以使用第一方数据来个性化向特定用户显示的内容或AD。你从网站访问者那里收集的数据会让你更好地了解他们的兴趣和需求,让你为他们提供个性化的内容。例如,您有关于不同主题的各种促销视频,希望与潜在客户共享,作为入站营销策略的一部分。通过查看用户过去浏览过的内容的数据,您可以确定用户的兴趣,并向他们发送关于科学、体育、音乐、时尚、自然、健康或他们感兴趣的任何领域的视频。 二、什么是第二方数据? 第二方数据是你自己没有收集的第一方数据——换句话说,你使用的数据是二手的。卖家直接从他们的受众那里收集数据,而这些数据都来自一个来源。你可以对它的准确性充满信心。您直接从拥有它的公司购买来作为第2方数据。在这样的交易中没有中间人。它要求你寻找拥有你需要的数据的公司,并与他们建立关系。例如,如果软件公司与代理合作伙伴合作转售其产品,则软件公司可能与代理共享其第一方数据,代理合作伙伴会将其用作第二方数据,以锁定和吸引新客户。 第二方数据类似于第一方数据,但它来自于您自己的受众之外的源。它可以包括来自许多相同来源的数据,如: • 活动网站 • 手机应用程序使用 • 社交媒体 • 客户调查 虽然与第一方和第三方数据相比,第二方数据是一个相对较新的概念,但如果您找到了正确的数据集,它可能非常有用,因此值得研究。 如何使用第二方数据? 第二方数据具有第一方数据的许多积极属性,但您可以访问仅靠第一方数据无法获得的信息和见解。因为它直接来自收集它的公司,你知道它的质量很高。与从各种来源汇总的数据相比,数据更精确。第二方数据交易也提供了很大的透明度,因为您直接与公司合作。您可以控制购买的商品,销售条款以及信息的使用方式。 1.增加数据规模:您可以购买此类数据,以便为第一方数据添加比例。虽然第一方数据质量很高,但如果您的受众群体较小,则可能无法达到您希望活动达到的规模。使用来自第二方的类似数据对其进行补充可以使您的广告活动系列更进一步,而不会有任何质量问题。 2.吸引新的受众:如果您希望吸引原本不属于您自己的受众群体或找到更多新的潜在客户,则第二方数据也很有用。例如,如果您是针对女性的化妆品公司的营销商,您的第一方数据将主要来自于女性。如果您的公司推出了新的胡须油并且您希望将其推向男性,那么您将无法获得第一方数据以吸引新的受众。您可以与男士健康或时尚网站合作,并从他们那里购买您需要的数据。 3.预测行为:与第一方数据一样,您也可以使用第二方信息来预测未来与客户行为相关的模式,并构建您当前的受众。通过采用预测行为,您的公司可以努力将这些见解转化为效益。由于它是在不属于您自己的网站上收集的,因此您可以获得有关受众群体喜欢和与之互动的更多见解。 4.建立关系:使用第二方数据也可以获得超出数据本身的优势。要获得所需的数据,您需要与拥有该数据的公司建立关系,这一过程可以带来有用的新合作伙伴关系,以帮助您的业务增长。如果您将来需要类似的数据,您现在可以再次联系同一家公司,因为您可以快速从中获取高质量的数据。 如何收集第二方数据? 要获得第二方数据,您需要前往拥有它的公司并直接从他们那里购买。找到您需要的数据的公司,与他们建立关系并协商交易。买方和卖方必须事先就将要出售的内容,价格,如何获取以及任何其他销售条款达成一致。卖方可能会向其他公司提供特定的数据点,受众或层次结构。但是你如何找到这些公司?寻找买家或卖家的最简单方法之一是通过第二方数据市场。

虽然与第一方和第三方数据相比,第二方数据是一个相对较新的概念,但如果您找到了正确的数据集,它可能非常有用,因此值得研究。 三、什么是第三方数据? 第三方数据是您从外部来源购买的数据,而不是该数据的原始采集者。相反,您可以从大型数据整合者购买,这些数据整合者从其他各种平台和网站提取数据下载。这些整合者向发布者和其他数据所有者支付第一方数据的费用。然后,整合者将其收集到一个大型数据集中,并将其作为第三方数据出售。许多不同的公司都销售这类数据,而且可以通过许多不同的途径访问这些数据。

在汇总这些数据之后,提供者根据行业、受众行为和兴趣以及人口统计学特征(如年龄和性别)将这些数据分门别类。然后,将每个类别细分为特定的部分,然后买家选择他们想从卖家那里购买的特定部分。第三方数据段的名称和内容因供应商而异,因此您需要了解您购买的是什么,以及它来自何处,然后才能为您的活动提供动力。 第三方数据是通过程序进行买卖的,这意味着它发生得很快,而且通常规模很大。大量和广泛的范围是第三方数据的一些主要好处。缺点是您不知道数据的原始来源。数据也不是独家的——它是公开的,所以你的竞争对手可以访问相同的数据。 如何使用第三方数据? 由于第三方数据的数量和范围,您可以使用它来扩展您的受众,并获得更深入的了解他们的行为和兴趣。当您将第三方数据与第一方数据相结合时,来自第三方的数据尤为强大。 1.增强您的第一方数据:虽然您自己收集的数据因其精确性和相关性而很有价值,但它通常缺乏规模。然而,规模是第三方数据的专长。当您通过收集第一方数据并通过使用第三方数据建立受众群体来识别核心受众时,您可以吸引新的潜在客户,并了解更多对您的产品或广告感兴趣的人。为自己的第一批受众购买额外的见解,意味着你可以更多地了解你的客户,从而更全面地了解你想要接触的人。 2.扩大您的受众群体:第三方数据可以让您访问比单独的第一方和第二方数据多得多的数据点,这就是为什么当您想要扩展您的受众时,第三方数据非常有用。它向您提供了关于用户的信息,否则您将永远无法访问这些信息,而且它在很大程度上是这样做的。比如说,一栋新公寓楼的业主正在寻找房客。有了他们的第一方数据,他们只能访问那些已经访问过他们网站的人。然而,有了第三方数据,业主可以接触到更广泛的人群,并将目标锁定在最近在网上搜索过附近公寓的数据集中的人。 3.提高定位精度:第三方数据也有助于人口统计,行为和内容相关定位,并使目标定位更加精确,尤其是在漏斗的中上部分。假设你是一家酿酒厂的老板,听众主要是二三十岁的男性。在分析了第三方数据后,你可能会发现,生活在城市的这个年龄段的男性比生活在农村的男性对你的品牌更感兴趣。第三方数据可以使您进一步将焦点缩小,使您的广告活动更有效。 4.发现新的受众:此外,查看更广泛的数据可能会帮助您发现一个对您的产品感兴趣的新人群,帮助您扩展您的业务范围和增长您的业务。你甚至可以在开发新产品时使用它来帮助他们吸引新用户。作为广告客户,您可以自己创建这些片段,或者使用数据集中已有的片段。 如何收集第三方数据? 要获取第三方数据,您需要从数据提供商处购买。可以通过DSP,DMP和公共数据交换找到这些提供商。在购买第三方数据时,有许多因素需要购买者注意。要确定数据提供者,需要了解他们如何收集信息、何时从何处获得信息。还想知道他们提供的数据类型。第三方数据在中国分成几个大类:

第一大类,大垄断平台生态圈子的数据,就是BAT的数据——百度阿里巴巴腾讯。

第二大类,运营商数据,运营商有很多底层的数据。

第三大类,很多垂直领域的平台,比如说宝宝树,易车网等。

一般我们会认为BAT三家的数据是各具特点的,而且质量是很高的。比如说百度是搜索数据,搜索数据具有高度时效性,是人的意图的最直接反映。阿里巴巴是消费意图的数据。腾讯是非常好的人和社会属性的数据,这就是BAT的数据。

一般DMP提供商都会宣称自己有BAT的数据表示自己有多么“牛”。不过有个通常被大家忽略的点,就是数据适用范围的问题。BAT的数据虽然质量很好,但是适用范围有限。B也好A也好T也好,谁都不愿意把自己的数据拿到自己生态圈之外使用。举个例子,比如说要拿着腾讯的数据去淘宝,那么腾讯肯定是不乐意的。所以BAT的数据现在原则上肯定只是用于自己的生态圈。

之前有这样的案例:有广告主用到了BAT中某家的数据,这家也同意该广告主把这些数据用在其他广告投放生态中去,但最终广告主收到的数据其实是经过高度稀释的。因为这家数据提供方说,我们的数据必须要达到每天5000万才能发出。但是客户只需要对咖啡感兴趣的网民的数据,可能今天数据只有5万个对咖啡感兴趣的,达不到5000万的数据量。那怎么办呢?数据提供方会把喜欢桔子的、喜欢喝茶、喜欢打视频游戏的等等人(完全随机)的数据一起揉进去,一共给你5000万数据。所以说即使我手上有了BAT的某些数据,也基本上很难用起来。所以说大家吵着嚷着说要有BAT数据, 真正能用BAT数据的,就是BAT自己而已,我们就不用自欺欺人了。这个是第一类的数据。

第二类的数据就是运营商的数据。运营商的数据有一个好处就是它是底层,所以理论上能看到的数据比BAT要多。所以运营商的数据是非常好的数据。不过运营商数据存在几个无法克服的问题。第一个,运营商的数据可以获得,但是前提是运营商愿意跟你合作。因为运营商身份的关系,这个事情不一定是纯商务关系(不像跟BAT的合作,基本上是利益牵手)。而且运营商最近遇到了流量劫持等争议性问题,所以在选择数据合作伙伴的时候很谨慎。

运营商数据的第二个问题,是运营商很多是“军阀割据”的。你要搞全国数据,你得跟他们的每一个“地方军阀”去谈。这个工作我估计中国没几个人能全部搞定。

运营商数据的第三个问题,是越来越多的网站、APP采用了加密手段。所以过去互联网对运营商基本上可以算作透明世界,现在也有不少数据看不到了。比如,运营商过去是能看到百度用户的搜索数据的,百度说,这风险太大了吧,于是把search queries都加密了,然后运营商也就看不见了。

虽然有这三方面的问题,运营商仍然是比较好的数据合作方。他们姿态上比BAT开放的多,运营商逐步管道化和边缘化,所以他们也相对乐意在数据上找到一些新的增长点。

如果运营商愿意提供数据,他们将提供给DMP经过“脱敏”的数据。脱敏是指我们在DMP中所使用的数据理论上都应该是非PII数据。所谓PII是指能够识别个人具体身份信息的数据,并且可以通过这些信息定位到真实世界中的这个人,有点类似于“人肉信息”的意思。运营商是有个人的识别性数据的,比如有用户的姓名,身份证号,出生信息,家庭地址,IP地址。这些都是PII信息,运营商不会发给DMP,当然DMP也不可以获得这些数据。而另外一些数据运营商也可以获得,比如某个互联网用户访问某个网站时候的cookie、被某个广告技术服务商打上的cookie等,还能看到他一段时间内浏览网页、使用APP的全路径,还能看到某个人的地理位置的不断变化的信息。

运营商和你合作的时候,会对数据脱敏,把PII数据去掉,变成一些普通的数据。比如说绝对不会把这个人的身份证号、手机号提供出来。这就涉及了DMP的另外一个问题——隐私问题。有一年315晚会曝出一些广告技术服务提供商侵犯了用户的隐私,其实他们所谓侵犯的隐私可能完全没有PII数据,用于广告定位的信息可能已经都经过脱敏。但是如果运营商把你的手机传给了第三方,这就是侵犯隐私。现在立法严格了,这么做已经深具风险。

第三类就是垂直领域的数据。它们的数据很好,虽然数据范围局限在某些具体行业,但是相对来讲数据比较细比较专,而且质量也颇高。比如说汽车广告主想投放一些广告,那找到一些汽车类的垂直合作方会比较好。此外,垂直网站的数据封闭性相对没有那么高,不像BAT可能是要靠数据为本身去赚钱,垂直网站相对比较愿意把数据拿出来和其他公司去合作,从而换取一些他们一般拿不到的资源。

这就是三类数据各自的一些特点。总体来说,第一方数据、第二方数据和第三方数据共同构成了DMP的来源。另外还有一些特殊数据源,比如政府的数据、国家一些行政基础信息系统建设产生的数据、线下数据,也是DMP数据的补充。

了解了这些知识,是不是对DMP有了进一步的理解和认识,DMP营销不是一蹴而就的,它也是个非常有内涵的营销方法。

2. 数据预处理并建立映射关系数据获取后并不能立即投入运用,各个平台的数据质量,数据格式一般存在较大差异。需要进行数据清洗和格式化预处理,筛选出高质量的、格式规范的数据。

然后依据某些特征信息(user ID/Cookie ID/IMEI/MAC地址/手机号等)将各个平台的账号归一到某一个真实用户名下(即建立各平台账号的映射关系),串联起他在各个平台的行为轨迹,这个交由DMP的ID引擎来完成。

怎么判断DMP数据的时效性?

这涉及到两个问题。一个是数据本身的时效性,另外一个是对时效性的判断。第一个问题,时效性里性别的实效性是最差的,一般而言它不会改变。兴趣的数据时效性也比较短。行为的实效性就更短,昨天的行为和今天的行为肯定不一样了。实效性的判别涉及到第三方数据的DMP里面怎样判断它的质量。这个是一个比较复杂的话题,到今天为止也没有得到很好的解决。业界判断第三方数据DMP的质量是否足够好,比较传统的是用panel方法。但是这种方法存在很大缺陷。

什么是pane判定法?

比如说我想看腾讯的数据是否准确,我从数据池里抽取一万或者两万个数据做人肉调查,得到他们性别、年龄等数据,然后和腾讯给我的这一亿数据进行对比,如果二者符合的话就说明这种方法确实可靠。这是目前市面上最常用的方法,但不建议使用。原因在于首先样本量存在偏差:你的样本量相对总数据池来说太少,真实可信的数据能有几万或者十几万就已经很不错了。面临的第二个问题是通过样本量的数据规模去验证DMP的数据规模不科学,因为你要用10万的样本去验证上亿的数据规模,是千万级的差异,这使得panel的数据可能还不如DMP的数据准确

那么如果这种方法不可行的话,另外一种方法就是通过判别兴趣来验证数据的好坏。你给我一群人说是喜欢汽车的,我也相信他们是喜欢汽车的,于是我就投广告。投完广告之后我就会发现这些人对广告的感受,看广告的时间,点击广告的次数,进入广告或者APP和我互动的程度都明显好于盲投,那会觉得这个数据确实是基于兴趣,这个是第二种方法,这种方法是后验。

第三种方法能够解决第一种方法panel所带来的问题:跟BAT合作,跟运营商合作,让BAT或者运营商来评估数据大概的质量情况。因为我们信任BAT或者运营商的数据质量还是可靠的,而且以他们的数据作为panel也能够解决panel内数据量过少的问题。不过我们需要和BAT有很好的合作关系,这是第三种方法。往往我们认为BAT和运营商只要数据抓取得当、技术合适,那么他们作为尺子去衡量其他数据还是靠谱的。

3. 用户细分DMP收集并预处理了相关用户数据,但怎样进行用户细分?我们可以采用建模和打标签的方式来实现。

图片截图自科之云会员运营管理后台客户建模实际上是基于CRM系统中经典的客户细分思路,大致包含以下几种模型。

基本模型:依据用户性别/年龄/地区/收入等基本属性维度进行的客户细分;RFM模型:依据最近一次消费(Recency) 、消费频率(Frequency))和消费金额(Monetary)三个消费特征进行的用户细分;生命周期模型:依据引导期/成长期/成熟期/衰退期(类比产品的生命周期)等时间维度进行用户细分;价值模型:依据用户消费金额高低进行用户细分(通常消费额高的用户对企业来说意味着高价值);忠诚度模型:依据用户购买频次的多少进行用户细分(通常购买频次多的用户意味着对企业有高忠诚度)。标签体系

图片截图自科之云会员运营管理后台所谓打标签即是基于用户数据(基本属性+行为数据)为用户建立特征属性说明。系统自动从标签库(当热也支持手动)选取标签与用户进行匹配,并以标签进行用户细分。常见的电商标签体系包含:

1)基本属性:依据用户性别/年龄/地区/收入等基本属性维度进行的客户细分(与客户建模中“基本模型”类似);

2)购物兴趣:依据用户历史订单的商品类别进行客户细分;

3)购买意愿:依据用户的购买意愿强烈程度进行客户细分;如果用户在某商品推广内容下点赞,或者直接将某商品加购(只是举例,并非穷举),那么则认为用户对该商品具备购买意愿。

4)消费能力:依据用户购买力的高低进行用户细分;“消费能力”与客户建模中“价值模型”并不一个概念。

“价值模型”的评估数据来源于用户在企业自有平台的消费记录,但是标签体系中“消费能力”的评估数据来源可能是第二方/第三方平台。是可能出现某用户被标签标记为“高消费能力”但是在价值模型中却是“低价值用户”。

比如从第二方平台获取到某用户住址在一高档小区,我们合理推断他是具有高消费能力的;但是他之前并未在企业自有平台进行过消费,对企业来说他属于低价值用户。

5)消费习惯:依据用户历史订单的特征信息进行用户细分;比如某用户总是先关注商品,等待其打折时才会购买;再比如某用户常常在每月的固定日期购买某类型商品(周期购);这些订单特征都可以作为用户细分的标签。

6)关注内容:依据用户购物车详情/搜索记录/浏览记录等汇总得出的商品类别进行用户细分;

7)会员信息:依据用户是否为平台会员,是否享有特殊权益进行用户细分。

用户细分的动态/静态选择淘宝crm是什么意思

我们可以通过客户模型和标签体系实现用户人群细分,但是需要注意的是,人是一直在变化的。或许当下某些人属于某个细分人群,但随着时间流逝他们可能不再满足该细分人群的条件了,同时之前不属于该细分人群的某些人又满足了条件。

所以对于后面的环节,即报表输出和数据应用,可能面临根据实际业务需求采用动态数据或者静态数据。则要求DMP具备数据定期刷新能力,开启则意味着动态用户细分,关闭则表示静态用户细分。

4. 数据应用前一步我们已经实现了用户细分,之后即可针对不同人群实施不同营销策略。DMP对细分人群的两个重要应用就是营销自动化和智能广告投放。

营销自动化(MA)

通过多渠道/平台联合对具体用户或者细分人群进行个性化营销。

比如某个用户将某商品加入了购物车,但是经过较长时间都没有完成购买;恰好公司近期有相应的品类营销活动,用户可领取适用于该商品的优惠券;此时DMP自动以短信、公众号等渠道通知该用户,促使其完成购买。

营销自动化的实施,涉及到相应的触发机制,需要由规则引擎来实现。同时需要运营管理后台(涉及到营销管理,优惠券管理,会员管理,CMS等模块,是属于运营管理后台基础功能)与基础服务底层(包含但不限于push服务、EDM和SMS)的配合。

智能广告投放

广告投放面临的灵魂拷问是:我知道在广告上的投资有一半是无用的,但问题是我不知道是哪一半。智能广告投放就是尽量避免这种情况的发生,只针对目标人群投放广告,提高广告收益/投入比。

首先明确Lookalike这个概念,即相似人群扩展:是基于种子用户,通过一定的算法评估模型,找到更多拥有潜在关联性的相似人群的技术。大致可通过三种方法实现:

基于用户画像:给种子用户打标签,利用相同标签找到目标人群;基于分类模型:种子用户为正样本,候选对象为负样本,训练分类模型,然后用模型对所有候选对象进行筛选;基于社交网络:利用种子用户的好友关系,将其标签传给社区中的好友,从而实现人群扩散。所以广告投放过程就优化为:DMP先通过Lookalike得到目标扩展人群,企业再将广告内容和目标扩展人群一并给到DSP(这里需要提供不同广告内容与不同扩展人群的对应关系,比如广告A要求投放给扩展人群a,广告B要求投放给扩展人群b),就能实现千人千面的智能广告投放。淘宝crm是什么意思

DSP(广告平台)一般包含人群分析引擎、LBS定向引擎、RTB重定向、个性推荐引擎、动态出价等功能模块,网上有很多介绍资料,大家可自行搜索了解。

5. 报表输出该板块即是对用户数据的可视化处理。同时报表引擎能根据具体业务,定义相关指标,并输出相应报表。下面介绍一些典型的数据报表。

行为轨迹分析:针对全体用户、经过细分的用户人群或者具体用户,进行各平台行为轨迹分析,甚至包含线上/线下渠道的信息,从而分析出哪些渠道/平台/页面的转化效果更好,对于渠道/平台/页面优化有指导意义;营销漏斗分析:反映了从展现、点击、访问、咨询,直到生成订单过程中的客户数量及流失;这个一层层缩小的过程表示不断有客户因为各种原因离开,对企业失去兴趣或放弃购买;其价值在于量化了营销过程各个环节的效率,帮助企业找到薄弱环节;人群特征分析:可以提炼出企业的客户的基本属性(性别/地区/年龄等),有助于企业识别典型客户;“人群特征”需要与“用户画像”相区别。如果DMP收集了所有分散在各渠道/平台的用户数据并分析得出人群特征,从统计学上讲,该数据肯定比用户画像要精确,因为人群特征是基于真实的用户的统计,用户画像往往是基于笼统的流量进行的分析。广告效果分析:主要是针对细分人群进行广告投放的效果分析,包含CVR/CTR等重要指标的展现,优化广告投放渠道和人群;用户留存分析:统计某一时段内的新增用户数中再经过一段时间后仍启动该应用的用户比例,用于分析渠道/平台的效果,是否能够留住用户。

6. 其他基于保护客户数据安全的考虑,DMP需要有权限管理,限制使用人员的查看范围和操作权限。同时提供日志管理功能,操作留底便于追溯。

哪些行业和哪些企业适合自建DMP?

第一个就是每年有一定的广告投放和市场推广费用的企业,如果费用还没有DMP的成本高,那就不用建了。

第二个是对自己数据的安全性要求比较高,自己建DMP可以解决这个问题。

第三个是对客户人群的细分是有要求的,比如说像汽车行业、母婴行业、奢侈品行业,并不是所有的人都有购买这些产品的需求,营销必须对人有针对性,这种企业对DMP需求高,而且最好是自建DMP平台。

不过自建DMP,对自己的IT部门是有很高的要求的,我相信并不是每个有自建DMP需求的企业主都能够真正的靠自己的员工去建设一个DMP。如果没有这样的自信和实力,那么不妨利用软件外包的方式,让第三方开发公司来承建。比如像科之云这样的提供营销服务的公司。

企业通过自建二元化的DMP会获得怎样的好处?

最简单的就是这些企业建了DMP之后,广告投放效果会有明显的变化。最明显的变化就是触及到的目标受众更精准,过去触及1万个人里面可能只有1000个人对我的产品感兴趣,使用DMP之后可能会上升至3000人。结果是花了同样的钱,但是达到的效果更好。另外可以提升转化率,降低推广成本。比如教育企业可能原来花5000块钱投广告才能获得一个lead,但是建立DMP之后,成本会降低10%到20%左右。优质的DMP平台可以让企业少花钱,多受益。

企业应用DMP或者选择DMP合作的过程中要注意哪些问题?

先是需要管理层自上而下的推进。其次是营销思路的改变带来营销策略的改变,进而影响企业营销部门的工作方式。过去的方式是粗放式,现在是要往精细化的方向转变。思想观念变了之后操作方式、执行方法也就会有很大的改变。过去可能更多的是去定义媒体是什么样,现在会更多的专注在“人”上。营销是从媒体策略转变成了人群策略。技术改变影响了思想及策略的改变,进而影响了执行的改变。

第一,在数据源上,未来DMP的数据源会比现在更多,但是每一种数据源的数据范围可能会变得更小。虽然让BAT和运营商实现自由交换难度有点大,但是各个细分领域进行数据交换的可能性是非常多的。

第二,未来可能会从第三方DMP转向公有DMP,数据直接实现自由交换,这个可能是国内的一个方向。但是前提在于我们对于数据的隐私有更明确的立法出台,避免灰色地带。这是我对公有的的第三方DMP的一个看法。

第三,对于企业私有的DMP,可能会走向一个更加灵活的部署, 会有一些模块化的定制化的工具出现。结构可能不会有太大的变化,但是使用会更加的方便。从而也意味着DMP会成为未来企业的标配。

由此可见,DMP在中国只是刚刚开始,未来会发展的越来越火,企业要把握好这个机会,开始学习并使用DMP,这样才能使企业发展的越来越好。

欢迎关注公众号:科云新零售 ,更多干货等着你,整理:科之云victor

科云新零售

Reprint please indicate:http://kfeg.cnsoftweb.com/CRM-5905.html