数据产品叫好不叫座，该如何破局

自打进入数字营销行业，江湖上就有这样一个传说：每个拥抱精准营销的广告主，背后都有个强大的数据产品。而产品叫什么，也流传过很多版本，从最早的DMP，到Data Exchange，再到近来的CDP，可谓是五花八门，层出不穷。

不过我一直有个困惑：数据产品如此重要，都早成了各种峰会PPT上的口水词了。可是，在日常的营销活动中，你见过哪个广告主像使用广告投放平台那样，每天打开数据产品后台干活呢？

所以，营销领域谈数据产品，就像青少年谈性，每个人都在说，不知道谁做了，每个人认为别人在做，所以大家都声称自己在做。

这种尴尬局面的原因也很清楚：广告主自建数据产品，域内那点数据掰着脚趾头都能数过来，相比平台数据九牛一毛，再眼花缭乱的CDP也像马老师的接化发一样，不过是假招子；平台的数据，在广告建模上很有用，可是要解决某些广告主爸爸的特异营销需求，后者自己的业务数据和领域知识才是点睛之笔，没有了这些，数再多也是睁眼瞎。

因此，方向是明确的：未来的数据产品要摆脱吉祥物状态，核心问题是打破第一方(广告主)和第二方(平台)之间隐秘的篱笆墙。在全链路的基础上收集、整理广告主自有的数据做沉淀，并接入平台进行营销应用，方能更好地发挥广告主自有数据的价值。

然而，道路也是坎坷的。沿着这个思路展开，我们会面对三个终极拷问：一、全链路的数据资产沉淀，是不是已经具备了基础？二、面向全链路的数据产品，会有哪些不一样的数据应用？三、广告主如何在确保数据资产安全的前提下与平台合作？

因此，我们深入思考了上面的问题以后，决定用腾讯广告DMP为样板，来看看这样的全链路化趋势，应该如何在产品中落地。

全链路数据资产，该如何沉淀

先来说说什么是全链路数据资产，以及为什么要拆掉篱笆墙。来看一个简化的广告转化流程：用户看到广告，这叫一次展示(impression)；如果他有兴趣，可以点击(click)广告；在广告主应用/网站中了解了产品详情后，也许会下单购买，这叫转化(conversion)。

展示和点击，是发生在媒体平台上的行为；而到达和转化，是发生在广告主应用/网站上的。另外，广告主或媒体都还有一些与广告业务并非直接相关的数据。显然，从数据所有权来看，存在着一条明显的分界线。

这只是个概念图。实际广告业务中，行业五花八门，线下交互深度也不同，这样的全链路数据，即便是广告主自有的数据，要从多个触点收集起来并不容易。不过，在有了微信的社交、支付、小程序这些生态工具以后，很多原来线下的离线业务也已经通过数字化转型实现了线上化。

比如餐饮行业，可以用领到微信卡包的优惠券承接线上广告的转化；当广告主到实体店消费时，扫码点餐时也就记录了到店行为，并在支付时将优惠券核销。从数据的角度看，原来餐饮这一最典型的线下行业，实际上已经实现了线上线下的联通。

全链路数据沉淀，有个关键的产品问题：这个能力应该是广告主自己做呢，还是平台主导来做呢？

首先，自建数据产品，除了对少数的头部广告主而言，都是镜花水月，不切实际。而这并不代表中小广告主就没有数据需求；其次，媒体掌握的链路前端数据规模巨大，从法律合规性上也很难直接提供给广告主。

所以我个人认为，平台提供工具，广告主定义场景，是最可行的模式。

最近腾讯广告数据管理平台DMP实现了升级，我看了下这一产品，也是沿着这个思路发展的：平台给广告主提供了接入多种数据的能力，广告主在合法授权之后，就能够将App、Web、微信及线下等多种一方数据接入到DMP平台来。这里的数据类别是根据广告主自有的数据应用场景决定的，开放了微信生态的数据接入能力，也是腾讯广告DMP此次升级的一个大亮点。

为什么要费这么大劲，把全链路数据沉淀下来呢？其实，这折射出在后AlphaGo时代，我们的一个基本信念：在数据充足，人的能力又没经过进化选择的领域内，机器决策迟早可以大面积替代人的决策。那么首先，我们需要实现第一步，也就是积累足够的、多维的数据。显然，广告营销符合这样的特征，只是因为从前，从展示到转化的链条太长了，数据在流转的过程中无法实现全链条的串联，因此也没办法实现下一步，也就是用算法驱动最后的那个商业价值。而有了全链路数据的沉淀，“智能营销”的发生也将变得未来可期。

全链路数据管理，如何驱动智能营销

如果全链路数据真的沉淀下来了，将会如何驱动智能营销呢？与以前的数据产品相比，又会生发出什么新价值呢？

其实，我一向认为，全链路数据最重要的价值，恰恰就在于“全”。这话怎么讲？要知道，很多企业的老板没有数据意识，并不在于他不想用数据，而是因为他根本没见过数据的真正价值，见到了也是只鳞片爪，也就无从想象用数据能干点啥。

于是，他们在花大价钱购置了号称自己是“数据产品厂商”的公司向他们推销的DMP、CDP这些物件以后，就像是买了个炼油厂可是买不到原油，时间长了自然也就心灰意冷。

可是，一旦他们能在系统里鲜活地看到，自己的用户有什么样的特征，处于营销决策的哪一个阶段，又与自己投放的营销活动如何交互时，对行业熟悉的广告主老板或运营人员，往往都能敏锐地根据这些洞察制定营销策略。

举个例子，我有个朋友，近期发现广告的ROI遇到瓶颈，无法找到更多深度转化的人群，这该怎么办呢？

这时候，全链路的优势就发挥出来了。朋友把自己的全渠道全量数据上传到了DMP，建立了行业深度数据接入和处理通路。借助DMP上的人群分析功能，他可以了解到，自己的深度转化人群具有什么样的特征。在此分析的基础上，他基于自有的数据建立了深度转化的“意向模型”，这样一来，朋友就能在媒体平台中进行核心人群包的输出和投放，找到更多贴近后端交易的人群，并有针对性地给这批人投放广告。结果，朋友的这一阶段投放转化率提升了50%，整体的ROI提升了70%。

那么，对于营销实际最常用的受众定向来说，全链路的数据又能发挥什么作用呢？

实际上，有了第一方的“点睛”数据和第二方的“海量”数据以后，辅之以广告主的领域知识，受众定向这件事，会变成充满想象力和创造力的工作。总结起来，在全链路数据的基础上，受众定向的思路有下面几类：

一、相似人群拓展：广告主的转化数据中，人群规模往往较小。将这个种子人群上传后，指定自己需要的受众量级，平台会对种子人群进行解析，找出关键特征，在体系内进行拓展。这也就是大家熟知的“look-alike”功能。

在全链路数据上做look-alike，关键是可以在进行用户画像和深度转化行为的关联分析后，有针对性地选择种子人群，这会大大提升受众拓展的效果。

二、灵活圈定受众：简单地说，可以利用广告主自定义人群和平台标签广场中的人群，通过灵活的组合或排除关系，得到特定营销动作需要的精准人群包。

三、自助分析和建模：这是比较有亮点的功能。既然是广告主可以自主操作的全链路数据DMP，那就不能是只提供几个报表完事。在腾讯广告DMP中，提供了比较独特的SQL Lab和Model Lab功能：前者结合一方和二方数据，广告主可自由写代码、运行、查看结果，来制定营销策略，指导广告投放；后者是为广告主提供的简单易用的建模平台，可以使用一方及二方的特征数据，完成模型训练和预测，用于广告投放。

无论是灵活圈定受众，还是在SQL Lab、Model Lab中建模得到的自定义人群包，广告主都可以一键用于广告投放中，直接驱动增长。因此，虽然DMP是平台提供的，但广告主在使用的过程中依然具有极大的灵活度和自由度。

客户如何确保自有数据安全？

全链路的数据产品，还存在一个合作中的重要问题：广告主如何才能放心，将自己的数据托管给平台？实际上，这才是全链路数据产品的核心障碍之一。

关于这个问题，要从规则和技术两个层面来解决问题。我看了看腾讯广告的DMP里面有个联合专区的功能，他们特意把这部分能力抽象出来，打造了一个“数据保险箱”的概念，方便广告主理解。

所谓数据保险箱，首先是在数据的接入过程中，突出广告主是“数据拥有者”，也是“数据管理者”这样的理念。由广告主自己定义数据库、数据表、定义字段，并且是通过专有接入通道实现对接，这样一来，数据的语义只有广告主自己才能理解，也就能保护其数据安全。

另外，在数据的存储上，联合专区采用的是基于腾讯云的私有化部署和加密方案。通过了ISO27001+ISO29151的双重安全国际认证，从系统层面保证了“数据保险箱”的安全。

那么在数据应用层面，联合专区也提供了多种定制化的高阶功能，让广告主能够在一个私密空间里面自主应用。

另外，对于有特殊数据安全性要求的广告主，比如银行，腾讯广告也在大力研发和推进联邦学习技术，让广告主在不用上传第一方数据的情况下，也可以进行联合建模。

@-@

如前文所说，只有将广告主的全链路的数据都沉淀下来，并且在DMP上充分利用，才能真正驱动广告主的核心增长目标或商业价值，让数据产品不再仅仅停留在PPT层面。

而在微信的交易场、社交场支撑下，腾讯广告DMP在这方面做出了一些有益的尝试，让各行各业的广告主可以在平台提供的基础设施和数据支撑下，充分发挥自己的行业经验，灵活加工和定制数据，以便精准定位目标用户，直接驱动智能化的营销。