数据产品叫好不叫座,该如何破局

广告 广告  收藏
0 / 262

image

image

北冥乘海生

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)。

image

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。

image

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 LabModel 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。

image

@-@

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。