深度解構DMP的概念面具

2015-10-26 07:00 9841

DMP，全名為“Data-Management Platform”，即“數據管理平臺”，是利用大數據技術從海量雜亂的數據中抽取出有價值信息的重要基礎設施。

北京2015年10月26日電 /美通社/ -- 面對越來越多、越來越分散的線上和線下渠道、越來越難理解的在線新生代、層出不窮的新名詞，企業各種焦慮但也不知道從何入手。因此，消費者畫像、精準營銷、大數據、O2O、SCRM（Social CRM）開始成為熱門話題，大家都想抓住最“互聯網”的營銷方法。實際上這些熱門話題是同一個東西，即：數據管理平臺，也就是DMP。

DMP是大腦

DMP，全名為“Data-Management Platform”，即“數據管理平臺”，是利用大數據技術從海量雜亂的數據中抽取出有價值信息的重要基礎設施。

很多人以為，DMP僅僅針對廣告投放。因為，幾乎所有的廣告公司都將它用于與DSP（Demand-Side Platform）配合來優化廣告投放效果。

然而，這種觀點真的正確嗎？

DMP所處的角色和需要處理的內容，由DMP的總體使用場景決定。廣告行業只是恰巧對DMP的需求比較明顯，而且DMP應用于廣告行業的鏈條清晰且較短，RTB只是其中最立竿見影的一種應用而已。

在當前的數據時代，DMP已經從早期廣告服務平臺逐步演變成為企業客戶營銷的核心引擎?，F在DMP更多被定義為能統一抽取公司各業務離散的數據并作出科學分析來支撐決策的技術性平臺。

DMP能夠整合集成各類基礎業務數據，如客戶數據、會員數據、ERP數據、DEM數據、用戶在網頁和APP上的訪問數據等，并利用先進的技術手段和模型算法來消費和使用這些業務數據。DMP能夠幫助行業客戶從海量數據中挖掘到有價值的商業信息，給予產品推廣和營銷工作支持。

簡單地說，DMP就如同一顆高智慧的大腦，通過各種盡量延伸的感官感知并搜集外界的各種信息，借助神經網絡把這些信息源源不斷地匯集到大腦進行分析判斷，然后指揮著軀體對外界變化做出反應，或者有目的地嘗試一些舉動，這些反應和舉動又能獲取新的信息。對的，DMP的這種數據采集、分析處理、應用反饋的回路也是周而復始，而且有機會使系統變得越來越敏銳和智慧。

DMP的應用變現途徑

DMP一定要在使用中才能產生價值，那么除了RTB廣告，DMP還有哪些應用變現途徑呢？具體說來主要有以下兩種：

第一種：數據報告變現，這種模式不涉及到個體用戶的隱私，因此相對比較成熟，比如通過對于人流量的分析可以廣泛的用于交通流量預測、旅游流量預測、商家選址等等，可以為政府、商家提供相關的咨詢服務。

第二種：數據服務變現，通過數據運算將企業的第一方數據和數據管理平臺內的數據融合，不斷地挖掘其中的價值，深度洞察用戶和尋找潛在客戶，將企業沉睡數據的價值發揮較大化。數據洞察和基于數據的分析服務，已經成為DMP越來越重要的應用方向，而且成為評判DMP優劣的最直觀應用。

數據獲取，成為DMP能力的核心因素

企業對大數據應用的迫切需要催生了很多不同的DMP公司，有些前身是數據管理公司，有些是來源于Ad Network，同時部分DSP也開始進入DMP市場。這些公司DMP的DNA各有不同，優劣勢自然也不一樣。

這個時候，很多人就會產生疑問，判斷一個DMP的好壞時，究竟要考慮哪些因素呢？

大多數人想到的第一個關鍵點當然是：數據！

的確，DMP既然是數據管理平臺，那么數據來源上的薄弱，將直接導致DMP成為無源之水，一具腦死亡的軀干而已，DMP也就僅僅剩下一個概念。

而且，不同的數據來源和數據獲取方式以及質量，在很大程度上決定了DMP的應用方向和應用能力。

從數據的專業性來說，專業的DMP不僅要包含大數據，還要包括傳統業務數據等多種數據載體，除了PC端還有移動端，除了企業的第一方數據還要包括企業外部的數據來源（如社交媒體）等非結構化數據內容，掌控用戶在企業之外的數據存在狀態，識別哪些數據可以用于后續處理分析。

簡單來說，高價值數據體現在兩個方面，一個是數據的連續性，同一用戶在不同站點上的行為數據能夠被識別并連接在一起；另一個是多種終端的數據的連續性，目前主要還是PC端和手機端。

第一方數據，由于來自于自身業務開展過程中的數據積累，其數據質量往往比較高，如果數據量夠大，數據維度也夠豐富，完全可以對外提供DMP數據服務。在這方面，BAT最為典型，除此之外，國內還有很多擁有龐大數據的機構目前還是更多地是把自身第一方數據脫敏后售賣給第三方DMP公司。

這些數據來源于自身核心業務的DMP公司，核心業務的特色和優勢自然同步反映到DMP數據服務的特色和優勢，尤其是騰訊、阿里，不僅數據量巨大，更重要的是其數據建立在強賬號體系之上，能夠很好地保證體系內數據的連續性。事實上，內部數據整合并依此提供數據服務和互聯網布局，一直是這些互聯網巨頭的戰略方向。除此之外，這些巨頭也為第三方DMP公司提供數據服務。

那些獨立的第三方DMP公司，數據來源就五花八門了，在數據的連續性方面始終是較大短板。在PC互聯網時代，主要依靠對Cookie的收集與追蹤從PC端獲取數據，但是Cookie的天生缺陷難以保證數據的連續性，而且隨著人們從電腦轉向手機，Cookie技術也難以關聯到移動設備上。致力于移動互聯網數據的DMP公司通常采用APP SDK植入的方式獲取移動數據，但是這種方式的數據采集全面性存在不足，而且缺乏固網數據，也沒有Wi-Fi和PC端數據的結合。

還有一些第三方DMP公司借助數據整合實現海量數據的連續性。這些第三方DMP公司與擁有龐大數據的公司保持著密切的溝通，通過不斷整合包括BAT在內的多家第一方數據，從而建立起基于全網絡連續性的大數據，只是這種整合的工作量十分巨大，但是這也恰恰發揮出了第三方DMP公司的靈活性。GEO集奧聚合的GData大數據平臺，就是這樣一個以多重數據整合為基礎的DMP。

經過長時間的數據整合和積累，GEO GData整合了多渠道數據源，通過對互聯網全量數據的匯聚、清洗、智能運算，能夠支持全網絡數據的連續性，目前已經覆蓋到全國5億用戶。

從數據廣度上來說，GEO GData獨特的數據來源可以很全面、公正的獲取PC和移動端的數據，更重要的是，這些數據可以整合成連續數據，而且保證跨終端的數據連續性。

從數據深度來說，GEO GData不僅不斷深入與第一方數據源的合作，這種合作可以獲得高價值且具有連續特性的第一方數據，也與別的第三方DMP公司合作，進行數據交換，用交換來的也許并不連續的數據放到GEO GData數據平臺進行整合處理，就有機會把這些互聯網數據和線下數據變得連續和精確。這是GEO GData的成長邏輯。

有了大數據，還要從大數據中提取價值

接下來，DMP會根據原始數據，并按業務規則或者數據模型、算法等，為所有的用戶打標簽。如果說數據是木偶的手腳，算法就是提線，有機地將數據以某種特定邏輯架設起來。所以算法和模型也是判斷DMP的另一個關鍵點。下圖以GEO GData為例來說明。

圖片來源：GEO集奧聚合

無論哪種數據來源，都并非直接對接給需求方，而是采用統一化的方式將各方數據吸納整合，再進行數據處理和融合，做標準化、結構化的細分。這樣加工后再推向營銷和分析環境中的數據才能更完整，系統性也更強，同時也不再是原始數據的形態。

無論是對外提供哪種DMP數據服務，其算法和模型都是建立在所擁有的數據之上，數據基礎越是豐富、建模能力越強、對行業理解越深入，就越能準確捕捉用戶在互聯網上的行為，建立更完善的標簽分類體系，為用戶更好的畫像，建立適應行業需要的業務應用模型，大數據應用才能扎實地展開。

數據驅動實效

好的DMP產品能解決企業的實際業務問題，優秀的數據管理平臺不僅僅只是提供一個技術平臺，更重要的是需要具備業務理解能力和分析建模能力，只有這樣才能真正用好這些數據。

很多DMP公司，GEO集奧聚合的GData也不例外，能夠幫助企業用戶搭建私有DMP，但不只是幫企業建設了一套DMP系統，實際是傳授了一套數據經營的方法論，內置了多類數據分析模型，同時，幫助企業引入外部數據，補充數據維度，用于多種應用場景，做到了授之以漁。實際上是通過DMP輸出了一種數據管理和分析能力，幫助企業獲得戰略優勢、提升品牌競爭力和優化決策能力，而非僅僅銷售一套產品。

同時，DMP數據的匯流還能夠為企業和從業者產生出更高的價值空間。以基于GData的另外兩個產品APP MAP（集奧雷達）和GEO洞察報告來說，前者從APP運營的角度通過精準的大數據分析獲取APP的各種關鍵運營指標，能夠提供多角度全方位的APP運營分析；后者則通過受眾人群和產品定位的角度，洞察企業自身在市場上的優劣勢，在激烈的市場競爭中捕捉到市場先機、為市場決策提供重要支持。

需要說明的是，DMP只能預置部分分析模型或算法，根據企業的長期發展目標，針對企業特定的業務分析需求，需要數據管理平臺的數據專家和商業分析師聯手人工完成。DMP僅僅是一個技術平臺，并不是萬能的，需要DMP公司在技術和人力上的持續投入，這也是所有DMP公司面臨的巨大挑戰。

結語

和2014年相比，DMP這個概念盡管在國內依然還處于教育市場、積累數據和沉淀業務分析的階段，但已經被越來越多的人所重視。

大數據不再是少數派的壟斷資源，大數據應用已經成為實實在在服務各產業的有力武器，小荷才露尖尖角，為各行業提供的數據分析效益值得期待。

格局未定，好戲正在上演，拭目以待未來的發展。