京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“很多公司还在单纯的做第三方数据搜集、分析,以此判定包括年龄、性别等在内的上网人群特征,这种方式有很大的局限性。”悠易互通CEO周文彪近日接受21世纪经济报道记者专访时表示。
数字营销曾踏着互联网的浪潮极大冲击了传统的营销模式,即通过在第三方网站(比如新浪、搜狐等门户)布代码,搜集、分析用户行为,然后针对性投放广告,因此,被视为一种更加精准的推广营销模式。
但在大数据时代,这种模式面临的问题开始暴露。周文彪表示,根据浏览行为做数据分析是一个弱关系,不是强关系,悠易互通也曾做过三年尝试,但去年发现,单纯以第三方数据去分析,数据丰富度不够,想要得到一些用户的深度属性,难度很大,导致广告投放的精准度依然不高。
因此,今年悠易互通推出了“数据银行”,引入品牌商的第一方数据,并通过与第三方数据的匹配,形成新的数字营销模式。
数据银行的核心便是从单纯的对用户行为分析升级为对用户身份的认证,进而进行跟踪分析。同时,在多屏时代,基于身份认证和后端的大数据分析,可以实现跨屏营销。
数据银行思路
“对广告客户的第一方数据和第三方数据整合,是我们做数据银行要最先解决的问题。”悠易互通负责产品的副总裁蒋楠表示。
周文彪介绍说,数据银行的大数据来源主要包括第一方数据(客户网站上布代码搜集数据)、自己的数据(去全网布代码搜集分析的数据)、第三方数据(比如百度淘宝、新浪等)、垂直领域的一些数据供应商。
据了解,悠易互通的数据银行模式首先是将代码布到广告客户的官网和APP上,进行数据搜集分析,比如有1000万个用户点击进入,首先要分析有多少人只是到达首页,多少人进入到产品页,又有多少人转化购买了产品。
周文彪表示,第一方数据非常精准,因为浏览的用户和品牌的关联度很高,不只看过广告,而是有足够的停留时间,这样分析的结果比在第三方平台上分析的数据准确很多。但也有局限性,一般的品牌商自有数据量比较小,对于营销远远不够,所以要结合第三方数据。
在两类数据结合的过程中,悠易互通加入了ID身份认证,既可以激活品牌商的原有客户,同时以此又可以带来增量用户,并形成循环。
周文彪以一家汽车品牌商为例,该品牌商已拥有500万的CRM数据,包括名字、住址、手机号、身份证号以及保养情况等,但最大的问题是这个数据库没有被充分运用起来,一直处于离线状态,无法跟踪这些用户平时在线干什么。
悠易互通则通过对这500万客户的手机号加密,然后去自己的数据库中(同样积累了大量加密手机号)匹配,一旦确定为同一个用户,便会给该用户赋予一个悠易互通的ID。当该ID在其它网站浏览时,便可实时跟踪,并结合CRM离线数据库,了解用户的需求,比如该保养或换机油了,精确地推送给用户。周文彪称,通过这种方式已为该品牌商激活300万用户。
而对于增量用户,周文彪表示,因为这300万用户的全网行为都可分析,便可以总结出这些用户的在线行为特征,然后再去第三方数据库中寻找一批行为特征相似的人群去投放汽车广告,比如面向3000万潜在用户投放,如果有500万用户到4S店试驾或购车,又可以进入数据库,“用300万现有客户去找潜在的客户,这是一个很有效的方法”。
由此,围绕数据银行形成“第一方数据库挖掘——匹配ID——跟踪全网行为——总结特性——寻找类似用户精准投放广告——新数据进入第一方数据库”的循环模式。
跨屏营销场景
百度展示广告事业部产品总监沈昭阳在悠易互通一次发布会上公布的一组数据显示,中国65%的用户拥有电脑、平板、手机甚至更多的设备,他们的行为大量分散在各种设备上。同时他称,PC流量的自然增长速度无法承载产品所需要的增长速度,PC不可能做到流量的翻倍增长,因此只从PC深挖,已经看到了局限性。
多屏时代的用户行为变化必将激发出新的营销模式。周文彪表示,不同的终端拥有不同的ID,以前会认为不同的终端设备后面是不同的人,但在多屏时代,不同设备背后可能是一个人,如果还按照以前的模式投放广告,势必会造成资源浪费,跨屏营销就是要确定用户正在使用哪个屏幕,并且以差异化的方式将相关产品推送到正在使用的屏幕上。
但要实现跨屏营销,背后依然需要大数据的支撑。周文彪称,今年对一群用户的行为数据分析发现,同一个人,阅读行为发生在手机上的频次远远高于PC,而在对汽车、家电信息的获取上,PC端的使用量远远高于移动端。传统模式下,汽车品牌商分析移动端数据时,就会认为该用户是一个阅读用户,而不是一个汽车相关用户,就忽略掉了,但这个人可能就是一个汽车发烧友,只是在其它屏幕上进行相关行为。
解决这一问题,依然是通过统一ID的方式,即通过ID账号实时跟踪用户行为,形成大数据,以此综合分析判断使用多屏的用户属性。悠易互通是百度移动流量仅有的两大DSP合作方之一,百度旗下的音乐、地图等应用均在PC端和移动端实行统一ID账号,悠易互通在与其流量交易平台对接时,该ID信息进入悠易互通平台。
但从目前来看,并非每家大平台都开放这部分数据,因此周文彪称,另一种方式是通过IP号段,在同一IP号段下,即使不同的屏幕也可判断可能是一个人,成功率没有第一种准确,但也能达到60%到70%,在互联网营销领域,这个水平已经很高了。
周文彪称,跨屏时代的数字营销,最大的难点还是技术,对大数据分析能力要求非常高。CDA注册数据分析师协会会员是来自学界、实务界,国内大陆、台湾及国外数据分析和数据挖掘相关领域顶尖的教授、专家、工程师及企业高端人才,名师荟萃,学术浓厚,技术前沿,代表了国内数据分析研究领域的最高水平。CDA数据分析师的就业前景可选择于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个行业和领域。,根据三个不同的等级胜任不同的数据分析工作任务。文章来源:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16