3类营销工具

数据在市场营销中的作用越来越重要，至少BAT、Facebook、Google试图让你相信这点。单从营销领域而言，可以按照数据组织的主体，将数据产品划分成三类：

以人为数据的主体与核心：典型的如DMP，Data Management Platform；BAT和数字营销代理公司都提供DMP。

以用户行为数据为主体与核心：典型是Web Analytics WA工具，如Google Analytics、Omniture；在移动端，提供App内行为监测的工具也是此类，如Talkingdata、友盟等都提供App内行为监测数据，指标包括留存率、留存时间、渠道来源等。

以品牌/品类/产品为核心：典型的如Social Listening工具，他们根据预设的关键词，定向爬取互联网上公开的内容，然后进行分析。百度指数也是该类型的工具。

典型的DMP提供3种功能：人群提取、人群洞察与人群拓展。

人群提取是指在DMP中创建一个人群包，数据来源可以是广告主自己上传的消费者手机号码、设备号、IDFA、MAC地址等能映射到唯一一个消费者的识别码。当然，现在很多DMP是跟程序化广告投放端打通的，客户投放的广告的曝光、点击互动人群也可以通过DMP进行提取。此外，通过布置pixel、JS代码、添加SDK或者通过API回传官方、App内访问、浏览、点击、付费等用户，这些用户ID也可以形成一个个人群包。人群包的本质是多个人群ID。

此外，部分DMP还提供人群包之间交并差计算功能。例如A人群包的定义是官网到访人群，B人群包定义是官网购买人群。假设B是A的子集，我们想提取到访但是没有购买转化的人群，也可以利用DMP把B包包含的ID从A包ID中排除出去。

人群洞察则是利用DMP提供的标签化的数据，帮助广告主分析某个人群包的特征。典型的DMP会提供性别、年龄、地域、兴趣、App安装等维度数据，简而言之为基本属性+兴趣爱好。基本结构可以抽象成如下图的格式：最终DMP统计一下在给定的人群包中，多少的比例被打上了Tag1、多少的比例被打上了Tag2。当然，在广告投放的业务环境中，每个ID被打上标签，并不是这里简单的0或者1的关系，而是一个分布在[0, 1]的得分。这个得分反映的是该ID在这个标签下的行为强度和时间新鲜度。举例而言，一个人最近频繁打开携程、飞猪、蚂蜂窝，相比另外一个人1个月前只打开过1次携程，其在“旅游”这个标签上的分值显然更高。

人群拓展则是一个黑箱的功能。在广告投放业务场景中，显然每一个广告主都希望触达新客群体，除了利用投放端提供的人群标签进行定向之外，利用第一方购买人群做人群拓展，则是另一个重要的定向方式，这个功能被称为lookalike。lookalike会找到跟第一方人群相似性最高的人群，所谓相似性，则是基于用户的属性和行为来计算的，如地域、年龄和性别分布，以及使用手机的系统、安装的App等等，多大几百万个维度。lookalike的基本假设是：对于一个品牌的偏好和产品使用，人群有典型特征。比如，购买奔驰的人群，收入在中高端，这个时候lookalike是有效果的。相反，对于一些大众的产品或者品牌，lookalike并不一定能带来预期的广告效果就是这个道理。

与DMP以人为Key组织数据和操作逻辑不通，WA工具则更关注人的行为本身。这是现在Google Analytics提供的5个模块。除了第一个查看当前实时数据之外，Audience跟DMP类似，提供访客人群的兴趣、地域、手机操作系统等静态数据，也能帮助广告主进行LTV、cohort分析。Acquisition模块关注的是人群来源，Behavior则注重用户站内浏览行为，如浏览的时长、退出率、二跳率等。Conversions则关注用户在站内的浏览路径与转化行为。

Social Listening，有时候又被称为社交聆听、社交舆情监测，是对互联网内容（当前主要是对文本内容）进行监测和分析的方式。原理本身很简单，监测系统通过爬虫或者API接口获取文本内容，通过扫描文本内容里是否含有预设好的关键词，如果有则记录和分析。比如，各大汽车厂商都会不断扫描汽车之家、易车网上是否有针对自己品牌的讨论。分析的维度，无外乎声量（提及次数）、情感度（正负面）和讨论话题（基于词共现）。我把百度指数也放在这个分类下面，因为这个分类关注的是内容本身，它跟人的属性、行为无关（虽然它是由用户或者媒体产生的行为）。

Social Listening的典型应用是监测负面，特别是在社交媒体环境下，一个危机往往由一个小话题引爆。此外，通过Social Listening了解消费者对品牌评价、产品使用心得，也是现在正在探索的一个方向。然而，当前自然语言处理技术还不能很好“理解”文本内容，要进行更加细致的分析，需要大量人工介入。