大數據商業的可視化

大數據背景下海量而復雜的數據如何進行區分歸類？當然少不了DMP數據管理平臺的作用。而作為傳漾科技的DMP平臺SameData在進行數據管理同時，也在進行著智能引擎數據匹配。

你知道嗎，當你在使用電腦、手機或者iPad進行聊天、購物、游戲、微博、微信等網絡行為時，每一分每一秒，都有大量的數據被制造出來。隨著用戶對于網絡依賴程度的不斷加大，網絡廣告已經成為推動互聯網行業大數據發展的重要力量，大數據被越來越多領域和行業所熟知，成為各種業內人士、行業 論壇 、媒體專題中常常探討的話題之一，尤其為如何開發大數據預見能力，實現更為精準數字 營銷 。

“大數據驅動廣告決策變革，隨著RTB（real time bidding，實時競價）技術不斷發展，廣告定向、精準化趨勢越發明顯。”傳漾科技創始人及技術副總裁王躍說道。此時，對于企業來說，數據管理的重要性不言而喻，尤其隨著網民對于互聯網依賴程度提升，越來越多主流消費人群進駐網絡世界，精準營銷勢在必行。隨著RTB浪潮襲來，互聯網廣告公司紛紛建立起自己的DMP（數據管理平臺），這其中，就包括傳漾科技的SameData網民數據智能引擎。

木桶效應

伴隨著互聯網媒體越發碎片化發展，網民行為也更為個性化、社交化、移動化以及開放化，這無疑讓網絡廣告實現人群覆蓋難度增大。因而，對于廣告主而言，伴隨著分母的不斷擴大，想要更好保證廣告轉化率，作為分子的廣告成本必須不斷加大。RTB廣告投放模式，通過DMP數據管理平臺，進行流量篩選評估，從而將人群定向分母范圍進行縮小，透過DSP廣告競價進行精準營銷投放，提高廣告到達率及轉換率。

而在王躍看來，這個大數據營銷的過程，具有“木桶效應”，它需要網絡廣告公司具有海量數據支撐、碎片化數據時效更新、算法優化能力以及數據預測準確性等木板，來組成大數據營銷木桶，并避免短板對整體造成影響。

“SameData作為傳漾科技廣告營銷生態鏈中數據管理平臺DMP環節，注重從細節層面，進行全面深入發展和技術積累。”王躍告訴《成功營銷》記者，“我們具有一個網頁界面，能夠以可視化、直觀化形式向廣告主展現全程廣告投放過程，了解其目標受眾，并在執行過程中，實時讓廣告主感受到我們對每一個木板進行調節。”通過對海量數據進行細分歸類，SameData從多個維度對用戶行為進行分析剖析，幫助企業了解用戶興趣，并通過讓廣告主進行親身體驗，實時解決RTB廣告投放過程中遇到的疑問。

更全面了解用戶興趣，少不了足夠的數據庫，通過對用戶行為進行分類建模，對其形成多維度全方位剖析。作為較早開始進行大數據領域價值挖掘的傳漾，經過多年積累，已經具有一個超過9億的獨立Cookie數據庫。“單看數據它只是一個比較空洞的概念，需要借助相應技術產品進行價值挖掘。”王躍表示，僅僅是數量級上的“Big”不是“大數據”，而從表面的數據積累到“受眾感知”，才是大數據帶給網絡廣告的價值密碼 ，它對于精準廣告最直接的意義，即為通過數據分析對網民興趣進行定向，進而對單個目標受眾進行定價。

實時的數據優化

面對大數據的磅礴之勢，網民數據定向，如何可以實現？王躍表示：“針對企業投放需求，我們在實時廣告投放過程中，SameData根據不同模型進行用戶興趣判斷，并根據消費者每一次展示和點擊及時進行模型更新調整。”

舉例來說，對于時尚品牌歐萊雅而言，她的用戶群都在哪？怎么找到她？為此SameData通過對人口特征及興趣屬性的篩選，進行標簽設置，幫助品牌找到匹配Cookie，并通過數據分析，選擇在包括時尚、購物、娛樂等 女性 網站作為主要媒體投放圈，找到所需要的對中選擇匹配的活躍目標人群，并將相應數據分析對接到傳漾DSP平臺中，針對品牌Cookie數據庫以及品類Cookie數據庫進行定向受眾投放，從而提升歐萊雅流量有效度，推動品牌 銷售 實現。而這個RTB的過程，并不是一次性即完成的，為更好幫助品牌把握目標受眾，傳漾DMP會對于對廣告沒有點擊，或點擊沒有購買Cookie進行重新定向，進行實時效果優化，進行新一輪傳播推廣，從而將更多優質流量引流到電商平臺，進一步提升廣告效果。

因而，SameData不僅通過實時競價廣告進行點擊優化，同時，它更注重以企業受眾人群細分為基礎，進一步實現展示廣告精準定向、網站優化，并通過提升數據預測能力，精準找到目標受眾，借助算法優化推動DSP實現競價成功；此外，SameData數據管理平臺通過為客戶和媒介執行機構提供更為合理和科學算法，幫助企業找到更為高質量目標受眾群體，提升精準營銷價值，讓廣告推廣結構更為出色可信。

精準的數據定向引擎

傳漾在成立之初即一直在進行技術和數據積累，對于廣告主數據進行專門模型管理，及VIP數據銀行。”王躍告訴記者，企業可在傳漾數據庫中搭建專屬Cookie庫，通過SameData進行界面優化管理。

在王躍看來，對于廣告主來說，它并不需要對每一個表現出興趣用戶進行廣告投放，其需要選擇更為精準人群進行覆蓋。“在傳漾DSP中，我們通過對每個人進行多個維度分析挖掘，對數據進行細分量化。”王躍把這個過程稱之為基礎的學習方法，通過對數據進行量化，在進行精準廣告投放時，對樣本數據標簽進行深度整理挖掘，通過SameData機器學習的數據模型，幫助廣告主對所有實時數據進行預判與匹配，從而幫助其能夠更為廣泛精準對目標受眾進行營銷制定。

面對互聯網中每日 產生海量數據，想要迅速對其進行細化分析，更好了解網民的興趣，并不是一次即可的，在碎片化時代，用戶的興趣也在隨著時間變化而遞減，具有一個半衰期時段。為此，王躍舉了個案例。當網民在一個月前進行口紅信息瀏覽時，這表明其對于口紅較為感興趣，通過DSP投放能夠有效吸引其注意，但是一個月后，對這一Cookie的興趣定向顯然已經不適合。“傳漾每日 在線活躍Cookie數1.2億，通過多機房用戶模型同步更新，對每秒新增的30到40個網頁進行分析更新。”傳漾SameData通過對歷史投放數據進行匯總分析，即讓廣告主在進行營銷投放時，能夠根據每一次廣告展示和點擊，借助自動化點擊預測模型分析，幫助其自動實時優化調整，從而把正確有效的信息，推動到有興趣網民面前。

王躍對自身這樣總結道：“精準廣告是基于海量Cookie進行用戶群體分析后,繪制的受眾興趣圖譜展開投放,但以精準廣告為目的的Cookie獲取，從來不涉及對用戶名、密碼等個人身份識別信息的搜集?；ヂ摼W廣告代碼獲取的Cookie是匿名的。”