【转】深度解构DMP的概念面具

2023-11-21 10:10
文章标签 深度 概念 解构 面具 dmp

本文主要是介绍【转】深度解构DMP的概念面具,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

北京2015年10月26日电 /美通社/ -- 面对越来越多、越来越分散的线上和线下渠道、越来越难理解的在线新生代、层出不穷的新名词,企业各种焦虑但也不知道从何入手。因此,消费者画像、精准营销、大数据、O2O、SCRM(Social CRM)开始成为热门话题,大家都想抓住最“互联网”的营销方法。实际上这些热门话题是同一个东西,即:数据管理平台,也就是DMP。

 

DMP是大脑

 

DMP,全名为“Data-Management Platform”,即“数据管理平台”,是利用大数据技术从海量杂乱的数据中抽取出有价值信息的重要基础设施。

DMP,全名为“Data-Management Platform”,即“数据管理平台”,是利用大数据技术从海量杂乱的数据中抽取出有价值信息的重要基础设施。

很多人以为,DMP仅仅针对广告投放。因为,几乎所有的广告公司都将它用于与DSP(Demand-Side Platform)配合来优化广告投放效果。

然而,这种观点真的正确吗?

DMP所处的角色和需要处理的内容,由DMP的总体使用场景决定。广告行业只是恰巧对DMP的需求比较明显,而且DMP应用于广告行业的链条清晰且较短,RTB只是其中最立竿见影的一种应用而已。

在当前的数据时代,DMP已经从早期广告服务平台逐步演变成为企业客户营销的核心引擎。现在DMP更多被定义为能统一抽取公司各业务离散的数据并作出科学分析来支撑决策的技术性平台。

DMP能够整合集成各类基础业务数据,如客户数据、会员数据、ERP数据、DEM数据、用户在网页和APP上的访问数据等,并利用先进的技术手段和模型算法来消费和使用这些业务数据。DMP能够帮助行业客户从海量数据中挖掘到有价值的商业信息,给予产品推广和营销工作支持。

简单地说,DMP就如同一颗高智慧的大脑,通过各种尽量延伸的感官感知并搜集外界的各种信息,借助神经网络把这些信息源源不断地汇集到大脑进行分析判断,然后指挥着躯体对外界变化做出反应,或者有目的地尝试一些举动,这些反应和举动又能获取新的信息。对的,DMP的这种数据采集、分析处理、应用反馈的回路也是周而复始,而且有机会使系统变得越来越敏锐和智慧。

DMP的应用变现途径

DMP一定要在使用中才能产生价值,那么除了RTB广告,DMP还有哪些应用变现途径呢?具体说来主要有以下两种:

第一种:数据报告变现,这种模式不涉及到个体用户的隐私,因此相对比较成熟,比如通过对于人流量的分析可以广泛的用于交通流量预测、旅游流量预测、商家选址等等,可以为政府、商家提供相关的咨询服务。

第二种:数据服务变现,通过数据运算将企业的第一方数据和数据管理平台内的数据融合,不断地挖掘其中的价值,深度洞察用户和寻找潜在客户,将企业沉睡数据的价值发挥最大化。数据洞察和基于数据的分析服务,已经成为DMP越来越重要的应用方向,而且成为评判DMP优劣的最直观应用。

数据获取,成为DMP能力的核心因素

企业对大数据应用的迫切需要催生了很多不同的DMP公司,有些前身是数据管理公司,有些是来源于Ad Network,同时部分DSP也开始进入DMP市场。这些公司DMP的DNA各有不同,优劣势自然也不一样。

这个时候,很多人就会产生疑问,判断一个DMP的好坏时,究竟要考虑哪些因素呢?

大多数人想到的第一个关键点当然是:数据!

的确,DMP既然是数据管理平台,那么数据来源上的薄弱,将直接导致DMP成为无源之水,一具脑死亡的躯干而已,DMP也就仅仅剩下一个概念。

而且,不同的数据来源和数据获取方式以及质量,在很大程度上决定了DMP的应用方向和应用能力。

从数据的专业性来说,专业的DMP不仅要包含大数据,还要包括传统业务数据等多种数据载体,除了PC端还有移动端,除了企业的第一方数据还要包括企业外部的数据来源(如社交媒体)等非结构化数据内容,掌控用户在企业之外的数据存在状态,识别哪些数据可以用于后续处理分析。

简单来说,高价值数据体现在两个方面,一个是数据的连续性,同一用户在不同站点上的行为数据能够被识别并连接在一起;另一个是多种终端的数据的连续性,目前主要还是PC端和手机端。

第一方数据,由于来自于自身业务开展过程中的数据积累,其数据质量往往比较高,如果数据量够大,数据维度也够丰富,完全可以对外提供DMP数据服务。在这方面,BAT最为典型,除此之外,国内还有很多拥有庞大数据的机构目前还是更多地是把自身第一方数据脱敏后售卖给第三方DMP公司。

这些数据来源于自身核心业务的DMP公司,核心业务的特色和优势自然同步反映到DMP数据服务的特色和优势,尤其是腾讯、阿里,不仅数据量巨大,更重要的是其数据建立在强账号体系之上,能够很好地保证体系内数据的连续性。事实上,内部数据整合并依此提供数据服务和互联网布局,一直是这些互联网巨头的战略方向。除此之外,这些巨头也为第三方DMP公司提供数据服务。

那些独立的第三方DMP公司,数据来源就五花八门了,在数据的连续性方面始终是最大短板。在PC互联网时代,主要依靠对Cookie的收集与追踪从PC端获取数据,但是Cookie的天生缺陷难以保证数据的连续性,而且随着人们从电脑转向手机,Cookie技术也难以关联到移动设备上。致力于移动互联网数据的DMP公司通常采用APP SDK植入的方式获取移动数据,但是这种方式的数据采集全面性存在不足,而且缺乏固网数据,也没有Wi-Fi和PC端数据的结合。

还有一些第三方DMP公司借助数据整合实现海量数据的连续性。这些第三方DMP公司与拥有庞大数据的公司保持着密切的沟通,通过不断整合包括BAT在内的多家第一方数据,从而建立起基于全网络连续性的大数据,只是这种整合的工作量十分巨大,但是这也恰恰发挥出了第三方DMP公司的灵活性。GEO集奥聚合的GData大数据平台,就是这样一个以多重数据整合为基础的DMP。

经过长时间的数据整合和积累,GEO GData整合了多渠道数据源,通过对互联网全量数据的汇聚、清洗、智能运算,能够支持全网络数据的连续性,目前已经覆盖到全国5亿用户。

从数据广度上来说,GEO GData独特的数据来源可以很全面、公正的获取PC和移动端的数据,更重要的是,这些数据可以整合成连续数据,而且保证跨终端的数据连续性。

从数据深度来说,GEO GData不仅不断深入与第一方数据源的合作,这种合作可以获得高价值且具有连续特性的第一方数据,也与别的第三方DMP公司合作,进行数据交换,用交换来的也许并不连续的数据放到GEO GData数据平台进行整合处理,就有机会把这些互联网数据和线下数据变得连续和精确。这是GEO GData的成长逻辑。

有了大数据,还要从大数据中提取价值

接下来,DMP会根据原始数据,并按业务规则或者数据模型、算法等,为所有的用户打标签。如果说数据是木偶的手脚,算法就是提线,有机地将数据以某种特定逻辑架设起来。所以算法和模型也是判断DMP的另一个关键点。下图以GEO GData为例来说明。

图片来源:GEO集奥聚合 
图片来源:GEO集奥聚合

 

无论哪种数据来源,都并非直接对接给需求方,而是采用统一化的方式将各方数据吸纳整合,再进行数据处理和融合,做标准化、结构化的细分。这样加工后再推向营销和分析环境中的数据才能更完整,系统性也更强,同时也不再是原始数据的形态。

无论是对外提供哪种DMP数据服务,其算法和模型都是建立在所拥有的数据之上,数据基础越是丰富、建模能力越强、对行业理解越深入,就越能准确捕捉用户在互联网上的行为,建立更完善的标签分类体系,为用户更好的画像,建立适应行业需要的业务应用模型,大数据应用才能扎实地展开。

数据驱动实效

好的DMP产品能解决企业的实际业务问题,优秀的数据管理平台不仅仅只是提供一个技术平台,更重要的是需要具备业务理解能力和分析建模能力,只有这样才能真正用好这些数据。

很多DMP公司,GEO集奥聚合的GData也不例外,能够帮助企业用户搭建私有DMP,但不只是帮企业建设了一套DMP系统,实际是传授了一套数据经营的方法论,内置了多类数据分析模型,同时,帮助企业引入外部数据,补充数据维度,用于多种应用场景,做到了授之以渔。实际上是通过DMP输出了一种数据管理和分析能力,帮助企业获得战略优势、提升品牌竞争力和优化决策能力,而非仅仅销售一套产品。

同时,DMP数据的汇流还能够为企业和从业者产生出更高的价值空间。以基于GData的另外两个产品APP MAP(集奥雷达)和GEO洞察报告来说,前者从APP运营的角度通过精准的大数据分析获取APP的各种关键运营指标,能够提供多角度全方位的APP运营分析;后者则通过受众人群和产品定位的角度,洞察企业自身在市场上的优劣势,在激烈的市场竞争中捕捉到市场先机、为市场决策提供重要支持。

需要说明的是,DMP只能预置部分分析模型或算法,根据企业的长期发展目标,针对企业特定的业务分析需求,需要数据管理平台的数据专家和商业分析师联手人工完成。DMP仅仅是一个技术平台,并不是万能的,需要DMP公司在技术和人力上的持续投入,这也是所有DMP公司面临的巨大挑战。

结语

和2014年相比,DMP这个概念尽管在国内依然还处于教育市场、积累数据和沉淀业务分析的阶段,但已经被越来越多的人所重视。

大数据不再是少数派的垄断资源,大数据应用已经成为实实在在服务各产业的有力武器,小荷才露尖尖角,为各行业提供的数据分析效益值得期待。

格局未定,好戏正在上演,拭目以待未来的发展。

 

原文:http://www.prnasia.com/story/134259-1.shtml

这篇关于【转】深度解构DMP的概念面具的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/401646

相关文章

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

韦季李输入法_输入法和鼠标的深度融合

在数字化输入的新纪元,传统键盘输入方式正悄然进化。以往,面对实体键盘,我们常需目光游离于屏幕与键盘之间,以确认指尖下的精准位置。而屏幕键盘虽直观可见,却常因占据屏幕空间,迫使我们在操作与视野间做出妥协,频繁调整布局以兼顾输入与界面浏览。 幸而,韦季李输入法的横空出世,彻底颠覆了这一现状。它不仅对输入界面进行了革命性的重构,更巧妙地将鼠标这一传统外设融入其中,开创了一种前所未有的交互体验。 想象

【VUE】跨域问题的概念,以及解决方法。

目录 1.跨域概念 2.解决方法 2.1 配置网络请求代理 2.2 使用@CrossOrigin 注解 2.3 通过配置文件实现跨域 2.4 添加 CorsWebFilter 来解决跨域问题 1.跨域概念 跨域问题是由于浏览器实施了同源策略,该策略要求请求的域名、协议和端口必须与提供资源的服务相同。如果不相同,则需要服务器显式地允许这种跨域请求。一般在springbo

免费也能高质量!2024年免费录屏软件深度对比评测

我公司因为客户覆盖面广的原因经常会开远程会议,有时候说的内容比较广需要引用多份的数据,我记录起来有一定难度,所以一般都用录屏工具来记录会议内容。这次我们来一起探索有什么免费录屏工具可以提高我们的工作效率吧。 1.福晰录屏大师 链接直达:https://www.foxitsoftware.cn/REC/  录屏软件录屏功能就是本职,这款录屏工具在录屏模式上提供了多种选项,可以选择屏幕录制、窗口

动手学深度学习【数据操作+数据预处理】

import osos.makedirs(os.path.join('.', 'data'), exist_ok=True)data_file = os.path.join('.', 'data', 'house_tiny.csv')with open(data_file, 'w') as f:f.write('NumRooms,Alley,Price\n') # 列名f.write('NA

深度优先(DFS)和广度优先(BFS)——算法

深度优先 深度优先搜索算法(英语:Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法。 沿着树的深度遍历树的节点,尽可能深的搜索树的分支,当节点v的所在边都己被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点,则选择其中一个作为源节点并重复以上过程,整个进程反复进行直到所有节点都被访

【MRI基础】TR 和 TE 时间概念

重复时间 (TR) 磁共振成像 (MRI) 中的 TR(重复时间,repetition time)是施加于同一切片的连续脉冲序列之间的时间间隔。具体而言,TR 是施加一个 RF(射频)脉冲与施加下一个 RF 脉冲之间的持续时间。TR 以毫秒 (ms) 为单位,主要控制后续脉冲之前的纵向弛豫程度(T1 弛豫),使其成为显著影响 MRI 中的图像对比度和信号特性的重要参数。 回声时间 (TE)

图解TCP三次握手|深度解析|为什么是三次

写在前面 这篇文章我们来讲解析 TCP三次握手。 TCP 报文段 传输控制块TCB:存储了每一个连接中的一些重要信息。比如TCP连接表,指向发送和接收缓冲的指针,指向重传队列的指针,当前的发送和接收序列等等。 我们再来看一下TCP报文段的组成结构 TCP 三次握手 过程 假设有一台客户端,B有一台服务器。最初两端的TCP进程都是处于CLOSED关闭状态,客户端A打开链接,服务器端

java线程深度解析(六)——线程池技术

http://blog.csdn.net/Daybreak1209/article/details/51382604 一种最为简单的线程创建和回收的方法: [html]  view plain copy new Thread(new Runnable(){                @Override               public voi

java线程深度解析(五)——并发模型(生产者-消费者)

http://blog.csdn.net/Daybreak1209/article/details/51378055 三、生产者-消费者模式     在经典的多线程模式中,生产者-消费者为多线程间协作提供了良好的解决方案。基本原理是两类线程,即若干个生产者和若干个消费者,生产者负责提交用户请求任务(到内存缓冲区),消费者线程负责处理任务(从内存缓冲区中取任务进行处理),两类线程之