美数详解：DMP系统全生命周期流程与知识结构体系

当 DMP 系统中汇聚、积累了大量有效数据之后，DMP 应该具备依据各种逻辑快速、高效地分类并分析这些数据的功能。比如，分析购买过品牌产品的这类人群属性，就可以大体勾勒出这类人群是偏男性还是女性，以哪个年龄段为主，有什么兴趣爱好等。当然，还有其他自定义分类方式。可以说，这种基于企业自身业务特点和商业逻辑的分类操作，是后续创建人群细分，进行人群深入洞察的基础，更将直接影响到品牌的广告投放策略和最终的营销效果。

那么，如何进行数据分类呢？聚类算法是很好的解决方式！即没有事先预定的类别，类别数也不确定。只是根据“物以类聚”的原理，将具有相似特征和行为的用户数据聚成一类。其是进行用户数据分群处理的有效工具。

2）人群洞察（画像）是关键

将数据映射到相应的类别中以后，DMP 就要开始进一步对这些不同类别数据背后的“人”进行分析和深入洞察了，即完成人群画像操作。比如，绘制历史购买过产品的人群画像。

人群画像，指用数据来描述出某一类人群的特征。可以说，人群画像承载了营销者的两大业务目标：一是如何准确了解现有目标用户并制定营销策略；二是如何在茫茫人海中拓展新客群，为品牌带来更多商机和利润。

提到人群画像，你可能还听过受众/个体画像。这两者意义并不完全相同，千万不要混淆。但是，人群画像与受众/个体画像具有强关联，即人群画像的基础在于对个体的准确描述。如果个体描述不准确，人群画像也会有偏差。而对每一个个体描述的过程，我们称之为“打标签”的过程，即通过对用户所有数据分析而得到的高度精炼的特征标识。

那么，DMP 如何为受众贴上标签，完成精准画像呢？

2. 1 结合静态受众数据打标签

静态受众数据是指基本保持稳定的数据，主要包括人口属性类数据，如性别、年龄、学历、住址等；社会属性类数据，如职业等；财富属性类数据以及家庭情况数据等等。这些静态数据从哪里来？可能从网站注册信息、CRM 或市场调研等日常积累中来。如果前期数据收集工作做到位，则可以直接利用这些 PII（Personally Identifiable Information），即个人识别信息来为受众打上标签。

此外，DMP 除了根据静态受众数据直接得到用户标签，还可以通过相关技术和算法对这些基础数据信息进行处理、分析和推断，从而得到受众其他标签。比如根据出生日期可以推算出星座、生肖、性格等；再比如根据家庭地址在高端住宅区，为此人打上“高消费人群”标签等。

当然，出于法律保护和受众隐私安全问题，有的企业无法获得真实、公开的 PII 信息，这时，如何判断受众的静态属性呢？DMP 可以应用诸如 SVM（支持向量机）等判别分类的算法，并结合训练和学习完的受众样本，把数据库中的未分类数据项，根据特征或属性映射到给定类别中的某一类中。但不得不承认，这种操作方式需要强大的大数据技术和算法做支撑，执行起来难度系数较高，且存在不准确性风险。

2. 2 结合动态受众数据打标签

动态受众数据是指随着用户时间、地点、行为轨迹等的变化而常常变化的数据，主要是指用户网络行为类数据，如浏览、点击、搜索、购买等，或社交类数据等。DMP 通过对这些动态数据进行分析与挖掘，能将用户信息标签化，进而形成完整的人物画像。

其中，NLP（自然语言处理）是 DMP 系统中常见的能够准确识别受众所浏览网页的主题内容或者一个网站主题的常见算法。但在这里暂不赘述 NLP 原理，而是举例另外一种和 NLP 功能类似的技术——美数“页面关键词提取”技术。其基于全方位整合用户网上浏览页面行为以后，通过正文提取（利用“基于行块分布函数的通用网页正文抽取”算法）、分词处理（利用“逆向最大匹配算法”）、关键词提取（利用“TF-IDF，一种用于资讯检索与数据挖掘的常用加权技术算法）这三大流程步骤，来提取关键词高度概括页面主题内容，然后对受众的全部页面关键词标签进行加权归一化处理，量化出每个关键词标签对于受众的重要程度，最终细粒度地推断、刻画出受众对某件事、某领域的兴趣程度，形成受众画像。

至此，DMP 完成了对受众/个体的画像。紧接着，要通过聚类模型和算法，将含有相似关键词标签的个体用户聚合在一起，并通过加权归一处理，最终形成某一类目标人群画像，如历史购买过产品的人群画像。

四、数据应用

一旦应用企业级 DMP 系统完成了数据的收集、处理、分析工作，并通过建模锁定了目标人群之后，DMP 就要正式发挥对企业的真正价值了，即将数据实际落地应用！

那么，DMP 有哪些应用，能够为企业带来什么帮助呢？

1）相似人群扩散

即根据数据分析与管理流程下绘制的目标人群画像，DMP 通过 Look-alike 算法自动发现并找到与目标人群特征相似度最高的人群。

2）人群定向投放

即将 DMP 无缝对接到 DSP，并从人口属性、行为兴趣、时间地点、关键词、媒体类型等多个维度创建投放定向设置（Campaign），从而有效区隔和精准定位到目标受众；并为每个 Campaign 进行合理的预算配比。

3）衡量广告效果

对于多 Campaign 所产生的广告投放效果，DMP 应该能具备实时统计和观测的功能，并提供详尽的数据报表，以便运营人员可以及时优化、调整营销策略和预算配比。

4）访客召回营销

即借助 DMP 实时追踪用户的访问行为，并通过算法模型洞察其兴趣程度，然后结合重定向技术轻松实现对高兴趣人群的召回营销，重新唤醒其购买欲望。

5）规划渠道分发

DMP 除了能分析出每个 Campaign 效果以外，还应该能获得各媒体渠道的多维度数据表现，并建立归因分析模型，客观的评价媒体渠道对于最终转化的贡献，用数据指导媒介策略。

6）指导创意内容

广告是否有效，除了在对的时间、地点，找到对的人以外，更要“说对话”！而 DMP 可以通过数据了解“人”的兴趣爱好，并洞察其属于哪一消费阶段（购买前、中、后），从而用数据来分析出哪些创意更吸引眼球，进行个性化广告推荐；并且，还能用数据分析结合 DCO（动态创意优化）技术，为消费者动态展示产品创意的同时，智能推荐强相关产品及其创意，挖掘和匹配消费者多个兴趣点。

结语

（编辑：源码门户网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!