所謂DMP(Data Management Platform 資料管理平臺)，顧名思義，就是整合所有涉及廣告庫存購買和出售的資料，透過這個平臺可以建立精準使用者細分，在廣告網路和廣告交易市場，使得廣告投放直接到達這些選定的人群;同時，透過測量哪些使用者細分群體和廣告媒體在廣告投放中具有最佳的表現，使媒體採購和廣告創意可以得到適時的最佳化。

　　1、一方資料來源：

　　包括像CRM資料、活動累計回來的leads資料，都是一方資料，代表的是已經和你產品有過互動或者已經是你客戶的受眾。從廣義上來說，這些資料都和營銷息息相關，他們可以很大程度上反應出你產品受眾的特徵和喜好，這無疑是做營銷時，非常有價值的資料。

　　但是需要注意的是，這些一方資料可以使用的場景和空間是有限的。它們一方面可以用於受眾洞察，透過對老客的分析，找到產品的受眾定位，觸媒特徵，喜好等等；另一方面可以用於老客的運營，我們總是希望消費過的客戶，可以成為多次消費的忠實客戶，那這些受眾本身就是可以去反覆運營的。可是對老客的運營永遠是營銷中的一個子集，我們更需要的往往是不斷去獲取新的客戶，抱著自己幾百萬或者上千萬的老使用者不停的去做營銷顯然是遠遠不夠的。

　　所以一方資料來源質量很高，但是廣度不足，想要做營銷，單單管理這部分資料肯定是不夠的。

　　2、二方資料來源：

　　廣告實際投放中產生的資料，可以被叫做二方資料，像媒體會累計廣告主的曝光、點選和效果資料，以及創意內容等相關資料，但是這些資料只是自家媒體上的。DSP和監測公司會累計廣告主投放中各個媒體的相關資料。其實這些資料一定程度上也屬於廣告主自己，不過很多廣告主之前並沒有積累這些資料的觀念。

　　不管是媒體自己，還是DSP或者監測公司這樣的服務方，現在很多平臺都會提供DMP服務。這裡有一個比較混淆的地方，他們的二方DMP服務，其實往往應用的是三方資料。例如騰訊影片，他們的DMP服務可能更多地應用於影片的觀看­行為、新聞的閱讀行為或者騰訊社交行為的資料標籤；一些DSP的標籤也往往是採購了一些樣本的panel資料，因為如果單單依靠媒體曝光點選這些資料，就為受眾打上男女年齡或者婚育消費的標籤，未免有些牽強。

　　所以”二方DMP”和“二方資料”到底怎麼劃分，可能並沒有那麼清晰，但毋庸置疑，二方資料的價值是不可忽視的。個人認為這些資料最適合的場景是基於KPI的效果最佳化，也就是去做大名鼎鼎的“Lookalike”演算法的種子資料。當然一定程度應用於受眾的觸媒分析肯定也是有價值的，不過現在流量基本被巨頭割據，分析價值也就弱化了，而且曝光、點選只是一個廣告行為，除去廣告行為，我們更希望的是知道這個受眾還具備哪些特質，這是二方資料無法給出的答案。

　　3、三方資料來源：

　　三方資料就不勝列舉了，例如一些調研公司的人口統計學的panel資料，銀聯的消費資料，很多垂直領域的行為資料（車、母嬰、房產、教育），運營商的網路資料等，當然在移動網際網路當家的如今，像TalkingData這種累計的應用資料和線下位置資料也都屬於第三方資料的範疇。

　　對於營銷來說，三方資料無論在補充資料深度還是補充資料廣度方面，都非常必要。不管是分析受眾，還是尋找受眾，三方資料都會起到作用。可以讓洞察更加立體深入，同時幫助廣告主找對更多的潛在目標受眾，像上面提到一方資料很適合做老客的運營，那麼獲新客肯定就要大量依賴於三方資料了。

　　所以第三方資料的豐富性，多元性和大體量可以更好的服務於數字營銷。

　　資料來源如此，那麼DMP應該解決的是如何打通並管理這些資料。因為顯然營銷並不需要某個獨立的資料來源，這些資料需要被整合之後才能夠為營銷所用。

　　在廣告程式化購買的系統中，DMP的角色和功能就類似於大腦，它從各方接收到資料，不管擁有何種資料，最終能夠將資料落地的應用才是剛需，像風控，雖然也是一種資料應用，但是它與營銷無關，資料對於營銷的應用核心無外乎以下三個場景：人群洞察、篩選定向、監測分析。

　　人群洞察：

　　人群洞察顧名思義是對一個群體進行畫像，在不同的營銷場景下對人群的需求是不一樣的，不可以簡單理解為是對目標受眾的畫像。

　　目前一提到畫像，大家就想到對”男性25-35歲”或者”購買過XX牌洗衣粉”的人群去畫像，然後開始蒐集一些樣本資料或者搬出自己如數家珍的CRM資料，外採或者調研補齊一些標籤，得出一些結論。資料有多少不重要，主要靠各家大神的神解讀，最終推匯出令人滿意的，其實已經預判了的結果。顯然，DMP的存在不是為了做這件事。

　　首先，從分析的目標人群來看，除了目標受眾外，像競品人群，媒體覆蓋的人群，老客群體，又或者是某次投放結束後的曝光人群，都是需要去分析的人群。也就要求了DMP需要具有多維度去構建人群的能力，對資料的要求肯定也就不會侷限於一方資料，因為對這些人群的構建，可能來自於你自有的資料，也可能是基於外部資料去尋找和定義。

　　然後，從分析的緯度和目的來看，人群洞察的結果應該是可以指導營銷的，切莫為了畫像而畫像:

　　a）分析洞察人群人口屬性或者地理分佈的基礎特徵，是就簡單的瞭解你的使用者，但不是對誰都需要。例如曾經有個母嬰客戶說過，他覺得母嬰群體沒什麼好洞察的，我只要知道他是母嬰人群就夠了，只有這個特徵對我是有意義的，無論他男女老少，其實不無道理。

　　b）分析洞察人群的行為特徵，例如他是否有母嬰標籤，是否喜歡閱讀，是否喜歡看電影，喜歡看什麼型別的電影，這些資料單獨去看可能都沒有意義，應該是與某些人群進行對比，找到特徵明顯的地方，從而指導營銷中創意、素材、文案、內容的方向。

　　c）分析洞察人群的線下軌跡聚集點，從而指導我們去現在戶外廣告的點位，讓曝光更有效。

　　d）分析洞察人群的觸媒特點，找到他們最常用的媒體，使用的時間，從而更好的指導媒體預算的分配。

　　總之，不管是哪種洞察，洞察的結果最終是要為營銷服務，而不是千篇一律的去看一群到底是男是女的命題作文。

　　篩選定向：

　　隨著數字廣告的飛速發展，早在Ad network時代就已經支援的受眾定向，再到如今，無論是DSP支援的RTB模式，還是很多大平臺、媒體以及Ad serving可以支援的PDB、PMP。在這些定向購買中，尤其是程式購買中，如何選擇受眾並對其進行定向，顯然是也是營銷DMP必備的資料應用之一。

　　現在市場上很多DMP對資料的定向服務，並不標準，大多是以離線資料包的形式，一次性的把資料匯出到對應平臺上予以服務。

　　一些廣告主的DMP由服務商搭建，多數更像是一個媒體排期的服務，手動FTP上傳資料等等，並沒有真的可以支援RTB的能力，而資料其實是很看重鮮活度的，這些DMP卻不能做到靈活地進行動態更新。

　　而真正的DMP，要具備標準化的介面，可以實現兩點

　　a）與不同流量平臺的平滑對接

　　b）能夠支援併發式毫秒級的實時查詢

　　監測分析有專屬的第三方來做，這裡不過多敘述，但是投後資料DMP雖然不是監測方，卻可以從人群的角度對人群表現進行分析，從而去最佳化下一次的人群選擇以及不斷的修正lookalike演算法。

　　最後，如果您是廣告公司或廣告主，想要投放戶外廣告或樓宇框架廣告，請您聯絡快發雲，我們將第一時間為您提供程式化購買投放平臺，進行業務合作！

　　如果您是媒體公司，擁有一手優質媒體資源，請您聯絡快發雲，我們將第一時間為您開通媒體運營SAAS平臺，進行資源接入和產品服務！

　　快發媒體雲平臺是一個連線樓宇媒體主、廣告主的一站式服務平臺。面向眾多戶外廣告公司、廣告主及媒體主，整合全國優質樓宇媒體資源，現有媒體資源量高達百萬，覆蓋全國各地，為廣告主及廣告公司提供樓宇框架廣告、電子屏、戶外廣告牌等多種媒體服務。