
数说跨屏时代的大数据营销
移动互联网的迅速崛起,使得一边看电视,一边玩手机、平板成为人们生活的新常态。在多屏的包围中,人们的时间行为和注意力被分散到了不同的屏幕上,有调查显示,超过78%的人看电视的同时会刷微博、玩微信。在这样一个被碎片化的时代中,广告主如果想要更好地抓住消费者的兴趣点,必须考虑跨屏整合的数字营销方式。
2014年11月26日,作为国内多屏程序化购买的引领者,悠易互通在上海四季酒店举办了“悠易DSP DAY”主题活动,围绕跨屏互动的程序化购买、大数据营销的新体验和未来机遇,悠易互通CEO周文彪、Google大中华区程序化购买买方事务总经理郭志明、海尔家电产业集团营销总经理宋照伟、百度展示广告事业部产品总监沈昭阳等业界精英展开了激烈的思维碰撞,并同参会者一起分享了有关大数据、跨屏、视频、PMP、移动等内容的干货。
记者了解到,悠易互通于2012年时首次将源于美国的“程序化购买”概念引入国内,推出当时国内第一个支持实时竞价的需求方平台(DSP)。1年后,悠易互通在DPS1.0的基础上再次革新,推出了划时代的DSP2.0,于国内多屏程序化购买的比赛中再次领跑。
悠易互通推出的DSP2.0系统不仅以单用户界面,整合了实时竞价和非实时竞价(non-RTB)模式资源、展示广告和搜索广告,并对接国内所有广告交易平台与供应方平台(SSP),能够为广告主提供平均每天120亿的跨屏(PC、平板、与手机端)、丰富格式(视频、视窗、富媒体、画中画、横幅等)的优质广告流量。
同时,这套系统通过动态预算分配,将大数据的优势发挥到极致,解决了传统广告投放效率低、不透明的问题,帮助广告主和代理公司进行品牌投放时能够像搜索引擎一样高效、规模化且可以评估。截至目前,悠易互通已为包括联合利华、联想、惠普、壳牌、奥迪等300多家国际与国内客户提供了卓越的品牌效果解决方案。
“悠易的核心团队来自Google、淘宝、百度、腾讯等一流互联网企业。不论是研发团队还是管理团队,都既有国际化视野同时具备高效的执行力。”悠易DSP DAY主题活动中,悠易互通CEO周文彪表示,“技术与数据是悠易始终专注的两个层面。在技术层面上,我们拥有一个整合平台与诸多专利技术产品,在数据层面上,我们于今年1月推出国内首个数据管理平台‘数据银行’,6个月一年后的今天,数据银行正式升级为2.0版本。”
悠易互通CEO周文彪
周文彪向记者介绍,悠易互通的拳头产品分为两部分,分别是多屏程序化购买平台与数据银行。此次发布的数据银行2.0主要体现在PC端与移动端的跨屏数据的高效整合。
“数据银行1.0解决了广告主收集、分析、管理第一方数据的难题,并与庞大的第三方数据打通,在产品中形成数据应用闭环,不过这些数据的应用更多局限在PC端上。”周文彪告诉记者,跨屏的出现给品牌营销出了一道难题,如何在多屏环境下找到你的目标人群,并且对他们进行有效覆盖,同时对这些人群建立深度和广度的用户交互?
“我们差不多用了3个月的时间来思考酝酿,用6个月的时间经验来积累总结。”悠易互通产品副总裁蒋楠说:“数据2.0为跨屏而生,它有效针对当下的跨屏潮流,有效地将PC端的庞大数据迁移到移动端上,形成跨屏ID。为广告主在移动端,通过刚才讲到的从到达到浏览,到转化的所有数据,形成一个效果评估的衡量工具提供归因模型和跨屏归因。”
在大数据时代,得数据者得天下,数据是指引程序化购买的指南针。在周文彪眼中,跨屏整合不仅仅是一项技术,而是一个大平台。“对我个人而言,这是自2002年搜索引擎以后,对互联网广告产生最深刻影响的一项技术。目前BAT等一些巨头都已经进来,诸多国际化大品牌客户也都在使用。未来,数据银行的3.0版本将实现跨屏的衡量和归因,使悠易能够还原每位广告主花的每一分钱到底值还是不值。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01