京公网安备 11010802034615号
经营许可证编号:京B2-20210330
BlueKai提供的服务是各种互联网的流量数据, 它提供以下四项数据服务:
1.数据管理平台(DMP):用来帮助用户组织并分析数据,功能包括:
(1)收集整合线上线下的数据(用户的自有数据)
(2)对数据进行划分(可以针对不同的营销活动,如展示、搜索、视频、社交广告等)
(3)将数据用于投放(可投放到不同的广告网络和交换平台)
(4)衡量投放效果(可视化),不断进行优化
2.数据交换中心:通过使用第三方数据来创建新的可扩展受众,运作机制如下:
3.受众和媒体分析:通过分析受众和媒体的数据,帮助营销人员更放心地制定市场计划、发掘用户、优化媒体推广活动。其功能包括
(1)根据现有用户,通过人口统计、地域、兴趣及市场属性等方法找到与现有用户有相似属性的用户;
(2)基于已知的第一手数据,优化用户和媒体的组合。
4.移动端的数据管理平台,它是一个全面的、基于云计算的平台,能够管理第一方和第三方移动数据,并且对受众数据进行深度分析。
总之,BlueKai 所做的主要工作是从一些掌握拥有部分有价值客户流量的个人或者中小网站那边购买相关信息,然后将这些信息进行分析归纳,从而总结分类出更具市场价值的流量信息,并最终进行网络拍卖,目前这些研究数据的购买者包括美国排名前十的在线广告网站。
2007年末,Omar Tawakol带领另外12个人共同创立BlueKai,致力于在大数据领域开辟网络广告营销的新天地,企业定位是世界上第一家为智能市场提供数据解决方案的企业。
2008年公司正式开始运营,推出第一款产品——数据交换中心,通过出售自己的流量信息,为众多中小型网站提供生财之道,以及为需要精准高效投放广告的中小广告业主提供所需流量信息。
2008年4月,BlueKai获得第一笔创业资金——红点创投,Hadi Partovi和Ali Partovi共同投资320万美金。
2008年12月,BlueKai再次获得1050万美金的投资,这次的投资对象包括红点创投和电池创投。BlueKai利用这两笔资金很快扩充了自己的产品线和团队。
2009年2月25日,Data Exchange用户数达到1亿,成为最大的在线商业意向交换中心。2009年5月,BlueKai及时更新添加了相关用户知晓等安全方面的政策和系统,Data Exchange的用户数每个季度在以翻番的速率递增。2009年8月,BlueKai开始建立认证项目帮助市场推广者建立标准,定义潜在在线受众。同年12月,BlueKai首次启动分析服务,帮助用户区分受众购买行为。
2010年,BlueKai再获2100万美金的投资,此次募集资金用于提高其有价值的活跃广告数据的交换量。同时,公司将专注于开发新的API和实时的系统,使得BlueKai的产品线更加的完整。10年10月,BlueKai及其合作伙伴开始扩展基于搜索引擎上的关键字查找类产品。10年12月,BlueKai和eBureau的合作使得电子广告主们的推广精度上升到新的高度。
2011年,BlueKai每天相关标签数超过10亿。4月,BlueKai的新的第三方数据收集的项目使得它成为第一家通过官方认证授权的数据平台。5月,全美最大的广告业主都选择BlueKai的数据管理平台的服务。
2012年4月,BlueKai和Datalogix合作,为品牌广告业主扩充了基于购买行为的受众分析模型。7月,BlueKai宣布成立第一个完整的数据驱动市场的数据激活系统。
2013年2月,BlueKai被提名为福布斯美国最具潜力公司以及大数据行业前十家最具创意公司之一。4月份,BlueKai和IRI联手打造直接面对消费者的受众数据平台,同时,Velti和BlueKai合作,为知名品牌打造最大的移动数据受众资源池。5月,BlueKai宣布为保证数据的准确性提供最新算法。
2014年2月24日补充:
2014年2月24日晚间消息,Oracle甲骨文公司周一宣布,将收购在线收据管理初创公司BlueKai,以加强其营销平台。甲骨文未透露此项交易的价格,但此前有消息称,该公司正寻求以4亿美元收购BlueKai。
从以上历程中可以看到,BlueKai从创始开始,一步一个脚印,但始终保持自己在大数据领域上的创新性和领先一步的商业嗅觉,不停地寻求与外界的合作,丰富自己的产品线,拓展自己的业务触角,才成就了BlueKai现在的辉煌。
Bluekai开始所做的产品叫数据交换中心,这个交换中心主要是从一些主题小网站中,取得一堆流量、会员的资料,然后让其他广告主来标这些资料,予以买下!BlueKai的独到之处在于去和每个小网站联系,签约后,还将该站的会员资料整合一下,要么和其他小站的并在一起,要么自己拆成几块。BlueKai还会视这些资料的市场价值对其进行尽可能详尽的分类,譬如有些小网站的名单就可以分类到想去普吉岛度假的人,想买雪弗兰汽车的人……
BlueKai看准了这一点,有些小网站本身获利有限,甚至不知如何获利,却已经有了一些基础的流量,这些流量背后代表着某一个同质性较高的族群,这个族群或许对Google、Yahoo!这种大站没吸引力,但在地球某角落的某个小产业的某个小广告主的眼中,竟然比黄金还值钱! 因此BlueKai在小网站中的接受认可度非常高,而那些小广告主也真的很喜欢这些小网站所提供的会员名单,因为来到这些网站并留下资料的,是真的准备想要买数位相机,想要交朋友的。BlueKai的重点摆在汽车网站、旅游网站和各种购物网站上,跟这些主题网站相关的公司,相对对网络情况不怎么熟悉,也买不到这些资料,BlueKai扮演的角色就是将这两者成功地串联起来。
BlueKai的产品定价目前比较灵活,数据交换中心采用的是网络竞拍的方式,价高者得,确保一份有价值的数据信息仅仅为1-2家的客户所有。虽然我们知道BlueKai近几年取得了活跃用户数超过3亿以及前20位的广告网络、门户网站中有80%在使用BlueKai的数据等辉煌的业务数据,但是具体的盈利情况BlueKai一直未正式公开过。
Bluekai创立于2007年,创始人兼CEO Omar Tawakol在加入Bluekai之前曾担任移动搜索和广告解决方案提供商Medio的首席广告执行官以及早期行为数据研究领导机构Revenue Science的首席市场执行官。 创立之初Bluekai仅仅为13人的小团体,现在已经拥有雇员数超过100人。其管理层经历了几次核心人员的更换,到目前为止,已经形成了如下管理层团队:
Bluekai到目前为止总共进行了三次融资活动,三轮成功融资共计3510万美元,其融资情况如下:
从以上融资情况中可以看出来,成立于1999年、运营掌握24亿美金的红点创投从08年开始就看好Bluekai,在每一轮融资中都有新增追加投资额度。从它最近的投资对象2U、9flats、 Envia、Gaia Online等也可以看出Bluekai上升的巨大潜力。Bluekai的C轮融资2100多万美金主要用来新产品的研发,特别是Bluekai在酝酿着将实时技术融合进它的平台中。
随着云时代的来临,大数据(Bigdata)正吸引着越来越多的关注。大数据通常是用来形容一个公司创造的大量非结构化和半结构化的数据,而针对这些大数据,我们将看到SaaS(软件即服务)供应商开始提供数据分析服务,这些供应商将会为非结构化数据提供标准的报告和数据服务。
BlueKai所属广告范畴内积极采用大数据分析技术来开展业务的也不少,像来自巴黎的Criteo从2005年开始,就成立相关数据研发分析部门,在广告行业当时一度被认定为“不务正业”。而差不多和BlueKai同时成立的EXelate无论是在业务模式上还是发展规模上,都与之具有很高的相似度。
在所有竞争对手中,BlueKai与EXelate较为相似,然而目前,BlueKai的相关平台还没有推出实时技术,而Exelate已经在很熟练地为实时竞价广告行业提供数据分析了。
Criteo和来自加拿大的Chango在业务模式上具有更高的相似性。通过适当地数据分析进行定位定向的创意性广告投放,实现广告业主的销售额的大幅提升。虽然在BlueKai的数据管理平台上也涉及到这方面的思想,但是具体有实质性的产品还并未有所体现。
BlueKai是应该专注在自己现在专业的领域继续纵深下去,还是从这些竞争对手身上取一些经,将产品系列扩大丰富化,我们拭目以待。整体来看,这个行业并没有一个企业真正的处于领先地位,利用短期快速的大投入来抢占市场格局,或许将是未来一段时间内各家公司采取的发展策略。
2007年,网络广告行业市场规模突破100亿元。其后,金融危机爆发,致使行业成长趋缓,同时,网络巨头的集聚效应使得广告资源更加集中,导致一些中小网络广告企业成长受到挤压,小企业获得投资的机会也大为减少。近期,网络广告行业融资出现反弹,除了金融危机后广告主营销需求的增加外,更重要的是新营销方式带来的新投资机会——SNS、微博等社交媒体的兴起,使得基于用户数据库的精准营销得以实现。
对于从事精准营销的网络广告公司而言,数据整合及定向发布的能力,将是其发展壮大的主要决定因素。2011年BlueKai收购Tracksimple,这表明BlueKai除了简单地收集客户信息进行分类然后拍卖给对应需求业主之外,将积极利用Tracksimple的Insight Service加强自己的数据分析的能力,从而为广告主提供一站式的包括数据分析、业绩和数据购买的服务。近期,BlueKai也通过设立针对客户网上消费行为的深度分析部门来扩充这方面的能力。
虽然面临着竞争对手残酷的追赶,BlueKai目前在精准网络营销领域处于领航者的地位。而BlueKai能够在这条路上走多远,能否产生引发市场格局变化的新发明或技术是关键。精准营销得以实现的另一个契机便是移动互联网,尤其是LBS(基于位置的服务)应用的实现。LBS应用中用户行为、时间与地理信息“三位一体”,为本地商家的精准营销提供了更多想象空间。可以说,移动应用能够打造比以往任何方式都更为紧密的消费者对位关系,对营销模式的改变具有开创性意义。所以笔者认为,如果BlueKai能够熟谙移动互联网的精准营销模式,其发展空间会达到一个新的高度。
最后,从BlueKai的业务模式上可看出,它“正大光明”出售的数据流量很大部分是来自中小网站以及它整合过的客户信息,这不可避免地涉及到侵犯客户隐私的问题,因此BlueKai要时刻保持警惕,提前做好相应“防护”措施。目前BlueKai采取的规避这类问题的方式是开发出一套系统,明示遵守了那些法律法规,明确了收集与不收集哪些数据,让使用者可以看到自己的资料是在被谁使用,并且让用户随时可以选择opt-out。
能够公开进行数据买卖,和美国法律完善有关,也与BuleKai的数据使用对用户透明有关。
1、用户随时可以选择opt-out。
2、明示遵守了那些法律法规。
3、明确了收集与不收集哪些数据。
4、BlueKai允许使用者看到自己的资料是被谁在使用,并且可以将因为使用自己数据获得的收益捐给慈善机构,很有意思。文章来自:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 SQL Server 安装、服务启动、数据库文件操作等场景中,经常会遇到 “实例已在使用” 类报错,不同触发场景的原因与处理方式差 ...
2026-06-29在Excel数据统计、财务核算、销售复盘、库存盘点等办公场景中,经常需要在数据透视表中实现一列数据乘以另一列数据的计算需求, ...
2026-06-29在数据分析中,指标是连接业务与数据的核心语言。它并非一个简单的数字,而是一个将模糊的业务需求(如“提升用户粘性”)转化为 ...
2026-06-29【核心关键词】大数据、零售商、消费者、供应链、运营、企业、产品、客户、数据模型、大数据平台、数据开发、系统运维、业务逻 ...
2026-06-26在物流配送、供应链履约、终端供货等业务场景中,送货率是衡量企业履约能力、服务质量、供应链稳定性的核心业务指标,直接关联客 ...
2026-06-26 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-06-26在数字化管理与数据化运营体系中,指标是连接原始数据与业务决策的核心载体。零散的原始数据只是无意义的数值堆砌,无法直接反映 ...
2026-06-25在Excel数据汇总、财务统计、业务复盘等日常办公场景中,经常需要完成逐行相乘、整体汇总求和的计算需求,最典型的场景就是:单 ...
2026-06-25 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-06-25【核心关键词】主数据、资产、供应商、现金流、企业、精细化、集团、数字化、中国、数据质量、数据管理、经营管理、地产行业、 ...
2026-06-24在数据分析、假设检验、AB测试、学术研究等统计场景中,显著水平(α)与P值(P-value)是判断统计结果是否具有统计学意义的两个 ...
2026-06-24小李刚入职了一家互联网公司的运营部门。第一次参加业务复盘会,运营主管问了一个看似简单的问题:“这个月新用户留存率下降了5 ...
2026-06-24在数字化转型全面渗透的产业背景下,数据分析已成为互联网、金融、零售、制造等几乎所有行业的核心岗位能力。很多初学者对数据分 ...
2026-06-23在企业并购、股权定价、投融资评估、资产核算等资本市场核心场景中,市场法是应用最广泛、市场认可度最高的企业价值评估方法。传 ...
2026-06-23 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-06-23【核心关键词】运营、证书、金融、客户、产品、软件、销售额、量化、科技、数据分析、金融行业、证券类软件、业务流程、金融机 ...
2026-06-22在企业方案选型、产品迭代评审、供应商筛选、运营效果复盘等决策场景中,单一指标的优劣判断往往无法支撑科学决策。一套转化效果 ...
2026-06-22 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-06-22【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18