京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“很多公司还在单纯的做第三方数据搜集、分析,以此判定包括年龄、性别等在内的上网人群特征,这种方式有很大的局限性。”悠易互通CEO周文彪近日接受21世纪经济报道记者专访时表示。
数字营销曾踏着互联网的浪潮极大冲击了传统的营销模式,即通过在第三方网站(比如新浪、搜狐等门户)布代码,搜集、分析用户行为,然后针对性投放广告,因此,被视为一种更加精准的推广营销模式。
但在大数据时代,这种模式面临的问题开始暴露。周文彪表示,根据浏览行为做数据分析是一个弱关系,不是强关系,悠易互通也曾做过三年尝试,但去年发现,单纯以第三方数据去分析,数据丰富度不够,想要得到一些用户的深度属性,难度很大,导致广告投放的精准度依然不高。
因此,今年悠易互通推出了“数据银行”,引入品牌商的第一方数据,并通过与第三方数据的匹配,形成新的数字营销模式。
数据银行的核心便是从单纯的对用户行为分析升级为对用户身份的认证,进而进行跟踪分析。同时,在多屏时代,基于身份认证和后端的大数据分析,可以实现跨屏营销。
数据银行思路
“对广告客户的第一方数据和第三方数据整合,是我们做数据银行要最先解决的问题。”悠易互通负责产品的副总裁蒋楠表示。
周文彪介绍说,数据银行的大数据来源主要包括第一方数据(客户网站上布代码搜集数据)、自己的数据(去全网布代码搜集分析的数据)、第三方数据(比如百度淘宝、新浪等)、垂直领域的一些数据供应商。
据了解,悠易互通的数据银行模式首先是将代码布到广告客户的官网和APP上,进行数据搜集分析,比如有1000万个用户点击进入,首先要分析有多少人只是到达首页,多少人进入到产品页,又有多少人转化购买了产品。
周文彪表示,第一方数据非常精准,因为浏览的用户和品牌的关联度很高,不只看过广告,而是有足够的停留时间,这样分析的结果比在第三方平台上分析的数据准确很多。但也有局限性,一般的品牌商自有数据量比较小,对于营销远远不够,所以要结合第三方数据。
在两类数据结合的过程中,悠易互通加入了ID身份认证,既可以激活品牌商的原有客户,同时以此又可以带来增量用户,并形成循环。
周文彪以一家汽车品牌商为例,该品牌商已拥有500万的CRM数据,包括名字、住址、手机号、身份证号以及保养情况等,但最大的问题是这个数据库没有被充分运用起来,一直处于离线状态,无法跟踪这些用户平时在线干什么。
悠易互通则通过对这500万客户的手机号加密,然后去自己的数据库中(同样积累了大量加密手机号)匹配,一旦确定为同一个用户,便会给该用户赋予一个悠易互通的ID。当该ID在其它网站浏览时,便可实时跟踪,并结合CRM离线数据库,了解用户的需求,比如该保养或换机油了,精确地推送给用户。周文彪称,通过这种方式已为该品牌商激活300万用户。
而对于增量用户,周文彪表示,因为这300万用户的全网行为都可分析,便可以总结出这些用户的在线行为特征,然后再去第三方数据库中寻找一批行为特征相似的人群去投放汽车广告,比如面向3000万潜在用户投放,如果有500万用户到4S店试驾或购车,又可以进入数据库,“用300万现有客户去找潜在的客户,这是一个很有效的方法”。
由此,围绕数据银行形成“第一方数据库挖掘——匹配ID——跟踪全网行为——总结特性——寻找类似用户精准投放广告——新数据进入第一方数据库”的循环模式。
跨屏营销场景
百度展示广告事业部产品总监沈昭阳在悠易互通一次发布会上公布的一组数据显示,中国65%的用户拥有电脑、平板、手机甚至更多的设备,他们的行为大量分散在各种设备上。同时他称,PC流量的自然增长速度无法承载产品所需要的增长速度,PC不可能做到流量的翻倍增长,因此只从PC深挖,已经看到了局限性。
多屏时代的用户行为变化必将激发出新的营销模式。周文彪表示,不同的终端拥有不同的ID,以前会认为不同的终端设备后面是不同的人,但在多屏时代,不同设备背后可能是一个人,如果还按照以前的模式投放广告,势必会造成资源浪费,跨屏营销就是要确定用户正在使用哪个屏幕,并且以差异化的方式将相关产品推送到正在使用的屏幕上。
但要实现跨屏营销,背后依然需要大数据的支撑。周文彪称,今年对一群用户的行为数据分析发现,同一个人,阅读行为发生在手机上的频次远远高于PC,而在对汽车、家电信息的获取上,PC端的使用量远远高于移动端。传统模式下,汽车品牌商分析移动端数据时,就会认为该用户是一个阅读用户,而不是一个汽车相关用户,就忽略掉了,但这个人可能就是一个汽车发烧友,只是在其它屏幕上进行相关行为。
解决这一问题,依然是通过统一ID的方式,即通过ID账号实时跟踪用户行为,形成大数据,以此综合分析判断使用多屏的用户属性。悠易互通是百度移动流量仅有的两大DSP合作方之一,百度旗下的音乐、地图等应用均在PC端和移动端实行统一ID账号,悠易互通在与其流量交易平台对接时,该ID信息进入悠易互通平台。
但从目前来看,并非每家大平台都开放这部分数据,因此周文彪称,另一种方式是通过IP号段,在同一IP号段下,即使不同的屏幕也可判断可能是一个人,成功率没有第一种准确,但也能达到60%到70%,在互联网营销领域,这个水平已经很高了。
周文彪称,跨屏时代的数字营销,最大的难点还是技术,对大数据分析能力要求非常高。CDA注册数据分析师协会会员是来自学界、实务界,国内大陆、台湾及国外数据分析和数据挖掘相关领域顶尖的教授、专家、工程师及企业高端人才,名师荟萃,学术浓厚,技术前沿,代表了国内数据分析研究领域的最高水平。CDA数据分析师的就业前景可选择于通讯、医疗、银行、证券、保险、制造、商业、市场研究、科研、教育等多个行业和领域。,根据三个不同的等级胜任不同的数据分析工作任务。文章来源: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 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22