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数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 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 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 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 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02