背景

数据管理平台可以集中控制所有营销活动及客户/受众数据。利用 DMP可以识别客户活动、统一客户数据以及进行相关营销/广告活动。建设DMP可以：

洞察用户，对用户数据认知更全面，可以分析用户习惯和行为信息。
用户分群，针对企业营销推广和运营管理时有参考价值。
精准营销，大数据营销分析平台能够帮助行业客户低成本、精准地找到新客户。

DMP是什么

DMP定义

DMP即Data Management Plantform 数据管理平台，DMP是一个以用户为基本单位，把分散在多方的数据进行整合纳入统一的技术平台，并对这些数据进行标准化和细分，并包含用户标签的计算，可以把这些细分结果推向现有的业务平台使用，DMP本身不带有任何的营销推广功能和性质。

DMP核心特征

DMP是数据大脑，是一切精准营销的基础。DMP的特征有：

首先是以用户为基础（或者设备），整合各方数据，进行数据清洗，然后结构化的存储。
其次对结构化的数据进行分析，进行模型算法将用户进行多维定性，打上相关标签。
数据来源可以有很多数据源，包括企业内部数据（第一方），合作方的数据（第二方），数据交换等（第三方）。
最后呈现给使用方，可以通过DMP提取想要的用户群体，营销平台也可以通过接口进行访问数据和提取想要内容。

DMP的分类

媒体自有DMP

这类 DMP的数据相对封闭，数据安全性比较好，但相应的流通性差，数据挖掘和使用不足，通常需要接入其他数据平台，实现数据的融合和流通之后，才能更好地发挥出价值。

互联网头部公司自有DMP

由于拥有绝对的用户流量优势，所以数据积累相对非常的多。另外各自的DMP也会有行业的差别，比如阿里的达摩盘就是电商场景的DMP。比如阿里妈妈的达摩盘，腾讯的广点通等。

广告技术公司DMP

这类DMP主要是广告技术公司基于DSP等业务扩展需求而搭建，直接为自身业务服务。很多实力较强的广告技术公司都有自己的DMP，比如爱点击等。

DMP的设计

数据获取

这部分主要是收集用户数据，包含用户基础属性信息以及用户的行为数据，还包含业务的事件以及相关用户行为埋点数据。

数据清洗

在数据层我们需要建立的是宽表，将所有相关数据拍平方便后续数据处理。

用户归一

在构建用户宽表时，首要要解决的就是用户信息碎片化如何归一的问题。比如：

用户线下交易行为出现在多个公众号下交易产生多个openId，如何做用户归一。
多端支付小程序、扫码点餐小程序、充电宝小程序等用户如何精准识别同一个用户，打通多业务用户数据是做好用户画像的关键。

账号体系

支付宝用户：来自交易、各小程序应用；
微信用户：来自交易、各公众号、各小程序应用；

基准数据来源

交易流水（支付宝交易、微信交易）
公众关注UnionID

数据整合

公司有多个产品线：线下收单、扫码点餐、充电宝租用等等。为了完善的用户标签体系，需要尽可能汇总最大范围的数据，再进行清洗、去重，去掉无效以及异常的数据，再根据业务提取特征数据。

用户标签

践行“用户运营”思维，用户标签不是新鲜概念，各大公司从用户产生的行为和交易数据，去抽象总结出特征规律，进而得到“用户标签“。

切勿大而全

你会发现很多大的平台标签系统非常成熟和全面，实际上没法一步到位的，应该按照业务需求来进行取舍。

比如：基于LBS用户消费习惯以及用户轨迹强项：

广告主想投放火车站周边1km用户；
广告主想投用户近90天消费过汽车行业的用户；
广告主想精准投放具体地域行为偏好的用户；

标签分类

更新频率

例如“性别”这个标签，一般不会随时间变化而变动，就属于静态标签。

又例如“最近一次消费区域”会随着时间及用户行为而变化，就是动态标签。

标签主题

随着业务进行，标签往往会越来越多，而“主题”帮助我们从业务角度进行归类。

例如可以分为“属性标签”和“行为标签”，性别、地域属于“属性标签”，“近30日XX”就属于行为标签。

标签层级

多级标签体系，这个是业务复杂情况而定，比如“近30日XX”属于二级标签，“近30日的行为”就属于一级了。

技术维度

这一分类是标签底层逻辑分类的，可以分为：

统计类标签（事实标签）：从底层数据中抽取原始数据，进行简单的累计计算得到的标签，比如“近90天累计消费金额”；
规则类标签（模型标签）：进行业务定义后的标签，比如消费过线下汽车4s店的用户，“汽车偏好用户”标签其实就是根据一定的规则计算得来，业务规则定义可能会发生变化。
算法类标签（预测标签）：就是需要利用算法才能得到的标签，比如性别预测等

一级标签	二级标签	频率类型	标签主题	标签类型
人口属性	性别	静态(不更新)	属性标签	统计类
行业偏好	汽车行业	动态[T+1]	行为标签	规则类
私域数据	微粒贷偏好	动态[T+1]	行为标签	算法类

标签梳理

用户标签，基于用户属性以及用户行为的特征数据抽取，通过工具赋予产品和运营人员标签能力，根据业务数据根据用户属性转化为具体用户标签，可以按照下面思路来梳理：

有哪些产品线；
每个产品线有哪些业务对象；
每个对象设计哪些业务，每个业务下哪些业务数据和用户行为；

DMP架构设计

结语

目前现有DMP平台目前相对比较初级阶段，大多广告投放场景定向根据的是用户当前数据进行匹配投放，没有进一步沉淀用户数据。至此，我们更需要进一步建设DMP平台，与业务方紧密结合，在用户生命周期各个环节来提升转化效果。

以上是对DMP的设想以及后续规划。

原文始发于微信公众号（程序猿阿南）：广告DMP系统的设计与分析

文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/22277.html

广告DMP系统的设计与分析

背景