數(shù)據(jù)在市場營銷中的作用越來越重要，至少BAT、Facebook、Google試圖讓你相信這點(diǎn)。單從營銷領(lǐng)域而言，可以按照數(shù)據(jù)組織的主體，將數(shù)據(jù)產(chǎn)品劃分成三類：

以人為數(shù)據(jù)的主體與核心：典型的如DMP，Data Management Platform；BAT和數(shù)字營銷代理公司都提供DMP。

以用戶行為數(shù)據(jù)為主體與核心：典型是Web Analytics WA工具，如Google Analytics、Omniture；在移動端，提供App內(nèi)行為監(jiān)測的工具也是此類，如Talkingdata、友盟等都提供App內(nèi)行為監(jiān)測數(shù)據(jù)，指標(biāo)包括留存率、留存時間、渠道來源等。

以品牌/品類/產(chǎn)品為核心：典型的如Social Listening工具，他們根據(jù)預(yù)設(shè)的關(guān)鍵詞，定向爬取互聯(lián)網(wǎng)上公開的內(nèi)容，然后進(jìn)行分析。百度指數(shù)也是該類型的工具。

典型的DMP提供3種功能：人群提取、人群洞察與人群拓展。

人群提取是指在DMP中創(chuàng)建一個人群包，數(shù)據(jù)來源可以是廣告主自己上傳的消費(fèi)者手機(jī)號碼、設(shè)備號、IDFA、MAC地址等能映射到唯一一個消費(fèi)者的識別碼。當(dāng)然，現(xiàn)在很多DMP是跟程序化廣告投放端打通的，客戶投放的廣告的曝光、點(diǎn)擊互動人群也可以通過DMP進(jìn)行提取。此外，通過布置pixel、JS代碼、添加SDK或者通過API回傳官方、App內(nèi)訪問、瀏覽、點(diǎn)擊、付費(fèi)等用戶，這些用戶ID也可以形成一個個人群包。人群包的本質(zhì)是多個人群ID。

此外，部分DMP還提供人群包之間交并差計(jì)算功能。例如A人群包的定義是官網(wǎng)到訪人群，B人群包定義是官網(wǎng)購買人群。假設(shè)B是A的子集，我們想提取到訪但是沒有購買轉(zhuǎn)化的人群，也可以利用DMP把B包包含的ID從A包ID中排除出去。

人群洞察則是利用DMP提供的標(biāo)簽化的數(shù)據(jù)，幫助廣告主分析某個人群包的特征。典型的DMP會提供性別、年齡、地域、興趣、App安裝等維度數(shù)據(jù)，簡而言之為基本屬性+興趣愛好?；窘Y(jié)構(gòu)可以抽象成如下圖的格式：最終DMP統(tǒng)計(jì)一下在給定的人群包中，多少的比例被打上了Tag1、多少的比例被打上了Tag2。當(dāng)然，在廣告投放的業(yè)務(wù)環(huán)境中，每個ID被打上標(biāo)簽，并不是這里簡單的0或者1的關(guān)系，而是一個分布在[0, 1]的得分。這個得分反映的是該ID在這個標(biāo)簽下的行為強(qiáng)度和時間新鮮度。舉例而言，一個人最近頻繁打開攜程、飛豬、螞蜂窩，相比另外一個人1個月前只打開過1次攜程，其在“旅游”這個標(biāo)簽上的分值顯然更高。

人群拓展則是一個黑箱的功能。在廣告投放業(yè)務(wù)場景中，顯然每一個廣告主都希望觸達(dá)新客群體，除了利用投放端提供的人群標(biāo)簽進(jìn)行定向之外，利用第一方購買人群做人群拓展，則是另一個重要的定向方式，這個功能被稱為lookalike。lookalike會找到跟第一方人群相似性最高的人群，所謂相似性，則是基于用戶的屬性和行為來計(jì)算的，如地域、年齡和性別分布，以及使用手機(jī)的系統(tǒng)、安裝的App等等，多大幾百萬個維度。lookalike的基本假設(shè)是：對于一個品牌的偏好和產(chǎn)品使用，人群有典型特征。比如，購買奔馳的人群，收入在中高端，這個時候lookalike是有效果的。相反，對于一些大眾的產(chǎn)品或者品牌，lookalike并不一定能帶來預(yù)期的廣告效果就是這個道理。

與DMP以人為Key組織數(shù)據(jù)和操作邏輯不通，WA工具則更關(guān)注人的行為本身。這是現(xiàn)在Google Analytics提供的5個模塊。除了第一個查看當(dāng)前實(shí)時數(shù)據(jù)之外，Audience跟DMP類似，提供訪客人群的興趣、地域、手機(jī)操作系統(tǒng)等靜態(tài)數(shù)據(jù)，也能幫助廣告主進(jìn)行LTV、cohort分析。Acquisition模塊關(guān)注的是人群來源，Behavior則注重用戶站內(nèi)瀏覽行為，如瀏覽的時長、退出率、二跳率等。Conversions則關(guān)注用戶在站內(nèi)的瀏覽路徑與轉(zhuǎn)化行為。

Social Listening，有時候又被稱為社交聆聽、社交輿情監(jiān)測，是對互聯(lián)網(wǎng)內(nèi)容（當(dāng)前主要是對文本內(nèi)容）進(jìn)行監(jiān)測和分析的方式。原理本身很簡單，監(jiān)測系統(tǒng)通過爬蟲或者API接口獲取文本內(nèi)容，通過掃描文本內(nèi)容里是否含有預(yù)設(shè)好的關(guān)鍵詞，如果有則記錄和分析。比如，各大汽車廠商都會不斷掃描汽車之家、易車網(wǎng)上是否有針對自己品牌的討論。分析的維度，無外乎聲量（提及次數(shù)）、情感度（正負(fù)面）和討論話題（基于詞共現(xiàn)）。我把百度指數(shù)也放在這個分類下面，因?yàn)檫@個分類關(guān)注的是內(nèi)容本身，它跟人的屬性、行為無關(guān)（雖然它是由用戶或者媒體產(chǎn)生的行為）。

Social Listening的典型應(yīng)用是監(jiān)測負(fù)面，特別是在社交媒體環(huán)境下，一個危機(jī)往往由一個小話題引爆。此外，通過Social Listening了解消費(fèi)者對品牌評價、產(chǎn)品使用心得，也是現(xiàn)在正在探索的一個方向。然而，當(dāng)前自然語言處理技術(shù)還不能很好“理解”文本內(nèi)容，要進(jìn)行更加細(xì)致的分析，需要大量人工介入。