DMP像是鼻烟壶，外表看起来光鲜亮丽，抽的人确是各有各的滋味。一般来说，有好烟丝才有好味道，没有好烟丝，也只是一只苦涩的花瓶。
这里面的烟丝就是数据！ 用好了容易上瘾，没用好只会骂娘。
很早就有朋友让我聊聊DMP，现在才聊是因为DMP历史悠久、产品百花齐放、行业变化多端，这也是一个复杂和跨界的物种，花了不少时间把它理清楚。这篇只聊聊海外市场，算是漫游指北了。下次搞清楚中国市场，我再漫谈指南。
1. DMP是什么？
为了限制讨论问题的范畴，先确定两个核心问题：DMP给谁用？DMP解决什么问题？简答之：DMP是给广告主用的；DMP用于赋能营销。
DMP数据管理平台，概念好像很大，狭义DMP通常指人群标签，对于广义定义，Forrester有一个不错DMP解释：“把分散的第一、第二和第三方数据进行整合纳入的一种统一的技术平台，对这些数据进行标准化和细分，让用户可以把这些细分结果应用现有的互动渠道环境里，获得更好营销效果”。
DMP核心价值就是用数据赋能营销，获得营销洞察和策略，指导投放。
2.DMP公司的发展
下面是Forrester分别于2013和2017年对于行业领先DMP产品的评估。
粗略一看，4年光阴，公司名单已经焕然一新了，不少软件巨头都新晋上榜。
仔细观察可发现，2013年的7家DMP公司，大部分已经被营销巨头所收购。这种收购本质上是对客户的收购和数据的收购。MarTech巨头们都在盯着有客户的独立DMP厂商。
举例来说，BlueKai早年通过PC小网站联盟收集了不少数据，渐渐形成了自己的客户群。Orale这条“鲨鱼”通过收购BlueKai，可以直接获得相关的企业客户，这些客户可以帮助Oracle快速完善产品线，也可以发展成Oracle其它产品线的客户。
下面是近年来DMP公司的收购事件。
| 时间 | DMP公司 | 收购方 |
| 2011 | Demdex | Adobe |
| 2012 | Core Audience | iCrossing |
| 2013 | Aggregate Knowledage | Neustar |
| 2014 | BlueKai | Oracle |
| 2014 | Knotice | igitionOne |
| 2014 | [x+1] | Rocket Fuel |
| 2015 | eXelate | Nielson |
| 2016 | Krux | Salesforce |
3. DMP和其他平台
对于DMP，市面上有很多相关的新老概念，例如CDP，CRM和ABM等，下面整理一下这些术语，以及我所理解的他们的相互关系。
DMP（Data Management Platform): DMP是支持多方（（第一方，第二方，第三方） 数据的收集和管理，通过分析，洞察和智能，提升营销效率的数据平台。
CDP（Consumer Data Platform）：CDP是指以消费者为中心的数据管理平台，主要使用第一方数据，应用场景不限于广告投放，贯穿消费者生命周期，为企业创建自有的、可反复利用的数据资产。
ABM(Account Based Marketing)： 基于目标客户的营销，这是一种营销和销售协同的营销方法。
CRM(Customer Relationship Management)： 通过信息化和数据化进行客户关系管理。
JOE(Journey Orchestration Engines)：用于组合消费者旅程的引擎
总体来说，这些产品有不同的定位，区别主要是面向组织中不同的角色，有面向IT部门，有的面向销售或服务部门，而DMP更多的是面向营销部门，帮助营销管理者制定营销决策。
4. DMP的标识管理
相比CRM/CDP，DMP管理更多的标识(ID)数据，有些标识是匿名的，有些可以对应到人，有些是营销特种标识等等，标识比较复杂也很关键。有一对一映射，也有多对多映射。因此，搞清楚DMP的标识管理是非常重要的，虽然很多DMP都宣传有自己的Universal ID/Unique ID/mycompany_ID，这些标识后面大多都是原始的设备标识或Cookie，会员号等，DMP的能力强弱非常依赖后面的标识管理能力和数据丰富程度。
4.1 常见标识：
| 标识 | 说明 |
| Android-IMEI | 国内广告定向通常使用这个标识，使用量大；国外广告投放使用Android Advertising ID |
Android - Advertising ID | 这个是国外Android广告投放的主要ID，相比之前的Android ID，这个标识可以通过设置进行重置。 |
| iPhone- IDFA | 苹果很早就规范了广告使用的IDFA，这个ID用户可以主动重置，苹果的IMEI/MAC等都是不容易获取的。 |
| 网络设备-MAC | 网络相关应用，Wifi探针可以很方便收集附近Android手机的Mac地址，不容易收集iPhone手机的Mac地址。广告投放不常用。 |
| 手机号/会员号 | 手机号为中心的会员体系越来越普及，手机号相对稳定。手机号在CRM中，也是常见的标识。邮箱在中国不太普及，在国外非常普及。 |
| 微信OpenID | 微信OpenID是用户关注某一个公众号而产生的唯一标识（取消关注，再关注依旧保持不变）。通过用户授权，微信应用/公众号可以获得用户的OpenID，然后通过注册方式获得手机号。 |
| CookieID | PC的CookieID有效性变化较大，不同浏览器和用户不同情况。Wechat的内置H5的CookieID，通常再微信退出的时候就会重置，持久性差。 |
| 脸标识ID | 人脸的识别技术也非常成熟，对于线下商店，建立准确的人脸ID将帮助各种运营分析，并可能创建新零售场景。 |
| 地址 | 美国的家庭地址非常稳定，也非常精确，这个数据也常常用于定位一个消费者。 |
4.2 标识打通：
理论上，如果这些标识都能够打通，用户管理起来就非常有效了。但是，用户隐私会成为一个大问题，行业中每个玩家都只能有一小部分数据。虽然互联网巨头有强账号体系和业务数据，但是他们通常保持封闭的心态，以建立自己的战略护城河。通常来说，有几条路推进账号打通的工作。
渐渐建立自己会员体系，以手机号为中心。
技术上通过一些桥梁数据，算法和概率进行打通，相关公司有Drawbridge，Tapad，Crosswise，Screen6等。（不过，大多公司在国内水土不服）
通过第三方数据服务公司。
5. DMP平台的商业价值
有了用户数据，有了投放数据，打通了CRM，各种数据都管理起来了。现在可以聊聊DMP的商业价值了。
5.1 实现更多智能的营销策略（Marketing Intelligence）
在移动互联网时代，数字媒体越来越复杂和多变，单一的营销策略和缓慢的营销节奏已经不适应现在的营销环境。推荐Scott Brinker写的《黑客营销》，讲的是就是用敏捷软件开发的模式进行营销，实现增长（Growth）。
很多营销管理者面临艰难和挑战的营销问题：复杂的媒体环境、海量的营销大数据，以及繁多的营销决策。如何找到正确的受众，以正确的方式吸引这些潜在客户，做好这些客户的留存工作，变成更加数据驱动的数据科学问题。DMP正是帮助企业管理更多的营销数据，客户数据，内容创意等等，通过数据分析得出适合每一个细分受众的营销策略。通过营销自动化或程序化工具，实现营销策略的快速验证，以敏捷和迭代的方式推进营销的策略升级。
5.2. 建立面向消费者的营销战略（Customer-Oriented Marketing Strategy)
DMP还有一个意义就是帮助广告主建立面向消费者的营销战略。现在很多广告主仅仅在少数大媒体进行投放，所有的营销活动都依赖大媒体平台的各种规则，数据也无法导出为后续使用。这使得广告主虽然花了很多钱，或许短期有所成效，但是这些营销不能够沉淀和积累消费者的数据，无法支持广告主中长期的以消费者为中心的营销战略。DMP可以帮助企业升级到以消费者为中心的客户旅程体验，与消费者建立更加紧密和互信的连接。这也解释了当前有不少CDP(Customer Data Platform)公司获得市场的青睐，CDP是面向营销的以消费者为中心的数据平台。从本质上说，CDP可以说是DMP的功能子集。国外CDP的一些领先公司包括Agilone，BlueCore，Treasure Data，mParticle等。
5.3. 人工智能营销时代的入场券
人工智能的本质是数据赋能，企业只有掌握海量大数据，才能通过算法和云计算争取企业的营销竞争力。因此，收集更多的数据，激活用好这些数据，让人工智能引擎学习和掌握更多的营销规律，学会识别营销中的特征，发现更多的营销洞察，做出更多科学的营销决策，这些能力都依赖与对于数据的收集和管理，也就是DMP的核心功能。因此，广告主进入人工智能营销时代，DMP是一张必要的入场券。
6. DMP数据的来源
(1) 媒体数据：通常为应用内数据，用户浏览的内容，UGC内容等
(2) 搜索数据： 用户的查询，在移动时代，统一的搜索引擎入口，已经有分散在各个应用的趋势，新一代的语音搜索正在悄然增长
(3) 运营商数据：设备上网都要经过运营商，特别是移动互联网。
(4) 广告平台/程序化投放：广告请求信息，广告点击和转化等
(5) 交易数据：电商，银行，信用卡联盟等。
(6) 离线数据收集整理，运营活动等
(7) 第一方的CRM/ERP等数据
(8) 线下设备的数据收集：Wifi探针，摄像头，IoT设备等
7. 云中漫步DMP产品
7.1）SaaS or In-House
国外，广告主使用的DMP很多都是SaaS服务，营销巨头们也主要是提供SaaS方式的DMP系统，SaaS系统可以方便对接各个监测公司，例如Google Analytics ， Adobe Analytics，方便对接各种云端CRM，例如Salesforce，Dynamics 365，方便对接各种营销自动化，例如Marketo, Hubspot。
国内的一些大客户，还是以In-House的模式为主，但是也开始慢慢接受SaaS模式的DMP服务了。不管是SaaS和In-House，只要严格保证数据安全、解决业务问题，其都是可以考虑的方案。
7.2） 产品能力
一个优秀的DMP，我认为核心能力在如下几个方面。
1. 数据管理能力：对接广泛行业软件和API，数据导入导出方便，平台稳定
2. 数据分析和洞察：行业深度分析模型，深刻洞察
3. 营销决策：输出更多的可操作的营销策略，形成效果反馈闭环
7.3）几类DMP服务提供商
(1)全栈营销云提供商：Adobe：全产品线解决方案
(2)以CRM切入提供商：Salesforce, Neustar，从用户数据扩展到营销
(3)独立软件巨头公司：Oracle , IBM： 野蛮生长，强行切入的实力玩家
(4)独立营销技术公司：Turn , MediaMath：多年营销技术经验的程序化专家
7.4）比较几家领先的DMP
(1) Adobe Audience Manager
Adobe 在2011年收购了Demdex，然后和它其他的产品线进行整合打通，从功能上来说，它非常丰富，使用方便。但是，它的数据分析能力比较通用化，缺少深度的垂直行业分析能力。
(2)Salesforce DMP
Salesforce 在2016年收购了Krux，在2017年将这个产品改名为Salesforce DMP。这个产品在人群管理有比较灵活的优势，Salesforce也在利用它的爱因斯坦AI引擎为DMP提供更多的数据分析和智能。
这个产品的设计和我理解的DMP非常一致：主菜单包括受众（Segement)，洞察（Insights)，激活（Activation)
（3）MediaMath DMP
MediaMath是一家主要业务在北美和欧洲的广告技术公司，它收购了Akamai的数据部门，在过去很多年也是美国程序化广告的领先者。它的DMP提供了很多实用功能方便和程序化营销策略直接打通。
(4) Oracle BlueKai
Oralce的产品总是需要一段时间才能真正理解它的魅力，管理和平台化是它的一个特点。 Oracle 集成了Bluekai的产品后，进行了很多改造，并且将这个DMP能力融入到整个Oracle营销云的解决方案中。
8.DMP的中国梦
走马观花看了美国的DMP的产品，我们看到DMP是广告主营销不可以缺少一个模块，用于数据收集，管理受众、分析受众和激活受众数据。整个DMP行业也比较规范，并且以SaaS为主的服务模式也非常普及，DMP在营销链路中像一个中枢神经系统一样，控制着营销策略制定和执行，形成营销反馈闭环。
中国DMP其实才刚刚起步，在中国独有营销环境中，大家在慢慢摸索最佳的DMP实践。对于大型广告主，我们看到越来越多广告主着手计划、规划、实施和使用DMP系统和服务。在实践过程中，如果将DMP理解成一个标准的IT系统，DMP项目很容易失败，只有将DMP理解成一个商业营销解决方案，并且持续积累数据，迭代能力和实验策略，才能真正解决营销痛点。
什么才是一个有效的DMP解决方案？ 从实践中，我渐渐摸索到以下几个方面是非常关键能力，这些能力可以保证DMP成为营销的真正动力引擎，而不是流于形式的摆设：系统能力，分析策略，营销经验，数据丰富。
系统能力：是否有成熟的大数据处理分析的技术积累，支持实时海量大数据处理，包括很多数据预警能力等。
分析策略：垂直行业的分析模型可以极大提升DMP的实用性，持续输出可采取行动的营销策略将是DMP的核心价值，这些行动可快速执行，并且获得反馈，形成闭环。
营销经验：丰富营销经验可以让DMP的运营更加有效率，通过专业化运营提升营销效果。这里面涉及到很多数据科学家的营销经验，通过大量线上线下的科学实验，找到效果提升的关键路径。
数据丰富：是否拥有丰富准确的受众数据，是否能够方便对接了第三方的数据源，是否能整合企业内部的各个数据源，将数据能力协同起来。
小结
DMP是人工智能营销的入场券，我希望所有企业都拿到自己的入场券，大家一起进入这个充满科学和智能的营销新赛道。人工智能社会已经来临，这个时代的营销特点是大规模个性化（Mass Personalization)，连接消费者和广告主将更加依赖数据和科学。希望每一家企业都跨上一匹适合自己的DMP赛马，驰骋在智能营销的新时代。
DMP对于企业营销，正在成为一个"To Be or Not to be"的问题。
参考文献：
The Forrester Wave™: Data Management Platforms, Q3 2013
The Forrester Wave™: Data Management Platforms, Q2 2017
作者介绍：
欧阳辰，品友互动，CTO。《Druid实时大数据分析》书作者，超过17年的互联网老兵。曾任小米商业产品部 研发总监，实现从0到1的广告和大数据平台建设；曾任微软研发经理，负责微软移动Contexual Ads广告平台，参与Bing搜索引擎IndexServe的核心模块研发。有空也会在个人微信公众号“互联居”中，分享一些互联网技术心得，订阅“互联居”公众号，与作者直接交流。
广告技术文章
互联网广告的归因分析(Attribution Analysis)
两分钟搞明白Beacon,iBeacon和EddyStone
广告行业：
Java技术：
207
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
