近三、四年，传统营销领域发生了巨大变化。变化源于数字营销的崛起，而其主要的驱动是程序化购买技术和大数据的普及。在此期间，DSP、DMP、SSP、PMP、ADX 等一些专业名词频繁地出现在各个专家专栏、行业峰会等场景下，但似乎许多广告主和代理公司仍然不明白这些花哨的流行术语能为他们带来哪些实际价值。比如 DMP，虽因大数据的应用而变得“声名大噪”，可是 DMP 到底是什么?数从何来?价值何在?如何应用?如何确保数据资产安全性等问题，仍然高深莫测。数字化已经深深潜入所有企业中，那么在品牌加大 DMP 投入之前，有必要先来揭开其面纱做些了解!
一、何为DMP
DMP ：Data Management Platform，即数据管理平台。是把分散的第一和第三方数据整合到统一的技术平台里，再通过机器学习算法对这些数据进行标准化和细分管理，并把这些细分结果实时地应用于现有的互动营销环境里，帮助营销取得最大化效果。
编者注：
第一方数据：广告主自有数据，如网站访问数据、移动应用数据、广告投放数据、CRM 数据、EDM 电邮数据等。这类数据质量较高，安全性高，广告主拥有唯一控制权和使用权;
第三方数据：第三方独立数据供应商提供的数据，包括 BAT 数据、运营商数据、高质量媒体数据、第三方监测平台数据、垂直领域平台数据等。
二、DMP的价值
数字营销时代，伴随着广告主对精准、高效的投放效果的追求，广告从媒介购买转为对程序化受众购买的阶段。相应的，由于 DSP 的出现颠覆了广告主传统的投放理念，其迅即成为程序化购买时代不可或缺的营销标配。可为什么 DSP 能够精准地找到那些目标受众?在这背后，DMP 发挥着至关重要的作用。DMP 可以帮助广告主追踪受众所有交互行为，可以清楚地了解受众购买渠道、兴趣属性、识别哪些产品是最流行的，以及他们如何能够优化设计和内容，从而指导投放，积极推动 ROI 的提升。在程序化广告生态系统中，DMP 扮演着一个类似人体大脑的重量级角色，为程序化投放提供智力支持和源动力，其和 DSP 都是程序化购买时代不可或缺的重要支柱。
但这里不得不说一下，因为几乎所有的广告公司都将 DMP 用于与 DSP 配合来优化广告投放效果，所以很多人就认为 DMP 的唯一价值应用就是广告的精准投放，从而忽视了 DMP 作为数据分析工具的应用价值。事实上，投放和投放后的数据分析不应该产生脱节，否则，广告主最终只能获得投放数字报表(数的堆积)，却无法形成可加以持续利用的数据资产。同时也意味着如果广告主更换代理公司，那么之前保存在代理公司的数据将消失。无疑，这不利于未来营销策略的制定。
那么，如何发挥 DMP 最大价值，使其不仅能够帮助广告主提高投放效果，优化决策能力，还能够形成大数据资产来获得持久战略优势呢?这就涉及到广告主在实践中如何应用 DMP 的问题。
三、如何应用DMP
广告主应用 DMP 目前有两种常见方法：第一种是广告主完全不做 DMP，而是使用其它技术提供商 DSP 服务的同时也享有其 DMP 服务;第二种是广告主自建一个 DMP，数据控制权和使用权掌握在自己手里。
正所谓工欲善其事必先利其器，广告主更明智的应用选择当然是自建 DMP。原因在于：第一，DMP 包括第一和第三方数据来源。如果自建 DMP，那么广告主可以把线上和线下数据都整合到自己的 DMP 系统中去，从而持续指导营销决策，自然也可形成独有数据资产;第二，广告主自我掌控数据，可防止广告主投放数据泄露等安全风险问题;第三，自建的 DMP，在实际广告投放中，数据可以随着投放进程得到实时更新，并在投放反馈中进行不断修正，保证数据的时效性和实效性。
未来，受众在广告投放中与广告主的互动将会越来越多，这些受众数据将是驱动营销策略的重要依据，同时也是验证营销策略的标准。因此，广告主选择使用自建的 DMP，才能发挥数据的最大化价值。
四、自建DMP的挑战
拥有大量的优质数据，如果让他们永远沉睡在那里不形成数据资产加以利用，这是不负责任和浪费的。上文我们也提到，最佳管理数据的方法就是广告主搭建完全属于自己的私有数据管理平台，即私有 DMP。但自己搭建 DMP，会面临许多挑战：
首先，费用问题。包括机房、硬件设备、技术团队组建等，这些都需要广告主的大量资金投入;
其次，能力问题。做了 DMP，就要持续整合线上线下多方数据，广告主就要具备行业洞察、业务感知、分析建模、算法挖掘等技术或非技术能力，且缺一不可;
最后，精力问题。广告主自建 DMP，需要相当长的开发周期且要持续维护、优化，势必会导致在核心战略和业务发展上分散精力。如果平衡不好，将拖累企业整体发展速度，导致竞争力下降。
一方面，广告主越来越重视对其自有数据的掌控及价值变现，希望利用大数据来驱动营销自动化、高效化;另一方面，资金、时间、精力等挑战又让广告主望而生畏。是否有一种最佳的解决方式能平衡这两方面矛盾呢?选择一家基于 SaaS 服务模式的独立第三方 DMP 服务商来开发承建是明智之举!
五、如何选择DMP服务商
如何搭建一个有价值的 DMP 平台?DMP 服务提供商的选择至关重要!科学考量一个 DMP服务商应从以下几个层面出发：
首先，具备服务属性。以美数为例，广告主客户经常会产生：你会不会泄露我的数据给别人优化等疑问。事实上，一个靠谱的 DMP 服务商是不存在这些问题的!其要具备中立的服务属性，即确保双方无利益冲突，不存在买卖关系和上下游关系，不可以赚取利差，不限定客户业务，当然，最重要的：数据安全至上的原则下，保证广告主对所有数据产权和技术的绝对控制权和使用权;
其次，领先技术能力。技术能力是衡量一个 DMP 服务商优与否的关键标准。如数据吸纳整合、数据建模分析、数据挖掘优化、数据管理应用、数据安全防护等，都需要强有力的技术做支撑;
最后，多种业务支持。一个靠谱的 DMP 服务商不仅仅只帮广告主建设一套 DMP 系统，而是可以提供诸如平台操作、项目执行、数据优化等培训业务支持。或者提供代运营服务，节省广告主人力成本;另外，还可以针对广告主的长期发展目标、特定业务需求等，实时提供独家定制化解决方案，从而实现广告主差异化竞争优势。
事实上，广告主业务不同、发展阶段不同、数据拥有量不同，对私有 DMP 的具体需求也各有不同。但万变不离其宗，一个标准、优质的 DMP 所具备的功能基本是统一的。
六、DMP要具备的功能
1)数据采集功能
要管理和使用数据，先得有数据!因此，无论是广告主第一方线下 CRM 数据、线上应用数据、电视/PC/移动应用数据…还是通过合作、交换、购买等方式获得的第三方数据，DMP 首先要具备对这些分散而割裂的数据进行捕获和收集的功能;
*支持接入第三方数据;
*与第三方数据mapping;
*站内数据搜集;
*pixel 代码追踪;
*端到端数据搜集;
*使用追踪代码搜集推广计划数据;
*使用 API 搜集推广计划数据。
2)数据管理功能
来源于不同渠道的海量数据(跨屏、跨线上线下)往往是非结构化、非关系型的。为了挖掘这些数据的最大价值，大量分散、繁重的数据管理工作是不可避免的。此时，DMP 就要把分散的多方数据纳入统一管理体系，依据统一的数据标准化规范和流程，对数据进行有效的关联、清洗、整合;另外，人群标签管理、产品标签管理等工作，也是 DMP 管理功能的充分体现;
*自定义数据统计窗口期;
*统一 ID;
*第一方数据管理;
*广告投放数据存储;
*受众管理操作界面;
*数据脱敏保护。
3)数据分析功能
聚合、清洗、关联出大数据，还要从数据中获得深刻的洞察，从而提取出有用信息。而数据的分析与挖掘，是 DMP 核心的功能。DMP 通过数据建模、机器算法等技术，进行受众识别、受众标签聚类分类、媒体质量评估、投放实时监测等分析，从每个数据后挖掘可用的广告投放信息，在营销全阶段中充分发挥数据价值;
*第一方受众数据建模受众画像;
*受众标签聚类分类模型;
*利用第三方数据做受众扩散;
*全局分层标签。
4)数据应用功能
任何数据的分析挖掘都要落到实际应用中。好的 DMP 要能够贯穿营销活动前、中、后的全流程;要能支持营销产业链全部角色(DSP、ATD、SSP等);要能够汇集数据、分析数据、再造数据、运营数据，成为营销生态圈数据应用的绿色通道，从而指导商业决策，提升广告主核心竞争力。
*支持自定义时间的宏观数据对比;
*支持扩展的数据存储与处理;
*一致并高效的数据操作逻辑;
*实时报表及导出;
*媒体数据与受众数据统一保存;
*操作界面高度可视化;
*支持多用户;
*支持线下数据匹配与比对;
*受众行为预测。
结语
当下，大数据浪潮势不可挡。大数据不再是少数派的垄断资源，而是已然成为服务所有广告主的有力武器。掌握大数据的品牌，才会扬帆驶向远方。
在搭建私有DMP 这件事情上，我们欣喜地发现越来越多的广告主已经选择 YES，但 WHEN 和 HOW ，也同样不容忽视!只有充分了解了大数据的概念，并透过概念深入了解其本质，实现程序化品牌营销才更顺畅!
（推广）