数据驱动的互联网营销和运营
宋星的个人博客

【海量截图】半个小时看懂阿里品牌数据银行(宋星的半小时读懂系列)

 

作者:宋星,数据化营销与运营的教父级专家和行业意见领袖。行业智库纷析数据科技的创始人。《网站分析在中国》博客全文作者,百度集团顾问与钻石讲师,腾讯星河计划顾问,Google mLab顾问。

【正文】

2017年6月,阿里推出了品牌数据银行,很多朋友们对它很感兴趣,但是或许未曾一见。

在阿里品牌数据银行满了周岁之后的今天,我希望用这篇文章,略解朋友们的好奇。

能否用一句话讲清楚什么是品牌数据银行

品牌数据银行本质上是一个整合了数字营销效果数据和用户数据的数据呈现与应用系统。它的应用,主要是在营销领域,尤其是在形成营销策略的帮助和帮助进行定向投放的帮助上。

这个定义(我给的定义,不是官方的定义,因为估计官方的定义会故意很含糊)中包含了几个很重要的信息:

1. 数据主要分为两类:营销效果数据(例如兴趣程度、购物情况等)、用户(受众)数据(例如画像)。

2. 也包含上面主要两类数据所构成的交叉类型的数据:即营销环境中,用户(受众)相应的行为,典型如购物路径(在阿里品牌数据银行中被称为链路流转分析)。这也是为什么在定义中用了“整合”二字。

3. 数据银行的价值也分为两类:(1)形成策略,尤其是通过基于细分行为和细分不同类型营销效果的不同人群的画像,来帮助形成营销的策略;(2)提供可供输出的,用于定向人群投放的数据。

为什么阿里要推出品牌数据银行

品牌数据银行是阿里的一个极为重要的布局。不仅仅因为它本身可以是收费赚钱的,更在于它有非常重要的战略价值。

阿里推出品牌数据银行,在当前阶段有如下5个诉求:

1. 数据银行是顺应智能化营销的必然结果。不仅仅阿里做数据银行,腾讯也做DMP。本质上是一个目的。前几年的程序化广告,本质上就是智能化营销的子集或早期形态。

2. 但阿里跟腾讯还有很大的不同,数据银行的诞生,是为了能够进一步强化外界(包括广告主和生态伙伴)对阿里系营销资源的价值认知。

3. 数据银行也帮助阿里营销体系(包括它的营销系统)自身能够实现更有效果的广告资源配置,或更有效果的客户广告投放。

4. 是阿里的Uni-Marketing体系的数据基础,这样才能确保Uni-Marketing能够更好的锁定广告主,甚至渗透其他非淘系的广告资源。

5. 从更开放的范围来讲,阿里的品牌数据银行也是阿里大营销生态的支点。

各位看官,上面几点估计大家不太容易一下明白,尤其是2、3、4这三点。我下面跟大家解释品牌数据银行对于广告主的用处,大家自然可以了解,所以这里我就先不展开了。

品牌数据银行对于广告主的作用

站在广告主的角度,品牌数据银行的作用主要体现在衡量、策略,与投放应用三个主要领域。

新的广告效果的衡量维度

首先,品牌数据银行给了广告主一个全新的视角,通过这个视角,能够增加多个此前从来没有过的、用于衡量营销效果的维度。

从上面的截图,你可以看到,阿里数据银行不仅仅提供了常见的广告投放的基础指标“认知”,还有另外三类指标:“兴趣”、“购买”和“忠诚”。

其实,即使是“认知”也跟我们一般意义上讲的广告的展现量(impression)不一样,它包含了普遍意义上的广告的展现和点击,也包含了受众进入品牌店铺或者在淘宝上进行品牌词搜索等行为的相关数据。而兴趣、购买和忠诚,则基本上是由淘内的用户购物相关行为所定义的。

也就是说,品牌数据银行其实是把前端推广(主要是广告)和推广之后用户在淘内所产生的行为关联了起来,不仅仅帮助广告主查看广告投放本身产生了多少曝光和“认知”,还能看到这些曝光之后,受众在淘宝上的行为有没有发生变化。

如果,某次花了3000万人民币的广告做出之后,淘内的用户基本上没有人搜索你的品牌或是进入你的商品旗舰店,你一定会质疑之前的广告投放是不是真的有效果。

通过品牌数据银行,淘宝把前端的广告和后端的购物行为关联起来,构建起一个能够结合“品牌推广”和“转化效果”连动的监测机制,从而希望透过它实现品牌广告投放真正的效果追踪。

尽管不排他,但是由于种种原因(主要是商业竞争之类的原因,后面会讲),品牌数据银行能够覆盖的广告主要还是淘系的广告资源,所以通过上面的机制,基本上看到的也是淘系广告最终在淘内所产生的转化效果。所以,阿里广告的价值能够通过数据银行更好的查看效果,而别家的广告就没有这个优势了,这就是为什么我前面所讲的阿里推出品牌数据银行是为了能够进一步强化外界(包括广告主和生态伙伴)对阿里系营销资源的价值认知。(前面5个诉求中的第2点。)

基于人群特征的营销策略

阿里数据银行的另外一个功能是能够基于细分条件,把受众(用户)进行分群,并且基于不同的人群,给出这些人的画像。

而且不同分类的人群,比如在认知-兴趣-购买-忠诚中处于不同的阶段的人群的相互对比,或者作出了不同行为的人群的相互的对比。

上图大家可能有点看不明白,实际上,下图的橙色和黄色的百分比差值,就是上图的百分比值。而右上角那个橙色的柱子,到了右下图就变成了黄色的柱子,都是指对比人群。总之,这个地方的用户体验真的是太糟糕了!

这些数据,理论上能够帮助广告主更好的认清现实——就如同蒙牛看到这些数据后猛然大喊一声:“原来我们的购买阶段的人群并不喜欢梅西,而是喜欢C罗!”但这只是个比喻,也只是理论上可能有这么精细的结论,因为从数据银行能够提供的受众标签看,还是相当粗线条。

除了人群画像,阿里数据银行也可以给出一些类似于营销漏斗分析(但实际上应该是营销阶段的转化分析)一类的数据。但我琢磨了一下,感觉这些数据要落地在运营上,难度还是很不小的。我能想到的用法,是比较不同campaign这一类人群的转化比例和效率,从而确定哪些campaign对于电商转化更具价值。

特征人群的定向投放

这个是我认为品牌数据银行最大的价值。总体而言,我认为阿里品牌数据银行在支持策略输出上还有很大提升空间,毕竟坐拥如此多数据的阿里,目前给出的画像还是相当宏观,给出的行为报告也非常笼统。

但是,在人群定向投放上,阿里的数据银行还是可以起到很多作用。首先,数据银行提供了支持非常多条件的人群选择规则,从而可以以很细致的维度选择不同的人群。

然后,你选定的人群分类(也被称为特征人群,因为是你选出来的,具有某些共性特征的人群),可以转移给“数据应用”,然后在这里选择可以使用这些数据进行投放的广告资源,也可以放到数据工厂内做进一步的加工,实现更大范围的人群扩展。

 

第一方数据用于广告投放或营销推广

与大部分DMP一样,阿里的品牌数据银行也支持上传广告主的第一方数据,从而实现从第一方数据出发的,经过look-alike的广告营销投放。当然,代价是,广告主的第一方数据,阿里也顺便获得了。

当然,数据银行还有一些其他的功能,不一一赘述。主体功能都写在这里了,大家应该能看得明白。

品牌数据银行是典型的DMP吗?

答案是,阿里品牌数据银行确实具有典型DMP的特征的数据平台,无论是在构建统一视角(ID)的人群,还是围绕人构建数据和属性标签,以及在数据的呈现和输出及应用上,都是一个较为完善的DMP。但它不是一个典型的第一方DMP,而是更偏向于类似于第二方DMP。由于包含的阿里体系之外的第三方数据非常少(也许是我能够看到的非常少),我不认为把它归入第三方DMP是恰当的。

第二方DMP,往往是“有私心”的DMP。与第三方DMP更乐意利用数据直接变现或者换取资源不同,第二方DMP在提供给合作方(尤其是广告主)数据的同时,也需要换取金钱之外的回报。

对于阿里品牌数据而言,它在提供给广告主相关的数据之后,会让广告主更乐意使用阿里系的广告资源,因为前面已经讲了,基本上只有阿里系的广告资源相关的从前到后打通的数据才更容易被数据银行获取。

如果你希望将数据银行也用在其他广告系统的投放上,比如在爱奇艺上投放的广告,也能用数据银行捕获相关的数据,那么必须要在爱奇艺上投放的广告中嵌入阿里品牌数据银行的代码,这对于爱奇艺等非阿里体系的广告资源平台而言是不可接受的。因此,从这个意义上讲,阿里的品牌数据银行仍然是封闭的体系。这也是为什么它只是第二方DMP的另一个原因。

另一个回报,是阿里数据银行能够获得广告主方上传的第一方数据,从而丰富他们的数据体系。此外,利用数据银行进行投放的广告的最终效果,通过天猫和淘宝的实际转化加以说明,形成一个“投放-效果反馈”的闭环,既是“品效合一”,又可以构建监督学习(机器学习的一种),从而为阿里自己和它的广告主客户实现更好效果的广告投放——这是一个非常聪明的策略。

这实际上也就为大家解释了上面为什么推出品牌数据银行的5个诉求中的第3点和第4点。

广告主是否应该使用阿里的品牌数据银行?

如果你的企业满足如下条件,品牌数据银行是值得使用的:

1. 有数量可观的阿里系的广告投放(不仅包括阿里自己,也包括优酷这样的阿里系的资源),尤其是展示类广告投放。

2. 商品在天猫或淘宝有销售(无论是不是你自己销售),若是有旗舰店更佳。

3. 对自己的受众或者客户的特征存在好奇,想了解大概,尤其是购物倾向的。

如果你有如下需求,数据银行并不能满足:

1. 你希望直接选定天猫或者淘宝的用户的数据,供你进行广告投放。(这个功能实际上在投放钻展之类的时候是有的,但不是在数据银行中。)

2. 你希望通过数据银行为你的用户或者客户打标签,并返回个体数据的。(不能返回个体数据,只能提供人群画像结果数据。)

3. 你希望将数据银行中的数据用于其他非阿里系广告资源投放的。

4. 你希望除了购物行为偏好产生的标签之外,还能有更多关于人群的社会生活、兴趣爱好乃至与购物无关的其他行为标签的。(品牌数据银行可以提供部分,但似乎不能确保准确。)

总之,品牌数据银行还远远谈不上已经完善,最大的问题就是,“粗狂”的数据很难产生实际的可执行的insight。不过,作为用来衡量campaign前后效果对比的工具,还是有一定价值的。

如果你有问题、想法或者有不同的观点,欢迎留言。

 

未经允许不得转载:互联网分析在中国——从基础到前沿 » 【海量截图】半个小时看懂阿里品牌数据银行(宋星的半小时读懂系列)
分享到: 更多 (0)

宋星大课堂

深度公开课 报名中!《数据化的智能营销与Martech实战》第二期:2019年1月19日(上海站)点击链接了解课程详情:宋星大课堂智能营销与Martech实战(第二期·上海)

评论 1

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址
  1. #-49

    支持

    郑大拿2周前 (11-29)回复