营销效果数据分析用什么软件_数据分析师-数据分析

如何利用大数据为营销 “做效果”_数据分析师

在移动时代，我们怎么样利用数据去帮助广告主把效果做上来?通过开放腾讯大数据能力，广点通又是怎么样跟这些广告主、垂直平台方合作，优化整个广告生态的?

首先，广点通承载腾讯内部非常重要的社交流量上的变现工作，比如QQ、微信、QQ音乐等流量，广告主通过广点通可以在媒体上投放广告推广自己的产品。腾讯又是非常关注用户价值的公司，我们内部有一句话：“一切以用户价值为依归”。我们做广告时非常重视用户的体验和感受，尽量避免对用户有骚扰的广告。现在腾讯整个社交流量基本覆盖了全部中国互联网的网民，通过广点通，可以很好触达到这些用户。另一方面我们也在很努力发展移动联盟，帮助我们开发者做一些流量变现的工作。

我们有很多非常重要的合作伙伴，每个合作方都会有自己的生态体系，背后会有自己的客户，如京东、58同城、大众点评，这些平台以及这些平台上的商家本身就会有非常强的营销诉求，所以我们之间很自然而然有了深度合作，我们一直以来也非常欢迎和这些生态体系间深度的合作。

广点通近期非常重要的一个发力点是移动广告，有信息流广告、移动联盟原生广告等。我们非常关注用户整个对于广告的感受，在原生广告上我们有许多不错的探索。原生广告是多赢的模式，对于用户来说骚扰相对比较低，同时对于流量方、广告主效果也是不错的，原生广告是我们在移动广告展示模式上近几年一个很不错的突破。

接下来，我介绍一下腾讯方面核心的数据能力。首先我们有非常丰富的用户数据，覆盖PC和移动端约8亿的网民。另外，腾讯还有一个非常强的优势，因为我们有自己非常强的账号体系，对于互联网上不同平台上的用户，通过一个ID可以将这些数据进行整合，整合之后会得到一个覆盖8亿用户的用户画像，我们罗列了目前在用户画像上一些重要的维度，也是我们现在开放出来的一些核心定向能力，包括基础属性、媒体环境、用户环境、用户行为、兴趣爱好、用户状态。用户的属性、用户的环境大家可能比较容易理解，现在一些广告平台上也在做这样一些事情。

强大的数据能力可以直接引导广告投放的精准定向。广点通在定向投放方面也有一定的成绩。例如商业兴趣定向，这背后的逻辑是基于腾讯一些社交关系数据来判断的，举例，你加入一个车友队QQ群，并且在里面很活跃;你最近下载了一款培训类的APP;或者你最近看了什么样的文章，你常去登陆腾讯网什么样的频道，包括你倾向于点击什么样的类型的新闻……通过社交数据，我会综合判断你对什么行业有兴趣，支持广告主按这个行业进行定向。对于整个广告主转化率有提升，而且推广成本有所下降。

此外，关键词定向。整个商业性定向是基于行业粒度，当然有些广告主可能希望更精准，希望到“词”这样的力度。其实在搜索广告里面，以关键词推广告的模式效果非常好，因为对于用户意图的识别是最直接的。我们在效果广告里面也做类似的事情，但是更多基于用户的行为和场景去做判断，比如你加入一个宝马QQ群，而且在里面长期很活跃，我会知道你近期对“宝马车”这个词非常感兴趣。你最近下载一个雅思培训APP并且经常打开它，我知道你对“雅思培训”近期有非常强的诉求。基于这些行为类的数据具化得到的兴趣点，可以支持到关键词力度这样的定向。这里有一些关键词定向上线时的效果数据。京东6.18大促的时候，京东跟我们有非常深的合作，使用这个定向之后，对比只使用基础类的，性别、年龄、学历等等，发现对于它的CTR、下单转化率有非常大的提升。

通过相似人群定向Look-Alike再营销，也是效果非常好的方式。广告主在使用再营销，针对到访用户重定向的时候，普遍有一个困难：覆盖人群数相当有限，这对于有高曝光诉求的广告主来说其实是不够的，这时候我们就提供相似人群的功能，可以基于营销种子用户，任意倍数扩大你的人群，做到定向。

为什么腾讯可以做好这个事情?是两个方面：第一，首先我们有几亿的用户群体，盘子足够大才有可能覆盖到广告主几万或几十万种子用户的相似人群;第二，我们对于用户足够了解，我们的用户画像分析维度足够丰富，能通过几万种子用户找到原来核心用户的特征规律是这样的，然后给你推相似特征的一些人群。如果你只是简单识别一两个维度，那么你想做到这个事情的难度就比较大。

最后，我们谈一下广点通DMP数据管理平台。从去年开始我们也在搭建腾讯DMP平台，在搭建之初，我们拜访了很多垂直行业TOP商家，了解他们在数据合作当中有什么样的诉求，遇到什么样的困难和挑战。

简单来看一些比较普适的挑战有几点：第一，数据碎片化。以汽车某品牌为例，汽车有非常丰富的数据源，比如有自己的CRM数据，有每年投放几个亿广告的效果数据，也会有车展里面拿到的数据，包括现在跟一些电商平台的数据，但是这些数据分散在不同平台上，整合成本非常高，而且无法做到唯一用户的标识，所以导致数据严重碎片化;第二，数据比较单一，有丰富汽车类的行为数据，但缺乏用户属性、行为、兴趣、爱好的数据，当缺乏这种全面受众画像时，会影响到做一些营销决策;第三，一些中小企业实际上缺乏大数据挖掘、存储能力。面对企业遇到这些挑战，我们在做什么样的事情?

腾讯DMP一方面是开放自己的大数据能力，支持合作方可靠的数据存储，提供特色DMP服务。另一方面我们提供一种连接的服务，比如我们现在和品牌电商、生活服务、汽车搜索垂直领域的领军企业做深度合作，去汇集全行业的数据，打破数据的孤岛，促进不同平台之间数据的流动和增值。

腾讯有自己的独特优势，是很强的吸引力，比如跨屏跨媒体，我们有非常强的账号体系，一个用户多屏情况非常普遍，通过ID可以整合用户在互联网不平台上的数据，形成一个全面的受众画像。这个能力也是品牌广告主非常感兴趣的点，因为真正要做到屏幕控制，这是基础能力。还有永久cookie，可以丰富维度受众画像的分析，相似人群的扩展，数据安全，我们有非常严格数据的监管、授权的机制，保证我们合作方在平台上数据的安全性。

DMP当前的定位是DMP Hosting(数据托管)。作为一个私有DMP，能够服务整个腾讯广告生态，帮助广告主在腾讯的生态上整体优化广告投放效果。到今年下半年，我们也会做公有DMP概念，支持广告主在腾讯外部流量上投放的一些数据服务。

我们现在在DMP数据服务当中有一些真实案例，例如跟某电商平台的合作，电商提供全平台用户数据，我们用腾讯数据帮他做一些批量用户的画像，另外为他做定制化电商的购物行为定向。它使用这个定向之后的效果，第一方数据对于自身营销效果一定是比较好的，所以可以看到整体CTR、ROI都是不错的提升。我们跟一些汽车品牌在合作，汽车实际上有非常丰富的CRM数据，还有互联网上一些广告投放数据，我们首先支持他在所有流量上跨屏跨媒体的用户识别和频控，另外帮助他做批量用户画像的分析，还有基于O2O数据再营销。

在金融保险行业做的一个案例，现在基本上大品牌在微信都会有自己的公众账号，可能有千万的粉丝，如何把粉丝很好应用到我的线上营销当中?我们首先帮他做粉丝用户的重定向，第二我们会帮他做整个购险，包括粉丝用户的人群画像，同时基于已购险用户属性帮你判断，当一个新用户来的时候可能购买你保险的概率，这是通过我们Lookalike模型的变种。