ID Mapping、数据整合和评估能力、行业解决方案以及毫秒级的数据分析能力才是一个DMP的核心能力。ID Mapping门槛很高，整个行业也没有几家有一个跨平台、高覆盖的ID体系，而那些很早就做一套完整账号体系的公司老板简直就是先知。数据整合和评估能力意味着这家公司自由业务是否有一个强的应用场景，这个场景最好是能够赚钱的，这样才能够有资格对数据价格进行评估，进而才能有目的性的吃进需要的数据。行业解决方案考验的是DMP团队的运营能力和经验，只有接触过足够多的广告主，有过足够的实操CASE才能够充分的理解、使用和采集数据，才能够真正的解决营销问题。毫秒级的数据分析能力则是平台硬实力的体验，没有这个能力只能做些离线分析，DMP的使用场景就相当的局限了。
回复 ( 5 )
人类所有的知识可以分为三个大类：自然科学、社会科学和人文科学。一直以来，营销的科学性正是因为运用了自然科学中的数据收集手段，严谨的记录、搜集和分析消费者的各项数据和行为轨迹；同时又采用了社会心理学的方法，通过现象去解释人的内心世界。这种主客观的结合，让营销能够推测与接近市场需求的方向，让生产者与消费者达到和谐交换。因此，数据与营销之间存在着密不可分的关系。
我们对于数据的计量单位已经从位（bit）、字节（B）、千字节（KB）、兆字节（MB）、吉字节（GB）、太子节（TB）等走向了泽字节（ZB），甚至尧字节（YB）。大数据带来的影响不仅是数据量几何级的增长，还有从量变到质变的颠覆性变革。另一方面，互联网的发展使得消费者个性化需求的日益凸显，也让营销领域发生了从“以产品为中心”到“以客户为中心”的转变。基于大数据的精准营销对企业的营销战略带来了挑战也赋予了新的可能。
1、何为精准营销？
精准营销（Precision marketing）的概念是由营销专家菲利普·科特勒在2005年底提出，他认为企业需要更精准、可衡量和高投资回报的营销沟通，需要制定更注重结果和行动的营销传播计划，还有越来越注重对直接销售沟通的投资。简单来说就是5个合适，在合适的时间、合适的地点、将合适的产品以合适的方式提供给合适的人。像恋爱一样，让消费者能够一见钟情、二见倾心、三定终生，实现产品与用户多维度的契合。
2、数据贯穿营销过程的始末
从啤酒和尿布这个古老的故事说起，沃尔玛通过对超市一段时间的原始交易数据的详细分析，发现了这对神奇的组合，将它们放在一起销售，提升了两种商品的销量，这是传统零售的一个经典故事。
到了互联网时代，亚马逊的个性化推荐大幅增加了其销售量、Facebook的精准广告投放，成功把粉丝和流量变现、Google搜索页面动态调整，让推荐更符合用户心意，提高了搜索的效率，这些事例都成为业界口口相传的大数据营销经典之作。 通过大数据计算，能够准确推测用户的真实需求，将用户想要的、喜欢的精准到达，有效的导流、用户触达和促进销售。
在大数据时代之前，成功的营销准则似乎并不复杂。掌握营销的4P理论——产品（product）、价格（price）、促销（promotion）、渠道（place），当营销遇到挑战时，只要使用熟知的营销方案，加上好的产品和漂亮的广告，基本就可以完成营销的目标。而进入大数据时代，一切营销行为和消费行为皆数据化，营销逐渐的成为了一个数字游戏，数据分析和数据管理成为了营销人员的核心竞争力，数据贯穿营销过程的始末。
3、大数据给营销的会心一击
谁是准确的目标受众？如何在合适的时间、合适的地点、以合适的方式传达给消费者正确的信息？随着数据搜集、存储、管理、分析、挖掘与应用的技术体系的发展，这些问题的答案已经可以显现于眼前。
数据挖掘与分析与将隐藏于数据汪洋中瑰宝打捞而出；各渠道数据融合提高了精准营销的准确度；可视化技术把复杂的数据打磨为直观的图形，使之成为浅显易懂、人皆可用的工具和手段；完备的数据服务器集群，提供强大稳定的数据计算能力，实时洞察消费者行为，及时响应；移动终端的普及，让数据分析随地可行……大数据营销使得营销行动目标明确、可追踪、可衡量、可优化，从而造就了以数据为核心的营销闭环，营销行动得到良性循环。
毋庸置疑，大数据可以帮助企业进行营销决策的调整与优化，亦有助于品牌发现机遇，如新客户、新市场、新规律、回避风险、潜在威胁等。企业如何驾驭数据，利用数据驱动实现业务洞察，是形成差异化竞争优势的关键所在。
不请自答，欢迎关注我的专栏：数据产品经理生存指南 – 知乎专栏
自从大数据热潮出现以后，数字营销界可能是因为挂了数字二字，99%的公司在跟广告主吹牛的时候会说我们有大数据，可以做精准营销。问及为何时，都会说我有DMP呀，然后两人就会心一笑。
实际上，数据价值跟数据量大小并没有太多关系。现在的互联网公司，只要不做纯线下的，都可以自称为大数据公司——因为互联网业务采集数据的极度便利性，导致了数据大量的积累。但是这些数据大部分都是没有明显商业意图的各种点击行为，并不能直接从中挖掘出具有商业价值的数据。最典型的例子就是运营商和各类移动数据统计工具。
精准营销更是一个伪命题。真正的精准只有两种情况：一种是把你的用户卖给你，另外一种是把你的竞争对手的用户卖给你——比如百度、淘宝直通车干的买卖。而他们只是刚好拥有了这些具有用户意图的搜索数据而已。
那么大数据是怎么跟精准营销挂上钩的呢？基本的逻辑是，我有大量的数据，可以对用户做精准的画像，然后用DMP把这些数据管理起来，最终帮广告主找到精准用户达到精准营销。
这个逻辑整个就是错误的。
大数据不等于用户画像
做用户画像需要数据，不仅需要大数据也需要小数据。大数据所代表的实际行为可以在一定程度上刻画用户的意图，小数据（通常是问卷或者焦点小组面谈的定性数据）可以从心智上对一个用户做感性的评估。二者结合在一起，并且对长期变化趋势做追踪，才可以说对用户有了比较全面的画像。
就跟不同的土地上果实的种类跟种在土地上的农作物有关，大数据作为一种类似土地的生产资料，根据不同的业务逻辑会产生不同的类型的数据。这些数据的商业价值大不一样。从大体的数据类型上来讲，不同数据类型的数据价值的高低依次如下：交易>搜索>部分垂直行业>上下文>用户点击等。
比如腾讯最值钱的数据并不是用户的各种对话消息，而是天天快报、腾讯新闻的上下文数据，腾讯动漫、入股易车、入股京东等所带来的垂直行业数据，入股搜狗和知乎的搜索数据。
再比如淘宝最值钱的就是品类齐全的商品的浏览和交易数据，借助购物搜索其还拥有了商品搜索垂直行业的搜索数据，他们的数据具有非常大的商业化潜力，但是最大的问题就是太直接了，以致于缺少一些品牌影响的机会。
同理的还有百度的数据，当然百度是全网数据（除了大部分的商品）以及投资的视频类爱奇艺、旅游类去哪儿携程、O2O生活服务的糯米等。
如今如日中天的今日头条最值钱的就是上下文数据了——信息流商业模式的开拓者目前拥有全网最全面的上下文数据。他们可以很好地利用移动营销的特点，在以原生广告为目标的数据挖掘和分析中占据先机。这种形式的媒体在商业上具有非常强的扩展性和适应性。
这里还有一种特别的数据拥有者——手机厂商。以小米为例：作为一个可以洞悉用户24小时全场景生活状态的手机设备提供商，小米拥有的数据维度是以上任何一家都比不了的。因为MIUI及其上的各类应用的存在，小米不仅拥有系统层级的各种传感器和应用使用数据，还拥有丰富的不同类型的应用内数据。又因为小米“周边”的存在，厂商对用户的感知从手机扩展到全身，从个人扩展到家庭。
以上我举例的公司中，想必任何一家自称为大数据公司，都没有人会有异议吧？但是即便如此，他们都只能描述用户的一部分特征——除了手机没有人能够占领一个用户的全部时间。如果把数据比作土地，肥沃的黑土地生产出香喷喷的东北大米，而松透的沙土则长出甜甜的西瓜。
正如大部分的土地普普通通一样，大部分所谓的大数据公司只是拥有一片普普通通的土地，只能种植一些普普通通的作物，这种土地不论你如何耕作也不会产出花来。肥沃的土地上，你稍微松松土，丢下去种子就给你丰硕的果实，而那些贫瘠的土地就算你忙得昏天暗地，也许最终连自己的肚子都填不饱。
移动互联网方兴未艾的时候，Flurry这个名字可谓如雷贯耳。这家美国的创业公司借着移动互联网淘金热，提供送水服务，用移动统计切入斩获了许多用户的数据。因为是给开发者提供提及分析服务，因此Flurry需要采集大量的应用点击行为数据，并且提供各种实时和非实时的数据分析服务。至于盈利模式，他们则寄望于获取用户之后，通过移动广告联盟+移动数据来盈利。可惜他们低估了数据处理的成本。Flurry在出售之前，每年营收的30%都用于提供基础的数据处理服务。而这些数据量极大，且属于最没有商业价值的应用内的点击行为，其最终对广告变现效率的提升远远不能Cover其成本。最后的结果是雅虎买了Flurry——雅虎也真够虎的。
大数据和用户画像都不等于DMP
用户画像需要用到大量的数据。DMP采集了数据之后，会利用这些数据对用户进行画像。这是数据、用户画像和DMP之间的关系。一家公司建DMP本质上是为了获取别人的数据，而不是处理和分析自己的数据。
DMP全称Data Management Platform，请注意着几个词语，Management和Platform。他是个平台，而且是做管理的，管理的是数据。自有的数据根本不需要建一个平台来管理，直接放进业务系统使用就好了。再说得直白点点，DMP就是个空手套白狼的平台——它只负责打通、整合和评估那些并不是它的数据。
所以当你建立DMP的时候，意味着你有机会拿到大量的非自己业务的数据，并且自己业务的数据还能够量化评估其他的数据提供方的数据。这才是DMP能够存在的原因。
ID Mapping、数据整合和评估能力、行业解决方案以及毫秒级的数据分析能力才是一个DMP的核心能力。ID Mapping门槛很高，整个行业也没有几家有一个跨平台、高覆盖的ID体系，而那些很早就做一套完整账号体系的公司老板简直就是先知。数据整合和评估能力意味着这家公司自由业务是否有一个强的应用场景，这个场景最好是能够赚钱的，这样才能够有资格对数据价格进行评估，进而才能有目的性的吃进需要的数据。行业解决方案考验的是DMP团队的运营能力和经验，只有接触过足够多的广告主，有过足够的实操CASE才能够充分的理解、使用和采集数据，才能够真正的解决营销问题。毫秒级的数据分析能力则是平台硬实力的体验，没有这个能力只能做些离线分析，DMP的使用场景就相当的局限了。
最后这个行业能够有资格做DMP的也只剩下腾讯、小米、淘宝等为数不多的几家了。
有了大数据确实是可以做好的营销
好的营销就是把合适的商品/信息在合适的时间推给了合适的用户。好的营销方案中，时间、地点、状态、人四元素缺一不可。大数据是用来对这四类元素进行描述的资料，也就是我们经常提到的用户标签，也叫用户画像。为了尽可能做一个好的营销方案，广告主需要尽可能多的了解她的潜在客户——CRM的定量数据，问卷调研的定性数据甚至投放中的反馈数据。这些数据结合在一起，形成了广告主对自己用户的认知。
当我们有了大数据之后，首先要去做的就，就是提炼出能够描述包括用户在内的四元素的属性，通常会被归类到营销标签、商业意图标签、场景标签和基础属性中。这时候广告主需要从这些标签中，找出能够描述自己潜在客户的标签——所以建立自己的CRM是广告主做一个好的营销决策的必要的一步。有了以上的这些条件之后，广告主就可以开始边擦眼睛边找那些真正的拥有数据管理能力的平台了。
营销是一个过程，并不是结果。好的营销会逐渐的让广告主不断积累自己的用户——你可以把他们看作是会员。当你的用户量积累到一定程度的时候，每一次对自己CRM的会员进行营销就是精准营销——就是你自己的客户啊。
大数据营销的本质核心是数据，以数据指导营销，为企业制定相应的营销策略提供数据依据。实现大数据营销，需要借助一体化的平台，将企业上下间的数据打通，使数据相互融合一体化，而营销云是最有效的工具平台，国如外知名企业IBM,Oracle营销云，国内的则以99click为代表的营销云。
了解更多，请关注cn99click.
利用大数据做精准的人群定向广告投放，如SEM、DSP等广告形式
消费者之前在电商上买过什么东西，浏览过什么产品并且根据人口的属性、性别、年龄、关系定向，社交定向等得出的巨大数据量。大概就是这样，具体的可以了解一下久旭推广，广点通等等之类的。