多样化用户数据延伸出的大数据市场机遇
网络用户数据收集是当今最激动人心却又备受争议的业务问题之一。这一业务频频引发公众对隐私泄露的担忧,但也为个性化的一对一广告宣传提供了绝佳的机遇。本文是探讨个人数据在不同行业的重要性的系列文章之一,由波士顿咨询公司(BCG)、高盛集团(Goldman Sachs)和BlueKai公司共同完成。
收集用户数据的基本诉求简单明了:企业对消费者了解得越多,就越容易有针对性地向消费者发布相关广告。数字化广告生态系统中的所有利益相关方——从谷歌到广告网络直至Expedia——都在大量收集有关用户网络活动的信息。
在过去五年中,我们观察到一个推动用户信息买卖的二级市场正在蓬勃发展。例如,如果一位消费者在某旅游网站上预订了东京一家旅馆,该网站就可以通过用户数据交换平台或聚合器将这位用户的信息出售给某广告网络。当这位用户下次访问由该广告网络服务的网站时,东京希尔顿酒店的广告可能就会出现在用户浏览的网站上。
首先,我们根据数据获取的方式对用户数据进行分类。按照这种方法,我们将数据分为三大类:选择性加入(opt-in)的数据(自愿提供数据);观测数据(第一方和第三方);以及推断数据。
Opt-in数据是指用户在注册使用服务时自愿向发布商提供的信息,同时也是用户最容易察觉到的数据类型。此类信息有时仅仅只是一个电邮地址,但也可能包括一系列人口统计信息。
第一方观测数据是指在用户浏览网页时收集到的信息。第三方观测数据的来源相同,但企业需要从其它从事数据收集的网站购买此类信息。
推断数据是指第三方广告网络和代理机构根据观测数据和opt-in数据作出的推断。例如,如果一位用户经常登录大学教科书交换系统和时尚杂志《Cosmopolitan》的网站,那么合理的推断是:该用户是一名女大学生。然而,这种推论被普遍认为并不可靠,主要原因在于数据往往来自共用的电脑。
其次,我们根据信息自身的特性对用户数据进行分类。按照这种方法,我们将用户数据分为五大类:
人口统计数据 此类数据包括年龄、性别和收入情况等信息,经常被企业作为消费者细分的基础。此类数据可能是自愿提供数据或推断数据。
行为或环境数据 此类数据包括用户的兴趣和态度等信息。基于用户消费的内容类型或跟踪用户上网行为的数码存根,此类数据可能是自愿提供数据或观测数据。将行为数据与实际购买意向联系起来并非易事;广告网络往往需要将众多碎片化信息拼凑在一起,才能对广告效果产生意义深远的影响。
购买意向数据 此类数据包含的信息能够更加直接地衡量个人的具体购买计划。此类数据可能是自愿提供数据(例如,用户在潜在客户开发网站上填写联系表来获得更多产品信息)、观测数据(基于实际搜索情况)或推断数据(基于以往购买情况)。被称为“重定向者(retargeter)”的企业对此类数据加以利用并已取得了一定的成功。这些企业对用户查看过但未购买的产品(比如Zappos网站上的一双鞋子)进行跟踪,然后在数小时乃至数日后为同一用户展示同一产品的广告。
社交数据 此类数据提供了有关人际关系的信息。从营销的角度来看,社交数据的假定前提是:在网络上相互关联的用户具有类似的特质或购买意向。此类数据可能是通过Facebook等社交网站或网上的某种互动(比如向他人发送一篇新闻报道)获得的自愿提供数据。
用户位置数据 营销者能够通过多种方法来确定用户位置。此类信息的收集通常基于用户的IP地址或用户访问的网站。(例如,在网上阅读美国报纸《The Sacramento Bee》的用户被认为是居住在Sacramento附近。)尽管解读IP地址位置仍非易事,但与过去的拨号时代相比已变得更加准确。移动互联网不仅能够提高解读IP地址位置的准确度,而且还能更加精确地提供用户位置数据,从而帮助企业了解用户的购物时机并向用户发送可立即使用的优惠券。
在未来三年内,用户数据的收集和使用方式可能将逐渐改变。我们认为,五大相关机遇正在崭露头角。
促销定向 2010年,Groupon证明其可通过向消费者发送针对性不太强的优惠信息来推动网站流量,并以空前的速度实现了高达10亿美元的总收入。此类战略能否保持迅猛的增长势头尚无定论。
移动广告 移动设备已经催生了不少全新的广告类型。由于移动设备通常能够指向个人用户,因而使实时促销和有效定向成为可能。然而,由于面临多种技术障碍(比如缺乏移动设备通用的数码存根),移动定向至今尚未取得巨大成果。一旦这些问题得到解决,机遇将十分可观。
视频定向 在线视频的快速增长为完善定向创造了机遇。一些视频广告网络已在对用户数据加以利用,但更多的潜在价值并未得到充分挖掘。其中最有趣的例子可能是时代华纳有线的尝试——该有线电视运营商允许用户在家中下载该公司提供的视频内容。通过同时利用第三方家庭数据(通过家庭IP地址获得)以及个人使用情况信息,广告主可以重塑其直邮业务并向数字化广告领域迈进。
跨媒体定向 世界各地的营销者都在苦苦寻找跨媒体(包括传统媒体和数字化媒体)进行用户定向的方式。
基于支出的定向 信用卡公司已经成功地根据支出水平进行用户定向。包括奖励活动和忠诚卡活动跟踪、移动支付和数字化收据在内的新技术将会产生更详尽的信息,从而有助于实现更精确的定向。
个人数据的发展将对包括广告主、发布商以及生态系统的其它参与者起到至关重要的作用。企业若能即刻采取行动,则将在市场上创建影响深远且可持续发展的竞争优势。下列举措对于个人数据生态系统中的各利益相关方而言势在必行。
广告主 广告主必须创建有助于直接收集opt-in数据和第一方观测数据的渠道。同时,广告主还需要重新审视消费者细分,汇集网络第一方数据,并积极利用这些信息来更好地理解第三方数据。广告主必须采取内部措施或通过与第三方悉心合作来构建自身的分析能力,并试用各类用户数据,以便从营销的角度了解如何显著提高绩效。
发布商 发布商的主要职责之一是深入了解可以在所有平台上收集到的各类数据。发布商必须决定是否将数据出售给第三方以创造新的收入流,还是保持独家信息以便向广告主收取更多费用,亦或是两者兼而有之。发布商仍需评估分享信息可能会对自身与用户的关系产生何种影响。同时,发布商还需确定如何通过利用第三方数据来提升定向质量。
中间商(数据网络和交换平台) 这些组织必须确保有关个人身份信息的数据政策与不断变化的法规环境保持一致,并致力于分析能力建设,以便更好地为广告主和发布商提供服务。同时,中间商还必须与移动运营商、设备制造商以及其它许多移动服务供应商建立合作伙伴关系,以解决移动方面的问题。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21