Martech－DMP資料管理平台｜建立廣告精準受眾資料庫，找出忠誠客群的行為輪廓！

3. DMP－資料管理平台

(DMP=Data Management Platform)

一句話說完：為了做精準行銷，企業自己建立「目標受眾」資料庫。

其實DMP分成第一方、第二方與第三方。

第一方DMP，是「品牌主自有」用來蒐集並分析網路上所有對企業有價值之廣告受眾，特別是對企業忠誠、能帶來高轉換價值的的那群（也就是我們常說的Target Audience, TA 目標受眾）。過去我們下廣告，都是透過「人腦思考」或「經驗」決定廣告受眾該如何篩選，是人們自認為這些條件有用。但DMP是用數據說話，找出最精確的目標受眾。

第二方DMP，就是站在廣告主的角度，自己無法取得受眾資料，而要透過其他媒體廣告或公司取得。例如廣告投放資料，電信資料，網路輿情資料。

（註：廣告主＝下廣告的企業；媒體＝刊登廣告的網站）

第三方DMP，就是站在廣告主的角度，既不是我們自己的資料，也不是與我們合作的「第二方DMP」的資料。它們是由第二方DMP去外部想辦法幫我們取得的資料，或是透過數據交易市場（台灣沒有）取得的資料，我們叫它第三方資料！

本文會以第一方DMP視角來討論。

拉個小視窗…CRM vs. DMP
與CRM的會員系統不同，DMP的這些受眾不是有實際購買行為的顧客，它蒐集的數據是網路上所有可能潛在受眾，如網頁進站受眾、廣告進站受眾、手機App進站受眾等等。企業希望透過DMP培養自己的「潛在受眾」，提高廣告效益！如果把CRM和DMP比擬為公司內業務部門分工的話，大概就是：
CRM：Maintain Sales 老客戶維持型
DMP：Business Development Sales 新客戶開發型

讓我們先來看看DMP的應用流程：

1. 資料蒐集方式：
現在台灣公司大多是以cookie的技術，從企業自身官網、活動頁面、電商或其他數位觸點，追蹤點擊進站的受眾瀏覽行為。國外也有很多以Device ID、ADID、UDID與PII 實名資訊等方式蒐集的，不過我們先討論最常見的cookie。

2. 數據樣貌：
我們將cookie追蹤的受眾瀏覽行為整理後，其資料維度可以是「訪客數」、「瀏覽頁面數」、「工作階段」、「瀏覽時長」、「跳出率」、「回訪率」、「地區」、「裝置」等等。DMP能將受眾的站內瀏覽行為做出像Google Analytics (又稱GA)那種「Web Analytics 網頁分析工具」的分析。而與GA不同的地方是，GA的資料使用權都存在Google資料庫裡，不過DMP蒐集到的資料都是自己的，可以自由運用！

3. 數據運用：
透過演算法，我們將DMP裡的受眾(也就是蒐集到的cookie)做分群，幫企業找出哪些受眾的站內行為是高度忠誠的，定義為「TA 忠誠顧客」，把廣告投放到他們的瀏覽裝置上；哪些受眾可能是誤擊與不感興趣的，定義為邊緣顧客，在廣告操作上將這群排除。

4. 網頁關聯：
從受眾們在企業網站內的瀏覽歷程，我們可以找出產品網頁間的關聯性以做行銷優化參考。以電商舉例，喜歡松阪豬肉的進站顧客，被演算法歸納出他也喜歡骰子牛肉，我們便可以依此做廣告投遞及行銷活動的參考！

5. lookalike：
廣告主可以直接把這些忠誠顧客數據串接到DSP 廣告投放平台（如Google Ads）去做「lookalike 擴大相似受眾」。例如：從DMP站內的100,000受眾裡，我們找出20,000個忠誠顧客(cookie)串接到Google Ads，然後Google Ads會依照這20,000個cookie在Google瀏覽器的使用紀錄自動找出與他們相似的廣告受眾（可能會擴大到幾十萬比cookie數），並將廣告投放到這些cookie的裝置上，達成精準擴大行銷！
（註：DMP的20,000個cookie與DSP在做資料串接時會有一定的流失率。）

以上是在DMP平台內能做到的事。
但是，透過串接DMP站外平台的手段，DMP還能幫企業分析這些忠誠顧客的行為樣貌！請看第6點。

6. 第三方比對：
只有DMP的站內瀏覽行為是不夠的，廣告主（企業）還需要知道這些忠誠顧客在DMP站外對哪些事務感興趣（也就是瀏覽了哪些網站），才有辦法描繪出這群忠誠顧客行為的全貌。不過，一個人的數位瀏覽足跡常常散落在各個網頁，被各個第三方DMP蒐集，十分破碎化。

舉例，一位用戶可能早上去了Expedia和Booking.com看機票，下午進電競網站看比賽直播，晚上到背包客棧爬文做旅遊準備。如果我是Expedia，我只會知道他早上在Expedia看了哪些頁面，根本不知道他後續又去哪些地方瀏覽。

因此，我們要透過已協定好的「cookie mapping 比對技術」將企業自有的第一方DMP與第三方DMP（例如掌握海量瀏覽紀錄電信公司）做受眾的站外行為比對，讓企業更了解自身忠誠顧客的行為樣貌，進而做廣告投放優化。

舉例來說，在比對前，廣告主可以選擇從DMP裡挑選忠誠顧客，或是點進特定頁面的受眾、或是哪一波廣告帶來的受眾等等，不過我們只會看到有20,000個（假設）受眾(cookie)在站內的行為，像是工作階段、停留時間、造訪次數等等。若把這20,000個忠誠顧客與第三方DMP做比對後，可以得出20,000忠誠顧客裡面：

1. 男女占比是70%與30%
2. 年齡落在25~34歲區間高達了43%
3. 住在台中市的人有29%
4. 40%的人帶有「電競」標籤、34%的人帶有「背包客」標籤……等興趣標籤

廣告主就可以依此判定自己的忠誠顧客輪廓，到「DSP 廣告投放平台」去做篩選條件優化。

事實上，站外比對的應用原理是非常複雜的，其中使用到爬蟲與語意分析的技術，我後續會盡我所能地出文章介紹！

延伸

儘管在台灣單獨談DMP沒有太多成功的案例，不過它最狠的地方不僅僅是在優化數位廣告而已，而是它與CRM、行銷自動化整合起來後從「數據分析」到「全通路自動化」的整體策略規劃。也就是接下來即將談到的「Marketing Cloud 行銷雲」與「CDP 客戶資料系統」的應用。