2014中关村大数据日于2014年12月11日在中关村举办，大会以大会以“聚合数据资产，推动产业创新”为主题，探讨数据资产管理和变现、大数据深度技术以及行业大数据应用创新和生态系统建设等等关键问题。大会还承载从政亚信府主管部门到各行各业的需求和实践中的疑问，探讨包括政府、金融、运营商等部门是如何通过数据资产管理和运营，实现转型发展和产业创新的路径。
在下午的运营商@Big Data论坛中，来自悠易互通蒋楠先生带来主题演讲，剖析数据在多层程序化营销中的应用和实践。
蒋楠：大家好，非常有幸今天能够收到邀请作为亚信的一个合作伙伴来跟大家做一个分享。悠易互通是一家什么样的公司，先给我们做简要的介绍及一句话概括，我们使用数据，通过生程序化的方式系帮助广告主做营销的公司。
提到营销，一句话概括营销是四个方面，一个方面是技术广告的计划，第二个方面进行广告的购买，第三个方面进行广告优化，第四个方面是进行广告的评估。这四个方面在过去20年在整个传统购买方式到数字购买方式一直贯穿到始终的方式。过去购买到评估可以说是拍着脑门做的，举个例子，我刚到悠易互通的时候，圈子里面对于像悠易互通做品牌的广告公司有一个看法，你们主要是拼关系，靠免单，比返点，谁能拿到更多的客户。但是这是四年前。但是随着数据的加入，这一切发生了巨大的变化。我举个例子，我刚刚进入悠易互通我们广告主跟我们谈计划的时候，会跟我们说千次CPM广告呈现挣多少钱，或者点击率百分之几，我们知道这个非常难做到，但是因为我们没有数据印证，所以这一切没有可比性。所以我们看到2013年开始到今天整整两年多过去了，越来越多的大数据运营商的数据加入到我们广告行业里面来，让行业购买到优化，变得可以效果可衡量。这个怎么做到的呢？我后续会给大家做一个介绍。
首先我来悠易互通以后首先做的数据银行产品，什么叫数据银行？顾名思义，每个广告主都拥有自己的第一个数据，这个数据不能跟其他的数据源打通。刚刚周总提到数据里面最重要的事情就是整合，我们跟外部的很多数据公司，比如说我们下一个会上台讲演的admaster也是典型的数据提供商，后面还有很多很多关于人操属性数据提供的公司，提供很多关于浏览兴趣提供的公司，我们实际上能够在整个业内会把这些所有数据源在数据结合起来，我们会把这些性别数据，年龄数据，和广告主的第一方数据结合。我们之前有一个广告主是博士伦隐性眼镜，可能大家戴过博士伦隐性眼镜，但是谁是受众我们可能很难拍脑袋说。我们广告主和我们做计划的时候，他说他投的是日抛型的隐性眼镜，说你们给我们定位25岁到30岁的女性用户，这个我们怎么定位？我们首先把客户官方网站上的数据进行搜集，还有谁通过百度或者搜狗36搜过你网站的这些人，我们把他隐性眼镜广告投放的渠道所有这些人搜集进来，做一个管理，我们把第一方人群和第三方数据源做一个比对我们得到了一个结论，大家可以看页面右下角，我们看到黄色的曲线是自然互联网民的样本，蓝色的是广告主第一方人群，当我们把第一方人群和第三方人群进行整合比对的时候，确实是25岁到30岁的人群对于隐性眼镜的比例更重，然后是月5000块钱以上的人使用日抛的眼镜比例更高，同时5000块钱月薪以下的隐性眼镜会使用率低。我们会觉得这个比例特别高，就是母婴类型的标签。我们公司市场部总监3岁孩子的妈妈，我说你抱小孩经常戴隐性眼镜呢？她说我抱小孩的出去的时候会戴着隐性眼镜，这是我们把第一方数据和第三方数据进行更好的结合里做的案例。
我们通过这个数据在投放过程中使用上，可以这样来理解，我们会有很多第一方人群，同时我们会有很多第三方的数据源，比如说亚信也是一个数据源，当判断它的广告主第一方人群是有强烈的母婴、化妆，25岁到30岁女性比例的人群特征，我们可以用所有第三方数据进行人群的扩大，也就是说我们所说的行业术语叫做寻找RKLT的人群，我们把集中的人群去搜集到程序化购买的平台里面去，然后接下来是体现公司技术的地方，我们会有很多很多的数据源，并不是每一个数据源都是能够被最后的结果能够产生价值。举个例子戴隐性眼镜的人，他都是黑头发的人，因为今天我们全都是黑头发，没有黄头发或者是金头发。当我们把这个进行扩散的时候，我们发现这个效果可能没有什么帮助。因为其实悠易互通在这里面技术体现是可以把数据投放，并且把数据投放结果搜集到我们系统里面来，然后再形成一个反馈，然后我们好知道我们使用的哪一个数据标签对于我们来说是最有效的。
也就是后面这张图，甚至我们还可以做数据搜集，哪些数据人群他使用了以后有了更深一步的行为。同样比如说博士伦，我们让他到网上参加游戏，他会到网站上做有限，输入验证码，然后再获取验证码，然后申请成功。证明他们对于博士伦眼镜的诉求或者是这次活动的需求越迫切。其实还有一个搜集方法就是在官方网站加放我们的代码，去搜集每一个用户到访了客户网站以后需求是什么样。我们这些都是和大数据分不开，我们看越到深层次这些人有什么不同的表现。还是拿博士伦举例子，官方网站第一层的时候，他们的用户并没有明显的手重是25岁到35岁之间的特征，但是越到营销漏斗的后面，但是刚刚我们说的25岁到35岁，月收入5000以上的会更使用博士伦的特性。
还有一个根据变化就是我们发现跨屏趋势成为了可能，比如说你在手机上花的时间和2013年比有什么变化，可能现在有一些人不是很好的手段，还有人有一个不好的习惯，在开车的时候都会使用手机。广告主做营销的时候他不希望PC，这个怎么来实现？我们发现有一些我们可以去做搜集到的精确人群，所谓我们叫跨屏ID的方式，比方说我们跟百度作为我们合作平台，他们会嵌入我们的云盘，这个时候你的手机和电脑，电脑上是COOKIE，比如说苹果手机上是IF，这个可以同步。还有一个是比如说我们今天在这个会场，我不知道今天有没有连接到WIFI，或者是在办公室上连接到WIFI，我们同样在IP地址上去访问，我们判断你在很长一段时间内，办公室的IP出口和你在家庭的出口，你在几个情况下都可以捕捉到你有两台设备在上网，我们可能视你是一个精准客户。所以我们拥抱大数据，希望数据越来越多，同时希望整合的结果越来越多，所以我们非常欢迎尤其是亚信刚刚讲到的在统一ID上能够提供更多的在行业上的支持。
然后我们通过跨屏ID能够为广告主得到一个非常有意思的一些东西，这样我们可以简单来分享一下，比如说我们发现在移动端做营销的时候，它是跟PC不是很具备的。比如说移动有一个LBS信息，有时间定向的活跃周期跟PC上是比较相反的，然后我们定位手机机型，然后看网络定向，包括对于个别应用的一些定向，这都是我们服务广告主非常好的方式。但是对于性别，年龄，职业的信息，我们会觉得PC上暴露非常多，而在PC上暴露非常小。你可能是一个在校的学生可能或者是一个白领，你使用的特征和特长非常近似，我们会发现在PC端经常能暴露出来的你经常上网的时候你浏览的一些兴趣，浏览的一些家庭状况，在移动端根本找不到，所以我们更多的跨屏一些ID在这里打通，我们就能够更具体地勾勒出来每一个人整个在互联网上的广告行为，从而为广告主做更好的营销服务。
所以当有了更多的PC端的数据，有了更多的移动端数据和更多的跨屏的数据之后，我们可以把所有一个人完整的一个兴趣，比如说他的年龄，性别，收入，包括所有偏好都可以在移动阶段做到营销。举个例子，我们会发现在移动端表现出来的偏好，我们会发现移动端在手机上读微博的文章，看朋友圈的文章，看新闻，看一些其他的聚合类的资讯，我们会发现其实很少有人在看汽车这类产品的时候会使用手机，因为汽车的文章有一个特点，就是它通常图片会非常的密集，同时文章可能会非常长，会介绍汽车特性等等，这个都是我们手机不管是从网速还是图片等等会发现的特征，所以我们会发现蓝色的区域在汽车上在PC端，所以我们会对每个人认知做非常好的精准。所以对每个人我们有精确的认知，能够知道你适合什么样的一个产品，或者反过来我们为广告主知道什么样的人是你的受众。另外一个就是我们能够在合适的时间合适的地点给你传递合适的信息，就是购买领域。这个领域就是悠易互通我们所服务的一个方面。所以当有了更多的数据以后我们可以为我们的广告主更精细地去找到我们的受众。
同时我们有了从PC端到了移动端中间的人群打通，包括从移动端我看到的东西，广告主的素材，我点进去以后，到客户LDPAGE以后，这个数据和客户数据基本上打通的，我们从计划到广告购买到后续浏览行为，到最后的结果反馈在数据反馈里形成完全的数据闭环，从而更好的修正我们不管是对人群描述，到包括购买的逻辑模型的正确性。
刚刚主要谈了一些我们在广告营销活动中我们使用的一些方法论，这个是我们服务的一些客户，同时是我们公司获得的一些奖项的介绍。所以总的来说我们作为合作方的观点上，我们非常欢迎有更多的大数据加入到整个生态圈里面来，因为使用大数据有一句话，我们不要求所有的数据它的标签都是统一的，我们会希望整个的数据范围，或者数据的内容会越丰富越好，同时我们希望让数据本身来发出声音，就像刚才我们使用了很多数据标签来让我们博士伦隐性眼镜的人群自己的人群一样，我们欢迎更多的人来拥抱大数据。谢谢大家！