疫情之后，对于移动互联网的重要性，任何企业都已经不会再忽视。但大部分企业主要还是在跟风，跟潮流玩直播，找MCN机构合作，最后既达不到宣传的效果，也没能带出去多少货，新的事物涌现，率先下水尝试无可厚非，但最关键的还是要了解通过移动互联网增长的本质。

疫情催生出来的移动互联网商业的快速发展和繁荣，让消费者随时、随时即时下单成为了可能，购物路径由曾经传统的消费者找产品，转变成为产品找消费者，传统广告的“泛”投越来越无法满足广告主抢夺消费者有限的注意力的需求（虽然以分众、新潮等电梯楼宇媒体不断的贩卖封闭空间的概念，让企业主、广告主做投放，但其份额在广告市场的占比并不大）。于是，能满足广告主精准投放的数字广告成为新宠，其中企业DMP又集万千宠爱于一身，成为对数字化有深入理解的广告主最为关注的焦点。

下面，我们从三个维度来对DMP做一个解析，以方便大家更好的理解。

一、什么是DMP

DMP即数据管理平台，是把分散的第一方和第三方数据整合到统一的技术平台里，再通过机器学习算法对这些数据进行标准化和细分管理，并把这些细分结果实时地应用于现有的互动营销环境里，帮助营销取得最大化的效果。

顾名思义，DMP要从三个维度进行理解：数据、管理、平台。

数据主要是来自于企业的品牌自身，包括广告投放数据、官网数据、社交数据、CRM数据，以及通过自媒体、付费媒体、前端广告、销售数据等等，将所有数据汇入到一个平台里。

第一，第一方数据。

也就是品牌和企业主，数据主要来源于自身，包括广告投放数据、官网数据、社交数据、CRM数据和自媒体数据。

第二，第三方数据。

拥有海量用户数据的DMP，如BAT、今日头条、爱奇艺魔术师、Talkingdata等。此类平台的明显特征为：因为自身属性（通常为平台），积累了海量的注册用户，根据用户在此类平台上的交互、消费、行为等相关路径，用户数据被平台整合管理可进行数据化运营。

有了基础数据，管理才成为可能。DMP会从用户行为、自然属性、场景属性、社群属性等多个维度入手，对这些数据进行挖掘和分析。

但这里的数据管理不是对数据进行简单的标签分类和打码来对目标受众进行划分，而是通过更加深入的机器学习，使用大量优质数据样本分析，得出更深层次、符合目标受众内在的群体特征，找出真正的目标消费者。

例如，像滴滴的礼橙专车通过上下车地点的这一基础数据，可以发现用户最热门上车地点排名前四的为高端商务写字楼、机场、五星酒店和高档标区。通过APP活动数据，可以发现礼橙专车的用户关注度和参与度高的标签为“金融”、“理财”、“航司”、“五星酒店”等。加上来自各个平台、渠道、内外部的碎片化信息，就可以绘出数据背后的准确画像。

通过DMP进行的数据分析和管理，可以容易地看出礼橙专业的男女比重，年龄段、兴趣爱好、消费偏好等极为细致的人群特征。同时，值得注意的是，当你对个体的用户画像越精准，为企业提供的价值量就越大。基于数据分析，就可以针对用户进一步细分，不仅影响品牌的广告投放策略和最终的营销效果，甚至会为企业、品牌业务特点和商业逻辑提供决策参考。像兔展的营销云具备的诸多功能，里面产生了数据，也对各种的企业用户画像提供了精确的指引。

同时，只有基于DMP数据挖掘、分析与管理，跨屏、重定向等程序化广告、个性推荐、动态推送等程序化交互，以及会员运营和其他营销自动化的工作才能实现。到此，从数据收集、管理和整合，到完成循环流入和输出功能，才让DMP拥有了平台的属性和价值。

用当下流行的说法，数据管理的DMP是低配版本，实现了营销输出的DMP是高配版本；真正实现多品牌交叉决策输出的DMP，就是顶配版本，能覆盖和解决更多数据和营销问题。

新锐企业为什么会重视做DMP？

传统时代的消费者存在于广告公司的策略分析里，存在于终端导购员的印象里，也存在于有限的用户调查的样本里。这些碎片化的用户拼图，都在曾经或多或少地为企业和品牌提供了决策。

然而，这些仅凭借着经验和感性、推理和有限调研的方法、即不系统也不科学。

DMP的出现，终于完成了为企业主和品牌提供完整用户画像的强大功能。于是，我们终于知道：我们的消费者是谁，他们有什么特征，他们从哪里来，他们为什么购买我们的产品，他们在进行消费决策时关注哪些因素，如何更好的满足他们的需求……。

DMP的出现，终于让企业将消费者行为、路径、平台乃至全消费周期看得清清楚楚，从而为企业主和品牌提供科学、系统、契合市场和消费者的营销决策与产品决策，甚至是企业战略决策。

以上是DMP能为企业提供的终极价值和意义所在，而新锐企业将DMP当成是数字化增长的主战场，主要原因如下。

第一，用户分析和定向投放。

通过DMP绘制出来的用户画像可以运用于很多营销场景。

对内来说，通过数据进一步细分人群，分析消费行为、路径等信息，配合营销信息打组合拳，可以有效提升新客转化、老用户提频，激活沉睡用户，找回流失用户。

对外来说，DMP通过相似人群扩展的算法，自动找寻到与目标相似度最高的潜在用户，并且实现人群属性、兴趣、爱好、时间地点、媒体平台的定向投放，辅之实现分类素材、广告内容、标题、促销信息的分类展示，最大限度地优化投放效果，降低投放成本。

DMP的最有价值的地方还在于跨屏投放和对“人”的追踪。当DMP发现这个人在移动端已经被广告信息覆盖了5次，那么PC端将不再向他展示。而当这个人上次浏览了广告信息，但没有最终成交，那么DMP会分析原因，在下一次展示时推送“一击必中”的广告信息。这种定向投放和用户追踪技术，让浪费了一半的广告费成为过去，真正做到第一分投入都是物有所值。都是在和你的目标用户进行沟通。

第二，效果分析和价值判断。

DMP为企业提供横向的渠道获客成本、价值对比。不管是线上还是线下、直销还是分销，当DMP的数据打通以后，企业主可以实量统计和观测各个渠道的获客数量、留资成本、订单成本，以及获客后，该渠道消费者的持续贡献价值。

像神州专车刚开始开拓市场的时候，就和很多品牌进行投放合作，通过DMP的数据挖掘和分析，神州发现，和一个母婴机构合作的获客成本低于其他渠道40%以上，同时，该群体新客月度人均订单数高于月度人均订单4.5%，另外，该群体中8%的用户会产生附属消费（如为家人绑定神州亲情账户，主帐户储值，副账户消费）。在活动即将到期时，神州果断与该渠道延长了合作周期。

后来，神州通过研究发现，该渠道的用户群体都为孕妈，且该机构是母婴行业里的高端机构，所以该渠道的用户对价格敏感，愿意选择神州专车特有的服务——更安全舒适的孕妈专车。因为有良好的经济基础，她们很愿意为家人的安全出行买单。所以，在短时间内迅速地为家人绑定了神州专车亲情账户。

第三，创意指导和效果优化。

广告投放的成败，不仅取决于“对的时间”、“对的人”、“对的地方”，更重要的是“对的内容”。DMP实现对不同人的追踪，那么必须要个性化的广告信息与之匹配。促销信息、产品介绍、服务品质、使用场景、解决痛点等个性化、针对性的智能信息推送，会最大限度地吸引消费者，唤醒其购物欲望，提升广告转化率。

经过长期的数据分析，机器学习和模型计算，结合动态创意优化技术，DMP最终可以实现洞察人背后的需求，并且判断他处于什么消费阶段（售前、售中还是流失），根据需求动态匹配广告信息，达到智能优化效果的目的。

理解了什么是DMP，是否通过布局DMP，通过DMP驱动企业的增长，这是企业决策人需要深度考虑的问题。

二、企业如何做DMP？

在阿里、腾讯的大规模普及下，DMP的大数据理念已经被越来越多的企业理解 ，但目前在国内，确实成功案例还不多，只有新锐企业，会将DMP当成是未来增长的主战场。

为什么DMP这么重要，但是企业的视度还不够呢？

首先，费用高。从机房（目前可以云化）、技术、人力到物理投入，需要巨大资金的成本投入，并非每一个企业都有实力投入DMP第一方数据的建设。

其次，人才投入。DMP不仅需要解决技术层面的问题，更需要有专业数据人员进行分析管理，持续运维，并将数据运用于实际的营销场景。这就要求企业DMP管理人员要具备深刻的行业洞察力和对自己业务的深度理解力，以及对前沿算法和技术的精准掌握。

最后，做DMP是需要有耐心和远见的。很多大企业在DMP的思潮下，确实开始搭建自己的数据中台，但搭建过程中可能会涉及内部多个数据平台的打通问题，比如，业务部门支持度的问题，是否能找到专业人才对数据进行运营的问题，以及建成后，是否能沉下心来持续投入的问题。

这些都是企业自建DMP时实际面临的困难和阻力。当然，也不是所有的企业都需要自建DMP，所以，如果你要建DMP。像汽车行业、酒水行业、高价值的行业对细分人群有高需求的企业是可以考虑自建DMP的。同时，也要做好投入评估，即企业是否有足够的财力去构建DMP。一定不能因为要投入DMP的建设和影响到企业的发展。

新锐企业要建DMP，可以从以下几个方面找手。

第一，高层发起，内部共识。

DMP的建立一般需要从CMO或CTO层面发起，获得CEO以及业务部门共同的价值认可，将DMP在构建过程中的阻力降至最小。

第二，建立团队，长期运维。

DMP不是一个小工程，企业内部应该组建一个小规模、灵巧的数字化团队，这个团队的人员组成应该有技术人员、数据分析师、营销人员、业务人员和广告媒介投放人员等组成。这个团队的建立，确保数据分析的结论和报告能即时输出，第一时间反馈给业务部门、营销部门做决策调整。同时，当业务部门和营销部门需要做重点监测时，数据分析师可以重点关注。

第三，保证数据源源不断地输入和输出。

企业的数据是不断积累的，并且通过非企业主和品牌自有数据的合作，可以不断丰富自有数据。只有将这些数据不断运用、监测、实践优化，才能不断校准，让DMP为企业提供更有价值的决策依据。

新锐企业，要在老牌企业的挤压生存空间之下脱颖而出，是可以慎重考虑将DMP当做数字化增长的主战场，用新的增长模型，驱动企业的增长。