到目前为止，在本书中，我们已经了解了广告技术平台在创建、运行和优化数字广告活动中所起的作用。
现在我们来看看将这两个领域联系在一起的最重要的元素之一：数据。
数据是推动AdTech平台和活动的燃料。
具体而言，数字广告中的数据可用于：
- Identification
- Targeting
- Reporting
- Attribution
- Campaign optimizations
由于互联网的兴起，广告商和出版商现在可以访问大量的高质量和通用数据集，这些数据集在离线世界中是永远不会生成的。这些数据集可以让公司更深入地了解消费者行为，识别趋势，并提高活动绩效。
在本章中，我们将了解公司如何收集数据、不同类型的数据、数据管理平台（DMP）和客户数据平台（CDP）等数据平台的作用，以及数据的用途。
不同类型的数据：第一方、第二方和第三方数据
并不是所有的数据都是一样的，每一块对广告商和出版商都起着不同的作用。
第一方数据
第一方数据被认为是广告商和出版商最有价值的数据类型，因为它直接从与品牌互动的人（如客户）那里收集。
第一方数据通常由以下人员收集：
电子商务和离线交易：关于人们购买了哪些产品和订单价值的数据，以及个人信息，如姓名、邮政和账单地址、电子邮件地址和电话号码。
客户关系管理（CRM）系统：有关在您的企业中创建帐户、下载数字产品（如电子书）并从您那里购买物品的人的数据。就像电子商务数据一样，这通常包括姓名、地址、电话号码和电子邮件地址。
网站和移动应用分析：关于用户浏览过哪些页面、观看过的视频以及其他内容交互的数据。
第一方数据可以来自在线和离线来源（有关更多详细信息，请参阅以下部分）。
品牌和广告商使用这类数据将访客转化为客户，并向现有客户追加销售产品和服务。
第二方数据
第二方数据有时被称为合作伙伴数据，因为它是一家公司收集并出售或交易给另一家公司的第一方信息。
例如，连锁酒店可以与航空公司合作，购买或交易航空公司的第一方数据。这家连锁酒店可以利用航空公司的数据开展有针对性的广告活动，并向航空公司的客户展示其酒店的宣传广告。
这种合作关系将使连锁酒店受益，因为人们在预订航班时通常会搜索住宿。
这种合作关系可以是单向的（即连锁酒店购买航空公司的第一方数据），或者连锁酒店和航空公司可以建立一项数据交易协议，在该协议中，他们彼此共享信息。
这将允许航空公司向连锁酒店的客户展示广告和信息。
由于该航空公司收集了大量有价值的第一方数据，他们可以与许多其他类型的公司合作，例如与专营品牌合作，这些品牌可能以手表和珠宝等奢侈品为航空公司的高收入客户。
虽然第一方数据更有价值，因为它包含现有客户或表示有兴趣成为客户的人，但第二方数据允许品牌和广告商接触到新的、未开发的潜在客户群。
第三方数据
就价值而言，第三方数据排在最后。它既不是直接从广告客户或出版商处收集的，也不是通过数据合作协议提供的。
然而，第三方数据仍然为营销和广告活动增加了价值，并与第一方和第二方数据相比提供了一些优势，主要的优势是能够接触到更大的受众。
第三方数据通常由数据代理提供，或由DMP供应商。
许多出版商和商家通过在其网站上添加第三方跟踪器或在其应用程序中跟踪SDK，并将其受众的数据传递给数据代理和DMP来实现数据的变现。
这些数据可以包括用户的浏览历史、内容交互、购买、用户输入的个人资料信息（例如性别或年龄）、GPS地理位置等等。
基于这些数据集，数据代理可以创建关于兴趣、购买偏好、收入群体、人口统计等的推断数据点。
可以从离线数据提供商（如信用卡公司、信用评分机构和电信公司）进一步丰富数据。
从那里，数据代理和DMP供应商可以创建受众群体。
受众群体由用户档案组成，其中包括各种信息，如兴趣、位置和人口统计信息（如性别和年龄）。
查看本章后面DMP部分中的数据规范化和数据丰富，了解有关用户配置文件和受众群体的更多信息。
比较
透明和相关
第一方数据（3）
第一方数据由现有客户或与品牌或出版商有过接触的消费者组成，这意味着受众通常已经是广告客户目标受众的一部分。
这种现有的联系对于诸如追加销售、交叉促销和退货等活动很有用。
第二方数据（2）
来自一个合作伙伴的第二方数据通常包含与第二个合作伙伴的目标受众具有相似特征的受众。
例如，豪华酒店创造的观众也会与豪华手表品牌的目标观众相匹配。
考虑到直接关系，数据来自何处以及如何收集通常是完全透明的。
第三方数据（1）
由于第三方数据是从不同的来源收集和聚合的，广告客户和用户之间的直接联系就失去了。这意味着相关性通常较低。
此外，大多数数据代理和DMP在如何创建数据段方面几乎没有透明度。
风险在于，由于大量使用外推和相似建模，一些数据可能已经过时或不准确。
然而，考虑到数据集的绝对数量，它可能提供第一方和第二方数据无法提供的信息，例如购买偏好和收入群体。
收集容易度
第一方（3）
由于第一方数据直接从品牌或出版商的网站或应用程序收集，因此这是最容易收集的数据类型。
第二方（1）
第二方数据需要每个合作伙伴的数据共享协议和系统集成，因此这是一项耗时的活动。
第三方（2）
一旦与DMP或数据代理建立了集成，您就可以按需购买数据集，而无需额外实现。
数据竞争力
第一方（3）
由于第一方数据仅供品牌或出版商使用，因此它可以用于高转换活动，例如内容和广告个性化。
第二方（2）
第二方数据可以独家共享，这意味着它可以作为与提供相同产品或服务的其他公司相比的竞争优势。
第三方（1）
由于第三方数据通常可以广泛访问，许多公司可以访问相同的数据，这意味着第三方数据提供的竞争优势较少。
数据接触到的客户量
第一方（1）
第一方数据仅限于网站访问者（即其在线观众）和现有客户（例如离线CRM数据）。
第二方（2）
尽管第二部分数据比第一方数据更具影响力，但它仍然局限于合作伙伴的受众。
第三方（3）
由于数据代理和DMP聚合了来自多个合作伙伴的数据，他们几乎拥有互联网上每个用户的数据。
实际上，受众数量是第一方和第二方数据集总和的数倍。
从上中可以看出，在大多数领域，第一方数据远比第二方和第三方数据更有价值。
从哪里获得数据？
品牌、广告商、营销人员和出版商从一系列在线和离线来源收集数据。
在线来源
公司从各种来源收集大量在线数据，主要包括：
- 分析工具
- 客户关系管理（CRM）系统
- 企业资源规划（ERP）系统
- 营销自动化平台
- 移动和网络应用程序
- Campaign分析
离线来源
可以从以下来源收集离线数据：
- 销售点（POS）
- 离线CRM和ERP系统
- 事务性数据
由于上述所有数据均直接从用户处收集，因此被归类为第一方数据。
上面列出的数据类型通常存储在各种数据库中，这些数据库可以是广告客户或营销人员的数据库，也可以是软件供应商的数据库。
将在线和离线数据结合在一起
收集线上和线下数据的公司将把它们结合在一起，以更清楚地了解其客户和受众。
对于零售商等大公司来说，整合其线下和在线记录并非易事，但一旦完成，它可以证明是有价值的，因为它提供了一些商业优势。
但是，如果公司收集少量离线数据（例如，仅电子邮件地址），则可以将数据导入数据库或DMP。但是，如果一家公司收集了大量的离线数据，那么他们需要将其载入数据平台，如DMP或CDP。
有关更多信息，请参阅下面的第一方数据登记部分。
数据碎片问题
虽然从多个来源收集大量数据可以让广告商提高活动绩效，但数据通常存储在多个工具和平台上。这些单独的数据库通常被称为data silos。
什么是data silos数据竖井？
数据竖井是由一个部门（如销售）控制并与组织内其他部门隔离的数据集合。
具有数据竖井的主要缺点是，来自不同部门（或系统）的数据无法集成在一起，这限制了数据的全部潜力。
image.png
将数据存储在不同的筒仓中意味着广告商无法看到其目标受众或活动表现的全貌，这往往导致决策不力、错失机会和广告浪费。
这个问题的解决方案是数据管理平台（DMP）。
数据管理平台（DMP）
如前所述，数据管理平台（DMP）是用于收集、存储、分析、分割和激活数据的技术平台。
在本节中，我们将介绍DMP的主要功能，并揭示其一些潜在用例。
以下是DMP的流程和组件：
让我们仔细看看这些组件和流程。
值得注意的是，以下流程也可以由其他数据平台执行，如客户数据平台（CDP），我们将在本章末尾介绍。
DMP中的数据收集
根据数据存储的位置，可以通过几种不同的方式收集数据。
像素和标记
DMP收集第一方数据的最简单方法可能是在您的网站上添加1×1透明像素（也称为标记或跟踪像素）。
像素本身只是HTML的一部分。当像素加载到页面上时，它向DMP发送请求以检索1×1透明图像。
一旦DMP返回1×1像素，它可以为用户分配一个cookie并将其存储在他们的浏览器中。然后可以将cookie中的信息传递给DMP。
Piggybacking
Piggybacking是指我们在站点页面上插入一个主像素，该主像素可以包含或触发来自不同来源和网络的多个跟踪像素，这些来源和网络不是直接放置在站点上的。
当主像素加载时，它随后加载其他像素。
下图说明了搭载过程：
优点
- 一个像素可以整合所有第三方像素。
- 单像素使一切保持干净有序。
- 跨所有营销渠道更准确地跟踪数据。
- 它减少了web开发人员参与在站点上实现像素的需要。
限制
- 图像像素只能依靠一个图像像素。
- JavaScript像素实际上可以搭载无限数量的JavaScript和图像像素，但太多的搭载像素可能会减慢用户的浏览器速度。
- 不安全（http://）像素只能放置在不安全的页面上，即不能放置在具有https:///的页面上。
- 出版商无法控制搭载的像素，这可能会导致隐私和遵守GDPR等数据保护法律方面的问题。
标签
标签是JavaScript片段或iframe。就像像素一样，标签被添加到网站上，加载后，会向DMP发送请求。DMP响应请求并在用户浏览器中放置cookie并收集数据。
有时，出版商会使用标签管理系统（TMS）来控制和管理他们网站上的各种JavaScript片段和像素。这些标签和像素被放置在一个容器中，该容器被插入到网站的页面中，通常直接位于打开的主体元素<body>下。
标记管理器的主要优点是，发布者可以轻松地从单个用户界面添加、删除和修改HTML标记、JavaScript片段和像素，而无需要求其web开发人员手动更改网站的HTML。
应用程序接口（API）
API用于在web服务器和DMP之间交换数据。这种类型的数据交换非常适合具有多个data silos 的公司，因为它允许他们有效地从不同的数据库收集数据。
这种形式的数据收集也称为服务器到服务器集成。
第一方数据录入
第一方数据录入涉及获取公司的离线客户数据，并将其与在线客户数据集成。
例如，一家公司的离线数据库中可能有以下客户数据：
- 姓名
- 居住地址
- 电话号码
- 电子邮件地址
- 出生日期
- 以及他们的离线客户关系管理（CRM）和交易系统中关于客户的所有其他数据。
然后，他们可以携带其在线数据库中的数据，例如： - 来自其网络分析工具和广告服务器的数据。
- 用户帐户信息（例如，来自公司在线支付系统的帐户信息）。
- 该公司收集的有关该客户的任何其他在线信息，包括他们离线收集的相同信息，例如姓名、电子邮件和住址。
根据公司拥有的离线数据量，他们可能只能将数据作为CSV文件导入。但如果他们有大量数据（通常是这样），那么他们可能需要使用LiveRamp这样的数据登录平台。
以下是市场上一些最常见的数据加载平台的列表：
一般流程涉及公司使用onboarding platform上传离线数据，匿名以删除任何个人识别信息（PII），例如电子邮件地址、姓名、物理地址等，并将离线数据与公司的在线数据进行匹配。
数据如何匿名？
以下是匿名数据和删除PII的最常见方法：
散列–不可逆地将数据转换为非人类可读的值。
加密–使数据仅可供使用解密密钥的人访问。
泛化-将特定类别替换为更一般的类别，例如，将用户年龄从42岁更改为40-49岁，将位于Wrocław Market Place的星巴克咖啡店更改为咖啡店。
抑制–替换属性或其部分。例如，将邮政编码从44340更改为44***，位置从51.1088316，17.032966更改为51.1******，17.0******
添加噪波–向数值属性添加随机值，使其平均值保持不变。
交换数据–将一条记录的某些字段与另一条类似记录的相同字段交换，例如，交换两条记录的邮政编码。
“匿名数据”的定义因公司和国家而异。
在美国，这通常意味着删除个人身份信息，如姓名、邮政地址和电子邮件地址。
然而，根据某些隐私法，如欧盟的GDPR，匿名数据一词是指任何不能用于识别个人身份的数据。因此，即使一家公司只收集cookie ID、设备ID和IP地址，这些数据仍然被归类为GDPR下的个人数据，因为AdTech和MarTech平台仍然可以识别使用这些数据的用户（例如，识别返回的访客）。
数据匿名是为了减少PII的暴露，例如在数据泄露的情况下，并遵守某些数据保护和隐私法律。
第一方数据录入是如何工作的？
虽然每个数据录入平台处理过程不同，但基本原则是相同的：
- 公司通过导入CSV、CRM和XLS数据文件将其离线第一方数据上传到入职平台
- 通过匿名过程，入职平台将数据转换为删除任何个人识别信息（PII）的数据。
-
然后，借助标识符将离线数据与在线数据进行匹配。例如，如果一家公司在离线和在线两种情况下收集了客户的电子邮件，则入职平台将通过公共电子邮件地址匹配这两个数据源。
以下是数据加载过程的可视化表示：
image.png
Google AdWords和Facebook广告的数据登录
由于LiveRamp等公司正在上传大量数据，该过程可能相当复杂，需要几天才能完成。
其他公司，如谷歌和脸书，允许广告客户上传更简单的离线和在线数据集（通常只是一个电子邮件地址）到他们的平台，并使用它来定位和重新定位。虽然这种方法没有提供与通过上述公司上传数据相同的规模，但它通常是中小型公司的合适选择。
谷歌广告
Google’s Customer Match
服务允许公司将其观众数据上传到谷歌广告中，并针对这些客户以及谷歌中的相关观众，包括搜索网络和谷歌购物、YouTube、Gmail和Display Network。
可以上传到Customer Match的数据包括：
- 电子邮件
- 名
- 姓
- 国
- 邮政编码
- 电话号码
脸书广告
Facebook’s Custom Audiences
的工作方式与谷歌的客户匹配类似。
这项服务不仅允许公司将客户电子邮件列表上传到脸书广告中，以便在脸书平台上定位，还可以在其网站和/或应用程序上放置跟踪像素。从那里，像素将跟踪该用户，然后在脸书上显示一个定制的广告或提供给该用户。
可用于在Facebook中创建自定义受众的数据包括：
- 电子邮件
- 电话号码
- 名
- 姓
- 城市
- 州或省
- 国
- 出生日期
DMP中的数据规范化和丰富化
一旦收集到数据，就应该对其进行标准化。
数据规范化过程可以包括以下几个操作：
- 从web Cookie收集ID。
- 删除冗余或无用数据。
- 将源的数据模式转换为DMP的数据模式。
- 使用其他数据点丰富数据，例如地理位置和操作系统/浏览器属性。
数据规范化和丰富阶段提供了两个主要好处：
- 它将各种数据集组织成一种通用格式。
- 它提高了数据价值和质量。
在规范化和丰富化阶段，将为每个用户分配一个唯一的ID并赋予不同的属性，这将在分割阶段发挥关键作用。
这些属性可以包括：
- 年龄
- 性别
- 位置
- 浏览器历史记录
- 兴趣
- 采购历史记录
profile构建和合并
profile文件是从DMP跟踪的事件中收集的一组数据。它代表用户，可能包含以下信息：
- profile id
- cookie id (list)
- hashed email (list)
- sid / uuid (list)
- country (last seen)
- name (nullable)
- device_type (last seen)
- device_vendor (last seen)
- device_os (last seen)
- browser_vendor (last seen)
- gender (nullable)
- company (nullable)
- company size (nullable)
- matching ids (list)
在某些情况下，将创建一个仅包含少量数据（例如cookie id、device_type, and device_os）的profile，并在更多数据可用时进行扩展，即profile building。
当DMP接收到包含已知数据段（即DMP中的数据段）的新事件时，会将其添加到相关profile中。
另一方面，如果输入事件包含新的数据段（即不在DMP中的数据段），则会创建一个新的profile。
通常情况下，两个profile包含相同的数据段（例如cookie id）。
如果出现这种情况，DMP将不得不执行一种称为profile合并的操作。
profile合并的目标是确保没有profile包含重复的数据段，并且没有两个profile包含相同的唯一标识符（例如cookie ID和电子邮件地址）。
让我们看一下以下示例：
这三个事件都来自同一个用户，但直到第三个事件到达DMP时才知道，这意味着所有三个事件都将被视为单独的profile。
在本例中，所有三个profile将合并到一个profile中。
大多数DMP将使用主ID（与一个profile关联的单个ID）来确保准确的配置文件合并。通常这是一个持久的ID，例如电子邮件地址。
当包含主ID的新事件进入DMP时，与该事件相关的所有其他数据将添加到该profile中。
如何将配置文件合并在一起
DMP有几种方法可以将配置文件合并在一起。
下面我们将列出一些主要方法。
覆盖现有ID和属性：这是合并配置文件的最简单方法之一，因为它只是在现有ID进入DMP时将其替换为新ID。
字母排序：该方法按字母顺序对值进行排序，然后使用第一个值。例如，如果有两个名为“Robert”和“Bob”的配置文件，则将使用“Bob”作为名称值，因为字母“B”位于“R”之前。
时间戳排序：使用此方法，将使用具有第一个或最后一个记录的时间戳的值。
在大多数情况下，时间戳排序将是最理想的使用方法。
Wait-and-see排序：更复杂的方法是保留所有值以供参考，直到可以使用不同的排序方法（例如时间戳）。然后，您可以查看假设是否正确，并在合并操作完成后确定最终值。
数据存储
虽然在DMP中存储数据的概念似乎相当简单，但由于存储了大量数据，以及需要将其移动到其他区域并防止数据丢失，因此实际的技术实现可能具有挑战性。
数据分类
DMP中的分类是指用于各种数据段的命名约定。
例如，您可以创建或定义一个表示这两个术语的分类法（例如“用户”），而不是像“用户”和“访问者”这样有两个分类法。
以下是电子商务商店如何构建其分类的示例：
观众细分与产生
受众细分涉及根据共同特征（如年龄、位置、行为、兴趣等）将用户分为多个组。
这些分组构成了数据激活的基础，这些分组用于许多不同的目的，例如广告定位和分析。
有关更多详细信息，请参阅下面的数据管理平台（DMP）数据激活用例部分。
DMP如何创建观众群
为了创建受众群体，DMP使用一系列条件来过滤数据并生成特定的用户组。
这些条件可能包括一般信息，例如：
- Country, region, or city
- Device type
- Operating system
- Referral URL
还可能包括关于用户行为的更具体数据，如：
- Events (button clicks, page-views, etc.)
- Conversions (downloads, purchases, etc.)
- Ads viewed
它还可以包含人口统计数据，例如：
- Relationship status: In a relationship
- Interests: Gardening
- Age group: 35-39
- Gender: Male
- Home Value: Between
400k
- Annual income: Between
90k
然后，广告商可以组合多个细分市场，直接瞄准他们希望通过在线广告活动接触的受众。
下面是一个可能的示例：
除了选择要包括在观众群中的用户外，您还可以添加过滤器，将用户从观众群中排除，并设置某些动作的最近度和频率。
例如，您可以添加在过去30天（最近）内浏览您的网站至少5次（频率）的用户。
这两个额外的因素将大大有助于定义受众群体及其有用性，并可以显著影响群体的相关性和范围。
相关性：增加纳入数据点的时间框架。例如，设置“大于30天”的时间范围可以添加可能不太可能转换的用户。然而，对于某些事件信息，将频率提高到“至少3倍”可能意味着增加一个高度参与且可能转换的用户。
范围：同样，延长时间范围和减少频率将扩大受众范围，这将有助于提高品牌知名度，但不会增加转化率。
创建观众群后，现在可以激活数据。
使用数据管理平台（DMP）激活数据的用例
DMP中的数据激活是将受众群体用于一系列不同的活动。它通常被认为是DMP最重要的功能。
以下是广告商和出版商在DMP中激活其数据和受众群体的最常见方式。
广告商数据激活
媒体购买和优化
对于广告商和营销人员来说，激活他们的数据进行数字媒体购买是主要用例之一。
激活媒体购买数据的主要方式是通过cookie同步。
我们在前一章：用户识别中介绍了cookie同步
首先，广告客户将首先将其DSP与DMP集成。从那里，广告客户可以创建观众，并将他们的cookie与DMP的cookies同步，以便他们可以跨多个发布者识别他们的观众。
当广告客户（via a DSP）识别出属于其受众之一的用户时，他们可以向他们展示一个更具个性化和相关性的广告。因为这种形式的目标定位比传统的目标定位更具动态性（例如，向iphone用户展示相同的广告），所以它通常会产生更多的点击和转换。
It’s important to note here that the DMP could either have its pixel on the publisher’s website, or it could receive it from the SSP via piggybacking, or both.
品牌和广告商也可以使用DMP来改进重定位和动态创意优化。
激活DMP中用于媒体购买的数据的另一个关键部分是提高活动性能和减少广告浪费。
DMP可以为广告商提供详细的报告，让他们看到表现最好和最差的观众，并进行实时优化，以增加覆盖面、性能和优化媒体支出。
Look-alike Modeling
广告商可以使用DMP进行lookalike modeling，这是一个发现与广告商目标受众具有相似特征的人的过程。
例如，一家销售汽车运动装备的电子商务商店想要增加其受众，可以进行lookalike modeling，以找到对汽车运动感兴趣但没有去过其商店的新用户。他们可以定义一组与现有受众相匹配的标准，例如位置和兴趣，然后使用DMP创建这些新的受众。
电子商务商店还可以在其购买确认页面上放置DMP中的像素，以收集不同网站上客户行为的数据。DMP可以分析这些数据，并寻找商店现有客户行为的相似性。这些相似之处可以作为创造新受众的基础。
lookalike modeling是如何工作的？
lookalike modeling分析数据并使用算法来识别行为中的共同特征和相似性。
因为lookalike modeling的主要目标是寻找新的受众，所以当它能够分析广告客户自己数据库之外的数据时，效果最佳。因此，most lookalike modeling是由从多个来源收集大量数据的DMP完成的。
为了创建相似模型，广告商需要定义其最有价值客户的属性和行为。
相似模型越严格（即属性越多），广告商就越有可能找到更多与其目标受众匹配的人。这将提高广告客户获得更多转换的机会。
然而，如果广告商的目标是关注覆盖率和知名度，而不是更高的转化率，那么他们可以通过定义更少的属性和行为来减少对相似模型的严格要求。
下面是一个相似模型的示例，该模型具有严格定义的（更多）属性和行为，以及具有松散定义的（更少）属性和行为。
Look-alike Modeling可以用于什么？
Look-alike Modeling的主要用例是prospecting，这涉及到寻找新的潜在客户和/或访客。
然而，它也可以扩大在线广告活动的范围。
比如说，你根据一组属性（如年龄、性别和位置）瞄准观众。
通过对您的营销活动应用相似建模，您可以找到类似的客户，这些客户可能不包括在您当前的受众中，因为您没有足够的数据（例如，我们缺少匹配所需的属性），或者他们不适合您当前的受众（即，他们由其他属性组成），但仍然与您的最佳客户相似。
观众智能
广告商可以通过将其当前受众与第三方数据集进行匹配和比较，并将有关客户和潜在客户的信息（包括其人口统计、兴趣、收入或购买偏好）添加到其数据库中，来丰富访客和客户数据。
这使他们能够更多地了解人们的行为，微调他们的目标受众，并确定是什么促使他们转变。
品牌和广告商可以利用受众智能优化和个性化其网站和活动的某些区域，以提高参与度和转化率。
例如，一个宣传数千家不同酒店和度假村的旅游网站可能会发现一组游客，他们对价格不那么敏感，但需要更大的灵活性。这时会为他们推荐更加贵的价格不过可以免费取消的福利。
出版商的数据激活
到目前为止，我们已经解释了广告商可以使用DMP进行数据激活的方式，现在是时候看看出版商如何使用DMP了。
与广告商类似，将其收入变现的第一步是创建观众群体。从那里，它们可以用于许多不同的用例。
以下是出版商激活其数据的主要方式。
增加库存价值
由于许多大中型出版商收集了大量用户数据，他们可以通过创造受众，然后将其提供给广告商来增加库存的价值。
这对出版商有利的原因是，如果广告商知道他们的广告会被正确的目标群体和高度参与的用户看到，他们将支付更高的价格（例如CPM或CPC费率）。
出版商如何将这些受众群体传递给广告商？
出版商可以通过以下几种方式向广告商提供其受众群体，并增加其广告收入：
- Cookie同步：出版商的SSP可以将Cookie与DMP或DSP同步，以允许广告商对其目标受众中向用户展示的曝光进行竞价。
- Deal IDs in PMP deals:Private marketplace交易允许出版商向选定的广告客户群提供其最珍贵的库存。通过在PMP交易中广播他们的观众群，出版商可以从他们的优质库存中赚取更多的钱。
- Segment ID in RTB auctions：出版商的SSP或DMP可以在实时竞价（RTB）拍卖期间将段ID传递给DSP，以帮助广告商找到他们的目标受众。
通过内容个性化提高参与度和转化率
内容个性化包括根据用户的人口统计信息、兴趣和过去消费的内容显示符合用户偏好的内容和建议。
下面的示例说明了如何使用DMP进行内容个性化：
出版商的受众扩展
出版商可以使用DMP创建观众细分，这可以用于观众扩展。
受众扩展涉及出版商根据其第一方数据创建受众，包括年龄、位置、兴趣、网络历史、购买历史、基于点击的交互等上下文和行为数据。
然后，出版商可以将这些受众推到AdTech平台，让广告商在互联网上瞄准这些受众，而不仅仅是在出版商的网站上瞄准他们。
以下概述了受众扩展的工作原理：
- 出版商的DMP收集其第一方数据并创建受众群体。
- DMP通过DSP将出版商的观众群传递给广告商。这是通过cookie同步完成的。
- 如果广告客户的DSP在来自不同网站的RTB拍卖中识别出出版商的观众，那么它会根据这个曝光出价。
- 如果DSP获胜，则广告将显示给出版商的观众，但显示在不同的网站上。
受众扩展对出版商和广告商来说是双赢的——它允许出版商创造新的收入来源，而广告商可以在更多的网站上找到他们的目标受众。
数据合作伙伴关系
出版商可以与另一个网站建立直接的独家合作关系，例如，一个网站希望针对纽约地区在线听音乐的人开展广告活动。然后，第二个网站使用这个数据成为第二方数据。
销售他们的数据
发布者也可以只向数据公司（例如数据代理和DMP）出售细分市场或匿名用户profiles。
数据代理可以使用出版商创建的数据segments ，也可以根据不同的特征（如位置、年龄、兴趣等）将匿名用户profile文件分组为demographic segments。
然后，数据代理会将数据转售给希望将其广告活动指向特定人口群体的广告商。这些用户段中的数据现在将被归类为第三方数据。
与伙伴关系选项相比，这种变现过程的透明度要低得多。发布者也失去了独立性，因为由数据代理决定共享哪些数据段，以及从出版商的访客中创建哪些类型的segments。
数据代理和与Programmatic Media-Buying平台的集成
虽然所有在在线广告行业运营的公司都收集数据，但也有一些公司仅通过收集和销售在线消费者数据来开展业务。这些公司被称为数据代理或信息代理。
什么是数据代理？
数据代理是一家收集来自出版商和品牌的用户profile，将其组合在一起，对其进行细分，然后将这些细分出售给其他公司，用于其在线广告活动的公司。
在某些行业中有几种类型的数据代理：
- 营销和广告：改进广告定位和活动测量。
- 身份验证和欺诈检测：帮助银行等组织验证个人身份。
- 人员搜索：从社交媒体网站收集有关人员的公开信息。
Some examples of data brokers in online advertising include:
在数字广告和营销行业，许多DMP充当数据代理，反之亦然。数据收集过程类似于DMP（如上所列）。
数据定价模型
一旦数字营销平台和数据代理收集到数据，他们通常会通过两种定价模式将其出售给广告商和广告技术供应商：固定的CPM或媒体成本的百分比。
固定CPM价格
DMP和数据代理销售数据的最常见方式是以cost per mille为基础。
这意味着他们将获得固定金额的付款，例如他们的网站创建的每1000个独特的cookie支付1.25美元。
该模型的主要优点是为数据提供商和广告客户/媒体买家提供了有保证的价格。
然而，它没有考虑重要的变量，例如广告投放的背景或实际价值，这意味着它为观众设定了一个固定的价格，实际上可能比CPM价格所暗示的价值更高。
围绕以固定CPM价格出售的观众数据的投资回报率也存在问题。
通常，观众数据的CPM价格实际上高于曝光本身的CPM价格。这意味着广告客户可以在1.10美元的CPM上购买曝光，但观众数据的CPM可能为1.25美元，这增加了巨大的成本，使产生合理的投资回报率变得更加困难。
媒体成本百分比
由于固定CPM定价模型存在的问题，许多数据代理和广告商/媒体买家正朝着媒体成本百分比定价模型迈进。
顾名思义，数据提供商向广告商和媒体买家收取其观众数据的媒体成本的一个百分比。
因此，如果曝光是以 a CPM of .10为 the audience data。
虽然数据代理似乎在通过媒体成本的% 赔钱，但实际上，他们正在使第三方数据对广告商和媒体买家更有价值和有用，因为他们受益于改进的目标定位、优化的ROI和更好的营销业绩——所有这些都导致了第三方数据的高采用率，这对数据代理来说是个好消息。
下图说明了与固定CPM定价模型和媒体成本百分比定价模型相关的成本差异：
在程序化媒体购买中使用第三方数据的一些常见问题：
问题1：这种通过技术平台销售的方法的主要问题是，通常很难知道DSP是否使用了DMP中的特定受众。
在RTB拍卖模型中，通常在发送到DSP的每个投标请求中提供数据。DSP端的投标人代表广告客户发送投标，但无法判断投标人是否在交换期间使用了数据。
问题2：这个模型的另一个问题是数据的价格通常是静态的。
唯一的区别是，某些细分市场被视为溢价或价值高于其他细分市场，而CPM价格则更高。无法根据需求和/或质量，动态设定数据价格，因此，生态系统中的所有各方（例如出版商、数据供应商、数据提供商、广告商等）都可能在财务上蒙受损失。
DMP的未来
因为每一个数字广告过程都是由数据驱动的，数字营销是品牌、代理商和出版商技术栈的关键组成部分。
但是，由于AdTech中隐私的增加，许多DMP的商业模式和未来都处于危险之中。
像GDPR、广告拦截器和网络浏览器中的隐私设置这样的隐私法使得从网站收集第三方数据变得更加困难。
谷歌浏览器Chrome宣布，他们将在2022年（大致时间表）前关闭对第三方Cookie的支持，这意味着几乎百分之百的网络浏览器流量将不支持第三方Cookie。
为了在下一个十年生存下来，大多数数字媒体提供商将需要寻找方法，帮助出版商和广告商在不使用第三方cookie的情况下识别其受众，例如，通过使用身份解析服务。
广告商和出版商还需要考虑如何释放第一方数据的价值。
事实上，随着客户数据平台（CDP）的兴起，这种情况已经发生。
什么是客户数据平台（CDP）？
客户数据平台是一种软件，它从不同来源收集数据，并创建客户的单一客户视图，也称为单一客户视图single customer view（SCV）。
虽然 DMPs and CDPs在收集、规范化、丰富和激活数据的方式上相当相似，但它们收集的数据类型和使用方式有几个主要区别。
如前所述，数字营销平台通常收集第三方数据并将其用于广告目的。CDP主要收集第一方数据并将其用于多种目的，如广告、营销和客户支持。
隐私法的兴起和网络cookie的变化迫使广告商和出版商更加注重利用他们的第一方数据。
例如，出版商可以收集第一方数据，在CDP中创建用户profile和audiences ，并将这些audiences 提供给广告商进行广告定位。
现在，我们已经详细了解了数据在在线广告生态系统中的作用，是时候将我们的注意力转移到一个严重依赖数据的领域——归因了。
