執牛耳營銷商業研究院 出品 主筆| Guangju Wei
MDP是Marketing Data Plate的縮寫，在國內通常譯為“數據平臺”。以阿里為代表的互聯網公司率先推崇並落實數據平臺這一理念，主要特點是以企業後臺對數據的應用為基礎，賦能企業內部的經營管理。
通過對生產、物流、渠道、財務、銷售等各類數據的分析和應用，優化企業內部職能劃分、架構搭建和流程設計等內容，目標是形成高效、有彈性的組織機構。而這裡我們定義的MDP卻有所不同，執牛耳營銷商業研究院定義下的MDP更強調以前端消費者數據為起點向後端傳導信息流，以廣告、營銷數據為切入點倒推品牌運營管理，提升廣告效率，優化企業數據的治理能力。
從數據整合到數據平臺，統一管理和應用消費者數據是營銷行業一貫的需求。打破信息孤島、建立完整的數據鏈，是廣告主和品牌方長久以來的訴求。因此，執牛耳營銷商業研究院認為，如何多方位獲取數據、打通渠道壁壘、整合數據應用成為MDP的優勢所在。
一、MDP專注於非結構化場景應用
數據應用場景是MDP區別於傳統數據平臺的最大不同。
從傳統的數據倉庫（Data Warehouse）到現在的數據平臺，主要是通過已有數據的分析和應用來解決已知問題。以標準化、結構化的數據源為基礎採用相對固定的治理架構。
而MDP著重強調的是通過未知的數據邏輯來預判未來的問題，並提出有創意的解決方案。主要是通過非結構化、非標準化的數據應用來實現人貨場的智能化信息整合和創新解決方案落地。通過對消費端（顧客）、供應鏈（商品）、業態渠道（場）的數據採集和集成，形成覆蓋全場景的全域數據鏈；萃取出用戶畫像，實現數字化服務；並將數字信息沉澱成為價值資產。
二、MDP以動態治理替代結構化篩選
MDP的核心技術之一是能更多的幫助企業收集多元化數據。傳統的數據平臺是通過企業端以呼叫中心、調研問卷、CRM數據、會員系統數據等方式來獲取數據，其獲取能力受到企業資源投入的侷限。
而MDP在數據端開放了更多的渠道，除了傳統的方式之外，還應用了智能探針、廣告監測、網站分析、微信、微博、第三方大數據等方式，直接對接和導入原始信息。要求企業將更多的資源用於構建模型和算法設計方面，運行邏輯由專注主動獲取轉變為強調邏輯運算。通過不斷強化的非結構化處理能力對現有的海量數據進行“模糊邏輯”運算，從而“淘”出有創意的解決方案。
傳統數據平臺主要以CRM的實名數據為主，主要包括消費者姓名、年齡、購買歷史、最近一次購買時間、性別、家庭等內容。每個字段都會被清晰地解讀，不具體、不確切的內容都會被屏蔽掉。到了MDP階段，數據主要是反映消費者購買行為軌跡，例如：手機型號、所在位置、訪問時間、瀏覽內容、時間跨度等。每個字段都可以被準確地解讀，但是反映的數據內容有限，只有綜合起來才能還原消費者的購買路徑。由此來看MDP的數據使用邏輯發生了本質的變化，有著完全不同的收集和管理方式。
三、MDP的三大應用場景
1.廣告程序化投放。
區別於傳統買點位式的投放方式，MDP可以通過識別“興趣用戶”進行針對性的投放。
通過優化算法，MDP將收集到的數據進行ID識別，形成多關鍵字的“ID包”；在點位投放的過程中，以ID關鍵字為基準捕獲興趣用戶。一旦發現主動關注的用戶，由廣告平臺進行有針對性的精準投放，從而替代“漏斗式”廣告造成的流量漏出和“注意力浪費”。
2.流量精細化運營。
現有的精細化營銷更多的依賴垂直媒體進行。通過垂直化的廣告投放和潛在用戶留資形成銷售線索，以便後期跟蹤和轉化。由此一來，垂直媒體的覆蓋面和觸達效率成為精準化運營的關鍵，也增加了相應的投放成本。
相比之下，MDP的精細化運營弱化了對垂直媒體的依賴程度，通過多元化的媒體終端來收集公共領域的“點擊流量”，經過MDP的ID識別和標籤化處理將數據導入到數字廣告平臺進行針對性的投放。同時，依靠小程序、公眾號等社交工具進行互動和多次觸達，最終完成銷售轉化。
3.用戶數據全鏈洞察。
造成廣告投放效果不理想的一個原因是各方對“目標客戶”的理解不同。產品設計時的用戶定位和廣告投放時的用戶畫像數據往往存在偏差，因此投放平臺選定的目標人群很難做到完全匹配產品的調性和設計理念。
MDP通過對數據治理串聯起了多維度的“注意力場景”,形成了銷售轉化的數據全鏈。有利於統一數據口徑，保證營銷各環節可以根據同一幅用戶畫像進行用戶洞察，從而形成各方可以共同使用的一種“數據語言”。
四、MDP的三大核心優勢
1.高難度治理。
數據的數量和質量的改變增加了MDP對於信息管理的難度，傳統數據平臺對於異常數進行標準化地清洗。通過平臺的標準化、結構化的數據結構來圈定合格數據，對各字段逐條進行調取和閱讀，逐條排除不符合的“異常值”。逐條排查可以保證單條數據質量，但是仍屬於碎片化的治理方式，難以洞察到數據背後的邏輯關係，不能呈現出全鏈路數據的邏輯全景，也就很難抓取到消費者心智變化的軌跡。
而MDP打通數據ID、拓寬了數據來源，面對的是更加海量的數據和非標準化的信息。這就從客觀上要求MDP對數據的治理需要更加的彈性和“模糊”；通過ID等關鍵字的關聯將不同場景數據進行整合，覆盤用戶的消費行為軌跡。以外部數據標籤和內部知識圖譜為基礎，對數據進行實時化地貼標籤和分類篩選，形成動態地治理結構，從而替代了結構化的固定篩選機制。MDP的動態治理更多地保留了數據的邏輯關係，從非結構化的數據中瞭解用戶的行為特徵。
2.邏輯化分析。
MDP對於用戶數據的分析是基於對應用場景的識別基礎上進行。不同於傳統的結構化數據，MDP不僅對單條數據的內容進行讀取，同時更加註重將相關數據串聯起來，分析出數據鏈背後的邏輯關係和行為特徵。例如較為常見的CRM數據，傳統的數據平臺通過對已有的數據來分析用戶購買行為的規律，通過已有的購買行為來判斷未來發生的可能。
MDP基於消費者行為數據分析購買行為發生的場景和階段，通過URL、APP、location、互動內容來洞察消費者的購買心智，判斷出用戶購買不同產品、所處不同場景的行為特徵從而預判出未來可能發生的場景和階段，針對可能性較高的預測進行量化處理。
3.圖譜化呈現。
傳統的數據分析結果由階段性的輸出為主，通過計算、分析直到結果輸出，呈現出的是對已經發生的行為特徵總結。
而MDP從工程技術層面提升了數據接口的實時性和高效性，隨著用戶消費的進行，實時獲取相關數據同時發佈，最終形成了完整的消費行為數據鏈，呈現的是消費者購買行為的全景圖譜，為進一步分析用戶心智提供支持。
五、MDP的終極目標是數據變現
構建MDP標誌著品牌數據治理能力的提升，但是這僅是營銷數字化轉型的第一步。執牛耳營銷商業研究院認為，能否將擁有的數據轉化成銷售增長，才是考量MDP能效發揮的關鍵，也是判定營銷數字化轉型成功與否的關鍵。
MDP的建立為的是更好地將數據變現，而實現這一目標需要進一步深化對數據價值的挖掘。通過MDP的數據治理結構形成了品牌的“用戶圖譜”，保證了包括A/Btesting、廣告投放、內容管理、動態定價、營銷自動化、銷售自動化等操作的數據需求，同時也為智能營銷奠定基礎。
另外，MDP的數字化屬性為實現和數據交易平臺有效對接創造了條件。通過對接數據交易平臺實現區塊鏈技術的應用，從而完成銷售轉化和數據的實時獲取。
MDP將重點放在了對非結構化數據的深度運營，改變了就事論事的傳統數據治理邏輯，輸出的結果更多的聚焦未來增長的解決解決方案。“立足當下，放眼未來”的MDP，不失為數字化營銷增長的有效解決之道。
閱讀更多 MarTechMedia 的文章
