执牛耳营销商业研究院 出品 主笔| Guangju Wei
MDP是Marketing Data Plate的缩写，在国内通常译为“数据平台”。以阿里为代表的互联网公司率先推崇并落实数据平台这一理念，主要特点是以企业后台对数据的应用为基础，赋能企业内部的经营管理。
通过对生产、物流、渠道、财务、销售等各类数据的分析和应用，优化企业内部职能划分、架构搭建和流程设计等内容，目标是形成高效、有弹性的组织机构。而这里我们定义的MDP却有所不同，执牛耳营销商业研究院定义下的MDP更强调以前端消费者数据为起点向后端传导信息流，以广告、营销数据为切入点倒推品牌运营管理，提升广告效率，优化企业数据的治理能力。
从数据整合到数据平台，统一管理和应用消费者数据是营销行业一贯的需求。打破信息孤岛、建立完整的数据链，是广告主和品牌方长久以来的诉求。因此，执牛耳营销商业研究院认为，如何多方位获取数据、打通渠道壁垒、整合数据应用成为MDP的优势所在。
一、MDP专注于非结构化场景应用
数据应用场景是MDP区别于传统数据平台的最大不同。
从传统的数据仓库（Data Warehouse）到现在的数据平台，主要是通过已有数据的分析和应用来解决已知问题。以标准化、结构化的数据源为基础采用相对固定的治理架构。
而MDP着重强调的是通过未知的数据逻辑来预判未来的问题，并提出有创意的解决方案。主要是通过非结构化、非标准化的数据应用来实现人货场的智能化信息整合和创新解决方案落地。通过对消费端（顾客）、供应链（商品）、业态渠道（场）的数据采集和集成，形成覆盖全场景的全域数据链；萃取出用户画像，实现数字化服务；并将数字信息沉淀成为价值资产。
二、MDP以动态治理替代结构化筛选
MDP的核心技术之一是能更多的帮助企业收集多元化数据。传统的数据平台是通过企业端以呼叫中心、调研问卷、CRM数据、会员系统数据等方式来获取数据，其获取能力受到企业资源投入的局限。
而MDP在数据端开放了更多的渠道，除了传统的方式之外，还应用了智能探针、广告监测、网站分析、微信、微博、第三方大数据等方式，直接对接和导入原始信息。要求企业将更多的资源用于构建模型和算法设计方面，运行逻辑由专注主动获取转变为强调逻辑运算。通过不断强化的非结构化处理能力对现有的海量数据进行“模糊逻辑”运算，从而“淘”出有创意的解决方案。
传统数据平台主要以CRM的实名数据为主，主要包括消费者姓名、年龄、购买历史、最近一次购买时间、性别、家庭等内容。每个字段都会被清晰地解读，不具体、不确切的内容都会被屏蔽掉。到了MDP阶段，数据主要是反映消费者购买行为轨迹，例如：手机型号、所在位置、访问时间、浏览内容、时间跨度等。每个字段都可以被准确地解读，但是反映的数据内容有限，只有综合起来才能还原消费者的购买路径。由此来看MDP的数据使用逻辑发生了本质的变化，有着完全不同的收集和管理方式。
三、MDP的三大应用场景
1.广告程序化投放。
区别于传统买点位式的投放方式，MDP可以通过识别“兴趣用户”进行针对性的投放。
通过优化算法，MDP将收集到的数据进行ID识别，形成多关键字的“ID包”；在点位投放的过程中，以ID关键字为基准捕获兴趣用户。一旦发现主动关注的用户，由广告平台进行有针对性的精准投放，从而替代“漏斗式”广告造成的流量漏出和“注意力浪费”。
2.流量精细化运营。
现有的精细化营销更多的依赖垂直媒体进行。通过垂直化的广告投放和潜在用户留资形成销售线索，以便后期跟踪和转化。由此一来，垂直媒体的覆盖面和触达效率成为精准化运营的关键，也增加了相应的投放成本。
相比之下，MDP的精细化运营弱化了对垂直媒体的依赖程度，通过多元化的媒体终端来收集公共领域的“点击流量”，经过MDP的ID识别和标签化处理将数据导入到数字广告平台进行针对性的投放。同时，依靠小程序、公众号等社交工具进行互动和多次触达，最终完成销售转化。
3.用户数据全链洞察。
造成广告投放效果不理想的一个原因是各方对“目标客户”的理解不同。产品设计时的用户定位和广告投放时的用户画像数据往往存在偏差，因此投放平台选定的目标人群很难做到完全匹配产品的调性和设计理念。
MDP通过对数据治理串联起了多维度的“注意力场景”,形成了销售转化的数据全链。有利于统一数据口径，保证营销各环节可以根据同一幅用户画像进行用户洞察，从而形成各方可以共同使用的一种“数据语言”。
四、MDP的三大核心优势
1.高难度治理。
数据的数量和质量的改变增加了MDP对于信息管理的难度，传统数据平台对于异常数进行标准化地清洗。通过平台的标准化、结构化的数据结构来圈定合格数据，对各字段逐条进行调取和阅读，逐条排除不符合的“异常值”。逐条排查可以保证单条数据质量，但是仍属于碎片化的治理方式，难以洞察到数据背后的逻辑关系，不能呈现出全链路数据的逻辑全景，也就很难抓取到消费者心智变化的轨迹。
而MDP打通数据ID、拓宽了数据来源，面对的是更加海量的数据和非标准化的信息。这就从客观上要求MDP对数据的治理需要更加的弹性和“模糊”；通过ID等关键字的关联将不同场景数据进行整合，复盘用户的消费行为轨迹。以外部数据标签和内部知识图谱为基础，对数据进行实时化地贴标签和分类筛选，形成动态地治理结构，从而替代了结构化的固定筛选机制。MDP的动态治理更多地保留了数据的逻辑关系，从非结构化的数据中了解用户的行为特征。
2.逻辑化分析。
MDP对于用户数据的分析是基于对应用场景的识别基础上进行。不同于传统的结构化数据，MDP不仅对单条数据的内容进行读取，同时更加注重将相关数据串联起来，分析出数据链背后的逻辑关系和行为特征。例如较为常见的CRM数据，传统的数据平台通过对已有的数据来分析用户购买行为的规律，通过已有的购买行为来判断未来发生的可能。
MDP基于消费者行为数据分析购买行为发生的场景和阶段，通过URL、APP、location、互动内容来洞察消费者的购买心智，判断出用户购买不同产品、所处不同场景的行为特征从而预判出未来可能发生的场景和阶段，针对可能性较高的预测进行量化处理。
3.图谱化呈现。
传统的数据分析结果由阶段性的输出为主，通过计算、分析直到结果输出，呈现出的是对已经发生的行为特征总结。
而MDP从工程技术层面提升了数据接口的实时性和高效性，随着用户消费的进行，实时获取相关数据同时发布，最终形成了完整的消费行为数据链，呈现的是消费者购买行为的全景图谱，为进一步分析用户心智提供支持。
五、MDP的终极目标是数据变现
构建MDP标志着品牌数据治理能力的提升，但是这仅是营销数字化转型的第一步。执牛耳营销商业研究院认为，能否将拥有的数据转化成销售增长，才是考量MDP能效发挥的关键，也是判定营销数字化转型成功与否的关键。
MDP的建立为的是更好地将数据变现，而实现这一目标需要进一步深化对数据价值的挖掘。通过MDP的数据治理结构形成了品牌的“用户图谱”，保证了包括A/Btesting、广告投放、内容管理、动态定价、营销自动化、销售自动化等操作的数据需求，同时也为智能营销奠定基础。
另外，MDP的数字化属性为实现和数据交易平台有效对接创造了条件。通过对接数据交易平台实现区块链技术的应用，从而完成销售转化和数据的实时获取。
MDP将重点放在了对非结构化数据的深度运营，改变了就事论事的传统数据治理逻辑，输出的结果更多的聚焦未来增长的解决解决方案。“立足当下，放眼未来”的MDP，不失为数字化营销增长的有效解决之道。
閱讀更多 MarTechMedia 的文章
