前段时间与一位经营食品的朋友聊起大数据，人工智能。他说“我只是一个卖大米的，DMP对我来说能做什么？”这让笔者想起硅谷精神之父凯文·凯利曾说过“所有生意都是数据生意”，所以在当下，卖大米的也需要懂得数据的生意应该怎么做。

不信你看，被誉为台湾“经营之神”的王永庆，其事业的开端以卖米为生，在把大米送到人家的时候，会记下米缸大小以及家庭人口多少，以便估算下次送米日期。有了这些客户资料，总是能及时送米到各家各户。王永庆的这种方式套用到当下社会，便是DMP（Data Management Platform）的雏形，数据管理平台的出现可以协助企业更好的利用数据做生意。

但为什么要搭建DMP？以及如何搭建？很多企业仍存在疑惑，是不是推广引流积攒庞大CRM数据就能做好呢？

管理大师德鲁克与戴明的智慧共识告诉我们：无量化、无管理；先量化，后决策。通过智能DMP在各营销阶段的介入，如同企业背后隐藏的数据大脑，实现自有流量盘活和价值变现。数据是企业无形的资产，不断挖掘变现的过程，也就是企业进行数据投资的过程。不同的行业在不同的生命周期都会有不同的场景。

· 广告曝光／拉新： 在新用户的获取阶段，通过DMP与外部媒介数据的对接，品牌主能通过以下方式更有效地选择媒介，实现潜在受众的覆盖：

a）媒介投放优化－通过分析已有用户的接触点偏好更精准地购买媒介；

b）潜在受众挖掘－通过lookalike模型，对媒介中的优质匹配流量进行定向投放；

c）人群再定向（retargeting）－通过id mapping，对曾经访问过品牌移动端／PC端的用户，进行精准曝光，吸引其再次来到平台并实现转化 。

这就好比在理财的过程中，通过信息查询、搜集，找到最合适的投资平台。

· 留存／转化：当用户与品牌主无论是通过互动还是购买建立起初步联系，通过基于DMP的个性化内容沟通、个性化的产品推荐、流失预警，能使用户更愿意与品牌保持更长久的联系，让“存款基数”越来越大。

· 复购／服务增值／分享：当用户与品牌建立起稳定的联系后，通过基于DMP的预测性分析，实现用户现金价值和媒体价值的真正增值，让“利率”越来越高。

但是， 由于不同商品的购买频率、单品价值和受众群体不同，因此对于不同的行业来说，DMP的核心价值也有所侧重。

· 快消品／快餐连锁：这类行业的特点是面向大众消费者，消费高频但单价低，且消费的决策周期很短。因此对于这类品牌的DMP，其价值更多在于对LBS信息、网站／APP等用户接触点偏好的分析，以使曝光能尽可能地覆盖到目标人群，提升转化ROI。

· 汽车／房产／大家电：这类行业的特点是消费频率低，但单价相当高；虽然复购率低，但品牌能通过提供创新的售后增值服务，实现更多回报。因此对于这类品牌的DMP，其价值更多在于通过对已有数据的分析，更好地提供以产品为核心的功能优化迭代和上下游服务。

· 美妆／服饰：这类行业的特点是消费频率偏高，单价偏低，但存在冲动性购买，且受众的人口属性特征明显。因此，对于这类品牌来说，基于DMP的个性化内容沟通、以及个性化产品推荐。

· 旅游／酒店：这类行业的特点是消费频率偏低，单价偏高，消费决策周期较长，且服务即产品，消费者在不同接触点感受到的服务态度，都会影响其整体的评价。因此，基于DMP的全流程用户体验优化。

在了解了这么多行业使用方法和真实运营场景后，企业应当如何将低成本有效率的dmp建设融入到实际运营工作当中呢？

一、分别建立PC，移动与社交的三类数据管理平台，而不要希望一蹴而就建立一个大一统的DMP

考虑应用场景和用户行为的闭环，将DMP分拆为针对PC，移动与社交数据的三个系统。首先这三个渠道是品牌可以获取客户数据的主要接触点，但是三个系统的数据在短期内很难实现贯通，同时场景与作用也各不相同。因此为了更好的让一个消费者的行为形成闭环，并能够逐步优化数据和模型策略，可以考虑在短期内建立针对三类数据的独立系统，并慢慢实现贯通。

二、不能只有结果数据还要探究过程数据，这样才能知道用户动作发生轨迹和原因

如果把数据比作生产原料，那么交易流程中会产生大量的数据，但是涉及到流量，企业可控的只有结果数据，也就无法推导原因，形成预测分析。而用户行为数据，应当实时，多维度采集抓取。面对冗长繁杂的跟踪代码，利用dmp智能操作系统，实现抓取任务设置，提高效率，降低人工和时间成本。

三、用户画像，构建整体的DMP的核心

众所周知，人与人之间存在共性和差异，例如姓名，年龄，地域，职业等，这些特征像标签一样存在我们身上，由此即便没有见过某人，也可以根据标签描述形成大致轮廓，这便是利用标签形成的用户画像。切换到营销场景，可以从产品喜好，活跃程度，沉睡状态，购买历史等维度进行用户标签的提取。

如果把数据采集与分析都划为企业在数据化发展道路上的投资，那么最终实现快速价值变现，玩转数据生意的方法，便是融入在各个生命阶段的个性化操作动作。基于DMP核心的用户画像，协助个性化业务模型在各营销场景中的价值变现，形成“无量化、不决策”的科学管理系统。

四、全渠道的用户体验，让数据流动起来

DMP的业务模型涵盖了用户生命周期各个阶段，从如何进行用户留存，到促进复购、交叉销售，从用户的流失几率评估到高价值用户的老带新动作等等。以消费者打车送优惠券的故事为例，当客户出租车订单完结好评后，根据历史产品喜好弹出出租车优惠券加大复购几率，推荐快车专车等其他产品促进交叉销售，提供分享红包增加高价值用户老带新效果，根据评分及登陆频率评估用户流失几率等。利用模型给予智能运营以科学支持。

企业多维度学习历史的用户行为数据，不断自动学习，科学分析用户需求，给予运营动作以科学依据，搭建自动化数据系统，实现全渠道智能数据管理。