深演智能DMP数据管理平台
品牌公域营销数据管理及广告策略分析工具,集公域广告数据采集、投放效果分析、人群管理及群体画像分析等功能。深演智能是通过收集及管理第一方、第二方及第三方数据,出具详细的360度人群画像,自定义各种TA人群组合,基于对消费者人群特征、媒介触点、转化路径和媒体价值的全面评估,自动生成媒
- 全数据治理
- 全智能分析
- 全链路闭环
- 高可用、可拓展的技术架构
深演智能是通过收集及管理第一方、第二方及第三方数据,出具详细的360度人群画像,自定义各种TA人群组合,基于对消费者人群特征、媒介触点、转化路径和媒体价值的全面评估,自动生成媒体优化建议及千人千面的智能程序化策略。
深演智能对接了丰富的数据激活渠道,能够验证数据生成的洞察、效果或者价值,实现营销闭环。具体来说,包括以下五个方面:
1.独特数据资源:业内唯一整合三大运营商线上源头数据和线下消费数据,同时积累了海量广告投放数据及交易平台基础数据;
2.数据分析能力:利用大数据及实际投放数据,系统建立了科学的分类逻辑及模型算法;
3.数据应用能力:完整的Lookalike模型及在多波实际投放中验证过的预测模型;
4.充足的开放性:开放的系统和对接模式、能够对接及处理多个数据源;
5.服务经验丰富:具有数十家DMP项目执行经验的企业,服务过的品牌都是各细分行业的TOP级企业,典型的特征是具有丰富的数据。
一个成功的DMP, 不仅仅是搭建一个系统收集数据,而是通过分析、激活数据背后的价值,最终影响企业方方面面的决策,提升效率和效果。黄晓南认为,品牌主搭建DMP要从两个维度去考虑:一是你是否有足够的数据;二是你的数据是否有价值,有没有真正的应用场景。汽车行业就颇为符合这两个维度,既有数据,又有应用场景。但是业内并没有一个完全标准化的产品或解决方案,可以适配所有汽车企业。
在汽车行业,客单价高,决策周期长,冲动型消费值低等都是汽车品牌数字化营销面临的显著问题。对汽车客户来说,以现有的技术和数据第一方储备,掌握的用户转化环节数据很小,仅仅能够确认是否到店和成交,至于用户通过什么渠道获取信息则一概不知。比如,不知道已有客户(保客)具体在哪个环节激发本质需求,也就不知道如何具体推广。另外,品牌主普遍的需求是拉新,怎么去拉来更有效的广告流量、官网访客。拉新的痛点就是拉新渠道,无非就是去找一些汽车相关的垂直媒体,或者去投搜索做竞品的拦截等等,线下4S店做一些宣传活动,总的来说都比较传统比较单一。
并不是所有的营销决策者对DMP的认知都很清晰,他们仍然存在一些误区。如他们知道应该要有一个DMP收集数据,但是不知道怎么产生价值,其次不知道产生哪些价值。
我们直击品牌主对于DMP的核心痛点,来解析深演智能是如何满足客户需求的:
1、人群营销层面,建立消费者的360度人群画像,把第一方特征了解转化为第三方可执行营销的标签。
深演智能DMP帮助把零碎的数据打通,形成一个360度的人群画像,然后把零碎数据形成第一方标签。再把这些内部第一方的数据跟第三方互联网营销数据串联起来,多维度进行激活。比如,以麦德龙为例,希望能够从会员卡号、消费记录了解消费偏好、个人属性。比如按男女性划分,他们的住处、年龄、消费能力等等,把这些串联起来,再把这些内部第一方的数据跟第三方互联网营销数据串联起来,更丰富地知道这个人喜欢买红酒、买牛肉,消费能力又很强,住在上海,同时又是一个体育运动爱好者,关注天气,关注汽车。这样一个360度的画像,能够多维度激活这个TA。
2、评估媒体投放效率。
传统的方式来说,就只能靠秒针系统和AdMaster等第三方监测公司了解人口的匹配率是多少,TA多少,但是并不知道覆盖到的这波人是否产生实际购买及后续行为,没有闭环效果。DMP要做的事情就是把这个东西打通,可以明确知道后续有没有产生更深入的转化,并明确媒体转化路径和顺序。
3、需要一个整体性的报表。
特别对于一些大型客户来说,可能有很多不同的代理,有很多不同的渠道,这样的客户需要有一个配置,可以了解整个投放的汇总情况。他们需要通过一个系统,能够实时的知道所有投放情况,根据投放情况匹配预警机制,相当于一个超小型媒介投放系统,实时去监督整个媒体的投放情况。
4、沉淀数据资产,产生可视化的数据价值。
传统广告行为上面,从接触品牌到感兴趣到购买到转化,我们可以在每个阶段沉淀用户,很清楚地知道到底有多少人是在感兴趣阶段,多少人是完成购买的。
5、千人千面匹配创意和到达页。
深演智能将不仅会通过商品库形成不同的创意,还会让不同的banner匹配不同的创意。深演智能会给不同的人匹配不同的到达页(焦点图、banner),提高转化率和停留率,并且进一步优化创意和到达页。
深演智能DMP的数据处理及流程主要包括四个环节:1.数据收集:通过DMP代码收集客户现有的第一方数据,第二方投放数据,导入第一方平台及第三方外部数据,并建立科学的长效收集机制数据收集;2.数据清洗:利用深演大数据处理能力和服务经验,清洗无用/冗余数据,避免所有由于数据污染所造成的错误决策或资源浪费;3.数据扩展:通过DMP大数据平台,以ID打通、标签丰富、新客lookalike等方式不断丰富 & 强化第一方数据资产;4.分析应用:优化市场营销决策、优化媒体投放、优化用户生命周期管理。
产品规格版本功能说明:
SaaS基础版:
广告行为创建人群
上传ID创建人群
人群管理列表页
人群圈选推送至媒体
各种报表组合查阅和分析
排期创建和管理
代码收数
账号管理
模块权限及数据权限管理
SaaS专业版:
广告行为创建人群
上传ID创建人群
人群放大Lookalike
人群管理列表页
人群圈选推送至媒体
各种报表组合查阅和分析
自定义报表组合看板
排期创建和管理
代码收数
账号管理
模块权限及数据权限管理
SaaS旗舰版:
广告行为创建人群
上传ID创建人群
人群放大Lookalike
人群管理列表页
人群圈选推送至媒体
人群画像报告
各种报表组合查阅和分析
自定义报表组合看板
转化数据媒体归因
排期创建和管理
代码收数
转化数据回传至媒体
账号管理
模块权限及数据权限管理
试用版:为了方便用户更加了解产品,拍下可获得DMP产品基础版本一个月的试用期,到期如未续费正式版,则自动关闭。
全部用户
商品定价
商品价格=订购区间数量1*区间规格单价1+订购区间数量2*区间规格单价2。
举例:通话费率为不超过3分钟的部分按0.3元/分钟,超过3分钟的部分按0.2元/分钟;如果用户通话8分钟,收取的费用为3*0.3+5*0.2=1.9元。
商品价格=订购数量*数量所属区间单价。
举例:通话费率为不超过3分钟则0.3元/分钟,若超过3分钟则0.2元/分钟;如果用户通话2分钟,收取的费用为2*0.3=0.6元;如果用户通话8分钟,收取的费用为8*0.2=1.6元。
商品价格=订购数量*单价。
商品价格为页面呈现价格。