半小时读懂腾讯广告DMP

去年12月中旬，我与腾讯的产品经理面对面沟通了腾讯广告数据管理平台（腾讯广告DMP），我意识到，腾讯广告DMP对于广告主，是一个极为重要的数据工具，它提供了全链路数据服务，是腾讯广告数据能力的集大成者。用好这个工具，能够帮助广告主发掘数据资产的更大价值，对实现更高效的广告投放有非常积极的作用。

数据在今天广告投放中的价值不仅是重要的，而且是不可或缺的。从这个意义上讲，腾讯广告DMP对所有的广告主都很重要。

而其中的一个叫“联合专区”的产品模块，更是腾讯广告DMP中极为重要的功能。因此，在这篇半小时读懂系列文章中，我将介绍广告主应该如何应用腾讯广告DMP，尤其是其中的联合专区。

接入并应用一方数据

我们对一方数据在数字营销上应用的价值的理解，一般都自然而然地会想到它作为智能化广告效果优化中的“正样本”的作用。

除此之外，一方数据对于洞察消费者、优化营销后端的转化，以及深度消费者运营（尤其是私域运营）也都非常重要。

然而一方数据的应用绝非易事，这些“正样本”需要与媒体端的数据和数据能力相结合，才能在上面的场景中发挥价值，腾讯广告DMP特别强化了这一领域的能力。腾讯广告DMP支持的一方数据类型，非常丰富，不要仅仅理解为只有营销转化了的数据才是DMP可用的一方数据。事实上，大部分的数据类型，腾讯广告DMP都支持上传，并得以应用。

在这些数据中，更适合应用于腾讯广告DMP的，还是广告主自有的各类行为数据，包括购买转化、下订单、注册登录、量房申请数据（装修服务企业）、购车意向（汽车主机厂）、试听课申请（教育企业），当然，在App或者小程序上的互动、停留、浏览等等，那更是行为。广告主在不同场景下累积的这些行为数据，无论是来自于你自己的App，还是自己的网站，还是你在微信生态上搭建的，还是线下，都可以接入腾讯广告DMP。不仅如此，与行为相关的属性，例如购买或加购物车的商品的属性、播放视频行为背后视频的相关信息、注册或登录的相关信息、激活的App的相关的属性等，也都可以接入到腾讯广告DMP中。

接入的一方数据越丰富，腾讯广告DMP发掘出的数据价值就越大。

腾讯广告DMP接入一方数据的方式，支持目前全部主流的方式，包括JavaScript代码回传、监测SDK回传、API对接、文件上传。行为数据的格式和属性全部都可以自定义，当然，如果不想那么麻烦，也可以直接用腾讯广告DMP预先定义好的标准进行数据接入。

在联合专区中应用数据

针对具有一定数据能力的广告主，腾讯广告DMP的联合专区将为广告主提供更加灵活的、可定制的、可掌控的数据应用模块。

将一方数据接入到联合专区中之后，可以应用四个高阶数据能力。

应用高阶功能之一：SQL Lab

第一个高阶数据能力，是联合专区的SQL Lab。SQL Lab就是体现腾讯广告DMP灵活性的一个典型功能。

广告主应用SQL Lab，能够拥有灵活的数据查询和分析的能力：SQL Lab提供了SQL编程环境，能够对腾讯广告DMP中的数据实现编程级别的处理能力，并对处理结果以灵活的可视化方式呈现，以人群化的方式应用。

将SQL Lab用在人群数据洞察和商业分析中是一个十分明智的选择。

举个例子，在普通的行业DMP中，你也可以上传自有一方数据，让DMP帮你做人群画像。但是怎么画，都是系统提前预设好的，虽然属性的字段也可以定制，但可供选择的字段范围仍然有限，画像结果常常非常宽泛，难以用于投放策略的指导。

而在腾讯广告DMP联合专区的SQL Lab中，这个问题不是问题，因为，你可以用SQL语言，自己做查询，自己join数据表，这样，所有的字段你都可以用，想做什么样的画像，只要第二方数据中有相关的属性，你都可以做出来。

这样，对于人群的分析维度能够有巨大的拓展，对人群的洞察就会更加细致与落地，对广告投放的策略能起到很好的指导。

这个功能不仅对效果广告主有价值，对品牌广告主同样很有意义。

应用高阶功能之二：Model Lab

第二个要介绍的高阶数据能力是Model Lab，是能够在联合专区内实现一方数据建模的能力。

在Model Lab中的建模是以实现更好投放效果为目的，是精准定位目标用户的利器，属于我认为的必用功能！

应用Model Lab的方法并不复杂。广告主需要圈选自己的数据中作为正样本和负样本的数据，然后交给Model Lab计算。Model Lab会根据你的正负样本和你指定的人群特征建模，从而快速提取人群并用于投放，并可以通过可视化的图表获取预测人群的分布和精准率参考。

Model Lab是“透明的”，你可以自己指定算法，也可以直接看到计算出的数据特征及其相关系数，你也可以看到正负样本在各个特征上的差异程度。

应用Model Lab，广告主还可以对投放结果进行预测，这意味着在投放之前就能够大致比较不同细分人群的转化结果。 

Model Lab这个功能，实际上是对广告主数据能力的一个巨大的解放。过去，广告主非常依赖于一方人群包，但一方人群包尽管相对精准，但覆盖的人群十分有限，无法满足广告主规模增长的诉求。只有借助灵活可定制且可以规模化的数据能力，才能满足广告主不断提升的投放需求，Model Lab为完成此任务而生。

应用高阶功能之三：Rule Lab

Rule Lab则是另一个用来打开人群包“黑箱”的工具。

我们都知道，过去做投放的时候，人群包生成了，广告投放系统会按照人群包来进行投放，而在这个人群包中，很有可能有一部分人群比其他人群更有价值，更值得去投放，如果是竞价广告，值得给更高的出价。

在过去的行业DMP产品中，要实现这一点，只能再单独拆出一个更细的人群包，然后为这个更细的人群包设置更高的价格。但这么做不仅繁琐，而且还可能因为人群包拆得太细，影响投放起量。

广告主可以使用Rule Lab轻松解决这个问题。

Rule Lab很容易理解，其实就是对人群包中的人群再进行更细的规则设置，从而能够对同一个人群包内的不同细分人群也能有不同的投放策略。比如，对人群包中的大于35岁的男性设置更高的出价权重，或者给这个人群包中含有某个标签的人群以更低的出价权重等。

利用Rule Lab的这个功能，还可以为一个人群包中更细分的人群设置等级。

比如，一个人群包有10万个人，具有A标签的人有1万人（A细分人群）、35岁以上的男性有 5000人（B细分人群）、20岁-25岁女性8000人（C细分人群）。利用Rule Lab，可以设置A为等级1，B等级2，C为等级3。在具体投放时，对A人群的出价就会高于B（或是更多将预算向A倾斜），同理，B的出价也会高于C（或者预算倾斜B也会多于C）。

应用高阶功能之四：RTA Lab

联合专区的RTA Lab功能，更侧重于效果类投放的广告主。RTA Lab跟Rule Lab很类似，不过特别应用在RTA广告投放上。关于RTA广告是什么，大家可以看我写的这篇文章：《RTA广告？欺负我读书少？》。

在RTA Lab中，广告主可以设置RTA投放用的人群包，并且可以在人群包中同样为更细分的子人群设置等级，从而针对不同的子人群形成不同的出价，同时腾讯内发机制也能减少加密过程带来的流量漏损。

有了RTA Lab，本身不具备RTA投放能力的广告主，也可以自己完成RTA策略设置，无需与开发团队反复沟通生效策略，实现RTA投放，这极大地降低了RTA广告投放的门槛。 

数据安全问题

在联合专区应用数据具有很多优势，但广告主仍然会普遍担心数据安全问题。

我，作为一个广告主，把数据传给了媒体平台，媒体把我的数据又用在了我的竞争对手上了怎么办？！

腾讯广告DMP 在一方数据安全上要远优于传统的行业DMP。联合专区拥有一个相对隔离的数据存储空间，广告主的数据将会独立存储于专属的私有化存储空间中。这里的数据全部都会被加密，所有的字段也都完全由广告主自己命名和定义（这意味着拿到数据也不知道是什么含义），并且数据绝对不会离开这个空间，未经授权，外部的系统或者工具也不能接触这里的数据。

此外，任何在联合专区内的数据操作，都会提供日志审核记录在案。相当于腾讯广告为了保障广告主的数据安全，为每个广告主打造了一个专人（企业）专用的“数据保险柜”。联合专区里面的数据，不会泄露给任何第三方，如果广告主不再想要部分或者全部数据存在联合专区中，一键就能让相应的数据完全灭失。

因此，联合专区最大程度保障了广告主一方数据的安全。

联合专区的应用建议

这些功能真的有用吗？

太有用了！比如，装修行业中，量房率是一个重要的营销推广的KPI。一个装修企业的量房人群是它最核心的消费者数据。这些数据如果能够利用起来，对这个企业后续广告的投放效果极有帮助。

在联合专区的帮助下，这些数据不仅能够保证安全，还能够利用Model Lab和Rule Lab对它进行细致的定制化的人群圈选、放大以及出价优化。这样投放人群的精度、投放出价的精细度和机器学习优化的能力都能够大幅度提高。若想更深入洞察量房人群，利用SQL Lab即可实现。

比如某装修企业利用联合专区，将它的投放ROI提升了20%，将平均获取量房客户的成本下降了80%，有效表单率上升3倍多。

广告主在投放上应用联合专区，可以遵循如下流程：

1.确定业务场景需求和投放策略；

2.上传数据至腾讯广告DMP并选择“接入用途”为“联合专区”；

3.利用SQL Lab进行数据分析和人群洞察，并可为Model lab产出正负样本和特征；

4.在Model Lab中建模，基于SQL Lab的数据分析结果进行模型评估，之后做效果预估，并提取表现更优的人群；同时，投放的结果，又能够反馈回SQL Lab和Model Lab，并重复上面的过程，从而实现投放效果的进一步优化。

5.如果需要进行更精细的投放，广告主可以在Rule Lab中，进一步对人群制定规则，并配置策略进行投放，也可以配置实验，测试实际投放效果；

6.如果是RTA投放，还可以用RTA Lab的功能设定更精细的人群规则进行投放；

7.实时反馈效果数据，实时调整策略或规则，以及在投放结束后产出效果报告。

通过上面的方法使用联合专区，在快速起量，突破起量瓶颈上对广告主有很大助益。例如，金融行业中某个保险代理公司，目标人群是车主，投放KPI是新增询价用户。利用联合专区投放，比传统投放方式新增询价用户增长近4倍。

所有在腾讯广告中投放程序化广告的广告主都适用腾讯广告DMP。如果有如下场景，更加值得使用这个数据工具。

•对转化效果有极致追求的绝大部分效果类广告主，尤其是：教育、金融、电商，甚至包括汽车。这些广告主尤其适合使用腾讯广告DMP中的联合专区。

•想要做RTA广告，但自己没有基础设施的，用联合专区的RTA Lab可以构建简单的初始化配置，建立专区RTA服务应用，生效广告优化策略。

•对一方数据的应用有需求的广告主，比如很多品牌广告主，需要为自己的一方数据做维度更丰富的画像或更深入的洞察。

腾讯广告DMP的其他亮点

除了联合专区，腾讯广告DMP在其他应用功能上也有很多优化。

1.数据授权能力大幅度升级。腾讯广告DMP有非常灵活的数据授权能力。对各个细分人群的操作权限，可以根据不同的账号进行指定，也可以实现跨账号的人群分享，不再需要不同账号反复建同一个人群。另外，数据的授权范围也变得更加灵活，过去只能对指定BM（商务管家账号）进行授权，现在也可以指定账号，或者指定整个公司进行授权。在不同授权范围下的人群操作权限，也可以具体的设置。多账号多广告的广告主不用再忍受繁琐的数据授权过程了。

2.人群标签和人群洞察有了很大提升。人群标签的行业定制化水平和标签的分级都有大幅度升级。人群洞察数据维度更为丰富，下钻能力也更强。

3.人群计算能力升级。腾讯广告DMP在标签组合计算的基础之上，进一步提供了基于行为数据进行人群圈选的功能。广告主可以在默认界面中基于第一方数据中消费者行为数据，进行规则设置，筛选出人群，并且同样可以对这些通过行为筛选出来的人群与其他人群进行交集、并集或者排除的计算。

4.Lookalike能力大幅度提高，人群拓展精度和人群拓展的灵活性提升，并且可以识别种子人群的相似特征，在腾讯的流量生态中寻找与这些人群相似的人群，既保证人群数量又确保人群的相似性。

其他还有更多应用优化，非常建议大家自己进入系统感受。

总结：全链路数据服务带来巨大应用空间

广告主对于数据的重视程度远甚以往，但应用一方数据一直是各行业普遍面临的难题。

腾讯广告DMP的联合专区就是为广告主应用一方数据提供环境和工具。其根本性的价值，在于帮助广告主发挥一方数据的价值，将营销的后端与触达受众的前端数据能力相打通，并通过一方数据更精细化地管理与优化针对前端的投放，从而在数据层面上实现闭环的、自驱动优化的全链路营销。我们一直认为，唯有在数据层面实现全链路的闭环，才是真正的全链路营销。

总体看，腾讯广告DMP的基础能力以及高阶玩法联合专区，克服了业内传统DMP的诸多短板，尤其是在数据应用的灵活性和可定制化上都有了质的提升。考虑到基于联合专区的数据架构的可扩展性，联合专区在数据应用上可能还会有更大的空间，尤其是建模、规则以及基于这二者的数据智能化应用，都有可能持续为广告主的广告投放带来更多可被验证的效果。

产品手册、解决方案、大咖观点等更多腾讯广告DMP相关内容，点击阅读原文一键了解

最IN观点

相关解读

腾讯广告DMP全新升级，提供全链路数据服务

点击“阅读原文”了解更多