【大数据营销】大数据应用成营销标配，与人工智能结合发挥最大价值—2016新经济、新营销高峰论坛纪要3

九宇资本、省广股份、易简集团、六合咨询联合举办的“2016新经济、新营销高峰论坛”圆满结束，此次论坛吸引300多位投资者和产业届人士参加。此次论坛获得互动派、犀牛之星赞助，超过30位重量级的优秀企业家、产业前沿洞察者、优秀机构投资者参加出席，围绕新经济、新营销的生态构建、发展趋势和前景、投资机会等主题，营销+新媒体、大数据、体育、泛娱乐、泛时尚等领域做主题发言并展开讨论交流，我们将整理本次论坛的精彩内容陆续对外发出，欢迎关注。 

大数据营销对话环节

主持人：六合咨询CEO 李涛

对话嘉宾：艾维邑动创始人 石一、传漾CTO 王跃、互动派董事长 王耀明、MAKA创始人 马雁飞、上海凯淳CEO 王莉

观察员：广发互联网传媒首席 杨琳琳

精彩观点（按嘉宾发言顺序）

1、艾维邑动创始人 石一

艾维邑动是以移动广告为主面向全球的广告平台，公司从2009年开始做移动广告平台，在海外移动广告平台中处于领先地位。公司在国内有3个团队，分别在北京、上海、西安，在海外有6个分公司（北美3个、欧洲2个、印度1个）。公司很早进入大数据领域，开发各种机器学习技术，应用于程序化广告，在相关技术和产品上有不错积累。

最近3~4年随着移动端发展，大数据应用快速提高，特别是原生广告借助大数据应用迎来爆发，其中国外Facebook和国内今日头条做得比较成功。传统的纸媒、电视广告等线下广告投放比较粗放，无法精准定向用户，互联网和移动互联网可以自动收集非常多用户数据，而且很多数据是匿名的，通过机器学习、建模找到跟广告主品牌或推广内容关联性比较大的用户群。原生广告借助大数据应用迎来爆发：原生广告通过大数据、机器学习算法、精准定向和各种互联网技术让广告很精准；原生广告展现不同于图片或Flash广告等形式，更多是和内容结合在一起。Facebook最近2~3年每个季度业绩都保持强劲，增长主要来自移动端，收入主要是广告。区别于传统PC广告，Facebook移动端广告主要是原生广告，原生广告将广告内容和网站内容紧密结合起来，用户较难发现其中的广告。今日头条的广告收入体量可以做到千万级/天，主要得益于移动端原生广告：1、广告形式精准，并得到广告主认可，广告主认可其投放的用户群跟公司品牌紧密相连；2、今日头条作为内容媒体平台，以传统纸媒方式卖广告，按照CPM定价，但通过技术应用大幅提高性价比和精准度，比传统广告效率高很多。

移动端收集的用户数据更精准，但收集难度更大。大数据应用于移动营销首先要解决2大难题：1、数据源足够大、足够可靠，2、让广告主认可公司的数据，接受公司的技术解决方案。PC端和移动端收集数据的方式不一样，PC端上网基于浏览器，基于用户浏览网站留下的Cookie收集用户数据，并基于这些数据建立用户档案。移动端大部分用户是通过各种APP完成各种应用，这对广告公司是很大的挑战。

艾维邑动在移动端收集数据的途径：1、艾维邑动旗下子公司DotC United自研大量APP，目前DAU大几千万；2、公司通过自有程序化广告平台，比如DSP对接很多流量，从前端的SSP或广告交易平台获得很多用户信息，用户信息匹配到唯一的用户ID；3、利用外部第三方数据进行核对，交叉确认用户使用APP的情况。

国外对用户隐私保护的法律更完善，比国内更难收集用户数据。关于用户隐私，欧盟有非常严厉的法律，即使通过Cookie收集数据也要弹窗进行提示，否则用户直接投诉，网站可能会被罚款或其他诉讼。

2、传漾CTO 王跃

传漾的定位是用数据驱动营销，这么多年依托大数据平台建立了一系列营销产品、软件产品。传漾成立于2009年，2015年初被省广收购，目前聚焦全球化移动营销，原来做PC端精准广告网络、针对媒体的广告发布系统、营销系统、软件都是依附在大数据平台上应用的衍生。

从数据广度、深度、技术要求、可预测性4个层次理解大数据：1、数据广度：数据量要足够大，1台PC或其他设备能搞定的数据是最基础的数据，不能作为大数据；2、数据深度：数据可持续进入各环节；3、数据处理技术要求：数据处理的速度要够快，在线实时连续处理；4、数据可预测性：通过一系列算法和技术方法能对这些数据进行更深层次、更智能的应用。

大数据需要与人工智能进行深层次的结合运用才能发挥价值，在大数据中应用人工智能可预测性，包括营销领域的价格预测、流量分布预测等，需要比较复杂的机器学习支撑。大数据在营销中的应用：1、通过大数据一系列的技术、校验不断提升预测能力和准确洞察消费者的能力，前期跟品牌进行更好的数据沟通，基于对消费者的理解制定营销方案；2、这些数据是动态的，结合客户第一手数据和第三方数据进行多方数据联动的多维度处理；3、通过大数据分析消费者特点、生活节奏、对媒体的喜好、关心的话题等，帮助制定营销推广策略，以及客户产品未来的设计定位。

传漾跟省广有很强互补性，借助省广的客户资源和大数据项目，传漾跟BAT等巨头能更好合作。公司通过跟BAT巨头交换数据、互相验证彼此用户信息，BAT在社交、商业、电商等领域需要第三方公司的数据取长补短，只有省广这样体量的公司才能去做这件事。

省广大数据平台主要包含跟媒体合作的数据、跟客户合作的数据、执行投放的数据，这些数据和外部数据都汇聚到这个平台上形成基础的数据库。公司会给客户提供私有化的DMP平台，应用公司的技术，为大客户定制大数据平台。客户不需要重复构建他们的数据平台，使用公司统一的技术、产品，使公司的数据分析和来源更有价值。公司从客户获得宝贵、广阔的数据，并进行统一整合，更好更深入地理解消费者，为省广的客户制定营销方案。

3、互动派董事长 王耀明

互动派于2012年底成立，为企业提供大数据解决方案，客户主要集中在快消、汽车、母婴等行业的大品牌，比如宝洁、美的、伊利、顺丰等。公司切入点与传统4A广告公司不同，更多从数据融合到数据挖掘、数据的场景应用进行布局，最主要的逻辑是不断增加用户标签。公司接受投资也跟产业互动比较多，最近跟上市公司和而泰在智能领域的合作比较多，包括投资金融征信公司誉存科技，完善公司的用户标签。

目前大数据变现比较成熟的2个领域是征信和营销，数据驱动的营销方式会越来越多。大数据在营销中的运用逻辑：随着移动互联网发展，消费者越来越互联网化、数据化，品牌、消费者和数据的连接机会和可能越来越多，品牌很愿意基于数据做很多应用场景的尝试。消费者数据化的可能性越来越多，线上数据收集将逐渐代替线下采集，虽然一开始可能不会太精准，但基本上能达到一些用户的需求，比如最近公司很多订单是从竞争对手尼尔森那里切过来。

公司核心团队有十几年做数据挖掘的基础，并从2013年开始在场景应用中积累很多数据，目前积累DAU大几百万的用户数据。公司数据来源主要包括：1、爬虫数据，公司核心团队在自然语言处理、大数据挖掘领域有十几年积淀；2、公司有一些大平台接口数据的合作；3、公司积极进行数据交换，特别是与品牌商合作；4、自有数据，包括与DMP合作及监测数据，在Social CRM系统中积累很多数据。公司依托自有知识产权的数据采集工具和数据管理平台，建立和运行“自有数据源+公开数据源+行业数据联盟”的数据体系，如与微博、阿里巴巴、运营商等进行深度数据合作，建立行业数据联盟，与行业合作方进行数据脱敏标签互换等，目前拥有10亿级别ID的各类数据以及对应千亿级别的事务记录。

4、MAKA创始人 马雁飞

MAKA是H5在线创作工具，现有1千万用户，平台上每天生产10多万H5广告内容。MAKA现有3万多名第三方设计师，每天针对不同行业不同场景生产大量创意内容供企业使用。公司开发各种基于H5的商业转化功能，比如各种表单功能、电商体系、游戏化互动组件，帮助企业通过H5内容营销与客户互动、促进转化，收集分析跟H5相关的数据，尤其针对社交媒体流量，帮助企业进行广告投放。

PC本质上是生产力工具，而手机已成为人的一部分，移动互联网可以比PC采集到更多数据。在PC端的数据采集是基于浏览器网页，通过爬行等各种方式；移动互联网市场和生态被苹果IOS和谷歌安卓建构成APP生态，很多数据被割裂在各个APP里，很多APP不公开数据，比如从微博PC端可爬到各种数据，但在微信里不可能爬到朋友圈或微信群数据，这给数据采集带来比较大挑战。现在大量数据掌握在有大量用户、高活跃度用户的BAT等公司手里，而营销公司绝大部分是以第三方身份出现，如何采集到这些数据是比较大挑战。拥有自有用户或流量的公司在自己的平台上积累大量数据，同时需要什么数据可主动引诱用户提供，而作为第三方在数据的获取来源和技术上都面临大的挑战。

内置浏览器+H5模式成为超级APP的标配，H5应用很好的利用现有海量DAU的超级APP快速获取数据。独立APP没有千万以上DAU很难讲大数据，而千万DAU的APP主要集中在互联网巨头手中，因此真正的大数据公司是拥有大量用户、用户内容、用户互动的公司。千万DAU的APP加内置浏览器成为标配，比如国内的微信、微博、QQ等，国外的Facebook、Twitter、Linkin等，APP内部的互动有内置浏览器，很多内容也是从内置浏览器里获得，内置浏览器的网页作为内容沉淀在APP里。采集数据要有足够的DAU，在APP被分割成信息数据孤岛，而超级APP被少数巨头把控的情况下，从H5角度获取数据是最有效、可行的方式之一。MAKA目前对大数据的应用比较少，主要是采集数据，更多是为客户提供基于作品本身浏览量数据的分析、不同作品之间交叉的数据呈现，帮助客户了解传播效果、优化传播策略。

5、上海凯淳CEO 王莉

上海凯淳主业是帮助企业做CRM管理（客户关系管理）和电商运营的外包服务，刚启动挂牌新三板。公司服务于航空、快消、化妆品、食品、汽车等众多行业，目前合作的客户包括东航、通用汽车、欧莱雅、联合利华、双立人等。

数据来源多元化，需要有很强的数据整合、挖掘能力，以及实时运算、处理能力。以前数据库不够大，通常片面的从某个渠道抓取数据，现在营销渠道非常广，从不同平台过来的数据库需要整合到后端平台进行整合分析，是很多层面上做整合的能力。实际运作数据的公司通过数据分析挖掘出看似不相关的事物之间独特的联系，进行客户洞察，帮助企业实现更好营销。同时大数据分析需要实时运算、处理的能力，对不同渠道的数据打标签、衔接，对用户进行画像分析其特点，依托用户标签进行精准的用户洞察、分析和营销。

目前的大数据分析需要整合各渠道各环节的数据，进行平台整合，公司没有自己的数据库平台，而是用客户的数据库整合分析。在电商业务中公司帮客户把在淘宝、京东、亚马逊、1号店等平台的数据转移到自己的数据平台，并为客户提供各种分析，包括PV、UV、转化率、二次回馈分析等，基于用户点击浏览习惯、公司分析模型进行用户画像；完成数据各方面采集打标签后，将逐渐积累起来的信息作为分析依据，把客户洞察做得很细，再做主动营销，比如交叉营销，根据消费者购买行为主动推荐其他产品。很多客户将线上、线下的用户群分开分析，公司将线上、线下2个平台整合到一个大的数据库里，使用户画像更清晰、精细。企业有很多销售渠道，包括线上渠道（微信平台、APP、官方网站等）、线下渠道等，公司用分布型的数据库将这些渠道的数据接口以大数据的方式整合到一个数据平台上，再实时的打标签、识别，然后分析、应用，帮助品牌实现销售。

详细纪要：

李涛：从IT时代进入到DT时代，大数据应该是很多营销公司的战略方向，首先请各位嘉宾简单介绍一下公司，再展开后续的讨论。

石一：我们公司是做全球的广告平台，主要以移动广告为主，公司在2014年年底的时候被A股上市公司天神娱乐收购。公司从2009年开始做移动广告平台，在海外移动广告平台中算是比较领先的，按照Q1第三方机构排名，我们是全球排第2的。公司在国内3个团队，北京、上海、西安，在海外有6个分公司，分别在北美有3个、欧洲有2个，还有1个在印度。

王跃：我们传漾是2009年成立的，很高兴去年初加盟省广大家庭。传漾成立时的定位就是用数据驱动营销，这么多年一直都是以大数据平台为依托，在此基础上建立了一系列营销产品，包括一些软件产品。我们目前比较聚焦在移动的全球化营销，包括PC原来做的精准广告网络，还有一些针对媒体的广告发布系统，几个营销系统、软件都是依附在大数据平台上面应用的衍生，也很开心在这里跟大家做一个探讨。

王耀明：互动派是2012年底成立的一家公司，我们现在的服务是为企业提供大数据解决方案，现在从做数据融合到数据挖掘、数据的场景应用，聚焦的客户集中在一些大品牌，类似于英特儿、顺丰、宝洁、伊利这些公司。我们切入点跟传统4A公司的策略不一样，我们更多从数据挖掘角度出发，我们在数据这方面布局最近做的比较多。我们现在最主要的逻辑思路就是把我们的用户标签打完整，接受投资也跟产业互动比较多，类似最近跟上市公司和而泰，和他们的合作是做智能的数据比较多。最近我们也投了做金融征信的公司，完善我们的用户标签。我们客户群主要集中在快消、汽车，还有母婴这些行业。

马雁飞：简单介绍MAKA，首先MAKA是H5的在线创作工具，现有1千万用户，每天十万多H5广告内容从平台上生产出来。另外一方面MAKA也是国内最大的用户创意平台，现有3万多第三方设计师，每天针对不同行业不同场景生产大量的创意内容，供企业使用。另外我们也在开发各种基于H5的商业转化功能，比如说各种表单功能，包括电商体系、游戏化互动组件等，希望企业通过H5内容营销，企业跟消费者之间的互动以及相应的商业转化。我们还做了很多跟H5相关的数据收集和分析，针对尤其是社交媒体流量，去帮助企业做流量投放。我相信在座可能非常多朋友都用我们的产品，就不再做过多介绍。

王莉：我们企业名字是上海凯淳实业有限公司，可能听我们公司名字很难猜到我们公司是做什么的。我们主营是帮助企业做CRM管理，也就是常说的客户关系管理，还有电子商务运营的外包服务。我们合作的品牌跨行业比较广，有航空、快消、化妆品、食品、汽车板块都会有，目前合作的客户比如说东航、通用汽车、欧莱雅集团、联合利华、双立人等。我们有幸今年和省广有一个合作，今年6月刚启动新三板挂牌。

杨琳琳：我是广发互联网传媒分析师杨琳琳，我这边看传媒有四五年。大数据主要应用领域就是营销，现在很多营销公司将大数据营销作为公司非常重要的战略，背后的逻辑是什么？大数据营销的关键环节，技术方面的关键点在哪里？

石一：我觉得基于大数据做营销并不是新概念，因为大家提到现在，传漾做的比较早，我们也做的比较早，业内很多公司基本上在2008~2009年这个时间点就开始做了。主要的核心在于广告界有句老话，广告有一半的钱都浪费了。针对一般的BTL媒体，比如传媒的纸媒、电视广告这样的媒体，其实作为广告主没有办法很精准地去定向到他的用户群，更多是在某一些节目上面播放一些广告，相对来说是比较粗放式地在定向他的目标用户。随着互联网和移动互联网的发展，我们可以以自动化的方式收集到非常多用户数据，可能有些人认为有些隐私问题，但是很多数据就是匿名的。通过这样的方式，通过机器学习的技术，通过建模可以自动化找到什么样的用户可能跟广告主的品牌，或者跟广告主想推广的内容是关联性比较大的。从2008、2009年开始在PC广告大家一直在说程序化广告。

随着移动的发展，最近这3、4年这个概念更加根深蒂固了，在移动端我们也看到，也就是原生广告发展的非常好。Facebook在最近2~3年每个季度的业绩都非常不错，增长也非常不错，它的主要增长点是来自于移动端，主要营收来源是广告，但是他们做的广告和传统的PC上的Banner广告是有区别的，他们做的是原生广告。原生广告的概念是大家把这个广告内容和原来的网站内容紧密结合起来了。

所以说可能用户在看广告的同时他不一定可以直接发现这个是一个广告，第一通过大数据包括一些机器学习算法，包括很精准的定向，各种各样新的互联网技术，可以让广告做的非常精准。第二从广告展现方式来说，不是原来的图片或者Flash广告，不会很傻，不会很突出，而更多是和内容结合在一起的。随着移动端的发展，原生广告非常好地应用了大数据的这些东西。

包括之前我们听到前面两位嘉宾包括赵总和陈总讲的今日头条，他们一天的广告收入可以做到千万人民币的量级，他为什么可以做到千万人民币的量级，主要因为他做的移动端原生广告。第一是原生广告，第二他的广告形式是非常精准的，就是精准到让广告主可以真的认可他投放的用户群跟他的品牌是紧密相连的。第三还有一个非常重要的一点，媒体本身的属性，今日头条目前卖广告的方式更多地是以传统的，别人卖纸媒的广告方式在卖，以CPM的方式，所以它的广告收入非常大。相当于它用传统的方式卖广告，但是通过技术应用它的性价比和精准度比传统投放广告效率高很多。

对于我们来说Avazu或艾维邑动这个公司，非常早就在大数据领域，或者说做各种机器学习技术，我们把所有这些概念统称为程序化广告，在程序化广告上很早就开始挖掘自己的一些技术和产品。在这些领域最重要的一点，第一点你的数据源是不是足够大，是不是足够可靠，你收集到这个数据点；第二在于可能有的时候，你自己认为在实验里这个数据是可靠的，但不代表广告商投放出来他认可这个效果，让广告主认可也是非常重要的一点，从我们作为广告平台公司的角度来看。所以我们在近几年花了非常多力气，投入非常多资源，一方面是提升本身在大数据和程序化广告这方面的积累，以及在市场上的壁垒，让广告主可以更好地接受我们的技术解决方案，谢谢！

王跃：石总从多个角度阐述大数据营销的环节，我也在多个场合表达过在大数据领域的看法，很多人对于大数据还是有一些比较模糊的概念。在百度上面我们看到会有一些定义，我个人对大数据的理解想从4个层次，或者说4个方面解释一下。

第一，我们认为大数据的特性是要有一个广度，也就是说你的数据量要够大，如果一台PC就能搞定的数据是最基础的，不能作为一个大数据。

第二就是深度，除了数据来源要广，另外数据是不是能够可持续性地进入各个环节，这是我们认为的第二个层面。

第三个偏应用层面，我们认为你数据处理的速度一定要够快，这是对技术上的一些要求。如果你持续在离线，跟不上数据处理的速度，那么你大数据的价值很难快速适应这个时代或者被商业化。

第四点也是更重要的一块，在这些数据基础之上要有一个可预测性，这也是要通过你一系列的算法和技术方法能够对这些数据进行更深层次、更智能的应用，这是我对于大数据四个层面的一些观点。

在营销层面来说，刚才陈总也讲到我们对消费者理解是怎么样的，那么通过大数据的技术或者是手段，跟原来我们通过一些市场调研公司去通过发放一系列小样本的问卷应该是两个层面。从准确度来说，也许在某些个例上很难比一对一、面对面的调研有更准确的结果呈现。

但是我们可以通过大数据一系列的技术，或者是校验，不断地提升他的预测或者对消费者准确洞察的能力，这对我们前期去跟品牌做更好的数据沟通，根据消费者的理解去制定营销方案，这些都有很大帮助。同时这些数据也是活动的，包括我们可以对客户第一方的数据，结合第三方的一些数据进行多方数据联动的多维度处理。

我们会看到我们的消费者更喜欢在哪些媒体上去做应用，更关心的话题是什么，他们每天生活节奏，消费者受众他们的特点是什么，这样对于制定营销的推广，甚至包括客户产品未来的设计定位都是有很大帮助。这也是我们这么多年一直秉承要有人工智能可预测性在大数据里的应用。当然这也包括营销领域里面的价格预测、流量分布的预测，这些都是需要与其相关的，比较复杂的机器学习的技术去做支撑的。最后我想表达如果大数据不能跟人工智能或机器学习去做更深层次运用的话，那它的价值可能就没发挥好，这是我的观点，谢谢！

王耀明：我也简单分享一下，现在在大数据领域相对比较成熟，变现比较成熟的有2个，分别是征信和营销。营销大的逻辑应该是这样的，第一特别是现在移动互联网的发展，消费者越来越互联网化、越来越数据化，这是一个大前提，有了这个数据化、互联网化前提后，品牌、消费者和数据的连接会有越来越多机会、越来越多可能。而在这个移动互联网年代，品牌方也很愿意通过数据做很多应用场景的尝试，这几点多方撮合，大数据应用特别是数据驱动的营销方式会越来越多。

从我们自身的企业实践来看，最近我们很多订单是从尼尔森这样的竞争对手那里切过来，以前可能更多通过线下采集数据，慢慢被这种互联网化方式切过来。虽然说可能一开始不会太精准，但基本上也能达到一些用户的需求。我的大逻辑就是消费者慢慢数据化，品牌跟数据、消费者的连接、数据化的可能性越来越多，而品牌又非常愿意去做这方面的场景应用，所以说大数据驱动营销这个趋势是非常明显的。

马雁飞：谢谢王总的分享，刚刚几位都提到了大数据处理的环节，包含了采集、应用，其中非常重要的前提是如何采集到这些数据，我们在PC时代跟移动互联网时代面临非常大的挑战。首先移动互联网可以比PC采集到更多数据，PC本质上是一个生产力工具，而手机已经成为人的一部分，我们可以采集到更多数据。

PC是基于浏览器采集的过程，大家可以从网页里采集到非常多数据，可以通过爬行等各种各样的方式。而在移动互联网时代，整个市场和生态被苹果的IOS和谷歌的安卓建构成一个APP生态。而APP生态很多数据是被割裂在各个APP里面，甚至很多APP是不公开数据的。比如说很典型的是微博，可以从微博PC端爬到各种数据，但在微信里面就不可能爬到别人朋友圈的数据，也不可能爬到整个微信群的数据，那就给数据采集带来非常大的挑战。现在最大的大数据公司还是掌握在那些有大量用户、自己有高活跃用户量的BAT等公司手里。作为营销公司绝大部分是以第三方身份出现，第三方如何采集到这些数据是非常大的挑战。

作为一个大公司，首先这些数据就在自己的平台上，非常好去处理，需要什么数据可以主动引诱用户提供。而作为第三方不管从数据的获取来源，还是技术上都带来非常大的挑战。我想强调，一个是我们如何用更好的办法获取更多数据，另一方面因为绝大部分营销公司都是作为第三方分析，我们该如何处理好这些数据，如何把这些数据更好结构化起来，这是很大的挑战，也是非常大的机遇。

王莉：我们团队包括我自己本身做传统的CRM做了很多年，接触数据库是很久以前就做的，因为我们也帮品牌对他们的消费者做了各方面的分析。当时也不叫大数据，现在大数据叫了好几年，大家都在说做大数据。

在我看来，我们从我们自己行业的分析来看，刚才也提到了一些非常有见地的观点，在之前说数据库相对来说不够大，还是比较片面化地从某个渠道抓取的数据。目前在营销渠道非常广，社会化媒体非常广，从不同平台过来的数据库，能不能整合到最后后端一个平台去做整合的分析，这个其实是很多层面上去做整合方面的能力。

我们以前也听到过啤酒和尿布的关系，怎么把这2个完全不相干的东西牵扯到一块，而最终这两者本质上是有联系的，这就挑战实际运作数据的企业或者公司去从数据的背后看到他很多独特的一些，比如我们讲客户的一些洞察，从这些洞察里面帮助企业或者帮助品牌实现更好的营销或者销售。

在这个方面，很多企业目前我相信也在做这方面的工作，我们实际的客户群里面有很多这种案例在运行，还有对我来说比较客观的区别，之前的大数据不是实时在处理，实时在运作的，现在的大数据要做到实时的功能。其实中国很明显，我们以前做忠诚度管理，在中国很难有忠诚度，最大的忠诚度就是价格的忠诚度、促销的忠诚度，只要这2个一上忠诚度立马能做到，但除去这2个之外客户的忠诚度是很低的。

数据方面，其实一堆数据放在那边不用，中国典型地在营销上面，很明显只要半年不动它，这个数据没有太大的用处。现在做到很多各方面各环节各渠道整合来说，难度更大。我们现在需要做的是实时地把各渠道过来的数据，第一方面做平台整合，第二方面做实时的，比如打标签，在各渠道要知道这个数据是哪个渠道过来的，特点是什么，再跟其他渠道的数据做对应的衔接，看这2个背后是不是同一个人，从这背后去看这个人的特点。

从这个挖掘中去看，我们还能帮这个人做什么，挖掘出再针对性，比如说有个品牌是奶粉，妈妈是非常明显典型不同的客群，不同孕期、不同小宝宝的周期都会造成我们营销分成非常精准的不同年龄段去做分析。标签一旦打了之后，营销出去的东西是非常精准的，完全按照不同阶段的人群给到他信息，拿到的东西是完全不一样的。这是精准地去做消费者洞察、分析和营销，这是在我看来目前在大数据背后可能各个企业在做的一些东西，包括自己运作看到的一些东西，谢谢！

李涛：各位嘉宾都谈到了行业层面看大数据，后面针对公司提问。像石一这边，Avazu旗下资产比较多，我们可以理解Avazu在海外出海领域是BAT这种级别的。在出海这个层面，Avazu对数据的积累非常丰富，而国内跟海外互联网是不同的，海外的各种数据积累Avazu是怎么做到的，在营销领域如何运用，帮助国内企业出海？

石一：在数据领域，国内和海外的区别主要是来自几点：第一是PC和移动端数据本质上有区别，不管我们看国内还是国外，在PC上收集数据的方式跟移动端不一样。PC端上网就是基于浏览器，用户基于浏览器在每个网站上浏览都会留下自己的Cookie，然后通过Cookie各个公司收集各种数据，再根据这些数据建立客户的档案。在移动端大家上网习惯更多是基于APP，大部分移动端用户寻找信息、打游戏或做其他事情不会像PC那样。在PC端玩游戏是开浏览器玩页游，上资讯网站是通过浏览器看新闻，但在移动端看新闻有今日头条，打游戏有自己不同的游戏单独的APP，关于健身资讯打开一个Keep，针对每个领域的APP。

至于国内和国外收集数据的区别，在法律上有本质性区别，在国外很多地方比如像欧盟有非常严厉的关于用户隐私的法律，就算是通过Cookie收集数据，也需要用户明文去同意的，你必须弹出一个弹窗，不然不允许直接在这些地区收集信息，如果用户直接投诉的话可能会涉及到一些罚款或其他的公诉。

在移动端从技术来看，对广告公司更大的挑战是怎么样在移动端更好地收集数据。在移动端我们现在的做法，一方面有自己的一些APP，这些都是在Avazu Holding下面的一个子公司DotC United，现在有大几千万的DAU。第二通过我们的程序化广告平台，比如说DSP，我们也对接了很多流量，前端的SSP或广告交易平台本身给我们传输很多用户信息。所有的用户信息都会匹配到一个唯一的用户ID，这个用户ID可以跟设备相关，比如说安卓ID、MEI、SSID等，也可以命名化做过处理，比如通过加密的一些ID，通过这些也可以收集到数据。我们的做法是自己的APP收集到这些数据后，同时也会用外面第三方数据，通过拼流量确定哪些用户使用哪些APP以及APP在移动端的使用情况，这些用户使用APP不同的形式来收集数据。在PC端大家比较熟悉的方式就是在不同网站上加不同的JS代码，加代码通过Cookie的方式收集数据。

李涛：石一这边我们看到已经形成研发+发行+推广的全产业链，有一套对数据完整的应用，DotC United最近也完成了大额融资。传漾是老牌的互联网公司，进入省广体系后着力打造大数据底层系统，作为4A公司基于大数据的营销与新兴数据营销公司相比有哪些优势？

王跃：刚才石总讲得比较偏技术化，对数据采集和收集来源在移动端的解决方案。传漾作为省广集团旗下的公司，我们当初选择加盟省广这个大平台也是跟多方去做过比较，我们认为我们跟省广之间会有非常强大的互补性。原来对技术、软件的应用我们会碰到一些瓶颈，这些瓶颈主要在于客户的资源整合，另外跟巨头之间的谈判能力不够。

我们有一些产品和技术可以继续支撑，但是我们缺少更好的平台、更大的舞台。跟省广战略合作之后，趁着大数据项目东风，我们跟其他的比如BAT巨头的合作会更加顺畅。我们传漾本身能力达到了，至少在品牌上面，我们会先通过跟这些BAT巨头之间进行数据交换，互相去验证彼此用户的信息。

对于BAT来说要有第三方公司对自己的数据取长补短，包括社交的、商业的或是电商的，只有省广这样体量的公司才有可能去做这件事。传漾除了帮助省广一起做的，和其他大公司合作，同时会联合旗下其他公司去做一些事。省广本身的大数据平台主要包含了跟媒体合作的数据、跟第一方客户合作的数据，我们在执行投放的一些数据，第一方、第二方、第三方的数据都能汇聚到团队的大平台上，是一个基础的数据库。

同时我们会给客户提供一个比较私有化的DMP平台，为大型客户定制他们的大数据平台，应用我们的技术。一方面让我们的客户不需要重复地构建他们的数据平台，同时把我们统一的一套技术，包括产品应用在各个品牌客户身上去，同时在于我们数据的分析和来源也会更加有价值。我们对这些数据统一整合之后，从大到小两个层面，我们可以拿到非常宝贵、更加广阔的数据，为省广集团层面的客户去制定他们的营销方案。更重要的是我们能够更好地更深入地去理解他们的消费者是什么样的，这个我觉得对于整个省广平台来说是很大的帮助。

李涛：互动派是一个新兴的大数据营销公司，在挂牌之前获得和而泰比较大的投资，已经深入做场景化的大数据营销，包括智能家居、企业征信/个人征信。这种场景下数据获取非常困难，而且大数据营销涉及到隐私，需要更精准地去投放。王总分享一下我们怎么在这种特定场景下获取数据，以及基于大数据的精准营销。

王耀明：我们可能跟产业的，比如像智能家居，产业自身也有很多数据量的处理，但是它缺了一个环节，缺了用户跟消费者，他的数据可能没有走出课题，而我的数据可能在课题以外，所以我跟上市公司和而泰之间的合作可能就有了一个窗口。在我们自己数据积累过程中，我们有十几年做数据挖掘的基础。另外在2013年以来一直做场景应用，也累积很多，从数据获取来讲最主要集中这几块。

第一个就是我们一些爬虫数据，我们核心团队在自然语言的处理或在大数据挖掘有十几年的积淀；

第二我们有一些大平台接口数据的合作，这是一个非常大的点；

第三，自己也会积极布局一些交换的数据，特别是跟品牌商合作；

第四，自己的自有数据，包括跟DMP合作和对数据的监测，自己在Social CRM系统中积累很多鲜活的数据，现在日活跃用户有大几百万的数据。

这一类再加上行业数据，慢慢变得更鲜活。我们在大数据应用现在是刚刚开始，还没有到产业爆发或前面场景应用的可能。

杨琳琳：互动派是一种场景营销，MAKA和凯淳也是不同的场景营销。MAKA是做H5场景的创意营销，公司积累了非常多用户，沉淀了很多数据，基于社交平台的H5数据积累，跟独立APP的数据积累有什么不同，这些数据对大数据营销的作用，在社交平台上大数据营销的策略？

马雁飞：我先简单回应一下做独立APP采集的数据跟H5采集的数据有什么不一样。首先讲到大数据，如果自己做APP没有千万DAU是很难讲大数据的。而千万日活跃量的APP集中在少数互联网巨头手里，因此真正的大数据公司一定是拥有大量用户、用户内容、用户互动的公司。现在越来越鲜明的特征，千万日活的APP加内置浏览器成为标配，像国内的微信、微博、QQ非常典型，APP内部的互动有内置浏览器，非常多的内容从内置浏览器里获得，而内置浏览器里的网页可以作为内容沉淀在APP里，像国外Twitter、Facebook、Linkin非常典型，都有内置浏览器，超级APP+H5模式基本成为所有超级APP的标配。虽然我们自己没有千万日活的APP，但我们在超级APP的访问量有千万日活。

在APP被分割成各个信息数据孤岛，而超级APP被少数巨头把控的情况下，从H5角度获取数据是非常有效、可行的方式之一。当然H5采集数据也会受APP的限制，前提是采集数据要有足够的日活，自己做APP不会有那么多日活，H5很好地利用现有超级APP海量日活的平台快速获取数据。

第二个问题大数据应用，简单来说MAKA现在在大数据应用层面做的还比较少，我们在数据采集方面做了很多工作，但在数据应用方面做的还比较浅，现在给企业用户提供的更多是基于作品本身浏览量数据的分析。另外基于不同作品之间交叉的数据呈现，帮助他们了解传播效果、优化传播策略。另外一方面比较开放的，像王总讲的，我跟互动派有非常多紧密的合作，互动派在数据、数据技术方面都有非常多的积累。

我们在数据采集方面每天有大量数据可以采集，跟王总也是长期朋友。我们在这个方面是以更开放的心态跟大家合作，因为数据从长期来看价值在于大家共享，大家共同把它的价值呈现出来，然后帮助企业更好营销。单一一个企业掌控的资源永远是有限的，有可能有些公司技术方面更强，有些公司在数据采集方面更强，有些公司在客户应用层面会比较强，非常感谢这样的会议把大家串联起来，提供更多合作机会。谢谢！

杨琳琳：请问凯淳王总，您在广告效果这块应该有比较切身的体会，能不能举个例子，基于大数据对广告主从营销到最后产生效果，尤其是对收入的影响？

王莉：我们公司跟其他几位有点不一样，我们不是自己的数据库平台，我们用的可能都是我们客户的数据库，有几千万、几百万、几十万的用户群，在不同平台上我们做CRM也做电子商务。在京东、淘宝、1号店、亚马逊等平台，电商板块我们有很多用户群在上面，那么我们会通过渠道对口的平台跟我们公司内部有一个对接。

第三方平台上的数据怎样更好地转移到客户群，或用户自己的手里拥有或直接使用，这是现在很多客户或用户在看在关注在做的事情，我们也是帮客户去做，把第三方平台的数据第一时间转到我们自己的数据平台上面。这个是属于线上这块，很多客户我们帮他画一个具体的特征，比如平时讲PV、UV还有转化率这些，怎么让非品牌用户群的客户变成我们的客户，这是第一步。

通过数据库，通过平时点击浏览的习惯，比方说奶粉，他喜欢哪个阶段的奶粉品牌，然后根据这些分析，通过我们的分析模型，看用户画像是怎样的。他买了这个产品之后怎么二次回馈的，这是变相增加我们的销售，因为你抓住一个新客户的成本远高于留住一个老客户的成本，因此在二次回馈和三次回馈方面我们做很多数据分析。

我们有交叉营销，消费者买了这个可能顺便也买相关的产品，我们会主推这些产品给用户，通过旺旺或者下载渠道正面推进，这个是在线上做的，基于数据各方面的采集和打标签后，慢慢积累起来的信息作为分析依据，把客户洞察做得很细，再做主动的营销。在线下很多客户在我们这边做CRM又做电子商务，这方面的整合对我们品牌或客户是非常大的优势。很多企业是线上、线下的客户群分别在一块，我们是可以把线上线下这2个平台整合到一个大的数据库里去，这样对某个客户的画像更清晰，把客户线上线下各种感兴趣的东西都整合到一起。这样我们对用户的分析，对他以后购买行为的揣摩，更容易精细，更容易实现销售目标，最终帮助品牌实现销售。

最后衡量业绩的标准是间接或者直接增加销售，这是我们目前在做的。比如我们刚刚举的品牌，他有很多渠道，有线上销售渠道、微信平台、APP渠道、官方网站，这些渠道所有的数据接口用大数据的方式整合到一个数据平台上去，用分布型的数据库把各渠道的数据信息分布到一个大的平台上，再实时地给数据打标签、识别，然后分析、应用，这是目前在做的，谢谢！

李涛：大数据营销大家听起来比较抽象，但我觉得是后面互联网基础，像我们生活中的水、电，涉及到互联网各个方面的应用，价值非常大。

六合咨询：挖掘明日之星，发现价值，传播价值。

六合咨询

微信公众号：lhzx690

加入六合新三板投资群：加微信lhzxxsb（六合咨询）

业务合作微信：48807395、LiTao_TMT

邮件联系：[e-mail]

实习生通道：[e-mail]

请务必阅读文章最后免责声明与风险提示