程序化广告：好数据和坏数据有什么区别？
已发表: 2016-08-25在过去十年中，营销已将其基础从先天直觉转变为计算分析。 它从一种艺术形式转变为一门科学。
战略现在由无偏见的分析师而不是承诺的创意驱动。 更重要的是，战略数据洞察力使每个营销人员能够为客户提供最佳体验。
然而，数字领域的一个领域始终落后于其他领域。 尽管数据革命具有颠覆性和重大意义，但数字广告却迟迟没有接受它。
二十年前，广告是市场上最受数据驱动的行业。 它通过出版商利用人口统计数据来确定目标市场。 问题是，许多数字广告商从那时起就没有发展。 在许多情况下，他们仍然依赖人口统计数据。
他们很满足。
众所周知，没有一个品牌可以在数字时代安顿下来。 这是一个不断的进化。 营销人员可能会在睡前告诉他们的孩子关于那些因为停止前进而失去优势的品牌的告诫故事。 名单很长。
但数字广告的隧道尽头是光明的。 Programmatic的崛起，开启了从广告狂人时代到硅谷时代的进化之路。 尽管如此，数据点的质量范围很广。
数据与制作香肠非常相似：您通常不知道自己得到了什么，有些产品的质量很好，但也有一些阴暗的做法来欺骗毫无戒心的买家。
物超所值，物有所值，您需要拆开数据来查看所购买的产品。
目前，数字中的大部分数据都未经提炼、内容广泛且难以操作——它只是填充物。 营销人员需要避免数字领域内的数据陷阱。
坏数据
品牌用于以数字方式定位消费者的大多数未提炼的数据都被视为第三方数据。 这是出版商喜欢根据读者群向品牌提供的数据。
第三方数据本质上是人口统计数据。 这是你的年龄、你的性别、你阅读的内容、你住在哪里，虽然人口统计数据总比没有数据好，但它往往是一个虚假的承诺，在呈现时看起来很迷人，但缺乏执行力和结果。
换句话说，人口统计是填充物，它们可以帮助填补您客户视图中的漏洞，但它们永远不会提供执行成功活动所需的信息。
让我们考虑一个第三方垮台的简单例子。 假设您和我在人口统计和偏好方面有一些相似之处。 我们都是 54 岁的男性，我们住在同一个城市，我们都订阅了体育刊物。
虽然看起来我们有很多共同点，但我们可以从这些标识符中真正关联什么？ 我们可能是同龄人，但在滚石乐队可能更符合我的年龄的地方，我实际上可能会和今天 15 岁的孩子听同样的音乐。
我们可能住在同一个城市，从事类似的工作，但这并不意味着我们都穿着西装，都在 Brooks Brothers 购物。
对于第三方，没有可操作的见解来得出关于行为的结论。 如果营销人员想要真正了解他们的客户，他们需要以交易数据为基础。
大数据
有两种形式的数据对营销人员来说是可靠且可操作的——第一方和第二方。 好的数据和绒毛的重要区别在于，有了好的数据，客户就会执行零售操作。
它基于交易； 营销人员可以围绕数据制定战略的唯一可衡量形式。 交易是意向的标志； 它为客户想要购买的商品提供指导。 如果我们可以用交易数据建立足够的历史记录，模式就会出现。
第一方
第一方是根据交易历史和帐户偏好通过您的品牌收集的数据。
这是你的数据； 除非你在卖，否则没有人可以使用它。 这是迄今为止最好的营销数据形式，但由于消费者已经购买了您的品牌，因此它在一定程度上仅限于重新定位。
在战略思维中，第一方数据对于当前客户来说将是惊人的——它作为重新定位工具的价值是无与伦比的，但它在收购时没有那么有用。 专注于向上销售和增加退货频率。 用它来推动产品更新和季节性举措。
第二方
第二方数据是营销人员真正有趣的地方。 这种数据类型将支持本赛季的所有收购目标。
第二方数据通常也将是事务性的。 第一方和第二方的区别在于，第二方数据是从另一个品牌收集的。
从本质上讲，我们可以从其他公司获取第一方数据，并将其作为我们自己的数据进行营销。 这种形式的数据也可以通过交易所获得，它避免了你从聚合器那里获得的一些填充物，这些聚合器对你购买的东西没有那么清楚。
因此，营销人员不应关注潜在客户是否住在同一城市，或订阅同一出版物，而应专注于寻找具有相似客户群的志同道合的品牌。
在下一个示例中，让我们使用第二方数据。 假设我们正在收购一家 AUR 在 70 美元到 90 美元之间的高端连锁时装零售商。
利用 J. Crew 甚至 Pottery Barn 的交易数据比针对居住在同一地理区域的 54 岁男性更有意义。 消费者群之间有更多相似之处，我们也知道他们的意图，因为他们有购买力。
最后，营销人员想要瞄准的是一种可行的生活方式，而不是被动的人口统计数据。
程序化的兴起是数字领域最激动人心的发展之一。 它为广告商打开了一扇新窗口，它已经在动摇出版商运作方式的基础。
如果程序化要发展并持续取得成功，它需要遵循电子邮件、客户关系管理、忠诚度和网站营销所采取的路径，利用可操作的、可靠的、第一方和第二方数据来证明收购和投资。
营销人员需要了解他们的数据中的内容并删除填充物，以便为其品牌提供持续的、数据驱动的投资回报率。