如何用数据来挣钱

本文内容主要来源于 该知乎 live,主要简单介绍了互联网中免费的商业模式所带来的资产(数据),以及如何通过这些资产进行变现。

免费模式与变现资产

免费模式

免费模式带来的后向变现资产包括

可变现资产

其中数据依附于流量进行变现,数据提高了流量变现的价值,如下图通过数据进行人群划分后再进行广告的投放能够提高收益

数据的利用带来的效益

数据变现产品的发展历程

数据变现可以说是经历四个发展阶段,由于广告在这方面的发展历程较为完备,因此以计算广告中的数据变现的发展历程来介绍,但是拓展到其他领域也是大同小异

1)变现人口属性数据 2)变现行为数据 3)变现第一方和第三方数据:在此阶段前只利用了广告平台提供的数据,这个阶段用了广告主自身的数据(第一方数据) 4)变现场景数据

广告商业产品发展历程

变现人口属性数据(合约广告)

这个阶段对应于计算广告中的合约广告,即广告主要求在符合某些人口属性的人群中投放一定量的广告,并与提供广告位方达成一定的合约。如下图中的需求节点所展示的是一些广告主的具体需求,供给节点则是一些媒体网站等的流量信息,所展示的整个系统称为担保式投放系统(Guarantee Delivery,GD)。在这个过程中要解决在线分配(Online delivery)的问题。

合约分配交易模式

上述这种方法在粗略定向中有效,对更精细数据的定向力不从心,因此有了竞价广告的出现

变现行为数据(竞价广告)

上面提到的精细数据(行为数据)其实代表的就是长尾数据,也就是频次很低但是数量很多的数据。实际中无法去掉长尾流量,因为长尾所占的总体比例还是很大的,在广告中的通过竞价交易模式来变现这一部分数据

以搜索广告为例, A 个广告主在争取 S 个广告位

竞价的交易模式

在这个过程中有个需要注意的点就是竞价是要采用广义第二高价的原则,就是广告位拍卖最终收的钱是出价中排第二的那个价格,这是由经济学博弈论得到的一个结论。

变现第一方和第三方数据(程序化交易)

产生的原因是广告主的定制化的需求,因为竞价广告中提供的定向还不能满足广告主的个性需求,需要更精细化的定向。如广告主(称为第一方)要向其流失用户投放优惠广告,这时候流失的用户的数据只存在于第一方数据中,像 Google、百度这些是不可能为广告主找出其流失用户的。

程序化交易则是将用户数据展示给广告主,让广告主自己决定是否要这个广告,大大提高了中小广告主的参与度 。这种方式使得第一方的数据得到应用,同时也让第一方(广告主)有动力去购买其他渠道的用户数据(第三方数据),也就是促进了数据交易。

下图展示的是一个程序化交易的过程

2.1 用户访问媒体 2.2 媒体网站上有 ADX 的代码,将请求发送给 ADX 2.3 ADX 将该用户信息和询价请求发送给 DSP,DSP 进行竞价

在这个过程中,DSP 需要根据广告主提供的数据来判断 ADX 所发送的用户是否符合广告主的需求,这样广告主的数据(第一方数据)便得到了应用

程序化交易

下如所示是第一方(广告主)数据的使用的一个具体例子:重定向,也就是找到访问过广告主网站的用户并投放广告

重定向

上面的例子仅仅是使用第一方数据,下面的例子联合使用了第一方(广告主)和第三方(媒体)的数据。

Look-alike 指的是本来广告主的用户基数人群就不多,需要借助广告平台的数据找到可能的新的用户,该过程也被称为新客推荐。这个过程需要广告主提供一部分的种子用户,DSP 分析这些用户的共同特点,并结合媒体网站上其他用户的数据为广告主推荐与种子用户相似的用户。

look-alike

变现场景数据(移动广告)

主要是与移动端广告有关,通过手机可以了解到人当前所处的场景

场景
检测场景

比如说每天 9 点进行地点采样一次,那么一个月下来便可知道其工作地点,便可向其推送附近商家的广告。

有比如说早上上班时间检测到手机从高速移动的状态变为低速移动的状态,那么就是从地铁出来了,这是便可向其推荐附件早餐店的广告。

这个方向比较前沿,目前还没有成熟的方案

从电商角度看数据利用的方法

下面以电商为例,讲述电商将其数据变现的几种途径

  1. 站内推荐
  2. 站外推荐:重定向
  3. 新客推荐:Look-alike
从电商看数据利用