Платформа управления данными ( DMP ) — это программная платформа, используемая для сбора и управления данными . DMP позволяют компаниям определять сегменты аудитории , которые могут использоваться для таргетинга определенных пользователей и контекстов в рекламных кампаниях в Интернете. Они могут использовать большие данные и алгоритмы искусственного интеллекта для обработки и анализа больших наборов данных о пользователях из различных источников. [1] Преимущества использования DMP включают организацию данных, улучшенное понимание аудитории и рынков, а также более эффективное планирование бюджета рекламы. [2] С другой стороны, DMP часто приходится иметь дело с проблемами конфиденциальности из-за интеграции стороннего программного обеспечения с частными данными. Эта технология постоянно разрабатывается такими глобальными организациями, как Nielsen и Oracle . [3]
В более общем смысле термин платформа данных может относиться к любой программной платформе, используемой для сбора и управления данными . Это интегрированное решение, которое с 2010-х годов может объединять функциональные возможности, например, озера данных , хранилища данных или концентратора данных для целей бизнес-аналитики . [4] Однако в этой статье обсуждается использование таких технологических платформ, используемых для сбора и управления данными в целях цифрового маркетинга.
DMP — это любой вид программного обеспечения, которое управляет сбором, хранением и организацией данных, чтобы маркетологи, издатели и другие предприятия могли извлечь из них полезную информацию. Сохраненные данные могут включать информацию о клиентах, демографические данные и мобильные идентификаторы или идентификаторы cookie , которые DMP будет анализировать, чтобы позволить компаниям создавать целевые сегменты для рекламы. DMP могут помочь брендам узнать больше о своих клиентских сегментах, чтобы информировать о стратегиях поглощений и увеличивать свои продажи. Они также позволяют компаниям оценивать эффективность своих рекламных кампаний. [5]
В 1950-х годах управление данными стало проблемой для компаний, поскольку компьютеры не были быстрыми в вычислениях и требовали большого количества рабочей силы для предоставления результатов. Компании начали с хранения своих данных на складах. Ранние программы были написаны в двоичной и десятичной системе счисления , и это было известно как абсолютный машинный язык , который позже был назван языком программирования первого поколения. [6]
В течение 1960-х и 1970-х годов, по мере того как технологии продолжали развиваться, а программисты все больше общались с компьютерами, языки программирования первого и второго поколения превратились в языки высокого уровня (HLL). Эти языки известны тем, что их легко читает человек, и они были важны для того, чтобы позволить писать универсальные программы, которые не зависят от типа используемого компьютера. HLL были известны тем, что делали акцент на управлении памятью и данными, и многие из языков, которые появились в эту эпоху (например, COBOL , C и C++ ), до сих пор широко используются. [6]
Онлайн-транзакции вскоре стали большой частью многих отраслей. Это стало возможным благодаря онлайн- системам управления данными . Эти системы могут быстро анализировать информацию и позволяют программам считывать, обновлять и отправлять информацию пользователю.
В 1970-х годах Эдгар Ф. Кодд разработал простой в изучении язык, язык структурированных запросов ( SQL ), в котором были английские команды. Этот язык работал с реляционными базами данных , улучшал обработку данных и уменьшал дублирование данных. Эта реляционная модель позволяла быстро обрабатывать большие объемы данных и улучшала параллельную обработку , клиент-серверные вычисления и графические пользовательские интерфейсы , а также позволяла нескольким пользователям взаимодействовать одновременно. [6]
Для обработки и исследования Больших Данных появился NoSQL . Самая большая сила NoSQL — это его способность хранить огромные объемы данных. NoSQL появился в 1998 году, однако его популярность среди разработчиков возросла после 2005 года. [6]
В настоящее время управление данными перешло из локального хранилища в облако . В конце 1990-х и начале 2000-х годов Salesforce и Amazon популяризировали концепцию интернет-сервисов, которая понравилась клиентам, поскольку сократила внутренние затраты на обслуживание и повысила гибкость в изменении потребностей бизнеса. С ростом распространенности искусственного интеллекта (ИИ) теперь стало проще, чем когда-либо, хранить и сортировать огромные наборы данных. Именно в эту эпоху DMP пережили свой подъем к известности, поскольку астрономическое количество пользовательских данных в мире теперь может быть обработано и представлено компаниям в маркетинговых целях. [6]
DMP сначала начинают со сбора необработанных данных. Это требует сбора данных из различных источников, таких как посещения веб-страниц и формы регистрации, найденные в Интернете. Более того, доступные данные не ограничиваются компьютером, поскольку мобильные устройства, социальные сети и смарт-устройства выступают в качестве постоянных источников необработанных данных. С технической точки зрения, трекеры JavaScript и API используются для информирования сервера, когда пользователь выполняет действие, которое должно быть записано и сохранено. [5]
После того, как DMP собрал данные, он переходит к их обработке и интеграции. Сначала он очищает данные, отфильтровывая любые ненужные или пропущенные значения. Затем он использует алгоритмы машинного обучения для поиска закономерностей среди наборов пользователей и организации их в широком масштабе. Это помогает создать 360-градусное представление о клиенте, которое, в свою очередь, помогает интегрировать типы данных первой, второй и третьей стороны в одну базу данных. [5]
Далее следует фаза управления данными. Здесь DMP помогает своим клиентам — другим компаниям, стремящимся использовать свои пользовательские данные — в создании профилей пользователей. Профили пользователей — это сегменты определенных демографических данных клиентов, которые призваны помочь визуализировать закономерности и тенденции в отрасли. Они также полезны для пролива света на неисследованные рыночные возможности. [5]
Последним шагом в этом процессе является этап активации. После того, как все данные собраны, обработаны, должным образом организованы и сегментированы, они вводятся в использование на рынке через серверы или DSP . Отсюда рекламодатели используют другие сторонние сервисы для доступа к DMP и предоставления целевого контента своей целевой аудитории. [5]
DMP используются для профилирования , анализа и таргетинга онлайн-клиентов в цифровом маркетинге . Они работают в следующих областях:
Использование платформы управления данными имеет шесть основных преимуществ: сбор данных в одном месте, использование сторонних данных для обнаружения новых рынков, получение информации об аудитории, создание полного представления о клиентах, таргетинг вашей аудитории и эффективное планирование расходов на маркетинг. [2]
Платформы управления данными в значительной степени полагаются на технологию Cookie для определения поведения. Недавние шаги Apple, а теперь и Google, направлены на блокировку сторонних рекламных cookie-файлов, что ставит под угрозу ценностное предложение платформы управления данными.
Более того, принятие такой платформы может быть сложным в текущей среде организации. Это связано с тем, что технология агрегации данных сложна и требует правильных технических знаний для внедрения.
Еще одной областью, вызывающей беспокойство, является качество импортируемых данных: если они низкого качества, то DMP не сможет предоставить значимых результатов. [2]
В целом существует три основных типа данных:
Существует также три основных типа данных, собираемых ПУД:
DMP полезны для помощи цифровым маркетологам в поиске новых аудиторий на основе сторонних данных. Хотя это так, Общий регламент по защите данных (GDPR) затрудняет для DMP получение сторонних данных. Ранее DMP обрабатывали сторонние данные с помощью файлов cookie , и существующие законы не требовали согласия пользователя на такой сбор данных. Однако теперь GDPR требует, чтобы персональные данные, в том числе данные, собранные с помощью файлов cookie, могли использоваться только с согласия пользователя. В дальнейшем это означает, что сбор сторонних данных станет сложнее для компаний, а у DMP появятся более серьезные юридические обязательства. В результате будущие DMP могут в большей степени полагаться на данные первой и второй стороны. [6]