数字化营销DMP中的人群策略

数字化营销DMP中的人群策略，其实就是在DMP上创建人群包，主要有两种类型：一种是直接创建；一种是通过Look-Alike。还有就是投放后根据数据情况对人群包做修正，这种不单列，因为做投放的思路基本都是先通投或试投，然后根据数据反馈，对直接创建和Look-Alike的人群不断做修正或创建新的，得到更加精准的人群，从而实现精准投放。

DMP的数据逻辑结构一般是：标签——特征——人群：

标签：信息最小单位，是事件或数据中的某个字段，如流量来源traffic source=direct

特征：标签的组合，如Traffic source=direct AND City=Guangzhou

人群：人群包，实现的类型有多种

创建的人群包的类型方式取决于DMP的产品逻辑，更准确的将应该是人群的创建方式，不同DMP会有差异，可以分为两种类型：

类型一：有些产品可以通过标签和特征创建人群，它会存在三种情况创建人群的方式：

第一种是通过标签创建人群

第二种是通过特征创建人群

第三方是通过算法创建人群

类型二：只能通过特征创建人群，表面上就只有一种方式创建人群：

但是创建特征就有多种类型，有三种

第一种是通过标签创建特征

第二种是通过特征创建特征

第三种是通过算法创建特征

这是两种不同的产品思路，但实现的效果是一样的，但类型二会更好，管理清晰、高效。

Look-Alike就是人群放大，Lookalike的目的是基于目标人群，从海量的人群中找出和目标人群相似的其他人群。Look-Alike的主要好处包括：

数据准确性： 算法会定期运行，这有助于保持结果为最新且相关。

自动化： 你无需管理大量静态规则。算法将为您查找受众。

节省时间并减少工作量： 通过我们的建模过程，你不必猜测哪些特征项目可能起作用，也不必花时间在营销活动上发现新受众。模型可以自动执行此操作。

可靠性： 建模可与服务器端发现和鉴别流程结合使用，这些流程可评估您自己的数据和你有权访问的选定第三方数据。这意味着您无需查看网站上的访客即可确定其是否符合某个特征。

DMP里面都会提供人群放大的算法，你可以设置的是用什么人群去放大。在人群放大上，各家的DMP差异很大，因为使用的算法不同，设置的种子用户不同。

结合DMP的数据逻辑结构：标签——特征——人群，特征可以理解是“人群”，所以可以用特征去放大，也可以用人群去放大。

还可以从数据角度的类型做分类，用第一方数据放大，第三方数据放大或混合，这个要看DMP是否支持这个功能，如有DMP为了合规，对数据的类型做限制，如所获取的第三方的数据与第三方数据供应商有协议，某些维度不能用于人群放大，在做放大的设置的时候将其排除，这个不是所有的DMP都有，要看你的DMP是否支持。