Platforma pro správu dat - Data management platform

Platforma pro správu dat (DMP) je softwarová platforma používá pro sběr a správu dat . Umožňují podnikům identifikovat segmenty publika , které lze použít k cílení na konkrétní uživatele a kontexty v online reklamních kampaních. DMP mohou používat algoritmy big data a umělé inteligence ke zpracování a analýze velkých datových sad o uživatelích z různých zdrojů. Některé výhody používání DMP zahrnují organizaci dat, lepší přehled o publiku a trzích a efektivní rozpočet na reklamu. Na druhé straně DMP musí často řešit obavy o soukromí kvůli integraci softwaru třetích stran se soukromými daty. Tuto technologii neustále vyvíjejí globální subjekty, jako jsou Nielsen a Oracle .

Charakteristika

Účel

DMP je jakýkoli druh softwaru, který spravuje shromažďování, ukládání a organizaci dat, aby z něj mohli obchodníci, vydavatelé a další podniky využívat užitečné informace. Uložená data mohou zahrnovat informace o zákaznících, demografické údaje a mobilní identifikátory nebo ID souborů cookie , které bude DMP analyzovat, aby mohly firmy vytvářet segmenty cílení pro reklamy. DMP mohou značkám pomoci získat více informací o jejich zákaznických segmentech, informovat o akvizičních strategiích a zvýšit jejich prodeje. Rovněž umožňují podnikům měřit účinnost jejich reklamních kampaní.

Dějiny

Programovací jazyky první a druhé generace

Během padesátých let se správa dat stala problémem pro společnosti, protože počítače nebyly rychlé s výpočty a pro dosažení výsledků potřebovaly velké množství práce. Společnosti začaly ukládáním svých dat do skladů. Rané programy byly psány binárně a desítkově a toto bylo známé jako Absolute Machine Language , kterému se později říkalo programovací jazyk první generace.

Příklad toho, jak byla data uložena v počátcích správy dat.

Poté vznikl Assembly Language - kterému se začalo říkat Programovací jazyky druhé generace. Tento symbolický strojový kód se stal mezi programátory oblíbenější, protože dokázali pro kódování použít písmena abecedy. To vedlo k menšímu počtu chyb v programech a lepší čitelnosti kódu.

Jazyky na vysoké úrovni

V průběhu 60. a 70. let 20. století, kdy technologie pokračovala v pokroku a programátoři se více stýkali s počítači, se programovací jazyky první a druhé generace vyvinuly do jazyků vysoké úrovně (HLL) . Tyto jazyky jsou známé tím, že jsou pro člověka snadno čitelné, a byly důležité pro to, aby mohl člověk napsat obecný program, který nezávisí na druhu použitého počítače. HLL byly známé tím, že kladly důraz na správu paměti a dat a mnoho jazyků, které v této éře vyšly (tj. COBOL , C a C ++ ), se dodnes široce používá.

Online správa dat a databáze

Online transakce byly brzy velkou součástí mnoha průmyslových odvětví. To bylo možné pomocí systémů online správy dat. Tyto systémy dokážou rychle analyzovat informace a umožňují programům číst, aktualizovat a odesílat informace uživateli.

V sedmdesátých letech vyvinul Edgar F. Codd snadno osvojitelný jazyk, Structured Query Language ( SQL ), který měl anglické příkazy. Tento jazyk se zabýval relačními databázemi , vylepšeným zpracováním dat a snížením počtu duplicitních dat. Tento relační model umožnil rychlé zpracování velkého množství dat a vylepšilo paralelní zpracování , výpočet klient-server a grafické uživatelské rozhraní a umožnilo interakci více uživatelů současně.

Aby se vypořádalo se zpracováním a výzkumem velkých dat, vznikla NoSQL . Největší výhodou NoSQL je schopnost ukládat obrovské množství dat. NoSQL byl přítomen v roce 1998, ale jeho popularita mezi vývojáři rostla po roce 2005.

Cloud a AI

V dnešní době se správa dat přenesla z lokálního úložiště do cloudu . Na konci devadesátých let a na začátku dvacátých let Salesforce a Amazon propagovaly koncept internetových služeb, které oslovily zákazníky, protože snížily náklady na údržbu a zvýšily flexibilitu při změně potřeb podniku. S rostoucí prevalencí umělé inteligence (AI) je nyní snadnější než kdy dříve ukládat a třídit obrovské soubory dat. Právě v této době zažily DMP své vzestupy na výsluní, protože astronomické množství uživatelských dat na světě lze nyní zpracovávat a prezentovat společnostem pro marketingové účely.

Datový kanál

Přehled toho, jak jsou data zpracovávána prostřednictvím DMP.

DMP nejprve začínají shromažďováním nezpracovaných dat. To vyžaduje sběr dat z různých zdrojů, jako jsou návštěvy webových stránek a registrační formuláře nalezené online. Dostupná data navíc nejsou omezena na počítač, protože mobilní zařízení, sociální sítě a chytrá zařízení fungují jako stálé zdroje nezpracovaných dat. Z technického hlediska se sledovače JavaScript a API používají k informování serveru, když uživatel provádí akci, která by měla být zaznamenána a uložena.

Jakmile DMP shromáždí data, přejde k jejich zpracování a integraci. Nejprve vyčistí data odfiltrováním veškerých nevyžádaných nebo chybějících hodnot. Potom využívá algoritmy strojového učení k hledání vzorů napříč sadami uživatelů a jejich organizaci v širokém měřítku. To pomáhá vytvořit 360stupňový zákaznický pohled, který zase pomáhá integrovat datové typy první, druhé a třetí strany do jedné databáze.

Následuje fáze správy dat. Zde DMP pomáhá svým klientům - což jsou další společnosti, které se snaží využít svých uživatelských dat - při vytváření uživatelských profilů. Profily uživatelů jsou segmenty konkrétních demografických údajů zákazníků, které mají pomoci vizualizovat vzorce a tendence napříč odvětvím. Jsou také užitečné pro objasnění neobjevených tržních příležitostí.

Posledním krokem v tomto procesu je fáze aktivace. Jakmile jsou všechna data shromážděna, zpracována a řádně organizována a segmentována, jsou uvedena do provozu na trhu prostřednictvím serverů nebo DSP . Odtud inzerenti používají k přístupu k DMP a poskytování cíleného obsahu cílenému publiku další služby třetích stran.

Funkce

DMP se používají k profilování , analýze a cílení online zákazníků v digitálním marketingu . Pracují v následujících oblastech:

• Cílení reklam - vytváření segmentů publika a cílení na konkrétní uživatele pomocí personalizovaných reklamních kampaní, jako je například zobrazování reklam na automobily uživatelům, kteří projeví zájem o koupi nového auta.
• Profilování uživatelů - zastupování skutečných lidí pomocí sad dat o informacích souvisejících s uživateli, jako jsou potřeby, zájmy a chování. Profily lze vytvářet ručně nebo pomocí algoritmů strojového učení, které automaticky analyzují a profilují uživatele internetu.
• Look -alike modeling - identifikace nových klientů, kteří se u cílených reklamních kampaní chovají podobně jako současní zákazníci.
• Business insights - objevování nových poznatků o zákaznících a službách pomocí analýzy dat a také doplnění stávajících systémů CRM o další externí data, jako jsou atributy uživatelů nebo jejich interakce s online produkty.
• Doporučení obsahu a produktu - pomocí doporučení DMP vyvinout přizpůsobené prostředí pro všechny uživatele.
• Monetizace nebo prodej dat - prodej dat DMP za účelem generování dalších příjmů.
• Obohacení publika - analýza a seznámení se s publikem pomocí analytiky DMP za účelem zjištění jeho konkrétních potřeb.
• Rozšiřte svou zákaznickou základnu - objevte nový zákaznický segment s DMP analytikou a rostoucím povědomím a věrností značce.

Výhody nevýhody

Výhody

Používání platformy pro správu dat má šest hlavních výhod: shromažďování dat na jednom místě, používání dat třetích stran k objevování nových trhů, získávání přehledů o publiku, vytváření úplného pohledu na zákazníky, cílení na vaše publikum a efektivní rozpočtování vašich výdajů na marketing.

Nevýhody

Platformy pro správu dat se při identifikaci chování do značné míry spoléhají na technologii cookies. Nedávné kroky společnosti Apple a nyní společnosti Google směřují k blokování reklamních souborů cookie třetích stran, což ohrožuje návrh hodnoty platformy pro správu dat.

Přijetí takové platformy může být navíc v současném prostředí organizace obtížné. Důvodem je, že technologie agregace dat je složitá a vyžaduje správné technické znalosti pro implementaci.

Další oblastí zájmu je kvalita importovaných dat: pokud mají nízkou kvalitu, pak DMP neposkytne smysluplné výsledky.

Vlastnictví shromážděných údajů a obavy o soukromí

Obecně existují tři hlavní typy dat:

• Data 1. strany - data shromážděná a vlastněná samotnou společností. Například data webových stránek, data mobilních aplikací a data CRM.
• Data 2. strany - data shromážděná v důsledku podnikové spolupráce. To zahrnuje údaje o online kampani a údaje o cestách zákazníků .
• Data třetích stran - data dodávaná poskytovateli dat, která jsou na trhu k dispozici ke koupi.

DMP také shromažďují tři hlavní typy dat:

• Pozorovaná data - digitální stopa uživatelů internetu, tj. Historie vyhledávání nebo použitý typ webového prohlížeče.
• Odvozená data - závěry na základě chování uživatele na internetu.
• Deklarovaná data - data výslovně poskytovaná uživateli, jako jsou online formuláře nebo registrace aplikací.

DMP jsou užitečné v tom, že pomáhají digitálním obchodníkům objevit nová publika na základě údajů třetích stran. Přestože tomu tak je, obecné nařízení o ochraně osobních údajů (GDPR) ztěžuje DMP získávání údajů třetích stran. DMP dříve zpracovávaly údaje třetích stran prostřednictvím cookies a stávající zákony nevyžadovaly souhlas uživatele s takovým sběrem dat. GDPR však nyní požaduje, aby osobní údaje - včetně údajů shromážděných pomocí cookies - mohly být použity pouze se souhlasem uživatele. Do budoucna to znamená, že shromažďování údajů třetích stran bude pro společnosti obtížnější a DMP budou mít větší zákonné povinnosti. V důsledku toho se budoucí DMP mohou více spoléhat na data první strany a druhé strany.

Reference