去年 12 月中旬，我与腾讯的产品经理面对面沟通了腾讯广告数据管理平台（腾讯广告 DMP），我意识到，腾讯广告 DMP 对于广告主，是一个极为重要的数据工具，它提供了全链路数据服务，是腾讯广告数据能力的集大成者。用好这个工具，能够帮助广告主发掘数据资产的更大价值，对实现更高效的广告投放有非常积极的作用。
数据在今天广告投放中的价值不仅是重要的，而且是不可或缺的。从这个意义上讲，腾讯广告 DMP 对所有的广告主都很重要。
而其中的一个叫“联合专区”的产品模块，更是腾讯广告 DMP 中极为重要的功能。因此，在这篇半小时读懂系列文章中，我将介绍广告主应该如何应用腾讯广告 DMP，尤其是其中的联合专区。
接入并应用一方数据
我们对一方数据在数字营销上应用的价值的理解，一般都自然而然地会想到它作为智能化广告效果优化中的“正样本”的作用。
除此之外，一方数据对于洞察消费者、优化营销后端的转化，以及深度消费者运营（尤其是私域运营）也都非常重要。
然而一方数据的应用绝非易事，这些“正样本”需要与媒体端的数据和数据能力相结合，才能在上面的场景中发挥价值，腾讯广告 DMP 特别强化了这一领域的能力。腾讯广告 DMP 支持的一方数据类型，非常丰富，不要仅仅理解为只有营销转化了的数据才是 DMP 可用的一方数据。事实上，大部分的数据类型，腾讯广告 DMP 都支持上传，并得以应用。
在这些数据中，更适合应用于腾讯广告 DMP 的，还是广告主自有的各类行为数据，包括购买转化、下订单、注册登录、量房申请数据（装修服务企业）、购车意向（汽车主机厂）、试听课申请（教育企业），当然，在 App 或者小程序上的互动、停留、浏览等等，那更是行为。广告主在不同场景下累积的这些行为数据，无论是来自于你自己的 App，还是自己的网站，还是你在微信生态上搭建的，还是线下，都可以接入腾讯广告 DMP。不仅如此，与行为相关的属性，例如购买或加购物车的商品的属性、播放视频行为背后视频的相关信息、注册或登录的相关信息、激活的 App 的相关的属性等，也都可以接入到腾讯广告 DMP 中。
接入的一方数据越丰富，腾讯广告 DMP 发掘出的数据价值就越大。
腾讯广告 DMP 接入一方数据的方式，支持目前全部主流的方式，包括 JavaScript 代码回传、监测 SDK 回传、API 对接、文件上传。行为数据的格式和属性全部都可以自定义，当然，如果不想那么麻烦，也可以直接用腾讯广告 DMP 预先定义好的标准进行数据接入。
在联合专区中应用数据
针对具有一定数据能力的广告主，腾讯广告 DMP 的联合专区将为广告主提供更加灵活的、可定制的、可掌控的数据应用模块。
将一方数据接入到联合专区中之后，可以应用四个高阶数据能力。
第一个高阶数据能力，是联合专区的 SQL Lab。SQL Lab 就是体现腾讯广告 DMP 灵活性的一个典型功能。
广告主应用 SQL Lab，能够拥有灵活的数据查询和分析的能力：SQL Lab 提供了 SQL 编程环境，能够对腾讯广告 DMP 中的数据实现编程级别的处理能力，并对处理结果以灵活的可视化方式呈现，以人群化的方式应用。
将 SQL Lab 用在人群数据洞察和商业分析中是一个十分明智的选择。
举个例子，在普通的行业 DMP 中，你也可以上传自有一方数据，让 DMP 帮你做人群画像。但是怎么画，都是系统提前预设好的，虽然属性的字段也可以定制，但可供选择的字段范围仍然有限，画像结果常常非常宽泛，难以用于投放策略的指导。
而在腾讯广告 DMP 联合专区的 SQL Lab 中，这个问题不是问题，因为，你可以用 SQL 语言，自己做查询，自己 join 数据表，这样，所有的字段你都可以用，想做什么样的画像，只要第二方数据中有相关的属性，你都可以做出来。
这样，对于人群的分析维度能够有巨大的拓展，对人群的洞察就会更加细致与落地，对广告投放的策略能起到很好的指导。
这个功能不仅对效果广告主有价值，对品牌广告主同样很有意义。
第二个要介绍的高阶数据能力是 Model Lab，是能够在联合专区内实现一方数据建模的能力。
在 Model Lab 中的建模是以实现更好投放效果为目的，是精准定位目标用户的利器，属于我认为的必用功能！
应用 Model Lab 的方法并不复杂。广告主需要圈选自己的数据中作为正样本和负样本的数据，然后交给 Model Lab 计算。Model Lab 会根据你的正负样本和你指定的人群特征建模，从而快速提取人群并用于投放，并可以通过可视化的图表获取预测人群的分布和精准率参考。
Model Lab 是“透明的”，你可以自己指定算法，也可以直接看到计算出的数据特征及其相关系数，你也可以看到正负样本在各个特征上的差异程度。
应用 Model Lab，广告主还可以对投放结果进行预测，这意味着在投放之前就能够大致比较不同细分人群的转化结果。
Model Lab 这个功能，实际上是对广告主数据能力的一个巨大的解放。过去，广告主非常依赖于一方人群包，但一方人群包尽管相对精准，但覆盖的人群十分有限，无法满足广告主规模增长的诉求。只有借助灵活可定制且可以规模化的数据能力，才能满足广告主不断提升的投放需求，Model Lab 为完成此任务而生。
Rule Lab 则是另一个用来打开人群包“黑箱”的工具。
我们都知道，过去做投放的时候，人群包生成了，广告投放系统会按照人群包来进行投放，而在这个人群包中，很有可能有一部分人群比其他人群更有价值，更值得去投放，如果是竞价广告，值得给更高的出价。
在过去的行业 DMP 产品中，要实现这一点，只能再单独拆出一个更细的人群包，然后为这个更细的人群包设置更高的价格。但这么做不仅繁琐，而且还可能因为人群包拆得太细，影响投放起量。
广告主可以使用 Rule Lab 轻松解决这个问题。
Rule Lab 很容易理解，其实就是对人群包中的人群再进行更细的规则设置，从而能够对同一个人群包内的不同细分人群也能有不同的投放策略。比如，对人群包中的大于 35 岁的男性设置更高的出价权重，或者给这个人群包中含有某个标签的人群以更低的出价权重等。
利用 Rule Lab 的这个功能，还可以为一个人群包中更细分的人群设置等级。
比如，一个人群包有 10 万个人，具有 A 标签的人有 1 万人（A 细分人群）、35 岁以上的男性有 5000 人（B 细分人群）、20 岁-25 岁女性 8000 人（C 细分人群）。利用 Rule Lab，可以设置 A 为等级 1，B 等级 2，C 为等级 3。在具体投放时，对 A 人群的出价就会高于 B（或是更多将预算向 A 倾斜），同理，B 的出价也会高于 C（或者预算倾斜 B 也会多于 C）。
联合专区的 RTA Lab 功能，更侧重于效果类投放的广告主。RTA Lab 跟 Rule Lab 很类似，不过特别应用在 RTA 广告投放上。关于 RTA 广告是什么，大家可以看我写的这篇文章：《RTA 广告？欺负我读书少？》。
在 RTA Lab 中，广告主可以设置 RTA 投放用的人群包，并且可以在人群包中同样为更细分的子人群设置等级，从而针对不同的子人群形成不同的出价，同时腾讯内发机制也能减少加密过程带来的流量漏损。
有了 RTA Lab，本身不具备 RTA 投放能力的广告主，也可以自己完成 RTA 策略设置，无需与开发团队反复沟通生效策略，实现 RTA 投放，这极大地降低了 RTA 广告投放的门槛。
数据安全问题
在联合专区应用数据具有很多优势，但广告主仍然会普遍担心数据安全问题。
我，作为一个广告主，把数据传给了媒体平台，媒体把我的数据又用在了我的竞争对手上了怎么办？！
腾讯广告 DMP 在一方数据安全上要远优于传统的行业 DMP。联合专区拥有一个相对隔离的数据存储空间，广告主的数据将会独立存储于专属的私有化存储空间中。这里的数据全部都会被加密，所有的字段也都完全由广告主自己命名和定义（这意味着拿到数据也不知道是什么含义），并且数据绝对不会离开这个空间，未经授权，外部的系统或者工具也不能接触这里的数据。
此外，任何在联合专区内的数据操作，都会提供日志审核记录在案。相当于腾讯广告为了保障广告主的数据安全，为每个广告主打造了一个专人（企业）专用的“数据保险柜”。联合专区里面的数据，不会泄露给任何第三方，如果广告主不再想要部分或者全部数据存在联合专区中，一键就能让相应的数据完全灭失。
因此，联合专区最大程度保障了广告主一方数据的安全。
联合专区的应用建议
这些功能真的有用吗？
太有用了！比如，装修行业中，量房率是一个重要的营销推广的 KPI。一个装修企业的量房人群是它最核心的消费者数据。这些数据如果能够利用起来，对这个企业后续广告的投放效果极有帮助。
在联合专区的帮助下，这些数据不仅能够保证安全，还能够利用 Model Lab 和 Rule Lab 对它进行细致的定制化的人群圈选、放大以及出价优化。这样投放人群的精度、投放出价的精细度和机器学习优化的能力都能够大幅度提高。若想更深入洞察量房人群，利用 SQL Lab 即可实现。
比如某装修企业利用联合专区，将它的投放 ROI 提升了 20%，将平均获取量房客户的成本下降了 80%，有效表单率上升 3 倍多。
广告主在投放上应用联合专区，可以遵循如下流程：
- 确定业务场景需求和投放策略；
- 上传数据至腾讯广告 DMP 并选择“接入用途”为“联合专区”；
- 利用 SQL Lab 进行数据分析和人群洞察，并可为 Model lab 产出正负样本和特征；
- 在 Model Lab 中建模，基于 SQL Lab 的数据分析结果进行模型评估，之后做效果预估，并提取表现更优的人群；同时，投放的结果，又能够反馈回 SQL Lab 和 Model Lab，并重复上面的过程，从而实现投放效果的进一步优化。
- 如果需要进行更精细的投放，广告主可以在 Rule Lab 中，进一步对人群制定规则，并配置策略进行投放，也可以配置实验，测试实际投放效果；
- 如果是 RTA 投放，还可以用 RTA Lab 的功能设定更精细的人群规则进行投放；
- 实时反馈效果数据，实时调整策略或规则，以及在投放结束后产出效果报告。
通过上面的方法使用联合专区，在快速起量，突破起量瓶颈上对广告主有很大助益。例如，金融行业中某个保险代理公司，目标人群是车主，投放 KPI 是新增询价用户。利用联合专区投放，比传统投放方式新增询价用户增长近 4 倍。
所有在腾讯广告中投放程序化广告的广告主都适用腾讯广告 DMP。如果有如下场景，更加值得使用这个数据工具。
- 对转化效果有极致追求的绝大部分效果类广告主，尤其是：教育、金融、电商，甚至包括汽车。这些广告主尤其适合使用腾讯广告 DMP 中的联合专区。
- 想要做 RTA 广告，但自己没有基础设施的，用联合专区的 RTA Lab 可以构建简单的初始化配置，建立专区 RTA 服务应用，生效广告优化策略。
- 对一方数据的应用有需求的广告主，比如很多品牌广告主，需要为自己的一方数据做维度更丰富的画像或更深入的洞察。
腾讯广告 DMP 的其他亮点
除了联合专区，腾讯广告 DMP 在其他应用功能上也有很多优化。
- 数据授权能力大幅度升级。腾讯广告 DMP 有非常灵活的数据授权能力。对各个细分人群的操作权限，可以根据不同的账号进行指定，也可以实现跨账号的人群分享，不再需要不同账号反复建同一个人群。另外，数据的授权范围也变得更加灵活，过去只能对指定 BM（商务管家账号）进行授权，现在也可以指定账号，或者指定整个公司进行授权。在不同授权范围下的人群操作权限，也可以具体的设置。多账号多广告的广告主不用再忍受繁琐的数据授权过程了。
- 人群标签和人群洞察有了很大提升。人群标签的行业定制化水平和标签的分级都有大幅度升级。人群洞察数据维度更为丰富，下钻能力也更强。
- 人群计算能力升级。腾讯广告 DMP 在标签组合计算的基础之上，进一步提供了基于行为数据进行人群圈选的功能。广告主可以在默认界面中基于第一方数据中消费者行为数据，进行规则设置，筛选出人群，并且同样可以对这些通过行为筛选出来的人群与其他人群进行交集、并集或者排除的计算。
- Lookalike 能力大幅度提高，人群拓展精度和人群拓展的灵活性提升，并且可以识别种子人群的相似特征，在腾讯的流量生态中寻找与这些人群相似的人群，既保证人群数量又确保人群的相似性。
其他还有更多应用优化，非常建议大家自己进入系统感受。
总结：全链路数据服务带来巨大应用空间
广告主对于数据的重视程度远甚以往，但应用一方数据一直是各行业普遍面临的难题。
腾讯广告 DMP 的联合专区就是为广告主应用一方数据提供环境和工具。其根本性的价值，在于帮助广告主发挥一方数据的价值，将营销的后端与触达受众的前端数据能力相打通，并通过一方数据更精细化地管理与优化针对前端的投放，从而在数据层面上实现闭环的、自驱动优化的全链路营销。我们一直认为，唯有在数据层面实现全链路的闭环，才是真正的全链路营销。
总体看，腾讯广告 DMP 的基础能力以及高阶玩法联合专区，克服了业内传统 DMP 的诸多短板，尤其是在数据应用的灵活性和可定制化上都有了质的提升。考虑到基于联合专区的数据架构的可扩展性，联合专区在数据应用上可能还会有更大的空间，尤其是建模、规则以及基于这二者的数据智能化应用，都有可能持续为广告主的广告投放带来更多可被验证的效果。
