邀您思考
1.大数据时代，您的数据都是从哪里获取的？
2.跨境品牌企业的独立站是否有发展空间？
SparkX邑炎科技全球战略官 王一戈
以下为演讲实录：
今天我主要从数据角度给大家分享一下海外有哪些Facebook和Google以外的更好更优质更体系的数据，能够为我们独立站服务，帮助提升引流和ROI的提升。主要会讲五大创新玩法，每个都会有实操案例。
海外数据生态链非常复杂，线上营销以人群定向为基准，从数据角度判断消费意向并进行最精确的人群划分。
从数据分类的方面来讲，海外的数据可以分成三类：
第一方数据，也是最核心的一部分数据，是已经转化过的人或者在独立站上已经进行过购买的人。包括独立站到访、APP下载用户，线下用户统计，CRM中的人群电话、邮箱、设备ID等等，这些是我们的核心人群。
第二方数据，是我们头部的广告媒体和平台自有的数据，比如Facebook和Google，大家也是很熟悉的。
第三方数据，是在海外有很多不同的第三方数据提供商，比如我们跟美国的电话运营商Verizon有很直接的合作；包括很多头部媒体，比如CNN、福克斯，从那些地方收集到非常准确的数据，这些数据也可以对我们电商行业、出海人群的定义上面有很大帮助。而且这些数据在Google、Facebook的体系里面是没有打通的，在数据方面可以给带来一些新的方向。
每一方数据的背后数据来源到底是什么？Google的数据来源是Google体系的产品，Youtube、邮箱、Google搜索这些都是Google体系数据的来源，非常精准。因为它们有一个共性人群自己向Google说“我喜欢这个产品”、“我想去这个地方”。Facebook流量数据来源都是用户在Facebook的APP或者Facebook网站上面的一些跟其他用户互动行为，点赞、转发等等。第三方海外人群数据是来自第三方数据提供商，这类提供商在海外有120多家，覆盖到35亿以上的用户量级，它的方方面面也涉及到不同类别、不同产业的数据的来源。
每一方数据来源的背后都有优势也有劣势，Google和Facebook不用多强调了，Google主要是搜索太准确了，Facebook社交平台上有兴趣爱好的体现，都是非常精准的人群划分。但这两个头部媒体在数据方面有很大的限制，因为它的数据不流通。比如Google数据只会活在Google里面，Facebook也只存在于Facebook体系内，你是不能把这个数据拿出来做任何其它事情的。从科学营销或者数据角度来讲，我们能够针对这部分数据做的事情非常有限，只能说Facebook里面有什么我看什么，Google里面有什么我看什么，而自己不能做数据的深挖和定制化人群洞察。
第三方人群数据有几个特点：
第一，覆盖量非常大，触及到35亿人，数据种类很多元化，包括旅游、汽车、电商等等不同行业、不同领域的数据都有第三方数据提供商在收集、总结和归类；
第二，第二数据灵活度很高，这类数据往往是打通的，比如我想触达的人群是喜欢网上购物、又喜欢去日本旅游的，那么我们就可以把两个数据进行重合，找到重复的人群，然后做一个非常精确的定向和触达。
第三方数据提供商在海外有120家，选哪个？
正确选择第三方的方法是根据电商相关的人群数据包进行一个精确的定向。我们当时做的一个实操性很强的案例，是给一个大型出海头部跨境电商平台合作。我们选择了跟电商非常相关也是非常有价值的第三方数据提供商，比如IRI，它的数据来源于线下超市、店面支付时的扫码数据，然后直接上传到背后的数据库；而甲骨文和Datalogics，他们的数据来源是POS机终端数据，因为欧美主要还是用信用卡消费；还有一个第三方数据是VISA，线上和线下消费数据都回传到数据提供商。根据有价值的第三方数据提供商，我们找到了很合适的一个人群。
对于某个女装品牌，我们选择了甲骨文和Datalogics两个数据提供商，他们有一个很特殊的人群数据库，这部分人群在数据统计里面已经非常接近购买或者是有意向购买的人。他们两家POS终端机的数据太准确了，对于消费行为都有深度的分析。根据两个人群数据包，我们做了分析，我们只是把简单的维度定向比如性别、年龄这些作为基数，在这之上做生活方式的定向，可以使购物的数据转化率会提高2.7倍，更具影响的是in-market的数据，可以让转化率提高9.7倍，这就证明了这些数据背后的价值，以及Facebook和Google以外跟电商非常相关的数据给我们带来的增量。
转化过的这部分人群怎么用它？这就涉及到数据收集的问题。
数据收集分为几大类：
第一类，是CRM用户数据，已经消费过、转化过、购买过产品的这些用户的信息，一定要收集，比如下单后邮件，设备ID、电话号码等等。
第二类，是线上第一方数据，涉及到全站布码的概念，我们跟很多中部甚至头部跨境电商聊的过程当中了解到，他们有独立站，但这个独立站做的不好，它只是卖产品，但我们知道这其中的人和数据都是非常重要和关键的，也是我们要收集的。
我们正在做的一个测试，把首页访问、产品页的访问、交易成功、单品价格、产品类别、购物车等等不同类别页面，从首页到非常深层的页面都铺了代码，所有用户到站行为和路径都可以监测到。
还有一类数据，是广告投放数据，第三方数据监测平台把所投放的广告都加一个码，不管通过哪个渠道和平台投出去的广告，我的数据能全面回传到自己的平台。
所有数据先放到综合管理平台DMP，拿到数据管理库之后，再进行人群分组，比如分成四个种类：首页到访人群，查询，放入购物车，最后下单成功。
第一点玩法，从激活角度来讲可以用定制化素材，包括内容，比如根据你线上的行为再给你投广告，每个人看到的信息不一样。
第二点玩法，把下单交易成功的人群作为种子，做一个建模。从人群深入洞察方面我们可以看每个组里面人的洞察有什么不一样。为什么有些人来了之后有买东西？为什么有些人来了就走了？为什么有些人加入购物车没有下单？是因为我的网站设计问题？还是产品问题？这些人群线上行为的洞察也是可以给独立站和产品经营都会带来很好的帮助的，包括对于用户购买周期的分析，如果两个月才复购一次，我在再营销策略上面也会做一些调整。
第三点玩法，是关键词、人群线上浏览路径、域名及内容定向，比如我开一个女装网站，我们在背后有一个爬虫过程，这个过程会把网站的域名以及相关的关键词全部抓取下来。一分析，都是跟女装有关的，这个人就是跟女装联系到一起的。如果做一个户外网站，用一样的逻辑和技术，这个人是户外用品的人群标签。当我在线上看的网站越来越多、浏览的东西越来越多，我们的人群标签也变得越来越丰富，我们会根据每个品类或者每个人群所花的时间、看的频次给人群标签做一个排位。
给大家讲一个实操案例。一个出海男装品牌，我们用的关键词是男装、男士西服、男士皮鞋、男士衬衣等等，通过关键词可以得到这部分人群最喜欢去的网站，包括美国市场，我可以有效地抓取这部分人，对他们来做一个全面的触达。我们当时想要的人群是在过去的3天内看过这些男装信息、至少看过5次以上的，证明这部分人群在过去30天一直在非常积极主动地寻找跟男装品牌或相关的产品。这部分人也是作为一个男装品牌最想触达、最想给看他们到我们广告的人群。我们当时效果也非常好，线上销售提升了3倍。
第四点玩法，是以人为本，并不是选某一个数据提供商或某一个人群数据包作为人群触达条件，而是把所有头部大型不同种类数据提供方的数据全部整合到一起，从多维度，比如线上、线下、手机、平板电脑、PC端，包括智能电视数据链全部打通，我可以360度地看到一个人的行为。
每个数据提供商背后的价值和所提供的数据类别不一样。
甲骨文和exelate他们是人物定向，主要是根据人物的行为和兴趣爱好做一个定向和分类。
ComScore是监测所有用户的线上浏览行为，到过什么网站、去过多少次、看了多久等等。
CRM是作为广告主最具核心的数据。
IRi是会员卡的数据。
Inscape是一个专门收集智能TV的提供商，它有很多关于用户看过哪些类型电视、看了多久等等电视相关的数据。
GroundTruth，是做手机移动端线下地理位置监测和Checkin的公司，我可以准确地判断出用户去了哪些地方，什么时间，去了几次等等。
我们在美国市场做过一个案例，是一个跨境卖电子烟的客户。
首先将已经在欧美市场转化过的人群数据上传，和第三方数据包进行人群匹配，匹配后找到兴趣和爱好相关度高的深度人群画像。之后我们把整个数据和线下手机端监测地理位置的数据做了一个匹配，我们后来发现这部分已经买过电子烟的人很喜欢去一个地方就是赌场，因此我们在线上的一些策略就会做出改变，会去准确的触达赌场周围的用户，或者经常喜欢赌博的用户。如果广告主在线下这部分有一些预算，我们也会建议他在赌场或者赌场酒店里面买一个版位，这是他们核心用户最相关的洞察，这是以人为本。
第五点玩法，是归因。我们跟很多中部、头部跨境电商都聊过这个问题，大家都在想做归因，但都不知道怎么做。
举个简单例子，这是人群曝光路线被曝光5次，前面2次被一个展示类的广告触达，从一个渠道来的，第3次在Facebook看到一个广告，第4次又看到一个展示类广告，第5次就感兴趣、转化购物了。我们现在了解到的情况是，大部分跨境电商做归因——我怎么来分配功劳——一般只会看最后一次点击。很基本的归因模型是，比如首次曝光触及到的人群非常准确，把所有功劳都归给它，这个有点极端。第二是线性归因，曝光过几次，然后把功劳平均分配，像这个案例，曝光5次则每个功劳占20%。第三是触点近因，越靠近转化的，分的功劳越多，离它越远分的功劳就越少。
根据归因模型的方法不同，我们监测到的转化数据也不一样。
比如以最后点击做的归因，展示类广告有65个转化，Google有270个；反过来，如果我把归因按照第一次曝光做归因，展示类广告带来的功效和转化最高的，都比Facebook和Google还要高。
我们如何决定要用哪个归因方式？哪一个归因方式才会给各个渠道有一个最公正公平公开的评估？这是我们给大家讲的多触点归因，它并不是用一个原则，不管第一次还是最后一次还是平均分，它并不是以一套逻辑来做归因，而是根据每个触点或者每个渠道带来的附加价值，我们叫做Incrementality。
从一个用户被触达，到最后转化，转化路径其实非常复杂，可能中间曝光一次就转化，可能曝光20次才转化，中间曝光渠道和广告类型都不一样 。我们基于日志级的数据做一个大数据分析之后，把所有的转化路径都拉出来，就变成了三个点，一个是首次触点，一个是中间触点，一个是最后触点。
把所有转化路径分布和排列组合都找出来，我们发现，如果只是以最后触点做归因的话，所有的功劳都会归功于渠道C，因为渠道C最后把全部用户转化的，难道渠道A跟B就不要了吗？不是这样的，我们通过行为转化路径看到，其实是渠道A和B加在一起来转化率更高，渠道A和渠道B是有价值的，虽然从最后转化数据来看功劳全部在渠道C。
我们把转化相关（无论是首次触点、中间触点还是最后触点）所有的数据放在一个模型里面，这个模型通过建模来分析每个渠道在不同触点所产生的附加价值。
举个例子，如果对比一下第一个转化路径和第三个转化路径，第一个转化率和转化量都是最高的，跟第三个区别是多了A，多出来的转化人群或者提高的转化率都是归功渠道A，有A和没A的区别，这是所说的附加价值。转化路径成千上万条，这是大数据建模在背后跑，机器以自动化方式做的对比的归因分析。最后结果渠道A的功劳应该是30%，渠道B30%，渠道C40%，我们下一拨预算就知道该怎么配，准确的知道哪些该留该用，留该分多少钱等等。
总结一下：
第一，正确选择第三方电商人群数据包，实现精准定向；第一方数据全站布码；
第二，全站部署代码，搜集并有效利用第一方人群数据；
第三，人群线上浏览路径及内容定向；
第四，以人为本打通多方不同类型数据；
第五，数据驱动归因，找到最合适产品或者最公正最公平的归因方法。
这五个打法我用哪个比较好？
大家看一下用户转化漏斗，我们把整个用户里程分成三个层次，第一个品牌认识，第二个兴趣，第三购买。在整个漏斗阶段也会不同，比如第三方数据使用可以在品牌认知和兴趣方面做一个激活，浏览路径、内容定向、以人为本定向比较适合中间，购买可以是第一方人群数据扩展。
除了数据和数据的玩法使用之外，我想简单提一下监测和测量的问题，我们跟跨境电商谈，大家都会只看最后的销售作为测量的标准，看所有渠道的转化和表现，其实这是一个不那么完善和公平的看法。
用户在不同阶段，我们所看的维度也不一样，品牌认知可以用品牌意识、品牌好感度、点击量、独立站访问量；对产品产生兴趣可以用产品页面浏览做一个指标监测每个渠道表现；如果用户到购买阶段，看销量的提升、ROI这些跟销售相关的维度和一些指标。
我们可以把数据沉淀并用到归因模型，做一个品效合一的监测，做一个全方位的评估，看把预算放在哪个渠道。