數據在市場營銷中的作用越來越重要，至少BAT、Facebook、Google試圖讓你相信這點。單從營銷領域而言，可以按照數據組織的主體，將數據產品劃分成三類：

以人為數據的主體與核心：典型的如DMP，Data Management Platform；BAT和數字營銷代理公司都提供DMP。

以用戶行為數據為主體與核心：典型是Web Analytics WA工具，如Google Analytics、Omniture；在移動端，提供App內行為監測的工具也是此類，如Talkingdata、友盟等都提供App內行為監測數據，指標包括留存率、留存時間、渠道來源等。

以品牌/品類/產品為核心：典型的如Social Listening工具，他們根據預設的關鍵詞，定向爬取互聯網上公開的內容，然后進行分析。百度指數也是該類型的工具。

典型的DMP提供3種功能：人群提取、人群洞察與人群拓展。

人群提取是指在DMP中創建一個人群包，數據來源可以是廣告主自己上傳的消費者手機號碼、設備號、IDFA、MAC地址等能映射到唯一一個消費者的識別碼。當然，現在很多DMP是跟程序化廣告投放端打通的，客戶投放的廣告的曝光、點擊互動人群也可以通過DMP進行提取。此外，通過布置pixel、JS代碼、添加SDK或者通過API回傳官方、App內訪問、瀏覽、點擊、付費等用戶，這些用戶ID也可以形成一個個人群包。人群包的本質是多個人群ID。

此外，部分DMP還提供人群包之間交并差計算功能。例如A人群包的定義是官網到訪人群，B人群包定義是官網購買人群。假設B是A的子集，我們想提取到訪但是沒有購買轉化的人群，也可以利用DMP把B包包含的ID從A包ID中排除出去。

人群洞察則是利用DMP提供的標簽化的數據，幫助廣告主分析某個人群包的特征。典型的DMP會提供性別、年齡、地域、興趣、App安裝等維度數據，簡而言之為基本屬性+興趣愛好。基本結構可以抽象成如下圖的格式：最終DMP統計一下在給定的人群包中，多少的比例被打上了Tag1、多少的比例被打上了Tag2。當然，在廣告投放的業務環境中，每個ID被打上標簽，并不是這里簡單的0或者1的關系，而是一個分布在[0, 1]的得分。這個得分反映的是該ID在這個標簽下的行為強度和時間新鮮度。舉例而言，一個人最近頻繁打開攜程、飛豬、螞蜂窩，相比另外一個人1個月前只打開過1次攜程，其在“旅游”這個標簽上的分值顯然更高。

人群拓展則是一個黑箱的功能。在廣告投放業務場景中，顯然每一個廣告主都希望觸達新客群體，除了利用投放端提供的人群標簽進行定向之外，利用第一方購買人群做人群拓展，則是另一個重要的定向方式，這個功能被稱為lookalike。lookalike會找到跟第一方人群相似性最高的人群，所謂相似性，則是基于用戶的屬性和行為來計算的，如地域、年齡和性別分布，以及使用手機的系統、安裝的App等等，多大幾百萬個維度。lookalike的基本假設是：對于一個品牌的偏好和產品使用，人群有典型特征。比如，購買奔馳的人群，收入在中高端，這個時候lookalike是有效果的。相反，對于一些大眾的產品或者品牌，lookalike并不一定能帶來預期的廣告效果就是這個道理。

與DMP以人為Key組織數據和操作邏輯不通，WA工具則更關注人的行為本身。這是現在Google Analytics提供的5個模塊。除了第一個查看當前實時數據之外，Audience跟DMP類似，提供訪客人群的興趣、地域、手機操作系統等靜態數據，也能幫助廣告主進行LTV、cohort分析。Acquisition模塊關注的是人群來源，Behavior則注重用戶站內瀏覽行為，如瀏覽的時長、退出率、二跳率等。Conversions則關注用戶在站內的瀏覽路徑與轉化行為。

Social Listening，有時候又被稱為社交聆聽、社交輿情監測，是對互聯網內容（當前主要是對文本內容）進行監測和分析的方式。原理本身很簡單，監測系統通過爬蟲或者API接口獲取文本內容，通過掃描文本內容里是否含有預設好的關鍵詞，如果有則記錄和分析。比如，各大汽車廠商都會不斷掃描汽車之家、易車網上是否有針對自己品牌的討論。分析的維度，無外乎聲量（提及次數）、情感度（正負面）和討論話題（基于詞共現）。我把百度指數也放在這個分類下面，因為這個分類關注的是內容本身，它跟人的屬性、行為無關（雖然它是由用戶或者媒體產生的行為）。

Social Listening的典型應用是監測負面，特別是在社交媒體環境下，一個危機往往由一個小話題引爆。此外，通過Social Listening了解消費者對品牌評價、產品使用心得，也是現在正在探索的一個方向。然而，當前自然語言處理技術還不能很好“理解”文本內容，要進行更加細致的分析，需要大量人工介入。