注：這篇文章所指的一方數據，是指用于數字營銷的第一方數據，即企業自己積累的關于消費者或用戶的個人信息相關的數據。

前兩天在我的讀者群里，有一個讀者朋友，講了很多“實話”。

上截圖。

是不是代表了很多朋友的感受？

談到CDP，談到第一方數據，企業都很興奮。但問題是，為什么我們很少聽到特別精彩特別成功的案例呢？

尤其是，我們對于案例的期望，是那種有了數據之后，化腐朽為神奇的案例。畢竟，人人都說的數字化轉型，是那種好像注入了什么返老還童的神藥一般，讓生意突然青春勃發的轉型！

但事情似乎并不如此！

數據，尤其是第一方數據，企業苦哈哈地努力獲取和維護，一方面，卻發現一個終極拷問——咦，都說這些數據很有價值，但它們的價值在哪里？我該怎么用它們？

這篇文章，我想聊聊這個話題。

都在講一方數據有多么重要的時候，我想說，為啥一方數據就必須對你有用？

你會說，我要一方數據，才能洞悉消費者，才能運營消費者，才能和消費者對話，才能有更好的轉化。有了這些數據資產，我投廣告的效果才能更好。

那么，我反問你，這些當然是一方數據能夠帶來的，但是你知道要做到這些需要花費多少代價，以及能夠給你帶來多大的實效嗎？

一個觸及靈魂的案例：

一個企業，它竭盡所能獲取它的目標受眾的數據，并且竭盡所能利用這些數據去觸達去轉化去維護這些消費者受眾（轉化之后這些受眾成了客戶）。這個過程中，每維護一個這樣的消費者的數據，需要花費很多的人力物力和時間去搞運營——畢竟數據不可能再跟過去一樣是能隨便買來的。

通過測算發現，這個企業利用這樣的方式每維護一個消費者，成本大概是500元一年，而這個企業的每個客戶平均一年能夠貢獻的消費金額只有200元。

你說，我花這個500元成本要做的事情，就是實現精細化運營，讓消費者的ARPU值在生命周期內不斷提高。所以，這500元值得花！

但，且慢，你計算過嗎？精細運營和精準投放完全不是一回事。精準運營可能要花費更大的人力物力，并且毫無疑問的，要牽扯到更多的部門。這樣，你所提高的那點ARPU，相比于為了精細運營而投入的成本，真的是劃算的嗎？

總體而言，高生命周期消費金額的商品，做深度運營是值得的，這種生意對第一方數據的依賴，以及在第一方數據應用上的深度，都要高得多。低生命周期消費金額的商品，如果恰好受眾比較細分，那么更值得在精準投放上下功夫，但做消費者深度運營的必要性就低很多了，對一方數據的依賴性也可能相對降低。

當然，一方數據總體而言，畢竟還有形成報告和洞察的能力，以及，我們也用一方數據去提高廣告投放的精準性。但總體而言，實現深度運營是一方數據最值得去投入的場景，畢竟一方數據成本高，我們更希望用它來直接大幅度增加客戶的轉化和ARPU。

那么，我們下面看看一方數據的各種價值輸出，到底是什么，以及為了這些價值輸出，需要什么條件。

一方數據肯定是有價值的，但對很多企業而言，一方數據或許有“小用”，但是可能并無“大用”。

一方數據的能力體現在兩個層面上。第一個層面，是直接使用它所產生的價值。考慮到一方數據的體量有點小，直接使用它的限制又比較多，因此所能帶來的價值總是很受限。

第二個層面，是將一方數據與企業外部的更廣闊的數據和資源相結合，將一方數據融入到數字營銷更大的閉環生態中，從而創造一方數據的新的應用場景，讓一方數據成為一個“藥引子”，引發（驅動）其他數據和資源的（為企業服務的）更好的價值。

                                                   圖：一方數據能力體現的兩個層面

第一個層面的使用，被我稱為“小用”。第二個層面的使用，被我稱為“大用”。

不過，請注意，“小用”和“大用”并不意味著對你的企業而言，就一定是價值大，或者價值小的。

小用1：直接利用一方數據“騷擾”顧客，例如發短信、打電話或是針對這些數據背后的消費者的定點廣告投放。這個大家都懂，效用越來越低。

小用2：查看數據報告、分析用戶，實現基于一方數據的洞察。例如，我們常見的用戶行為分析工具（網站分析工具、小程序分析工具），或是CRM中關于客戶的數據報告。這些報告，能夠給我們相當多有價值的洞察——那些關于消費者的、關于產品的、關于市場的洞察。讓我們了解到消費者或者客戶到了我們私域中的喜好如何、體驗如何，以及希冀如何。

大用1：一方數據驅動二方數據或者三方數據，進行廣告投放，例如RTA廣告，或其他lookalike的廣告投放方式。

大用2：一方數據作為正樣本，可幫助企業內部的系統或者外部的平臺完成數據建模或是機器學習，從而幫助實現更智能優化的營銷策略或執行。

大用3：一方數據與二方數據或者三方數據進行匹配，并基于這些數據提供消費者的畫像或洞察。

大用4：利用一方數據整合多源的數據，給消費者打標簽，與企業的內部系統或者外部的各大營銷平臺做對接，并做針對消費者的特別具有顆粒度分辨力和區隔性的運營。

                                                    圖：一方數據兩個層面的使用

基本上就是這些。

現在，你比對一下自己的情況，哪些應用領域是你用得著的？

對于很多很多企業而言，基本上玩一下“小用1”和“小用2”就已經可以解決業務中的問題了。

很多朋友不服氣，說，我們企業也有做大用2（也就是要做洞察），但你仔細看看，是不是你企業所做的洞察，基本都是來自于用的平臺方的數據，也就是從數據銀行或者策略中心（二者都是阿里提供的數據平臺）得到的數據報告之后所做的洞察？

其實壓根就跟你自己的一方數據沒啥關系。

當然，能夠把一方數據做大用的企業確實有，不過數量還是很有限的。大部分企業也嘗試過，很多企業為了實現一方數據的價值，不惜代價建CDP。CDP上馬跑了一段時間之后，發現，哎呀，跑不通，困難重重。

那么，問題到底出在哪里呢？接著看。

可以說，一方數據的應用，任何一個應用，想要實現它，要挖掘的深度是很深的，實現起來并不簡單。

相對而言，用平臺方的什么數據工具做一些事情，那就容易多了。而且，現在平臺方也不遺余力地開放自己的數據能力（注意，不是開放自己的數據，而是開放自己的數據能力），不僅僅是讓你應用這些數據的時候更加簡便，而且功能也不斷推陳出新。只不過，唯一的問題是，你不得不依賴于它，并且數據的應用也都必須在它的生態內。

好，還是回到一方數據的話題，為什么輪到一方數據的應用，就如此困難，如此痛苦？

一句話就能回答：啥都要自己搞唄！

我們以“大用4”為例。

這種區隔性的運營，要解決幾個問題。第一，數據從哪里來；第二，數據體量是否足夠用于打準確的標簽；第三，標簽打好了，應用的出口（場景）是哪里；第四，面對這個應用場景，相應的工作流程的改變、人員的配備，都能到位嗎？

以汽車行業的一個解決方案為例。

這個案例的解決方案，是幫助找到“假性戰敗”的意向人群。

所謂假性戰敗，是指被經銷商標記為已經選擇了競爭對手的產品，或無效的購車意向人群中，但事實上并不是真正這樣的那部分人。

怎么找到呢？

首先，我要判斷這些人是不是真正的“假性戰敗”，我需要獲取數據。數據有幾個類別：

• 戰敗人群的個人屬性數據 —— 一般來自于銷售，銷售的記錄一般比較準確，需要調用CRM中的記錄。

• 戰敗人群的銷售交流信息數據 —— 一般來自于銷售，但銷售的記錄靠不靠譜不好說，同樣需要調用CRM中的記錄。

• 戰敗人群在私域中的行為數據 —— 取決于車企的線索從哪里來，如果來自于自己的私域，能夠獲得很多行為數據。

• 戰敗人群在互聯網大平臺中的屬性 —— 需要將一方數據和互聯網巨頭平臺的數據進行匹配。

你看，困難來了：

• CRM的數據難度不大，但企業的CRM數據涉及到很多管理問題，能不能拿到不好說。這是企業內部組織問題，但很多時候，組織問題卡死人。

• 行為數據來自于私域，并且可以自己利用工具收集，但通常，這些私域的流量和活躍度都很不足，需要很強有力的運營能力。難度很大。否則數據很稀疏，或者質量很差，啥用都沒有。

• 自己的數據和互聯網大平臺的數據做匹配，技術難度不大，個人信息保護法的要求要注意。很多企業不知道怎么做。

這只是數據獲取這一塊的挑戰。對很多企業來說太難了。于是，退而求其次，不做私域了，不搞私域數據了，找第三方給我數據。但個保法之后，這條路堵死了。你必須得好好做私域。

數據獲取之后，做什么呢？

把這些戰敗的線索中，發生了實際轉化的拿出來，作為正樣本；沒有發生轉化，且被銷售認為完全不可能轉化的低評級的線索作為負樣本。然后建模，用貝葉斯決策樹，或者其他的算法，看哪些屬性的人跟正樣本的人群更像，哪些跟負樣本的人群更像，或者，正樣本的人群有哪些特征，負樣本又有什么樣的特征（特征工程）。

這個事情，好做嗎？

方法上不難，很多數據服務公司應該都可以做。但容易出問題，主要在數據質量和數據的豐度上，特別不夠。數據清洗也需要花費很大的精力。這些沒有處理好，給出的結果就變成了“過家家”一般，沒有太多的意義可言。

分析做完了，再之后呢？

再之后，讓經銷商再給這些“找回來”的線索打電話，再去影響他們。如果一切順利，這個方式就變成了一個企業的標準銷售工作流程，就是俗話所說的，利用工具再“洗”一遍數據，然后再基于這些數據打電話，最終提升成交率。

這個業務場景本身的需求描述起來是不是很簡單？——不就是把以為已經失敗的意向中那些其實還有用的重新找回來嘛！

但實現這個事情的過程是不是很復雜？——涉及到組織內部的合作，涉及到一方數據跟外部平臺的匹配（這中間還有很多商務問題，以及在這些平臺上的投放花銷問題），還涉及到個保法，涉及到數據建模和分析，涉及到某個部門（或多個部門）工作流程的改變。

一點也不簡單呀！

現在，可以停下來問問自己，自己的組織真的能夠做到嗎？或者，大家心里都有數，就算是能做到，也不是馬上就能實現的吧！

剛才那個場景，可能大家看了說，我不是汽車行業，我沒有那么復雜。

沒錯，汽車行業是非常復雜的，因為汽車行業有亦合作亦競爭的經銷商體系，汽車也是高價商品。

那我們看快消企業利用一方數據進行精準投放的例子。

這是我們前面所說的“大用1”。

“大用1”之下，目前比較常見的應用有兩種，即上面列出的RTA廣告，以及lookalike投放。

RTA廣告，我之前的文章也有講過，本質上跟PDB（AG：Automated Guaranteed）的方式是類似的，都是“詢問后再投放”的廣告，詢問和反饋都通過API完成。如果對這種廣告形式不太了解的朋友，歡迎參加我的大課堂。

但RTA和PDB有區別。RTA要基于廣告主自己的一方數據，PDB則主要是靠外部第三方的數據。受制于個人信息保護法，PDB這種方式目前有風險。

RTA能夠充分發揮一方數據的價值，并且更少個保法上的風險，當然，前提是廣告主要合法獲取自己的一方數據。

所以，仍然涉及到數據獲取的問題。

快消企業的一方數據怎么獲取？依靠自己的運營，無論是線上的，還是線下渠道的經營。這些數據來自于幾個源頭。

• 自己私域的搭建和運營。

• 從電商會員通獲取。目前，各個大平臺的電商會員通，都還有辦法讓你拿到消費者的相關數據，但有很多條件和限制。

• 線下各渠道，比如直營店直接數字化獲取消費者數據，或是與自己的經銷商合作。

你看，獲取這些數據還是有難度的。

• 自己搭建私域以及做運營，看起來不復雜，但是為了數據去做這個事情，就有點復雜了。自己做私域，如果不考慮數據的話，做一些微信群，或者做一些企業微信的應用，還是比較容易的。但如果要收集數據，那么就需要有專門的觸點了。這些觸點，建立起來不一定復雜，運營可一點都不簡單。

• 電商會員通獲取數據，總體看也有一些條件，比如，你需要一個被這些平臺認可的CRM系統，你需要和平臺認可的ISV（或者TP、DP）合作，當然，更重要的，是你要說服消費者成為你的會員。另外，也有很多限制，比如消費者成為你的會員的前后三個月的訂單信息才能被獲取，以及可以想到的必然會做的加密（不過有的平臺提供官方密鑰，有的則通過第三方ISV能夠實現解密）。總體看，都能操作，就是需要有比較完善的基礎設施，有電商運營的能力，還要跟平臺有緊密的合作。

• 從線下各渠道獲取數據？如果是直營店，那就讓柜員邀請消費者上翻到線上私域中，相對容易，但對線下柜員的培訓和管理很重要。如果跟經銷商合作獲取消費者，那么需要考慮，如何說服他們提供數據？當然，無論哪種方式，基礎設施仍然很重要。

這幾種方式都很有挑戰。

所以，RTA一出來之后，快消品牌很難用得上。因為，沒有那么多一方數據能支撐廣告平臺過來的查詢。

現在快消品牌主也用RTA，但其實并不是“純粹”的RTA，而是由平臺提供的一方數據的RTA。這聽起來很矛盾，但實際上是不得已而為之的“折衷”辦法。具體可以看微信的RTA廣告模式。當然，這種廣告模式不是我在這篇文章中要討論的重點，重點是，這種折衷辦法所反映出來的問題——快消品牌廣告主普遍缺乏規模化一方數據的累積，尤其是個保法實施之后。

那么，如果我不用RTA，我用lookalike投放呢？情況會不一樣嗎？

數據應用的門檻會比RTA要低很多。但是……要想投放好，第一方數據的體量不能太稀疏，而且還需要基于數據對人群的segmentation要足夠好，即數據屬性的豐度和質量也需要很靠譜。我的不少客戶，都會抱怨，用了lookalike的方法進行投放之后，很多時候不如直接用平臺的DMP選人來投的效果好。emmmm... 事情總是發展的不如我們想象的，這太常見了。

當然，這已經是當前應用一方數據最好的領域了。

這篇文章不想把大家帶入一種悲觀的情緒中。

我更想表達的是，一方數據的應用，是一個系統性的工程，不僅僅只是數據那么簡單。

舉那么一個不恰當的例子，如果把數據比喻為石油，假如這世界上不存在石油機械，也沒有石油工人，更沒有利用化石能源的交通工具和各種機器，那么，石油又有什么價值呢？

所以要讓石油有價值，相關的一系列配套系統，必須建立。但問題是，石油雖然沒有那么貴重，但是石油機械、操作這些機械的工人、交通工具等等配套應用體系和設施，全部都建立起來的話，是很貴的。

這就回到我這篇文章前面所講的內容了。應用一方數據，現在必須思考一個重要的問題，成本，或者更準確地說，是性價比問題。

有的企業，若考慮到一方數據的性價比，或許永遠都沒有必要去做什么一方數據相關的工作，也沒必要考慮，自己要非有什么數據資產之類的。另外，并不需要把私域和數據掛上鉤，很多私域其實通過建一些群就能解決，直接可用的數據工具也很多，也到不了非要自己積累一方數據的地步。

如果考慮清楚了，必須要上一方數據，那么就需要認真地系統性地思考了。

顯然，對大部分的企業而言，一方數據到底要于什么場景，以及用到什么程度，是要提前搞清楚的。然后，需要搞清楚，如果要滿足這些場景并達到所需的程度，自己需要滿足什么條件、建立哪些基礎以及配套什么資源。

在動手之前，還要盡量把預計的效果和KPI提前定好。

或許應該有一個恰如其分的先行咨詢，如同我的客戶所做的那樣。

或者，我該說，如果沒有弄清楚就行動，錢或是只是未來會發生的所有損失中最小的損失。