編輯導讀：用户畫像、DMP、CDP等這些詞語相信很多人已經耳熟能詳，但是具體有用嗎？很多人不置可否。這就引出一個問題：廣告客户玩數據，該不該把主要精力放在理解用户上？針對這個問題，本文作者提出了自己的一些看法，與你分享。
上週，跟老朋友S總喝了個豆汁，他在某新鋭品牌負責市場營銷。一提到投廣告，他就開始嘬牙花子：“現如今廣告平台越來越牛，我們甲方反倒有點被邊緣化。似乎身不動膀不搖，設好佣金比例，等着出單就行了。出不了單，也沒啥好辦法。”
我調侃説：“不能反抗，那就躺平了享受唄！”他説：“那可不行——啥也沒幹，年終獎好意思拿麼？”於是，在幾個第三方狂轟亂炸的遊説下，他揭竿而起，花大價錢搞了全套數據產品，打造理解用户的能力。什麼用户畫像啦、DMP啦、CDP啦，騷詞整了一大堆。我問他：“有用沒用呢？”他苦笑道：“但凡你要能讓這些玩意有用，我給你一毛錢！”
這就回到上文留的扣子了：廣告客户玩數據，該不該把主要精力放在理解用户上？在這點上，很多客户是有個認知上的誤區的，今天就把這事聊明白。不過要説明，本文的討論，不適用於像京東、美團、快手這類數據能力很強的平台型客户。
當然，我今天説的事，90%的廣告代理和技術公司也不會跟你講，因為他們基本上也幹不了，或者不明白。
一、搞用户畫像，有兩個條件為啥對廣告客户來説，搞用户畫像看起來高大，用起來雞肋？從邏輯上講，理解用户的能力要用得上，有兩個前提：一是你真的能理解，而不是像扔鞋一樣亂蒙；二是得有用武之地，也就是得有挑選用户的接口，跟你對接。
先來看看第一個條件。
就拿S總的全套數據產品來説，他無奈地告訴我，除了原來CRM裏的那些線索以外，從站外拿到的數據，最多也只是一點自己投廣告的監測數據。想根據誰看了你的廣告，來給用户畫像，這不是想瞎了心了麼？
再看看人家平台方，什麼社交關係、興趣標籤、搜索記錄、購物歷史，再加上移動端豐富的傳感器，早就把用户從胸圍到眼鏡度數扒個底掉了。您想想，這些真正有價值的數據，客户能拿到哪怕一根毛線頭不？
沒數據？沒數據你理解個大和尚！打個比方，你本來是個小學生，卻非得去思考大學教授研究的問題，這事兒您覺得能靠譜麼？
於是，除了賣系統的第三方火穴大轉，這場轟轟烈烈的營銷數據化運動唯一的價值，就是生動地詮釋了一句至理名言：巧婦難為無米之炊。
當然，S總手裏那些線索數據，也是有些價值的。可是畢竟用户全面的畫像在廣告平台那邊，即使是把他的數據拿進來一起建模，那也一定是扔到平台的鍋裏燉。這事兒道理特簡單：聯合國大會在哪兒召開，是應該秘書長定呢，還是保潔員定呢？
再來看看第二個條件。
家裏有老人的可以回去問問，在PC時代，競價廣告平台多采用CPC出價模式：平台與客户買賣的是點擊；一個點擊值多少錢，客户來算；而廣告的點擊率如何，媒體來算。
要把自己的用户畫像用於廣告投放，那就得有個實時挑流量、定價格的接口。這種接口大家都聽説過，叫做程序化。
不過如今的廣告平台，大趨勢並非程序化，而是“智能投放”：平台的數據能力越強，手也越長，客户把你的轉化事件報給我，乾脆我來給你算轉化率，咱們按一個轉化多少錢算。於是，這就產生了oCPX/CPA這樣的出價模式，這也就是“智能投放”的產品趨勢。
看看上面的式子，您就明白了：現在點擊率、轉化率都不用算了，我把素材準備好，填個轉化單價進去就得。投Facebook的客户體會更深：連出價都不用，您給個預算就得了。這樣一來，就算是理解了用户，也沒地方挑去不是？於是乎，收集數據、用户畫像還有什麼卵用呢？（上面的內容，我們在《廣告為什麼需要計算？》一文中有詳細解讀。)
不顧自己的數據資產和能力現狀，盲目效法大平台做用户畫像，是今天廣告客户玩數據的一個大誤區。
二、用數據好好理解產品既然理解用户沒什麼卵用，我們管殺管埋，還得説説什麼有用。
客户的營銷體系，難道不需要數據化麼？顯然不是。我的觀點是（此處敲黑板劃重點）：對廣告客户來説，最需要的數據能力不是理解用户，而是理解產品。
理解產品是什麼意思？我們來想想，在智能投放的產品趨勢下，客户還剩下什麼事呢？其實只有三件事了：選產品、做素材、設單價。
拋開做素材不談，就是選產品和設單價這兩個環節，其實也是需要很強的數據能力，來“理解產品”的！只是這種能力的重要性，還沒有被多數客户重視。
説到選品，您可能會問，這難道不是電商才會考慮的事兒麼？其實不然。比方説，一個短視頻應用投廣告，肯定是挑出一條視頻內容，比如下圖中的某一個，直接把它投出去。而這每一條被投出來的視頻，也就是你的產品了。
短視頻如此，什麼小説、新聞、旅遊甚至教育，今天都是這樣的投放邏輯：從挑出具體的產品內容，直接面向用户投廣告。如果還有人傻呵呵地拿個logo在那兒硬推的，説句文言，那一定是浪催的。
好了，短視頻也好、小説也罷，內容都是汗牛充棟的，您説有沒有選品的問題？因為其中有相當大的一部分，跟手工耿老師的作品一樣，一件也賣不出去。您説全投出去測測看？這種瞎貓策略成本太高了：就算一條內容投十塊錢兒的，一天測十萬條，一百萬先就打了水漂了，這實在有點二。
那麼怎麼選品呢？這就自然地過渡到下一個問題，也就是出價。或者説。這本來就是同一個問題——用數據好好理解產品。而把單價算清楚這一點的重要性，其實是被嚴重低估了。
三、算得準就是掙得多智能投放的邏輯下，你報給平台的轉化單價應該是多少呢？有人説，這個不用搞那麼準吧，設一個肯定不虧的價格，不就得了？説這話的人，對競價廣告的本質並不瞭解。
有一點大家應該知道：目前幾乎所有的競價廣告平台，採用的都是第二高價(或VCG)的機制。二價機制有個重要的性質，就是truthful：客户忠實地按照回報出價，才能獲得最大的總利潤！
怎麼理解呢？在二價市場中，當我們把出價準確地設成“收益= 收入–成本”時(注意：這裏的收益是不含廣告費的)，總的利潤是最多的。
因此，這裏的關鍵，就是要把產品收益算準！
先來説説，算不準會怎麼樣？那就不能按照“預估收益”來出價，而是要按“(預估收益+ 安全邊際)”出價。這裏的安全邊際，大致就是成本估計的平均偏差，也就是“Δ(預估收益 –收益)”。顯然，收益預估越準，安全邊際就越可以留得小，按照truthful原理，也就可以有更高的總利潤。
如果您沒什麼感性認識，我來説個定量的結果：在一次規模化的A/B測試中發現，我們發現，當把出價的安全邊際由10%降至5%後，總利潤反而上升了70%左右。也就是説，在二價市場中，毛利率越低，總利潤越高！
明白這個，關鍵任務就清晰了：對廣告客户來説，努力將毛利算準，使出價更接近於真實收益，會帶來巨大的利潤空間。簡而言之，算得準就是掙得多！
話説回來，把數算準為什麼這麼難呢？還拿上面的短視頻做例子，如果推小姐姐，那麼可能進來的用户後續會把錢花在直播打賞上；如果推是辛巴，那麼是用他會用直播帶貨來獲利；如果推老楊道，人見人罵，可是對推高應用日活很有幫助，這後面的收益就是個長期效果了。
咱們做個形象的比喻：好比説，您在玩一個題圖裏模擬經營的遊戲，這裏可以生產五花八門的資源，什麼糧食、棉花、木材、布匹、衣服、瓷器，彼此還互相依賴，你要根據開始倉庫裏的東西，制定出一個收益最高的生產計劃來。顯然，靠我們人類的直覺摸着來，作為遊戲消遣當然沒問題，可是要跟數據化的建模和優化結果相比，那可能差得非常遠。
當然，這只是玩遊戲。真正的業務裏，沒有人先畫好這樣一張生產流程圖擺在你面前，更不會給你把數都標上。所謂理解產品，就是把從廣告轉化到最終形成利潤的整個後鏈路，都數據化和模型化起來。這樣做，為的是在投廣告的瞬間，更準確地計算出每個產品的收益來。
而產品的收益算準了，選品問題自然也就迎刃而解了。
拿上回談的電商來説，決定收益的環節，包括但不限於採購、運費、退貨和客服等。就説一個退貨，產品之間相差很大，對收益影響顯著，然而相對準確的數據要個把月後才能拿到。您想想，要在廣告投放的時候就把這些算得靠譜，得有多少把流程數字化，以及建模預估的工作。
雖然不好做，可是跟理解用户相比，至少這些後鏈路上的數據，客户是能拿到的啊！這樣一來，客户的數據產品，才能擺脱純粹吹牛逼的窘境。
這麼看來，每個產品從轉化到最終形成利潤的鏈路，非常漫長而曲折。必須用數字化的方法，把這些理解透徹，建出模型，才能在產品從廣告渠道投出去的那一瞬間，相對準確地算出每個轉化的定量價值。這樣，才能解決好選品和出價這兩個看起來跟數據關係不大的問題。
所以，把自己產品的收益算清楚，利用truthful原理將總利潤放大，這裏面的油水大了去了。產品的理解還基本靠感覺呢，就非得去搶平台的生意理解用户，是不是有點兒緣木求魚了？
對多數廣告客户而言，理解用户，看起來輝煌燦爛，實則是鏡花水月；理解產品，看起來龐雜紛亂，但是路就在腳下。
#特邀作者#北冥乘海生，公眾號“計算廣告”（ID：Comp_Ad）
本文原創發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議