上帝说道，要有光，于是人间之后有了光。 奥格威说道，消费者不是白痴，于是做广告之后更加无以。 千禧一代说道，资讯要随时被查收，于是营销之后踏上了移动的道路。

而广告主答道，如今营销的效率太低，于是程序化出售之后减缓了脚步。 被迫说道，在市场环境的强制之下，移动营销正在逆“智慧”。 由单一执着效果到单一执着品牌再行到执着品效合一、从出售媒体资源转化成为出售人群流量，在这种程序化出售的演化过程中，数据资源与数据技术所占有的方位更加核心。 程序化出售，普遍意义上可以解读为广告主利用专业平台的大数据和精准投入技术，基于目标人群而程序化的自备流量资源，并可通过人群优化及全程监测，使得广告投放构建自动化、智能化、动态化。其核心价值是以人群数据为基础，为广告主精准的找到“对的人”。 数据——让目标人群“可视化”沦为有可能 基于数据技术以及DMP的较慢递归，当下消费者的一切不道德在广告主面前或许都是“可视化”的，而这也正是程序化出售的魅力所在。享有强劲数据能力的程序化出售将可以构建广告主所渴求的“1对1交流”和“千人千面”的精准化、个性化的营销方式。 借助数据技术对目标人群的社会属性（年龄、性别、社会层级等）、地域产于以及不道德属性（触媒习惯、内容偏爱等）的理解，程序化出售可在每一次展出机会下，将最合适的广告内容精准启动时给最给定的人群以适应环境有所不同的市场需求场景，并可基于对用户的不道德预判，动态提高广告投放的效率和用户体验。 然而，事实并不像说道的这么非常简单。

所谓需要构建上述精准营销的“强劲数据能力”，是由多个维度的要素联合良性起到的结果，目前市场中较不受接纳的平台仍为少数。以多盟DMP为事例，其身体素质的数据能力主要还包括关键的数据合作、非常丰富的人群标签、全面的人群覆盖面积、动态的人群优化以及全程的广告不道德追踪。 精准广告的核心是维持目标人群、媒体资源、广告创意这三者的一致性，即让“对的人”在“对的时间”和“对的媒体”上看见“对的广告信息”，所以说道，享有可信的数据能力才是移动营销公司的核心资源和关键竞争力。 数据——让品牌程序化出售更为“精准” 却是，精准定位人群和定向投入广告才是程序化出售的准确用于方式。利用非常丰富的数据资源和高效能的数据技术对目标人群展开标签分组并持续优化，所构建的“用户个性化深度交流”需要有效地提高广告投放效果。 1）数据的基石：普遍合作与深度累积 用户人群的覆盖面积维度包括全面性与精准性两方面，而这必不可少数据的资源广度与累积深度。 数据的资源广度，主要由DMP所链接数据源的丰富性与多元性而要求的。以目前资源覆盖面积更为全面的多盟DMP为事例，其合作的数据维度还包括几大方面：社交类数据；app内不道德及内容偏爱数据；用户历史不道德数据；电商不道德数据；线下的机场、高铁、医院、影院等方位、时长、成倍数据等。 数据的累积深度，必须通过各方数据合作与融合等方式展开单体并精准动态的交叉分析优质原始数据源，构建对人群画像与人群标签的累积与溶解。正是利用对多维度数据的辨识、分析与大大检验，精准细分目标人群，从而提升广告投放的有效性与精准度。 2）数据的核心：精准的人群辨识与动态的人群预判 “将用户标签化”的理念在营销领域早就深入人心，但对于程序化出售来说，静态的标签化并足以符合最佳广告效果，应用于投入决策的人群检验机制中还必须一个重磅角色——DMP动态人群评分系统。它将在传统分组打标签的基础上，对人群标签的权重值动态改版。

用户的广告对话不道德、社交不道德、搜寻不道德、网页不道德、电商不道德等要素联合包含了人群标签与动态评分的数据基础。例如，某30岁男性用户在优酷观赏了宝马3系由的广告内容，并通过微博公开发表了针对宝马3系由的正面评价，则该用户将有可能被标签为“汽车”，再行由交互数据预测其价值强弱，最后根据流量价值而动态指导投入策略。 此外，利用数据技术提升目标人群的精准性还包括另一最重要维度，即基于LBS的地域定向。在这方面，多盟可以精准到楼宇而某种程度是半径来做到方位投入。 3）数据的运营：不道德跟踪与动态优化 程序化出售效果的提高相当大程度上依赖持续优化，而优化的本质是检验。 对于一则广告信息，其可触约的有效地目标人群是必须动态改版的。通过初始投入、触达用户不道德监测、原先投入人群调整这三项流程，动态指导新一轮的广告投放策略。 明确的优化流程可非常简单解读为，在对已原作的目标用户群实施第一轮广告投放后，根据用户不道德的对系统数据（例如产生页面不道德或未产生页面），动态减少、减少或移除目标用户群的权重分值，从而持续优化目标人群池，逐步提高广告投放的精准性与有效性。 正如本文开篇所谈：移动营销，正在逆“智慧”。它拒绝广告投放更为基于数据的技术、人群的洞察、流量的检验以及内容的可读性，而这一切都必须广告主信任并利用程序化出售的方式来超过信息高效展出的目的。坚信在旋即的将来，用智慧驱动的移动营销将沦为主流。