數據清理室廠商大亂鬥！各家功能優缺點全比較

過去行銷人十分仰賴用戶層級的數據（例如用戶ID、裝置ID），然而近年對隱私權的規管，讓數據變得難以捉摸外，也無法用數據做出優良決策。這種從生態系上的改變，對數據的存取將變得更加困難，但對於品牌來說，這也是強化自身競爭優勢的機會。

數據清理室有哪些種類？

儘管所有的數據清理室都是透過移除用戶數據來隱藏消費者，再透過共同擁有的屬性將消費者顯現，但是各家廠商的作法仍有不同之處。以下將評估各家廠商彼此的表現，並說明他們獨特的優缺點。

一、圍牆花園－科技巨頭平台（Walled Gardens – Big Tech platforms）

這是由封閉的生態系組成，他們對於硬體、軟體或內容有極大的控制權，代表的廠商有Google Ads Data Hub、Facebook Advanced Analytics 、Amazon Marketing Cloud等，他們能安全地將第一方數據商業化。對於安全嚴格要求的環境下，這些大型的自歸因廣告平台（Self-reporting networkings）讓行銷人存取事件層級的數據（例如點擊、分享、填寫表單等），進而做出優良的廣告決策，而不侵害到消費者隱私或生態系的護城河。

優點：

• 支援事件層級的豐富第一方數據組，是個獨特資源（Cornered resource）

缺點：

• 提供原始數據分析，若要讓一般行銷人能閱讀數據，需要科學家、分析師或工程師團隊

• 僵固的架構

• 缺乏跨平台產生可行動數據的能力（例如多重歸因）

• 缺乏不同公司間的數據合作

• 嚴謹的數據請求功能

二、多平台或中立廠商（Multi platform or neutral players）

多元化廠商（Diversified）

這些廠商主要是在行銷應用、雲端數據儲存等相連產業所經營的企業，他們以符合監管法規的方式收集資料訊號，提供數據的合作機制，主要的廠商有Epsilon、Measured、BlueConic和Merkle。

優點：

• 架構具彈性

• 對數據類型和分析程度有專門的治理

缺點：

• 對科技巨頭的數據存取受限

• 狹小的合作生態圈

• 下游廠商整合受限

• 利用現有的顧客數據平台（Customer Data Platform）或複雜事件處理（Complex Event Processing）功能，可能導致潛在的數據問題

專注廠商（Pure players）

這些屬於成立時間較短、中小型規模的數據清理室，代表廠商例如有Habu、 Harbr、InfoSum和Decentriq，還有更專注在企業端的SnowFlake。

優點：

• 架構具彈性

• 可利用現存的資料流和儲存基建（SnowFlake）

• 存取整合夥伴的生態系統（SnowFlake）

缺點：

• 第一方數據粒度（data granularity）受限（數據粒度意指數據的詳細和清晰程度，顆粒度越細代表細節越詳盡，越能清楚事情全貌；顆粒度越粗代表細節越少，更多是抽象概括概念）

• 數據吸收（data ingestion）依靠第三方夥伴的基建

• 狹小的下游廠商整合選項

行動測量夥伴（第三方數據追蹤平台）（Mobile Measurement Partners）

這些是受信賴、沒有偏見的廠商，他們利用客戶自有的商業邏輯，使用所有的用戶層級數據，產生聚合（aggregated）和可行動的洞察，例如Appsflyer、Adjust、Singular。

優點：

• 具有用戶層級和跨平台的數據顆粒度

• 實時的轉換數據

• 手機APP商業邏輯的整體性分析

• 彈性的廠商整合選項

• 高品質的數據聚合報告

缺點：

• 數據粒度與存取行為可能受到自歸因平台的一些限制

• 缺乏現有的顧客數據平台架構

如何選擇合適的數據清理室廠商？

在評估適合的數據清理室時，需考量自家業務的主要管道（手機、APP、網站等）、規模大小、行銷需求、數據結構和內部資源等。再來，選擇數據清理室時也要考量到消費者的行為轉變，不只是現在，更是未來可能發展的方向，例如多數用戶從網站購買轉移到APP內購。

在選廠商方面，有兩個因素必須考量，一個是廠商處理數據的量體與品質，也就是深度；另一個是廠商接收數據的種類，也就是廣度。不同廠商專精的領域也不同，例如科技巨頭在數據深度上具有優勢，但缺乏多樣化數據來源。

數據清理室與顧客數據平台（CDP）有什麼不同？

1.CDP讓廣告主蒐集、分享和處理第一方數據，更注重在用戶層級的數據與裝置或用戶的辨識碼，但數據清理室則是專注在分析匿名後的第一方數據。

2.對比數據清理室使用高階的安全保護（多方數據保障技術），CDP只有基礎的安全保護（例如授與存取權），更有數據洩漏的可能性。

3.廣告主無法在CDP中分析其他企業的數據。但在數據清理室中可以獲得根據聚合數據所產生的匿名報告，從中獲得顧客洞察。

為什麼數據清理室還尚未普及？

1.數據清理室的使用成本相對高昂，雖然科技巨頭們皆提供解決方案，但與大平台合作的後續營運挑戰可能帶來經濟壓力。

2.成功的數據清理室仰賴於數據的共享，但由於部分廣告主對潛在風險仍有誤解，不是所有人都能安心向外部揭露詳細數據或交易資訊，因此當不完整的數據進入清理室分析，不完整的洞察出來，導致只能粗略的測量成效。

3.數據清理室作為隱私權規管的解決方案仍屬於新型工具，目前執行數據清理的標準尚未有共識，表示數據池中可能存在著多種數據格式，將這些數據聚和的前置作業可能相當耗時。

4.用戶層級的數據在某些情況下仍可取得（例如Android裝置、同意APP追蹤的ios用戶），有些廣告主認為採用數據清理室沒有那麼急迫。

結論

數據清理室在這波消費者隱私的浪潮中興起，成為行銷科技堆疊中的重要工具之一，幫助廣告主投放精準廣告、個人化行銷、曝光頻率設定、廣告活動測量與歸因等，當然目前也還有其他關於隱私權的解方，例如Universal user IDs、Google Privacy Sandbox或是contextual targeting等工具。

隨著監管機關對隱私法律增添修訂，將有越來越多的科技廠商加入戰局，如果您是廣告主或媒體商，緊盯行業變化發展將是未來勝出的關鍵！

本內容由傑思．愛德威所贊助，AMT亞太行轉聯盟A_Talent計畫研究員整理編輯，玄奘大學傳播學院邱琪瑄副院長協助。

文章取自：MarsGo

封面圖片取自：MarsGo