数字广告用语词典2024版

数字广告用语词典2024版

基础营销概念

• 营销技术（MarTech）：泛指营销中使用到的各种IT技术，包括数据、触点和内容相关。
• 广告技术（AdTech）：品牌利用数字媒介进行实时广告投放背后的技术，包括了DSP、DMP、ADX、SSP等技术。
• 数字化转型（DigitalTransformation）：利用数字技术创建或改进现有的业务流程、企业文化和客户体验，以满足不断变化的业务和市场需求的过程。
• 前链路（Pre-clickChain）：受众在点击广告前，接受广告信息的所有行为环节。
• 后链路（Post-clickChain）：受众在点击广告后，进入落地页/销售页面后的所有行为环节。
• 广告主（Advertiser）：为推销商品、提供服务或推广概念而发布广告信息的市场主体。
• 广告代理商（Agency）：接受广告主委托，帮助广告主完成广告投放的代理机构。
• 媒介（Media）：品牌通过广告的形式，向受众传播信息的渠道。
• 客户体验（cX，CustomerExperience）：消费者采购决策链中，受到广告主影响的节点。
• 客户旅程（cJ，CustomerJourney）：为了让受众有更好的客户旅程，品牌梳理触点、内容、销售、服务等资源，以用户为中心形成更好的资源组合方式。
• 用户体验（UX，UserExperience）：消费者可以与企业进行交互的任何方式。
• 目标受众（TargetAudience）：广告主投放广告希望触达并产生影响的受众群体。
• 目标客户营销（ABM，AccountBaseMarketing）：根据理想的客户特征来确定精准的客户名单，并通过一些个性化的内容触达目标客户，进而推动客户的购买旅程。
• DTC/D2C（DirecttoConsumer）：一种营销方式，指品牌不通过零售商、批发商或任何其他中间商，直接对受众进行营销和销售。
• 认知-兴趣-购买-忠诚（AIPL，Awareness-lnterest-Purchase-Loyalty）：主要用于电商平台的用户生命周期管理方法，指用户从品牌认知到最终转化经历过的四个阶段：认知（awareness）、兴趣（interest）、购买（purchase）和忠诚（loyalty）。
• 数据资产管理（DAM，DataAssetManagement）：规划、控制和提供数据及信息资产的一组业务职能。
• 销售漏斗（SalesFunnel）：建立在营销和销售之间的过程考核体系，以客户数据和接触为出发点，最终销售为终点。
• 公域流量（PublicTraffic）：平台方为品牌商家提供的付费流量。
• 私域流量（PrivateTraffic）：企业品牌自有的、可开展个性化运营的用户资产。
• AARRR模型（IAARRRModel）：主要用于互联网平台的用户生命周期管理方法论，包括了Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自传播）五个不同阶段。

营销数据管理

• 授权管理平台（cMP，ConsentManagementPlatform）：使网站、APP遵循GDPR或其他数据隐私法律法规的工具。
• 营销数据中台（MDP，MarketingDataPlatform）：实现营销场景的数据中台，包括了DMPCDP、DataLake等多种模式。
• 数据管理平台（DMP，DataManagementPlatform）：主要用于数字广告的投放，存储的是数字数据为主。
• 客户数据平台（CDP，CustomerDataPlatform）：主要用于品牌自有用户管理，存储的是个人身份信息数据为主。
• 商业智能（BusinessIntelligence）：通过可视化工具和数据挖掘，将海量数据简化成业务侧可读懂的图表。
• 客户体验管理平台（cEM，CustomerExperienceManagementPlatform）：以提升客户体验为目标，根据客户旅程进行个性化营销配置的工具。
• 数据湖（DataLake）：定位是企业业务层面的数据大集市，会整合全公司各种数据源。
• 数据交易平台（DataExchangePlatform）：独立的第三方数据交易平台。
• 数据仓库（DataWarehouse）：为需要业务智能的企业，提供指导业务流程改进、监视时间、成本、质量以及控制。
• 数据中心（DataHub）：一种支持数据无缝流动和数据治理的架构模式。
• 第一方数据（FirstPartyData，1stPartyData）：品牌在自有平台和流程中，通过技术获取的受众数据。
• 第二方数据（SecondPartyData，2ndPartyData）：品牌不是依靠自身技术进行收集，而是委托外部业务伙伴、平台进行分享的数据。
• 第三方数据（ThirdPartyData，3rdPartyData）：品牌从外部数据供应商，通过合法手段获取，或者使用的数据。
• 数字数据（DigitalData）：基于受众信息终端的非实名数据。
• 个人身份信息数据（PII，PersonalIdentityInformation）：受众的个人身份数据，包括了姓名、地址、电话、身份证号和手机号等字段。
• 开放数据（OpenData）：互联网上存在的公开且免费数据。
• OpenID：微信用户在公众号AppID下的唯一用户标识。
• OneID：“一个身份识别”，通过大数据平台进行多数据源的标准化、规范化、数据聚合等处理。
• 隐私计算（PrivacyComputing）：面向隐私信息全生命周期保护的计算理论和方法。
• 联邦学习（FederatedLearning）：一种新兴的人工智能基础技术，在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。
• 医名数据（AnonymousData）：经过技术脱数处理，在不泄露个人身份资料和隐私的情况下，用于营销目的的数据。
• ID管理（IDManagement）：针对营销过程中收集的数据进行技术脱数处理。
• IMEI：国际移动设备识别码，用于识别每一部独立的移动通信设备。
• UnionID：和微信开放平台帐号绑定的给独立用户分配的唯一ID。
• IDFA：苹果广告标识码，Apple公司为iOS移动设备提供的用于追踪用户的广告标识码。
• 设备ID（DeviceID）：消费者移动设备（手机和Pad）的唯一ID。
• 开放匿名广告标识符（OAID）：一种非永久性设备标识符。
• 苹果应用开发商标识码（IDFV）：由开发者分配给所有应用的代码。
• 消费者图谱（IdentifyGraph）：基于deterministic或者probablistic方法得出的一个消费者的跨终端设备的身份识别。
• 家庭户图谱（HouseholdGraph）：基于deterministic或者probablistic方法得出的个家庭户的跨终端设备的关联。
• 消费者/客户画像（Persona）：通过数据标签，表达对于受众5W1H的认知。
• 数据抽取、转换和加载（ETL，ExtractionTransformation-Loading）：将数据从来源端经过抽取（extract）、转换(transform）、加载(load）至目的端的过程。
• 数据扩充/增强（DataEnrichment/Enhancement）：针对广告主已经获得消费者许可，收集到的受众数据进行字段补充。
• 数据打通（DataOnboarding）：将同一消费者的数据整合。
• 数据权限管理（DataAccessControl）：确保用户的身份，并保证他们对企业数据有适当的访问权。
• 数据治理（DataGovernance）：对于品牌收集的原始数据，进行标准化，ID打通，异常数据去除等处理后，形成“干净”可用的数据。
• 区块链（Blockchain）：数据存储的一种方式，具有“不可伪造”“全程留痕”“可以追溯”“公开透明”“集体维护”等特征。
• 知识图谱（KnowledgeGraph）：也被称为图数据库，不同于传统的数据库方式是通过标签来描述对于受众的认知，知识图谱更多用于表达数据和数据之间的关联关系。

数字分析

• 网站分析（WebAnalytics）：通过在网页中埋入代码来追踪客户的访问行为。
• APP分析（APPAnalytics）：通过APP中埋设代码，收集用户的APP使用行为数据，达到用户体验优化的效果。
• 营销人工智能（MarketingAl(Artificial Intelligence)）：通过NLP，机器学习等人工智能算法，将数据分析中数据科学家的人工干预比率降低，达到数据分析和执行的高度自动化。
• 自然语言处理（NLP，NaturalLanguageProcessing）：一种营销人工智能，通过对于文字的挖掘，将非结构化的文字信息转化为营销可以使用的结构化标签或者洞察。
• 用户路径分析（PathAnalytics）：监测用户流向，从而统计产品使用深度的分析方法。
• 预测分析（PredictiveAnalytics）：通过掌握的消费者历史采购和行为，利用统计算法来预测未来消费者的购买和行为可能。
• 漏斗分析（FunnelAnalytics）：基于业务流程的数据分析模型，能够科学反映用户行为状态以及从起点到终点各阶段用户转化情况。
• 媒体分析（MediaAnalytics）：研究、评估媒体组合在转化过程中影响力。
• 留存分析（RetentionAnalytics）：衡量一段时间后用户留下来的比例。
• 日活跃用户量（DAU，DailyActiveUser）：通常统计一日（统计日）之内，登录或使用了某个产品的用户数（去除重复登录的用户）。
• 平均每用户（活跃用户）收入（ARPU，AverageRevenueperUser）：特定时间段内平均每个活跃用户为应用创造的收入。
• 月活跃用户量（MAU，MonthlyActiveUser）：单月某产品或者网页的活跃用户数，反应产品长时间内用户活跃度。
• 毛销售量（GMV，GrossMerchandiseVolume）：电商网站的成交总额。

营销效果评估及反作弊

• 每千次广告展示成本（cPM，CostperMille）：以广告每显示1000次作为单位收取的广告费用。
• 每点击成本（cPC，CostperClick）：受众每次点击广告，品牌付出的成本。
• 每时间成本（CPT，CostperTime）：以展示时间长度来计费的广告付费形式。
• 每次下载成本（cPl，CostperInstall）：受众每次点击广告进行app的下载，广告主付出的成本。
• 每销售成本（cPS，CostperSales）：受众每次完成一次销售，品牌付出的成本。
• 每行为成本（cPA，CostperAction）：受众每次完成某动作（例如注册、下载等），品牌付出的成本。
• 每销售机会成本（CPS，CostperLeads）：品牌每获得一次销售线索的成本。
• 用户获取成本（cAC，CustomerAcquisition Cost）：获取一个客户所花费的成本。
• 每次互动成本（cPE，CostPerEngagement）：评估每次互动花费成本。
• eCPM（eCPM，EffectiveCostPerMille）：每一千次广告的限光，能够带来的广告费收入。
• 转化率（CVR，ConversionRate）：衡量广告流量转化效果的指标。
• 投资回报率（ROI，ReturnonInvestment）：广告投放带来的销售收入和广告成本的比值。
• 关注度指标（AttentionMetrics）：广告主衡量消费者对广告的注意力的指标。
• 多消费者触点归因（Multi-touchAttribution）：评估每个触点在驱动转化过程中的影响，从而确定特定触点的价值。
• ROAS（ROAS，ReturnonAdSpend）：单位广告消费能换来的收入回报。
• 归因（Attribution）：一种效果评估的算法逻辑，当有很多种因素会推动消费者形成最终购买的时候，通过算法来衡量这些因素的重要程度。
• 营销组合模型（MMO，MarketingMixOptimization）：一种归因算法，通过算法得到不同营销的投入对于最终效果的作用比率。
• 广告到销售验证（AdtoSales）：一种广告效果的评估办法，直接打通数字广告数据和电商数据，论证被广告触达的受众是否最终在电商平台上为品牌带来收入。
• 广告到店验证（AdtoVisit）：一种广告效果的评估办法，直接打通线上的数字广告数据和线下的到店数据，核实被广告触达的受众是否最终来到品牌的销售实体店。
• 可见度（Viewability）：广告展示时受众实际看到的广告面积和停留时长情况。
• 异常流量（InvalidTraffic）：在广告投放中，由于各种原因造成非真人消耗了广告费用。
• 反作弊（Anti-Fraud）：通过技术手段，识别虚假流量、值户网络等作彝行为。
• 流量劫持（HijackedTraffic）：一种无效流量，利用各种恶意软件或木马植入正常用户的浏览器、锁定主页或不停弹出新窗口等方式，强制用户访问某些网站，从而造成广告预算的流失。
• 品牌安全（BrandSafety）：为了避免这些内容对于品牌的可能性伤害需要对存在黄赌毒，明星闻，讣告等内容的页面进行屏蔽，避免广告出现在这些页面上。
• 机器人流量（或非人类流量）（BotTraffic（or Non-human Traffic）：一般无效流量，由人工恶意的利用软件造成虚假流量，以骗取广告预算为最终目的。
• 一般无效流量（GIVT，GeneralInvalidTraffic）：行业通用的利用技术和数据手段，对无效流量进行甄别的解决方案。
• 复杂无效流量（SIVT，SophisticatedInvalid Traffic）：针对通用的GIVT标准无法识别的高阶异常流量。
• 智能拍屏（Snapshot）：一种无效流量甄别手段，在广告投放过程中，选取一定比率来用截屏的技术手段捕提受众实际右到的屏幕图片，再进行筛查广告是否被正常展示。
• 埋点（Tracking）：一种数据采集方法，通过在页面上理上代码，来获取用户在这个页面上的行为数据。
• 数字广告用语词典2024版
• Ads.txt：由IAB技术实验室开发的一项计划，旨在打击某些类型的广告欺诈，并提供高度不透明行业的透明度。
• ID匹配（IDMapping）：不同数据收集方式通过不同ID来识别消费者，通过ID的打通可以将不同数据源产生的数据匹配到同一个消费者。
• Linktag：通过在页面URL加上的标记，用来标明流量源头的名称和属性。
• 曝光量（Impression）：一种广告计数方法，指广告所在的页面被受众打开的次数。
• 点击率（CTR，ClickthroughRate）：一种效果评估指标，广告被点击的次数与被展现次数之比。
• TA总数（TAUniverse）：投放区域的目标用户总数。
• 转化率（CvR，ConversionRate）：衡量广告流量转化效果的指标。
• 触达曲线（ReachCurve）：随着广告持续投放的累积广告到达率曲线。
• 到达（Reach）：指品牌通过广告覆盖的目标用户量。
• 真人样本库（IPanel）：一种广告效果的测量手段，是对于现有利用受众行为数据进行效果衡量的大数据方式的补充手段。
• 软件开发工具包（SDK）：在APP开发时候的标准的模块化软件开发工具包。
• 神经营销学（NeuroMarketing）：一种针对小样本真人，在线下实现内容层面效果测量的方法。
• 围墙花园（WalledGarden）：大型互联网公司通过断绝向外部提供清单级数据，达到阻断数据互联互动的目的。
• 爬虫工具（Spider）：一种数据获取方法，通过技术手段从网站的页面上批量获取免费的数据。

数据合规与隐私保护

• 《网络安全法》（InternetSecurityLaw）：2017年国内实行的数据相关法律。
• 《个人信息保护法》（PIPL，ThePersonal InformationProtectionLaw）：中国首部综合信息保护法，旨在规范个人信息处理活动，并促进个人信息的合理使用。
• 《数据安全法》（DataSecurityLaw）：在法律上首次明确数据的定义，明确数据处理活动的边界，数据处理行为不得侵害个人利益。
• 《加州消费者隐私法》（ICCPACalifornia Consumer Privacy Act）：美国加州制定的数据合规法律。
• 《通用数据保护条例》（GDPR，General DataProtection Regulation）：由欧盟制定，旨在保护所有欧盟公民隐私的法律。
• 《信息安全技术个人信息安全规范》（GB/T-35273）：全国信息安全标准化技术委员会制定的信总安全和个人信息安全标准。
• 高级加密标准（AES，AdvancedEncryptionStandard）：在密码学中又称Rijndael加密法，是美国联那政府来用的一种区块加密标准。
• 身份验证（Authentication）：使接收方能够验证消息在传输过程中没有被改，以及消息来自预期的发送方。
• 数据合规（DataCompliance）：企业必须遵守的任何“规则”，以确保其拥有的敏感数字资产（通常是个人身份信息和财务细节）不被丢失、盗窃和滥用。
• 授权同意（Consent）：个人信总主体对其个人信总进行特定处理作出明确授权的行为。
• 跨境数据传输（Cross-borderDataTransfers）：数据跨越国界的传输，或者数据尚未跨越国界但能够被第三国主体进行访问。
• 转让（TransferofControl）：将个人信息控制权由一个控制者向另一个控制者转移的过程。
• 去标识化（De-identification）：通过对个人信息的技术处理，使其在不借助额外信息的情况下，无法识别或者关联个人信息主体的过程。
• 名化（Anonymization）：通过对个人信息的技术处理，使得个人信息主体无法被识别或者关联，且处理后的信息不能被复原的过程。

CRM

• 销售线索（Leads）：在B2C的耐用消费品和B2B领域，客户对于商品已经有明确来购意向，包括来购时间点，预算金额，产品等，但是还未进行最终采购，这条意向数据被称为“销售线索”。
• 客户关系管理（CRM，CustomerRelationship Management）：泛指CRM软件，实现收集，管理，分析和应用客户数据的功能。
• 销售线索打分（LeadsScoring）：在B2C的耐用消费品和B2B领域，当企业获得过多的销售线索需要确定跟进的优先级，通过数据算法，对采购的时间点，金额等对众多销售线索进行打分排序。
• 潜客（Prospect）：符合营销的目标，有能力购买的潜在客户，多用于B2C的耐用消费品和B2B领域。
• 疑似潜在客户（Suspect）：更低意向，甚至并没有明确购买意向，只是对品牌或产品感兴趣。
• 销售线索培养（LeadsNurturing）：在B2C的耐用消费品和B2B领域，当客户在采购阶段的早期，通过各种营销手段推进客户进入下一个采购阶段。
• RFM模型（RFM）：一种基于CRM数据分析的核心算法，通过用户最近的购物（Recency）、购买的频率(Frequency）和收入（Monetary）来预测用户未来进行购买的可能性，时间及金额。
• AIDA模型（AIDAModel：Awareness-Interest-Desire-Action）：CRM界的经典理论，用以描述用户行为旅程的经典理论模型。
• CPGSD模型（ICPGSDModel）：一般企业的会员体系模型，具体来说，Consumption-持续消费，Points-获得积分，Grade-提升等级，Service-享受特权，Discount-获得优惠。
• 忠诚计划（LoyaltyProgram）：为驱动顾客进行重复购买，而对顾客的购买行为进行某种形式的回报的一种市场促进策路。
• 客户生命周期（CustomerLifeCycle）：用户从购买产品后，经历的对产品从陌生到了解、熟悉、厌倦到最终放弃的过程。
• 客户生命周期价值（LTV，LifeTimeValue）：客户在其一生中预期在业务或产品上花费的总金额。