A. 通过海外版抖音·TI·KT·OK变现离不·开的必要条件有哪些
现在很多跨境卖家通过海外版抖音（TikTok）来直播，尤其21年第四声官方宣布英国小店开放注册后。想要带货达到盈利变现的目的，要做好一个账号一定是离不开大数据分析的，因为你只有精准的掌握到平台用户的需求和爱好，针对这么需求去带货或者直播，才有可能产生盈利去变现，TICHOO数据专门是给TikTok平台做数据分析的，通过它可以查看TikTok Shop热门小店榜单、TikTok for Business广告分析、TikTok Creator达人分析、热门博主、热门视频、热门话题、热门音乐这些东西，然后根据热门的数据去针对性做带货直播，变现就会更容易。
B. 如何实现大数据交易
大数据时代，数据成为数字经济的关键生产要素，以数据为基础，以人工智能为主要驱动力的新型经济形态正在蓬勃发展。大数据产业发展的核心在于数据自由流通，而数据交易就是实现数据有序流通的关键一环。
近日，发源地大数据对我国大数据交易产业进行了深度研究，指明了未来发展路径。
2011年至2014年这四年间，我国大数据处于起步发展阶段，大数据的市场规模增速稳定，每年均保持在20%以上。
2015年，大数据市场规模已达到98.9亿元，同比增长30.7%。
2016年，大数据市场规模增速迎来高潮，达到45%，市场规模继续扩大，超过160亿元。
预计2017年至2020年，大数据的市场增速稳定。
我国主要的大数据交易平台分布在西南、华中和华北地区，均属于国内第一批崛起的大数据交易平台。
从当前的发展来看，中西部发展势头强劲，产业发展进入良性循环，是国内最早规划并实施大数据产业发展的地区。
东部地区则依托经济优势，聚集效应开始显现。就目前而言，以北京、上海、广州为中心向四周辐射，形成以京津冀地区、长江三角洲地区和珠江三角洲地区为集团枢纽的沿海大数据走廊格局，是东部地区大数据交易平台建设的最大特点。
1.大数据交易平台建设进入井喷期。
数据交易平台是数据交易行为的重要载体，可以促进数据资源整合、规范交易行为、降低交易成本、增强数据流动性，成为当前各地促进数据要素流通的主要举措之一。从全国范围来看，2015年前成立并投入运营的有北京大数据交易服务平台、贵阳大数据交易所、长江大数据交易所、东湖大数据交易平台、西咸新区大数据交易所和河北大数据交易中心。2016年新建设的有哈尔滨数据交易中心、江苏大数据交易中心、上海大数据交易中心以及浙江大数据交易中心。据有关数据预测，到2016年年底全国类似的交易平台数量可能达到15到20个[1]。
2.大数据交易变现能力有所提升。
在国家政策的推动鼓励下，数据交易从概念逐步落地，部分省市和相关企业在数据定价、交易标准等方面进行了有益的探索。随着数据交易类型的日益丰富、交易环境的不断优化、交易规模的持续扩大，我国数据变现能力显着提高。据《2016年中国大数据产业白皮书》不完全统计，2015年我国大数据相关交易的市场规模为33.85亿元，预计到2016年国内大数据交易市场规模将达到62.12
亿元，2020年将达到545亿元。
3.大数据交易仍整体处于起步阶段。
从整体发展水平来看，我国大数据交易仍处于起步阶段，突出表现在以下几个方面：一是数据交易主要以单纯的原始数据“粗加工”交易为主，数据预处理、数据模型、数据金融衍生品等的内容的交易尚未大规模展开。二是数据供需不对称使得数据交易难以满足社会有效需求，数据成交率和成交额不高。三是数据开放进程缓慢一定程度上制约了数据交易整体规模，影响数据变现能力。四是数据交易过程中缺乏全国统一的规范体系和必要的法律保障，无法有效破解数据定价、数据确权等难题。
C. 运营商大数据对外价值变现的十大趋势
作者 | 傅一平
来源 | 与数据同行
最近中国移动提出了DICT战略，显示其在政企市场进一步拓展的雄心，在这个背景下，重新探讨下运营商的大数据变现很有意义。虽然近半年“大数据圈”似乎有点风声鹤唳，但对于合法合规的进行大数据业务的企业来讲没有什么影响。
下面笔者就结合自身实践，给出未来2-3年运营商大数据价值变现的十个趋势判断，仅代表个人看法，希望于你有所启示。
1、行业服务边界不断拓展
依托于运营商潜力巨大的数据资源和政企市场渠道资源，经过多年的市场培育和拓展，当前运营商大数据业务从原来的金融、旅游等行业逐步拓展到政府、旅游、交通、教育、商业、招聘、医疗等各个各业。
运营商ICT业务在推进中，也孕育了不少大数据业务的商机，大数据业务则反过来促进了ICT业务的发展，因为大数据除了业务价值，还有一定的社会品牌效应，两者通过融合可以形成合力。
随着企业数字化转型的加快及产业互联网的崛起，作为未来社会基础设施的大数据，将与云计算、人工智能、物联网、区块链一起，在行业领域开疆扩土，其应用的边界几乎是无限的。
2、进入行业应用的深水区
大数据在行业领域拥有着巨大的潜力并不意味着运营商就能分得多少杯羹。虽然运营商大数据业务当前在金融、旅游等行业已经有所斩获，但这些行业低垂的果实基本要被摘光了。
以金融为例，4-5年前运营商切入的验真，失联触达等业务，当前仍然是运营商大数据变现的主力，但金融行业并未如运营商原先预料的那样，在贷前、贷中、贷后中给予运营商更多的机会，运营商很多变现业务模式的拓展基本是停滞的，起码不够快。
在大量的其他行业领域，运营商往往只能做到蜻蜓点水，而无法聚沙成塔，比如业务的复购率很低。
从定性的角度讲，运营商对于行业的理解还是比较浅的，其大量的行业应用游走在企业的核心生产流程之外，大数据似乎是奢侈品，而不是必需品，因此粘性是不够的。
以金融验真这个业务为例，其附加值并不高，且容易被替代，想想这几年对于金融行业的理解又增加了多少呢？这些都是需要反思的地方。
笔者曾经在智慧交通相关文章中提到：运营商的数据在很多领域其实是很有前途的，但必须深耕，要理解这个行业的业务，通晓这个行业的算法，不停的打磨产品，从而逼近核心。
可以这么说，运营商大数据将很快进入行业应用的深水区，为了顺应这个趋势，运营商需要建立专业化的组织去攻坚克难，挑战很大。
3、与互联网公司的竞争加剧
互联网应该没有把运营商当成主要的大数据竞争对手，但运营商进入这个领域会跟互联网公司形成事实上的竞争，无论是新零售，智慧交通等等，进入者都会感受到互联网巨头的压力。
比如运营商要为大型商超提供数据服务，但互联网公司早就捷足先登，新零售是互联网出的概念，当运营商还在进行自身渠道的艰难转型时，互联网公司线下商业的版图已经规划好了，当然也包括了大数据业务。你到商超谈，人家一开口就提XX通怎么样怎么样。
当然还不仅仅是这些。
无论是互联网公司在To G上自顶向下的推广策略，还有诸如城市大脑单一采购来源的霸气，都在说明巨型互联网公司在这些领域的影响力。
运营商要获得机会，得动用一切可用的资源，发挥自己数据的差异化价值，由点及面去寻找机会。实践证明，管道数据的价值是巨大的，但巨型互联网公司的数据也越来越好，这是不得不面对的现实。
4、从要素驱动向要素+能力驱动转型
运营商当前在大数据变现上的突破只能说摘取了低垂的果实，但这种通过简单数据加工形成的数据产品竞争力是不够的，也是不可持续的。
比如做智慧交通，如果位置精度和覆盖度不够，连速度都测不准，根本做不出高质量的数据产品。
应该来讲，运营商从来就没有现成的、高精度的、可以到用户级别的位置数据，粗精度的原始位置数据未来可能连支撑运营商自己的业务转型都不够，运营商需要充分挖掘现有位置数据的潜力，通过建模等方式把较为精准的位置模型做出来，才能有基本的大数据变现底蕴。
位置精度的提升虽然是一小步，但却是对外大数据变现的一大步。位置准了，运营商对于人们整个线下生活的理解就准了，无论是客流，路网，OD等等都不再话下。
现在运营商依靠数据资源这个要素能走出第一步是不错的，但光靠资源驱动已经不够了，能力必须过来接棒，没有能力加持的运营商大数据变现前景暗淡。
因此，运营商大数据变现未来不再是躺着挣钱，而是要从原始数据的驱动向数据+能力双驱动转型，这个能力包括人才、技术、数据、产品、运营等等，这是不容置疑的。但如果只是空喊着口号不敢探索尝试，则也许连能力提升的机会都没有。
5、持续强化大数据合作的生态
大数据变现从底向上涉及平台、数据、建模、产品、方案、渠道、咨询、运营、安全等一系列的内容，运营商无法一手包办，因此必须建立合作的生态。
从业务的角度看，缺乏渠道合作伙伴、缺乏行业解决方案对于运营商都是很现实的挑战，最大的痛苦莫过于不知道商机在哪里，不知道自己想做的这个数据或产品有没有前途。运营商不可能瞬间将现有的客户经理队伍转为数字化产品的销售队伍，毕竟知识结构的要求不一样。
虽然可以采取MVP的方式推进，但一方面试错的成本摆在那里，运营商也并没有资本为其背书，另一方面时间成本也大了点。现在很多运营商都有合作伙伴招募计划，这是很好的尝试，但符合要求的合作伙伴还是太少了。
从开放的角度看，中国移动的梦网曾经创造过辉煌，但开放这句口号不是随便喊喊的，你得建立一套标准，清晰的告诉别人你有什么能力，然后如何能方便的接入。
比如当我们在互联网大会展示城市实验室产品的时候，发现仍然有那么多的人惊讶于运营商竟然还能做这个，就说明我们在开放这条道上还有很长的路要走。
而当笔者第一次访问阿里云网站的时候，其较好的使用体验给我留下了深刻的印象，随后定期的营销推送起码说明是用心的，又比如笔者第一次使用腾讯云域名申请时，其后腾讯云客服的电话调研也是很及时的。
因此，能否跟更广泛的合作伙伴建立连接，能否建立起开放的平台，能否确保信息的安全，在很大程度上决定了运营商大数据变现的蛋糕能做多大。
6、通过集中化获得溢价能力的趋势将加强
由于历史原因运营商的大数据实际是分省存储和运营的，这跟互联网公司天然的集中统一的数据基因是完全不同的。虽然一些运营商在集中化上做了很多努力，但相对互联网公司，还是有一些差距。
各省本地化做一些产品虽然带来了灵活性，但造成了事实上的重复开发，这种模式在创新阶段其实没什么问题，但最大的问题是各个省能否有足够的资源去保证产品的持续优化，无论从数据的角度，还是从运营的角度看，我们都需要一定的集约化机制来确保高效低成本的运作。
但这还仅仅是一个方面。
另一方面，相较互联网，由于数据的割裂，运营商基于单个省的数据做出的产品溢价能力不高，往往只能服务于特定区域，在很多竞争中会处于劣势，比如当前运营商基于位置数据的应用很多，但为什么上网数据的变现却很少呢？
这个不仅仅是简单的https问题，更是因为客户对于上网数据的诉求基本是全国的，没有地域的概念，这让运营商失去了很多突破的机会。
因此，运营商的大数据在一个省创新后迅速全网复制是一直要坚持的策略，而基于集中化的数据进行创新是提升产品竞争力的一个关键。
7、运营商DICT战略将使得大数据获得更大支持
随着数字经济的发展和行业数字化的进步，传统产业转型升级的需求强劲，运营商和云服务提供商，均在强化云、网、端、边协同，推出“云+网+DICT”智能化解决方案，帮助企业实现更深层次的数字化转型。
运营商的政企2B市场是当前关注的焦点，而云+DICT（DT+CT+ICT+IDC）又是其中的关键，这意味着未来各种资源会逐步会向DICT倾斜，大数据需要抓住这个机会，通过DICT的融合来促进大数据业务的规模化发展，所谓“借势”。
另外，当前三大运营商已经宣布了5G商用，中国移动也发布了了“5G+”计划，其中包括“5G+AICDE”计划，“5G+AICDE”是将5G作为接入方式，与人工智能（AI）、物联网（IoT）、云计算（Cloud Computing）、大数据（Big Data）、边缘计算（Edge Computing）等新兴信息技术深度融合，准备打造以5G为中心的泛智能基础设施。
5G时代人和物、物和物之间的连接产生的数据类型将会更多，5G更密集的基站布点意味着更高的定位精度，5G业务形式更加多样意味着管道中的数据内容会爆发性增加，运营商对于客户行为的刻画能力将进一步加强，每项垂直5G行业应用都将会与大数据有着千丝万缕的关系，这些对于运营大数据的发展是利好。
8、日益趋紧的数据安全要求对于运营商既是挑战也是机遇
运营商虽然拥有海量的数据，但很多省公司并未实质性的开展大数据业务，很多是基于安全的考量。即使是正在开展大数据变现业务的运营商省份，合规合法经营也是其开展大数据业务的底线，运营商对于大数据的业务创新是相对保守的。
事实上，运营商当前能开展的各项大数据新业务，都需要经过内部极其严格的法律、安全多道审核，加上行业、集团、省出台的各种安全管理规范的约束，还有定期的安全检查，都让运营商大数据业务从一出生就经历着内部一轮轮的安全洗礼。
2019年持续发酵的各种信息安全事件让大数据圈似乎如履薄冰，但其打击的还是各种违法经营和黑市交易。事实上，经过新一轮的洗盘，运营商也许会面临较以往更好的商业环境，数据可能会变得更为稀缺，毕竟以前黑市的数据交易会导致良币驱逐劣币的现象，当然这也只是一种猜测。
可以肯定的是，未来国家对于信息安全管控的趋紧会使得大数据业务的创新变得更具挑战性，但合规合法的进行大数据价值挖掘，助力中国经济高质量发展始终是主流，运营商虽然会面临安全上的挑战，但也有更多的机会。
9、运营商大数据对于TO C业务的探索不会停止
互联网公司TO C业务前期是靠钱烧出来的，毕竟消费者是趋利的，拥有高体验的产品和一定基础的用户后，互联网公司才有了珍贵的海量数据，这个时候大数据才有用武之地，反过来赋能业务发展，这是互联网公司应用大数据的本质。
运营商天然就有大数据，但大数据变现的实践还是告诉我们，运营商的数据维度还是不够丰富，比如缺乏消费数据，而巨型的互联网公司通过应用的丰富不断积累着更多维度的数据。
事实上，当前运营商的数据维度拓展基本是停滞不前的，如果不加以改善，在不久的将来，运营商的数据优势会逐步变小，最终会影响到产品的竞争力。
现在运营商建立了很多专业公司，比如中国移动的咪咕，有人会质疑这些公司能否赚钱，姑且不从战略的角度思考这个问题，即使站在大数据的角度看，这些公司的拓展能够让运营商拥有更丰富的数据，这就很有价值。最近中移金科成立了，支付数据对于DT有多重要不用解释吧，因此意义是很深远的。
其实做大数据产品的，哪个没有点TO C的梦想？希望运营商能基于自己的资源优势，结合大数据的差异化特点，能够打造出真正的既卖座又叫好的TO C产品。
10、运营商对于低价值密度的大数据处理能力要求会大幅提升
运营商的DPI数据具有典型的大数据特征，有潜力但价值密度低，但这个数据是运营商除位置数据以外最珍贵的数据，很多人说这个数据在运营商变现中实际没啥应用场景，或者言必称https，那是比较业余的说法。
随着5G时代的到来，对于DPI数据的有效开采挖掘对于运营商大数据变现是核心的基础工作之一。
首先，DPI这个技术原生是为网络优化服务的，比如很多字段对于数据变现没有价值，能否考虑更高性价比的处理手段？这个就需要运营商针对性的进行研究，比如从客户洞察、精准营销和价值变现的角度去高效低成本的采集管道中的数据。
其次，5G海量、低延时、非结构数据的特点，将进一步促进数据存储、处理和分析技术的进步，即使是当前的4G，从采集到应用的时延也是比较高的，很难达到场景式营销的要求，而且保留的周期也非常有限。
最后，5G大数据的价值密度将进一 步降低，对AI的能力要求将更高，即使是针对当前的4G数据，运营商的NLP等能力储备也是不够的，因此要尽快补足短板。
当然，以上十个趋势只是笔者的个人判断，受限于自己的能力和视野，以上谈的肯定有很多不到位的地方，权当笔者抛砖引玉，如果能引发一点思考，那就更好了。
D. 通过大数据如何赚钱
首先要确定自己有的“大数据”是什么数据，大到怎样的量级，其中包含的数据元素有多少；
其次找到自己拥有的数据本身的商业属性，找到需要这些数据的用户，并确定他们对这些数据需要是否刚性，以及调研可以为使用这些数据的用户带来哪些价值或者改善；
最后就是设计一套运营模式，让这些数据变现。包括可以一次性的出售，这基本上不会有太多价值；更好的方式是数据动态更新，提供各种数据之间关联分析和目标组合，分别按照不同用户需要持续提供，也就可以长期的赚钱了。
市场上多数大数据本身并非真正的大数据，只是一部分数据资料而已！
E. 数据如何变现
可以的！但是你必须是一位黑客！
F. 运营商大数据变现需要新思维
运营商大数据变现需要新思维
电信行业近年来受OTT、管道化、资费调整等因素的影响，受到的冲击很大，传统业务利润下滑趋势明显。未来要寻求新的增长点，一定是从数据资产的角度出发。运营商守着数据的金矿，如何从里面挖掘出一桶桶货真价实的黄金，这是未来发展的重要方向。
从能力角度分析，电信行业属于整体IT实力比较强的行业，也最早开始挖掘、发现数据的价值。经过15到20年的发展，特别是以经营分析为核心的数据平台的发展，运营商内部的能力建设已经趋于成熟，数据质量、数据治理、数据标准，这些关乎资产自身质量的工作，基本上已经做得比较成熟。运营商有资本沉下心来考虑，到底利用数据来做什么。
目前运营商有三种数据可以形成变现。第一种是业务交易数据、流程性数据、交互式数据。从变现形式来看，第一个层面，就是能力平台，比如位置平台、信用平台，这些都是运营商基于自己的数据做的一些能力组件。像银行在用位置平台的时候，可以用来选址，可以看用户的流动；交通部门可以看到用户乘坐汽车、地铁的情况。这都是能力平台的变现。
第二种是分析能力的变现，比如行业的分析报告，运营商基于自身的数据可以形成银行业、房地产业、零售业的报告等。另外，运营商还可以做出一些针对性的报告，比如某银行的市场竞争分析报告等。
第三种是合作运营。运营商一直想做的其实是运营的变现，运营商利用海量的数据，为第三方用户提供定制化运营的服务，收入按一定比例进行分成。这种是相当于合作运营的方式。
大数据要有专门的部门去运营，必须打破信息孤岛、各自为政的组织架构，这在电信行业逐渐达成共识。以中国移动为例，中国移动已经考虑在省级公司建立大数据中心，大数据中心是省级公司的二级部门，集团也有类似的考量。这样的组织一旦确立，这个部门的职责，主要是做大数据的分析和运营。它的平台一级由原来的IT部门，比如业务支撑系统来承建，上层数据价值的释放、挖掘，以及对外怎样去变现，全部交由大数据中心这个新的部门来做。其KPI考核已经不再是用户新增数、用户保有量、用户收入ARPU等。其背负的KPI就是数据到底变成了多少钱。这样的KPI考核，就会推动这个部门每天都去考虑这些数据怎么变现，这将大大推动运营商大数据向其他行业的拓展。
大数据运营需要行之有效的商务模式，而目前无论是运营商，还是与之合作的企业、政府相关部门，都在进行尝试。姜欣表示，数据变现究竟是以包月的形式进行结算、以计件的形式进行结算，还是以联合运营的方式进行结算，目前运营商和第三方行业都在摸索的过程中，需要经过时间的沉淀，才能形成合适的方式。可能是一种，也可能是几种方式的组合。但不管是面向大客户、政府还是个人，这三方面如果都有市场，都得到了认可，也形成了固定的商业模式，那么未来运营商在数据资产变现上一定能够达到更好的效果。
G. 出海商业化之流量变现4个步骤
近期在知乎、及开发者群里，看到许多关于流量变现的疑问，空了也帮解答一些，但也遇到许多类似问题，或比较笼统的问题，无法几句话说清楚，特此把我理解的写出来，希望能帮大家解决日常一些实在的流量变现问题。
备注说明：
1、此文讨论的是APP用户非中国大陆的中国开发者。
常见的问题主要分为两类：
一类是比较笼统的问题，比如
移动流量 如何变现呢？
常见的流量变现的方法有哪些？
一个100万日活的app，广告流量变现每天能挣多少？
一类是比较实际的问题，比如
最后一次pin码需要多长时间啊， 我这个都快过去40多天了。
admob的ecpm如何提高呀？
电汇哪家银行最方便呢？
如何进行商业化流量变现
本篇文章主要针对进行流量变现前，我们主要需要弄清楚的点。
一、通过广告变现仍然为移动应用主要变现方式之一。
移动应用流量变现主要包括三种：广告、内购及订阅、售卖商品/服务。这里也主要以广告进行流量变现以讨论，工具类应用主要以广告进行变现，这里不多赘述，游戏品类通过广告变现也逐渐呈现增长趋势。
根据《APP Annie2019中国移动游戏出海深度洞察报告》，全球使用内购+广告变现的游戏数据量比2017年增加34%，在Top1000的游戏中，近1/5的重度游戏，和近1/2的中度游戏加入广告变现。
APP Annie2019中国移动游戏出海深度洞察报告
根据Google内部数据，2018年9月-2019年9月对比2017年9月-2018年9月，非游戏类应用广告变现收入，较去年增长22%。
非游戏类应用广告变现收入，较去年增长22%
二、广告场景及广告类型选择指南。
在明确了以广告变现，我们需要再想清楚，自身APP如何设计广告场景，我们可以想象出去到景区旅游，景区里的奶茶店、蹦极、摆渡车，这些也属于景区的变现场景；APP目前常见的流程类型包括约12个，根据用户在APP内行为，想要如何采用何种流程进行广告场景设计，目前推荐的广告场景是第一层，第二层；第三层根据情况采用，同样尽量要不打扰用户，要适合自身APP流程。
广告变现场景
现在我们再看看广告类型，常见的广告类型主要包括，Banner广告（又称横幅广告）、原生广告、插屏广告、激励视频广告。
原生广告、插屏广告、激励视频广告
广告样式的选择，原则就是选择变现效率更高的广告样式，激励视频和插屏广告Ecpm最高，其次是原生广告，横幅广告；根据Google内部数据，激励视频Ecpm大约是横幅广告的10倍，插屏广告大约是横幅广告的5到6倍。
激励视频、插屏广告Ecpm最高
激励视频：通过给用户提供奖励的方式（如增值内容，奖励、权限等），吸引他们浏览高价值的视频广告。目前主要以游戏品类使用为主，非游戏应用使用场景较少。
激励视频广告场景
插屏广告：垂直或水平的全屏广告，图片与视频都会有，可选择是否自动播放，一般主要应用于两个页面切换之间使用（左右滑动类、任务间）。
插屏广告场景
原生广告：定制化的广告体验，自然融入APP界面中。广告内容包括图片、轮播、视频广告；APP流程中，比如动态内、任务前、任务后、主屏菜单、对话框、任务间，以上场景都可以适用原生广告；
原生广告场景
Banner：又称横幅广告，包括多个广告尺寸，主要以320*50、300*250尺寸为主，一般常用于主屏、任务区域固定位置展示广告。
Banner横幅广告场景
三、广告渠道合作
作为大部分中小开发者，我们直接选择Google Admob、Facebook Audience Network进行变现基本就可以满足，如果当我们用户规模较大，资本支撑较强，有一定品牌影响力时，直接找广告主合作售卖流量，或扩展SSP平台（媒体服务供应方平台_Supply Side Platform），如Smaato、Fyber、Pubnative，Display等。也可和ADX进行合作。
在变现模式上，也可以选择搭建自己的广告平台，提升变现效率及收入规模。
联盟、SSP、ADX、直客广告
如果印度用户占比较多，可以尝试 Inmob（印度最大的移动互联网广告平台），如果俄罗斯用户占比较多，哪需要考虑VK平台（俄罗斯最大的社交产品的广告平台），如果做的是VPN品类，直接选择Admob就可以了，伊朗国家FB、Mopub平台不填充广告。如果做的游戏品类，也可以尝试Unity、Vagle、ironsource、Chartboost等平台。
根据eMarketer数据，2019年美国数字营销广告营收数据，预计广告支出将达到1293.4亿美元，占媒体广告总支出的54.2％。而Facebook、Google两家公司在2019年占比60%，即765.7亿美元，这主要归于精准的定位技术及量化的投放效果，足以说明对大部分开发者，这两家基本就够用了。
2019年美国数字营销广告营收数据
四、聚合中介使用的重要性
Mediaiton（聚合）的大概定义：Mediation可以聚合多方广告SDK，协调各广告位中的广告请求、展现等逻辑，使得多个SDK可以在一个广告位正常运作起来。
如果我们只和一家平台进行合作，哪就可以不用聚合了，但对收入的损失也是显而易见的，我们通过下面两个场景来看看聚合的作用。
Mediation的作用：通过两个场景来演示Mediation（聚合SDK）的作用。
聚合广告SDK，聚合的作用
场景一：开发者只集成了一个SDK，在欧美国家，可能广告填充率还比较健康，但是在某些地区，如南美、俄罗斯，印度广告填充率会急剧下降，同时由于网络延时问题，即使有广告填充，但是可能在用户停留的时间内，也未成功展现。因此导致流量的使用率较低，从而使得收入较差。
场景二：开发者通过Mediation海外市场Top的广告网络/Ad exchange，同时设定每个广告位的Waterfall优先级机制，可以使得原来没有填充的广告位被填充，从而使得收益增加。例如：在美国地区，开发者设定优先级为Facebook>Admob>Smaato...,但是在俄罗斯地区的优先级设定为VK>Admob>Mopub>Facebook...，使得不同地区的流量，根据广告网络的价值针对性的优化，从而提升全球流量的使用率及变现效率。
市场上聚合产品很多都可以选择使用的，而且基本都免费，比如 admob、mopub、ironsoure、Topon等。
我们来回顾一下，在流量变现前要依次考虑的几点：
1、出海应用流量变现主要以广告变现为主。
2、根据应用内用户行为，考虑合适的变现场景。
3、变现合作渠道，前期Google Admob、Facebook Audience Network进行变现基本可以满足。
4、使用聚合能更高效率的变现。
在下一篇《出海流量变现，提升广告展示量，掌握这两个核心因素就够了》篇幅中，我们将聊聊如何提升改善广告变现收入。
H. 张涵诚：关于数据变现的十种商业模式
进入2016、数据，已经成为每一个行业和各种业务职能领域重要的生产因素和变革力量。数据的积累、合作、整理、挖掘、利用是现代企业所必需的基本素养，没有它，你的企业将无力面对大数据时代的竞争。我们对于海量数据的挖掘和运用，也预示着新一波生产效率增长和消费者个性化需求的到来。今年我们看到，很多做大数据的公司已经从实际的项目中找到了做大数据的价值变现的路径，探索出了正确的大数据变现之路。
但依然有很多的问题困扰着企业的决策者和创业者，笔者结合我们最新的研究实践总结了如下十种商业模式和同行分享。
数据+物体=智能
（未来人工智能是数据变现的最好方式，当前2B的智能买单意愿更强，个人还比较难）
从国内外的互联巨头的投资动向不难看出，传统的盈利的大数据公司开始涉足硬件市场，利用其固有的软件技术整合硬件厂商快速的占据市场的有利位置。硬件是连接线上与线下的重要组成手段。所以笔者以为智能硬件这才是大数据正在的用武之地，才是大数据最终的价值所在！
毫无疑问，数据支持到搜索，购物和社交，这是变现的绝佳方式。
GFBAT（Google, Facebook, Bai, Alibaba, Tencent，总市值几万亿）的数据变现最早的企业
网络加工数据变成有价值的可供搜索的信息，进而产生广告价值，阿里巴巴让商品信息成为购物的入口，供人买卖，生产交易价值。腾讯，建立人和人的关系，产生广告价值，成为社交入口。非常肯定的说这是数据1.0。
数据征信评价机构（通过数据加快贷款、通过数据降低风险）
BAT巨头纷纷进入大数据征信市场，也正是看中了这千亿级的蓝海市场。据平安证券估计：中国征信行业未来市场规模将达千亿元，其中企业征信市场规模有百亿元，个人征信市场规模有千亿元。有着国企背景的中诚征信则更加progressive，给出了未来市场过万亿的预期。
美国征信市场由传统征信机构、商业信息服务机构、创新型的金融科技企业三种力量组成。
传统征信机构以全球最大的个人征信机构Experian、全球第二大征信机构Equifax、征信数据挖掘公司FICO为代表，基于掌握的消费者和支付数 据提供征信服务。
商业信息服务机构Dun & Bradstreet以庞大的全球商业数据库-全世界最大的企业信用数据库知名，基于其全球化的发展战略，主推风险管理服务（贡献营收62.7%）和销售及市场拓展（37.3%），利用征信业务的规模经济获取高毛利率。
创新金融企业Zestfinance则以技术输出为主要手段，利用传统的信贷记录等数据、大量交易信息、法律记录、租赁信息、网购信息等数据（第三方、网络、调研），使用机器学习的大数据分析模型进行信用评估，取得不错的实效，将信贷的成本降低了25%。
数据征信评价机构
2016年度，国内企业征信领域企业数据库涵盖数据量前5名依次为：1.益博睿2.邓白氏3.信用视界4.鹏元征信5.棱镜征信。依托大数据整合手段，可以预见在未来十几年内，中国必将出现几家对市场经济健康运行发挥巨大作用的规模化企业征信机构。
基因大数据指导生命科学
目前华大基因净利润在1亿元左右，不过深圳不少基金经理认为，作为基因测序的龙头，华大基因上市估值可能一步到位，其市值或直接到1000亿左右。华大基因的招股说明书显示，2015年上半年归属于母公司的净利润为7565万元，2014年度，2013年度的净利润分别为2456万元、13588万元。
生命经济的发展才是未来：面向人类最根本需求的经济形态和创新会是最大趋势。实现从后工业时代到生命经济时代的转变，需要大众转变观点、政策扶持以及科研机构的多方推动。未来，以国家基因库作为支点，围绕生命科学发展的产业，会走入从科学研究到产业化的发展之路，最终实现为人类服务的目标。
在未来社会发展上，影响人类社会经济和生命质量上有三个重大的问题。一是出生缺陷，二是代谢性疾病和心脑血管，三是肿瘤。这三个疾病导致人类医疗费用的支出70%到80%，而这三个疾病的防控唯一的办法就是用现代科技和大数据的支撑才能够解决这样的问题。
我们依靠基因科学技术，产生的大数据来引领着未来的大发展，来支撑着小康社会建设，以一个前所未有的高科技来作为支撑和引领我们一定能在某些领域走在世界前沿。
通过大数据分析为投资提供服务在各行各业并不少见，在传统股票领域，常见的数据分析指标有RSI相对强弱指标，KDJ随机指标，MACD指数平滑异同平均线等。这些指标常被用于分析股票走势，以提供给用户做投资参考。
共享经济最大程度释放数据信息价值。专业领域的数据共享者
这类代表性企业包括，滴滴，UBER，Airbnb、小猪，总市值在几千亿规模，未来会有更大的企业加入
我认为共享经济实际上是大数据2.0。这个在今年的数博会，克强总理的发言原文：“ 【只有共享经济数据才能无限放大】此外，总理认为我们还要发展共享经济，因为只有共享，数据才能无限放大，这不仅仅是做加法、乘法，而且共享经济作为新业态假以时日，将为中国经济注入强大力量。同时共享经济也是分享经济，让每个人都有平等创业的机会，每一行都能出状元。在“双创”方面，未来这些企业中将会诞生小巨人。此外，共享经济让人人都能受益。中国的“宽带中国”建设就是要拉近城乡、东西部的数字鸿沟，而提速降费也是拉近数字鸿沟的方式和手段。
为什么这类企业是数据变现排名第二的公司呢，因为这类企业的数据因为共享被无限的放大。第一个是所有权的价值信息到使用权的价值信息，所有权的价值信息可能在网上就一次，CPS，但如果共享就不断的把同一辆车可以坐无限多次。第二个是对于自身的价值到信息对于其他的行业价值，现在是企业间的共享，共享经济来了以后会形成整个行业里面，产业里面的数据共享，也就是企业跟企业之间的数据怎么交换，怎么共享，所以这样在企业之间数据的交换价值也会被无限的放大。比如滴滴一辆车每天都帮滴滴产生收益。第三个是单一的数据价值到多元的数据价值，这就变成了数据*数据的价值。比如说我是银行的数据价值，但银行的数据价值活性很差，银行数据维度比较差，社交数据就比较鲜活，所以单一的数据价值对于银行来讲是有作用的，但是银行和社交的数据加起来，它的数据的流通性及我们叫跨界融合数据的价值数据也会被无限的放大。再比如滴滴的数据可以用来做保险。
专业的数据加工者数据研究 报告（数据支持到咨询研究类型的企业，如汤森路透、万德、尼尔森、艾瑞、易观）
这类企业深入加工数据，针对一些对数据决策依赖比较深入的企业提供服务。金融、电商、新经济领域。
汤森路透得总裁吉姆·史密斯说：大数据对汤森路透非常重要。从某些方面来说，我们已经长期在管理大型复杂的数据了。我们面对的挑战与其他大型科技公司不一样，过去近25年里，我们一直在管理和整合我们所服务的不同行业领域的各类数据。我们投入了大量的资金来整合众多的数据，集成数据库，让客户可以简单地掌握和搜索所需要的数据资料，而不必再花时间了解来源或复杂性。
万德数据服务（Datafeed）这样描述自己：中国市场的精准金融数据服务供应商，为量化投资与各类金融业务系统提供准确、及时、完整的落地数据，内容涵盖：股票、债券、基金、衍生品、指数、宏观行业等各类金融市场数据，助您运筹帷幄，决胜千里
为客户提供标准的结构化数据，支持模块化订阅，同时满足客户个性定制需求，实现合作伙伴式的落地数据服务。
艾瑞用户行为产品是由艾瑞咨询自主研发，基于中国PC终端和移动智能终端的用户行为研究产品。通过深入分析多维度PC及移动网民的行为特征，及竞争对手的数据情况，为互联网、移动互联网、广告公司、广告主及电信等行业客户，将PC及移动互联网需求量化呈现，是真实反映中国互联网及移动互联网市场发展状况的数据产品。
这类企业深度的研究报告+个性化的数据定制+行业领域的专家智慧积累成就了这个行业的客户也成就了自己。
大数据咨询分析加工服务（埃森哲：数据人工加工、数据堂）
当企业第一方数据价值被掏空，企业需要发展外部数据弥补自身数据的不足，需要采集第三方数据开拓新的业务，发展新的客户的时候，企业就提出了数据采购需求，但一般来说这些数据需要爬或者定向采购，当数据源不能满足企业需求的时候就需要数据加工和分析服务。2015年，美国对信息服务的总需求预计超过6,000亿美元。
利用数据分析获得的认识正逐渐成为企业的一大竞争优势。企业利用数据分析结果实施、优化决策。任何拥有大型客户数据库的企业都可能发展成为这一场信息新博弈中的重要势力。过去，数据市场仅仅局限于传统的市场调查与数据服务公司。
专业的数据数据营销者：精准营销DSP+短信、email、私信（暴力广告，获得线索，客单价较高的产品，如地产）
DSP行业产业链上的角色包括广告主、广告代理商、DSP、广告交易平台、DMP、SSP、广告网络、广告联盟、媒体以及受众。
广告主或代理商通过DSP进行投放，DSP帮助广告主或代理商通过搜索引擎、广告网络以及广告联盟进行投放，同时DSP可以接入多个广告交易平台或可以接入多个SSP来获取媒体受众资源，而广告主则通过DSP对广告交易平台中的流量进行基于受众的购买。
2012年是中国DSP发展的元年，经过过去3年多的酝酿，去年出现了大量的DSP服务商和技术提供商。并且在一些巨头的广告交易平台的推出影响下，DSP所能够投放的广告的量迅速增长。2013年更多的广告平台出现、更多的媒体接入这些平台，同时提升了广告供给量、刺激了广告主的兴趣，市场获得非常高速的增长。在市场上RTB的购买方式是主流。另外，移动端的DSP初露端倪，未来极具成长空间。
能够为广告主、代理公司提供全面服务的服务商，有艾维邑动、爱点击、璧合网络、传漾、好耶、互动通、晶赞科技、聚胜万合、派择、派瑞威行、品友互动、随视传媒、泰一指尚、新数网络、亿玛、亿赞普、易传媒、悠易互通等。
这不可能是独角兽，但第一方数据的加工利用绝对是最好的数据变现方式（每个企业都可以发掘自身企业数据的价值指导企业优化）
大数据在全球范围内的市场规模同样巨大，根据IDC 发布最新研究结果，预测到2018 年全球大数据技术和服务市场的2018 年的复合年增长率将达到26.4%，规模达到415 亿美元，是整个IT 市场增幅的6倍。从行业结构来看，大数据应用主要集中在金融、通信、销售和政府领域，在医疗和旅游行业也有应用，但占比相对较低。
短信、email、私信（暴力广告，获得线索，客单价较高的产品，如地产）
数据开放平台（如新浪数据开放平台、网络数据开放平台、腾讯数据开放平台等）
BAT开放平台的特点
一、腾讯的开放是产品层面的开放，核心资源不可能开放
二、网络的开放是技术层面的开放，过度开放，对网络来说是风险
三、阿里的开放是产业链的开放，但生态的封闭
十、大数据交易所，未来一切公司都是数据公司，一切都将数据化，那么每个公司都会有
一个数据合作部门，他们用来使内部数据和外部数据流通，产生价值
因此我本人非常看好这类公司，我认为数据的3.0我认为是数据交易，数据商品化是大数据产业生态走向文明的方式。现在数据都在线下交换，企业和企业之间，或者个人与个人之间进行交换，但这里面没有商品，数据商品出来之后是大数据的3.0，但是这个时间还需要10年左右。不过这样的部门，如在网络很早就有，主要来合作自己不能爬到的数据的价值。这看起来交易所要满足这些人集中交易数据的需求。实现公开的合法的数据买卖。目前这样的交易有如下几个形式
1）数据以在线云的方式提供API接口对外输出；
2）数据定向采购，线下交易；
这种模式永远存在，而且大家基于朋友的信任和很多利益的私密性，愿意私下进行数据交易，不愿意拿到台面上；
3）数据加工处理后在进行交易。
专门有数据加工的企业出现，
3、因此也成为了主要的数据变现方式
数据是生产资料，如同原油，在原油加工厂柴油、汽油、润滑油、化工品、化学品、精细化工品、
I. 海外广告变现（三）：广告聚合的选择
作为出海广告变现的第三篇，聊一聊《广告聚合的选择》。
01. 什么是广告聚合
Mediation（聚合）的大概定义：Mediation可以聚合多方广告SDK，协调各广告位中的广告请求、展现等逻辑，使得多个SDK可以在一个广告位正常运作起来。
广告聚合的最终目的是为了提升广告请求、展示的效率及eCPM。
Mediaiton（聚合）可以通过两种方式实现：
1. 自主开发
优点：开发者可自主控制广告请求、展现等逻辑，过程透明，灵活度高。
缺点：聚合SDK技术门槛高，且需要不断实验、更新及优化，需要长期投入时间和精力。
2. 使用三方
优点：省去人工开发、维护成本，且一样可以实现多方广告SDK在单一平台进行请求、展现，以提升eCPM和填充率。
缺点：整个过程较为黑盒，开发者无法知道其实际请求、展现的逻辑。
综上，建议资金实力雄厚、规模较大的开发者可选择自主开发聚合；新手开发者可考虑从三方入门。
02. 如何选择聚合
市面上的聚合产品很多，如何选择合适的聚合平台呢？我认为有以下几个参考标准：
1. 接入及运营成本
广告SDK是否容易接入？聚合平台操作是否简单易懂？
2. 支持的广告平台及广告类型
聚合支持的广告类型是否能满足需求？支持的三方广告平台是否满足需求？
3. 应用内竞价
应用内竞价相比传统瀑布流，减少人力成本以及减少延时等问题发生，是未来广告竞价的发展趋势，具体内容会在下一篇内容提到。所以“是否支持应用内竞价”应当考虑在其中。
4. SDK稳定性及bug
是否有强大的技术团队支撑，能够提供稳定服务？
5. 数据中台
是否可视化，可以细分到哪些数据维度，数据的及时性，以及是否能拉取多方数据，精准算出渠道ROI。
6. 其它特殊功能
是否支持自动优化？是否支持A/B Test？
03. 海外Top广告聚合SDK
Admob
背景：
谷歌旗下，有“全球最大移动广告平台”的金字招牌。Admob覆盖200多个国家，是美国最大的移动广告平台。
接入及运营成本：
Admob是谷歌的广告聚合，技术接入较为简单；后台设置较为简单，逻辑简明，不容易出错，运营成本低，是新手入门款。
支持的广告平台及广告类型 ：
支持Banner（横幅广告） 、Interstitial（插页广告）、Rewarded Video（激励视频广告）、Native（原生广告）四种广告类型；支持的广告联盟超级强大，基本覆盖了市面上所有知名广告联盟，共计40余家。
应用内竞价：
应用内竞价当前仍在 Beta 版，仅供部分发布商使用，能够支持的广告源相对较多，包括：Aarki、AdColony、AppLovin、Fluct、Facebook、Index Exchange、OpenX、Rubicon Project、Smaato、Tapjoy、Liftoff、Triplelift、UnrulyX、PubMatic。
SDK稳定性及bug：
由 Google 广告技术强力支持，服务稳定，出现系统瘫痪的概率非常小。
数据中台：
报表可以分小时，一些数据可以可视化，数据可与Google Adwords、Firebase等谷歌产品打通。
其他特殊功能：
支持自动优化，通过获取三方广告源的相关数据，进行自动排序。
缺点：
有自身广告源倾向性，偏袒admob广告源。
参考链接：
https://developers.google.com/admob/android/mediate?hl=zh_cn
MAX（AppLovin）
背景：
团队成员先后做过Admob、Mobpub，技术背景强大；且AppLovin是行业率先推出应用内竞价聚合的平台。
接入及运营成本：
接入需要另外单独申请权限，是否能顺利申请需要看产品；运营操作后台支持功能相对较多，相比其它聚合SDK有一定上手门槛。
支持的广告平台及广告类型：
支持Banner（横幅广告） 、Interstitial（插页广告）、Rewarded Video（激励视频广告）、MREC（中等矩形横幅广告）四种广告类型；支持20余家广告平台。
应用内竞价：
是行业率先推出应用内竞价聚合的平台，应用内竞价支持AppLovin、AdColony、Facebook、InMobi、Mintegral、Tapjoy、Pangle，且Max可支持竞价与传统分层的混合模式。
SDK稳定性及bug：
技术团队较为强大，SDK稳定性较高。
数据中台：
支持开发者通过API将相关数据拉取到自己的BI系统中或通过appsflyer等追踪平台，精准衡量用户成本。
其他特殊功能：
提供 A/B 测试工具，且功能较为完善，游戏开发者能够清晰看到自己竞价策略的调整，对 ARPDAU （日活跃用户的平均收益）的影响。
参考链接：
https://dash.applovin.com/documentation/mediation
Ironsource
背景：
一家以色列公司，做Mediation起家的，对接了非常多的DSP。ironSource被以色列媒体评为“年轻人最想去工作的公司”以及“最性感的公司”。
接入及运营成本：
注册Ironsource账号即可开通相应聚合SDK，同时技术文档较为简单，接入成本相对较低；后台操作简单易上手,可以在同一个界面轻松实现广告展示顺序调整、应用内竞价优化，广告变现策略调整等所有操作。
支持的广告平台及广告类型 ：
支持Banner（横幅广告） 、Interstitial（插页广告）、Rewarded Video（激励视频广告）；支持10余家主流广告平台。
应用内竞价：
新上线功能，目前仅支持Ironsource、AdColony、Facebook，但同样可支持竞价与传统分层的混合模式。
SDK稳定性及bug：
技术团队较为强大，服务稳定。
数据中台：
通过后台或自定义的报告深入分析与理解每个玩家，数据报表包含DAU，ARPDAU，ARPDEU，LTV和广告互动率等维度。
其它特殊功能：
支持自动优化；支持A/B Test，但功能不够完善；支持分国家进行瀑布流运营。
参考链接：
https://developers.ironsrc.com/ironsource-mobile/android/android-sdk/
Mopub
背景：
Twitter旗下的，主打RTB服务。
接入及运营成本：
整体功能和逻辑上和admob相似，但是增加了很多可以让开发者发挥的功能，开发难度也相对大一些，适合对广告技术有一些了解的开发者；Mopub的广告网络功能非常强大，在其广告网络中Line item（广告系列）是以特定预算运行广告素材和特殊参数定位广告的；并且每一个不同广告参数对应不同的优先级，所以配置相对较为复杂。
支持的广告平台及广告类型：
Banner（小横幅）、Banner(Mrect)（大横幅）、Interstitial（插屏）、 Rewarded Video（激励视频广告）、Rewraded Playable(MRAID)（互动式激励广告 ）、Native（原生广告）、Native video（原生视频 ）多种广告类型；支持10余家广告平台，且不在MoPub官方名单上的广告平台，只要该平台研发了MoPub adapter，就可以一起参与广告竞价。
应用内竞价：
所有合作的广告平台均可支持应用内竞价。
SDK稳定性及bug：
官方对接效率相对较低，bug修复不及时。
数据中台：
数据报表更新及时，用户触发广告展示后，即可获实时数据；收入数据维度较为齐全，RTB广告与第三方广告联盟广告做出了区分；可自行处理数据或将数据发送给第三方分析及归因平台如Adjust，AppsFlyer，Branch，Kochava，Singular，SOOMLA和Tenjin，从而精准计算每个用户的LTV。
其他特殊功能：
Marketplace：MoPub自己的RTB网络，作为合作广告平台的补充，方便开发者更好地获取RTB广告。RTB广告可以帮助开发者实现每次获得展示机会的广告主都是出价最高的，有利于开发者提高广告收入。
参考链接：
https://developers.mopub.com/publishers/mediation/mopub-network-mediation/
04. 总结
如果对以上4种广告聚合做出一句话评价我个人的想法是：
Admob适合新手入门款，各方面成本较低，且不容易出错，但偏向自身广告源；
MAX各方面功能相对较为完善，但申请权限不易，适合一定规模的产品；
Ironsource对接成本及运营成本相对较低，应用内竞价、A/B Test等功能相比MAX不够完善；
Mopub拓展性很强，适合精细化变现，但技术及运营门槛较高。
广告聚合没有最好的，只有最适合自己的。针对这些海外top广告聚合，其变现效率已经过多年验证，都是靠谱的。
曾经做过实验，将同一产品及同一竞价策略配置到不同广告SDK上，最终得到的人均广告展示次数及ARPU是相近的。当然，由于各个广告请求和缓存机制不一样（串行、并行还是混合，缓存数量1条还是2条），会导致过程指标人均请求和展示率不一样。
所以，由于各家广告聚合都有自己的优劣势，最后落实到一个问题，你的产品更在意什么，才能辅佐你的团队更高效进行变现，才是决定使用哪个广告聚合的最终原因。当然，如果对流量变现有很复杂的需求，建议还是自建聚合。
J. 国外发表文章阅读量能变现吗
国外发表文章阅读量能变现。国外发表文章阅读量能变现但要结合平台的其他数值进行变现。例如在国外自媒体平台（Steemit）发表文章变现方法：
1、提升声望值：每一个新用户的声望都是25，这个声望是由点赞数来决定的，当有声望高于你的用户为你点赞，累积到一定数量你就能提升声望，反之，如果有声望高于你的用户给你差评，累积到一定数量你的声望就会下降。
2、第二个决定你收益的数据就是点赞数，你所获得的每一个点赞（包括声望高于你和低于你的用户），都能够提升你文章获得的收益，同时评论获得的收益也是由点赞数来决定的。
3、阅读量：这个数据和我们国内的自媒体平台一样，都是能够在很大程度上提高你文章收益的。
4、回复数：即在评论区回复你文章的人数次数，有趣的是优质的评论回复如果得到别人的点赞，再加上自己有高声望也是能够获得赏金的。综上点赞数、阅读量、回复数三个因素，再和你声望得到的收益系数进行后台运算就能够使你文章的变现。