网络用户数据收集是当今最激动人心却又备受争议的业务问题之一。这一业务频频引发公众对隐私泄露的担忧，但也为个性化的一对一广告宣传提供了绝佳的机遇。本文是探讨个人数据在不同行业的重要性的系列文章之一，由波士顿咨询公司(BCG)、高盛集团(Goldman Sachs)和BlueKai公司共同完成。

五类用户数据

收集用户数据的基本诉求简单明了：企业对消费者了解得越多，就越容易有针对性地向消费者发布相关广告。数字化广告生态系统中的所有利益相关方——从谷歌到广告网络直至Expedia——都在大量收集有关用户网络活动的信息。

在过去五年中，我们观察到一个推动用户信息买卖的二级市场正在蓬勃发展。例如，如果一位消费者在某旅游网站上预订了东京一家旅馆，该网站就可以通过用户数据交换平台或聚合器将这位用户的信息出售给某广告网络。当这位用户下次访问由该广告网络服务的网站时，东京希尔顿酒店的广告可能就会出现在用户浏览的网站上。

首先，我们根据数据获取的方式对用户数据进行分类。按照这种方法，我们将数据分为三大类：选择性加入(opt-in)的数据(自愿提供数据);观测数据(第一方和第三方);以及推断数据。

Opt-in数据是指用户在注册使用服务时自愿向发布商提供的信息，同时也是用户最容易察觉到的数据类型。此类信息有时仅仅只是一个电邮地址，但也可能包括一系列人口统计信息。

第一方观测数据是指在用户浏览网页时收集到的信息。第三方观测数据的来源相同，但企业需要从其它从事数据收集的网站购买此类信息。

推断数据是指第三方广告网络和代理机构根据观测数据和opt-in数据作出的推断。例如，如果一位用户经常登录大学教科书交换系统和时尚杂志《Cosmopolitan》的网站，那么合理的推断是：该用户是一名女大学生。然而，这种推论被普遍认为并不可靠，主要原因在于数据往往来自共用的电脑。

其次，我们根据信息自身的特性对用户数据进行分类。按照这种方法，我们将用户数据分为五大类：人口统计数据 此类数据包括年龄、性别和收入情况等信息，经常被企业作为消费者细分的基础。此类数据可能是自愿提供数据或推断数据。

行为或环境数据 此类数据包括用户的兴趣和态度等信息。基于用户消费的内容类型或跟踪用户上网行为的数码存根，此类数据可能是自愿提供数据或观测数据。将行为数据与实际购买意向联系起来并非易事;广告网络往往需要将众多碎片化信息拼凑在一起，才能对广告效果产生意义深远的影响。

购买意向数据 此类数据包含的信息能够更加直接地衡量个人的具体购买计划。此类数据可能是自愿提供数据(例如，用户在潜在客户开发网站上填写联系表来获得更多产品信息)、观测数据(基于实际搜索情况)或推断数据(基于以往购买情况)。被称为“重定向者(retargeter)”的企业对此类数据加以利用并已取得了一定的成功。这些企业对用户查看过但未购买的产品(比如Zappos网站上的一双鞋子)进行跟踪，然后在数小时乃至数日后为同一用户展示同一产品的广告。

社交数据 此类数据提供了有关人际关系的信息。从营销的角度来看，社交数据的假定前提是：在网络上相互关联的用户具有类似的特质或购买意向。此类数据可能是通过Facebook等社交网站或网上的某种互动(比如向他人发送一篇新闻报道)获得的自愿提供数据。

用户位置数据 营销者能够通过多种方法来确定用户位置。此类信息的收集通常基于用户的IP地址或用户访问的网站。(例如，在网上阅读美国报纸《The Sacramento Bee》的用户被认为是居住在Sacramento附近。)尽管解读IP地址位置仍非易事，但与过去的拨号时代相比已变得更加准确。移动互联网不仅能够提高解读IP地址位置的准确度，而且还能更加精确地提供用户位置数据，从而帮助企业了解用户的购物时机并向用户发送可立即使用的优惠券。