问：TD 公司在数据统计这块是怎么变现的？

TalkingData 高级副总裁蒋奇：首先您看到在数据报告这块我们是免费的。我们一直认为数据报告这块收费是一个悖论，既要公允，又要挣钱，很难平衡的。我理解变现有几个要素，第一有足够的数据积累，不管是你自有的，还是交换来的，还是买来的。第二要有足够好的数据技术，来处理这些数据。数据技术在某种意义上就是把传统的脏活累活的效率提高，其实就是这点价值。第三就是场景，你得有足够多的场景，场景是很复杂的概念。场景是把你的认知和客户真实需求结合起来，打磨成一些解决方案。所以在这个过程当中，我觉得 TD 数据变现里面很大的一块方式就是我们在很多行业里面找到的场景。

举个例子，我们跟地产行业合作的场景之一在哪里？可能在于我们帮助地产行业解决了传统意义上它完全要靠人力解决的一个在拿地前的投测的问题。我通过这个地块内目标的流动客群的分析来判断这个地块本身的价值。它应该是用一个什么样的价格来拿，拿完之后是什么样的商业实体，我应该卖什么样的价格，跟周围的竞品价格是什么样的关系。

问：咱们做这块事，我知道比如说做推送的一些公司也在收集数据做这些，TD 跟他们来比的话，差异在哪？其实很多提供底层技术的都可以收集到。比如说微博装机量足够大，看一个结果也可以抓得到，你们的优势在哪呢？是铺得更广吗？

蒋奇：铺得广意味着就是广，不代表精准，我们认为这个数据铺得广只有一个价值，就是 ID 的打通的概率要更高，就这一个价值。某种意义上，除非真正覆盖体量到了 BAT 这个体量，到我们这个体量。你把自己认为是一个通用 ID，是行得通的。比如说微信跳出来说我要用微信号做 ID，它覆盖率够高。TalkingData 跳出来说我也要做 ID，因为我覆盖率足够高。

TD 甚至比 BAT 都要高，但是我们认为这是整个数据非常基础的能力。你的 ID 是否被业内公认的，能否成为整个数据交换体系里面的核心是第一。第二，做得越广越不准，做得广就意味着要加强广度，而不是深度。我举个例子，比如说如果像腾讯那样自己有金融业务，就能够深入到一个用户的行为里面去，知道他今天买了 40 万的理财产品，明天他存了 20 万现金进去。后天他在电商上面买了一个什么东西，你对这样个体的刻画才是足够深入的，才是足够准确的。这样的数据 TD 有没有？TD 没有。这些数据只能交换而来，但是不容易驱动交换。

好的数据一定得有客户，有场景，然后把数据变成客户认可的服务才会产生价值。运营商在两年前是很强势的，现在这个时代不是这样了，运营商的数据是卖不出去的，因为只代表了一类维度的数据，数据交换应该先有广度后才可能交换纵向深度信息。几乎所有的公司都可以说有数据，但这个是很难看明白的，拿到数据把这些东西打开之后，才会发现里面有巨大的差别。