基于云計算技術的互聯網廣告精準定向悠易互通·趙征第一頁，共四十一頁。我們是誰悠易互通（YOYI）是中國領先的受眾網絡數字營銷公司。致力于以互聯網廣告定向技術及優化系統，深入分析中國網民的興趣與屬性；以新銳的創新思維，通過數字媒體整合傳播渠道，為客戶的品牌數字營銷提供全方位的解決方案，幫助客戶實施更高效的數字媒體策略。目前悠易互通已開設北京、上海、廣州公司，擁有500名員工，可提供全面的受眾網絡洞察及數字營銷咨詢服務，已為微軟、英特爾、奧迪等全球400多家品牌客戶提供全方位的廣告營銷服務。第二頁，共四十一頁。目錄核心技術及系統架構說明數據累積量展示及擴展應用用戶行為定向，真正的精準定向第三頁，共四十一頁。用戶行為定向，真正的精準定向第四頁，共四十一頁。常用的廣告定向手段地域定向時間定向客戶端環境定向網址定向其它基礎定向更加精準的定向手段？第五頁，共四十一頁。精準定向廣告趨勢精細化營銷大量廣告將通過廣告網絡完成投放，廣告網絡將成為下一個掘金點前期依靠內容渠道的整合，后期依賴基于行為分析定向技術的海量數據挖掘。第六頁，共四十一頁。用戶行為定向的特點BehavioralTargeting–用戶行為定向根據每一個互聯網受眾的行為，分析其興趣屬性和心理預期，有針對性地進行廣告投放。將廣告定向鎖定到每一個受眾個體，真正的精準定向。第七頁，共四十一頁。多方共贏，用戶行為定向的優勢對于廣告主：把廣告投放給真正感興趣的人，直接針對目標受眾，提升廣告效果。對于代理商：只讓感興趣的人看到廣告，減少無效曝光，節省媒體資源。對于媒體：訪客只會看到感興趣的廣告，降低用戶排斥感，提升媒體粘滯度。對于受眾：能夠得到真正需要的信息，提升信息相關性、瀏覽樂趣。第八頁，共四十一頁。YOYI的多維度BT定向概念講解

金融時尚Yes，iPad！旅游去:)實時瀏覽興趣關鍵詞匹配用戶持久化興趣興趣關鍵詞匹配興趣行業/產品分類匹配12第九頁，共四十一頁。核心技術及系統架構說明第十頁，共四十一頁。實現BT定向，技術難點有哪些用戶行為數據的收集海量數據的存儲計算用戶興趣的分析建模行為定向的應用和完善YOYI廣泛和豐富的媒體流量資源基于“云”技術的YOYI數據中心自主分類詞庫、完善的語義及行為分析技術豐富的BT商業化經驗，完善的廣告優化技術第十一頁，共四十一頁。(1)用戶行為數據的收集第十二頁，共四十一頁。YOYI受眾數據收集原理頁面瀏覽行為瀏覽記錄收集存儲（包含自然搜索行為）廣告交互行為

電子商務交互行為

收集存儲廣告交互及電商行為YOYIADNetwork

范圍內用戶的歷史瀏覽軌跡用戶行為分析模塊YOYI復合垂直搜索引擎模塊YOYI用戶屬性庫實時定向API第十三頁，共四十一頁。復合搜索系統復合搜索引擎提供URL到頁面重點關鍵詞的轉換。意為傳統垂直搜索和針對媒體上不斷新增的新頁面的實時補充抓取程序相結合。為BT定向的用戶行為分析服務，同時提供用戶即時瀏覽興趣關鍵詞定向的頁面分詞功能。第十四頁，共四十一頁。復合搜索系統原理示意圖頁面正文區域智能提取復合搜索抓取YOYI基礎詞庫正文分詞第十五頁，共四十一頁。(2)YOYI數據中心第十六頁，共四十一頁。分布式存儲-DFS面對海量數據計算，首先要解決海量數據存儲的基礎問題，我們選用了“云”結構的DFS系統：HDFS。

HDFS有著高容錯性（fault-tolerant）的特點，并且設計用來部署在低廉的（low-cost）硬件上。而且它提供高傳輸率（highthroughput）來訪問應用程序的數據，適合超大數據集（largedataset）的應用。HadoopHDFS容災性能高吞吐量高開發/維護高效數據容量大第十七頁，共四十一頁。分布式計算–Map/Reduce面對大數據量的計算，很多計算任務是單機無法完成的。形成了“云”計算最原始的推動力。YOYI自己的數據中心里，分布式計算采用了最經典的Map/Reduce模型，同時也在隨時關注和實踐行業內最新的發展動態及研究方向。Map/Reduce模型可靠性高高度并行開發/維護高效成熟度高第十八頁，共四十一頁。Map/Reduce典型模式圖–WordCount示例第十九頁，共四十一頁。YOYI的Map/Reduce計算，分為對廣告業務數據的分析、廣告優化分析、BT用戶行為計算挖掘幾個部分的應用。自主研發Map/Reduce模型HadoopMap/Reduce框架早期，我們自主設計了M/R的計算模型目前采用的M/R框架更加完善的成熟M/R實現在各大企業廣泛應用第二十頁，共四十一頁。分布式數據庫分布式數據庫，是在海量數據應用層面上的一個重要課題。結合YOYI的用戶行為分析等業務需求，面臨幾個選型問題。SQLNoSQLVS第二十一頁，共四十一頁。分布式NoSQL數據庫的選型CassandraMongoDBHypertableHbase真正Distributed與Hadoop無縫整合基于ColumnFamily，靈活性強開源，開發維護活躍第二十二頁，共四十一頁。NoSQL的不足，我們還研究？數據倉庫DataWarehouse圖數據庫GraphicDatabaseNeo4j較為稱成熟可分布式Trinity微軟圖數據庫HIVEHadoop體系的DW實現第二十三頁，共四十一頁。YOYI數據中心整體架構圖基于上述各項技術的整合，YOYI構建了完善的分布式存儲及分布式計算平臺，提供對所有收集到的用戶行為數據的持久化存儲及高性能分析計算支持。第二十四頁，共四十一頁。YOYI數據中心拓撲說明從橫向層面上，YOYI數據中心包含多個相互關聯但功能獨立的子集群系統：廣告業務服務集群業務數據分析計算集群BT行為分析集群搜索引擎系統BT行為定向服務集群第二十五頁，共四十一頁。架構中的其他耦合層在BT定向查詢層，構建了Redis+SSD的數據緩存層，并且，還構建了服務于Hbase用戶數據的分布式MySQL數據索引層：RedisSSD極高的尋址特性小文件支持佳內存Key/Value極高查詢性能VM支持數據持久化MySQL自主構建的分布式邏輯高可靠性高可維護性第二十六頁，共四十一頁。(3)受眾行為分析建模第二十七頁，共四十一頁。受眾精準興趣分析的4個維度用戶興趣關鍵詞用戶興趣行業用戶興趣產品類別當前瀏覽頁面關鍵詞第二十八頁，共四十一頁。受眾興趣分類體系我們結合廣告主的營銷需求，經過分析調整，整理出了包含22個興趣行業、230個產品類別的受眾興趣分類體系。興趣分類的體系，用以經過分析計算，給用戶標識出興趣Tag。讓廣告主能夠更容易地從人群興趣的維度選擇廣告定向的條件。消費數碼汽車手機改裝筆記本電腦SUV二手車第二十九頁，共四十一頁。兩個受眾興趣分類體系的核心技術基于語料學習的分類詞庫按照行業及產品分類體系的結構，我們對關鍵詞庫進行了基于語料訓練方式的整理，基于大量分類語料的語料訓練及自學習，得出了與各個分類指標化關聯的，高可用性的分類詞庫。用戶興趣分類算法通過不斷的數據建模及修正，我們得出了依據用戶行為及內容分類，得出用戶行業/產品興趣的高可用性算法。第三十頁，共四十一頁。用戶分類算法圖示用戶分類的確定采用改進的樸素貝葉斯(Na?veBayes，NB)分類算法，YOYI基于NB這種利用概率分布統計進行分類的算法，進行了大量面向應用的改進和完善。用戶對于每一個興趣分類的屬性相似度，都參照一個三維的特征向量系進行評估。用戶興趣詞與此分類覆蓋度越高，用戶興趣屬性與此分類相似度越高；覆蓋的興趣詞中，詞的詞頻越高，用戶興趣屬性與此分類相似度越高；覆蓋的興趣詞中，詞與此分類的關聯度評分越高，用戶興趣屬性與此分類相似度越高；第三十一頁，共四十一頁。人口統計學分析研究同時，我們擁有自主的問卷調查系統，并基于普查性的用戶屬性聚類分析，結合自主的經過改進的SVM支持向量機用戶分類算法，進行了一定范圍內的用戶人口統計學分析的研究，取得了很好的效果。第三十二頁，共四十一頁。(4)受眾行為定向的應用第三十三頁，共四十一頁。受眾行為定向對廣告效果的提升目前，我們已經為超過400家廣告主提供了廣告精準定向服務。廣告訂單CTR平均可以提升50-150%，最高達到280%第三十四頁，共四十一頁。數據累積量展示及應用第三十五頁，共四十一頁。活躍Cookie數據庫用戶標本積累情況截止到2011年6月末，YOYI可以用于BT定向的活躍Cookie樣本數量，達到了2.655億人。第三十六頁，共四十一頁。用戶訪問記錄及行為數據收集情況同時，截止到2011年5月末，對于用戶訪問歷史軌跡點及訪問行為數據的記錄，增加到了206億條。第三十七頁，共四十一頁。受眾群體屬性分析報告除了廣告定向應該之外，BT的用戶屬性數據，還用于向廣告主提供“受眾群體屬性分析報告”。典型的人群數據分析報告，包含以下內容：受眾興趣分類權重（包含行業/產品）受眾興趣獨立權重用戶興趣關鍵詞權重用戶興趣站點用戶樣本示例第三十八頁，共四十一頁。Thanks!第三十九頁，共四十一頁。謝謝2023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/192023/4/19第四十頁，共四十一頁。內容總結基于云計算技術的互聯網廣告精準定向。用戶行為定向，真正的精準定向。前期依靠內容渠道的整合，后期依賴基于行為分析定向技術的海量數據挖掘。根據每一個互聯網受眾的行為，分析其興趣屬性和