數據革命計算廣告與DataRevolution第二章目錄時代性特征CHARACTERISTICSOFTHETIMES顛覆性變革DISRUPTIVECHANGE社會性困境SOCIALDILEMMA01時代特征大數據相關技術概念得到一定程度的傳播，但沒有得到實質性發展萌芽期大數據是指人類通過數據挖掘工具而獲取的完整的、動態的、實時的數據流，具有大容量、多種類、高速處理、結構復雜等特點伴隨著互聯網數據爆發式增長，大數據市場迅速成長，大數據技術逐漸被大眾熟悉和使用成長期大數據迎來了發展的高潮，包括我國在內的世界各個國家紛紛布局大數據戰略爆發期大數據應用滲透到各行各業，價值不斷凸顯，數據驅動決策水平和社會智能化程度大幅提高，大數據產業迎來快速發展和大規模應用實施大規模應用期大數據大數據數據庫與數據倉庫數據庫是一個有組織的數據集合，用于存儲和管理相關數據。數據倉庫是一個用于集成、存儲和分析各種來源的數據的大型數據存儲系統，提供跨庫一致的、易于訪問的數據視圖。數據平臺數據采集和收集、數據存儲和管理、數據清洗和預處理、數據分析和挖掘、數據查詢和檢索、數據可視化和報告、數據安全和權限管理。數據湖與湖倉一體數據湖可以把非結構化和結構化數據共同存儲并進行處理，湖倉一體是一種新型開放式架構，可以將數據湖和數據倉庫的優勢充分結合。底層架構商業化數據收集和分析能力、目標受眾定位的精確性、實時競價和個性化廣告投放、數據驅動的優化和迭代自動化計算廣告從用戶行為數據收集，到受眾定向，再到線上根據用戶標簽自動決策，整個過程都是自動進行的。系統化系統化的數據整合和分析提供了深入了解用戶行為和偏好的洞察力，用以制定廣告創意和定向策略；系統化的效果追蹤和數據反饋能夠實時監測廣告指標，并進行優化和調整。計算廣告02顛覆變革全樣思維側重數據收集的整體性，追求全體數據而不是隨機的抽樣的數據，進而實現對事物的全面、動態、及時的數據呈現。全樣思維大數據時代具有“秒級響應”的特征，在大數據應用場景當中，效率是重點，分析結果的精確度只要達到一定程度即可，不必一味苛求更高的準確率。效率思維在大數據時代，數據中包含的信息可以幫助消除不確定性，而數據之間的相關性在某種程度上可以取代原來的因果關系，幫助人們得到想要知道的答案。相關思維廣告思維更新大數據時代，通過數據的追蹤定位與分析、篩選等手段，廣告主可以最大程度地了解受眾的需求與動機，對受眾推送的信息及商品在很大程度上能滿足受眾需求。最大化的受眾價值大數據環境下的市場信息追蹤的正是針對消費者的可變性和動態性調整和更換推送信息，從而實現千人千面的個性化精準傳播。個性化的精準傳播大數據實時監測提升了廣告預測與評估的速度、效度與精度，可針對不同消費者的不同需求或者同一消費者在不同時空場景下的不同需求展示最合適的廣告信息。實時化的效果反饋廣告價值重構數據BP運營機制數據BP機制在組織形式上屬于可以統一管理調配的集中式，執行上分布到各個業務解決問題。這種組織方式既能夠向上支撐不同類型的業務線，還能向下兼容數據平臺底層的各項能力。個性化推薦與內容生產激勵通過分析用戶的興趣和行為數據，字節跳動能夠精準地為用戶推薦符合其興趣的內容和產品，提高用戶粘性和使用體驗。用戶基礎和數據資源字節跳動能夠實時收集和分析用戶在平臺上的行為數據，從而了解用戶興趣、喜好和需求；還通過智能算法，對這些數據進行深入分析和挖掘，發現用戶潛在的消費意愿和市場需求，為商業創新提供有力的支撐。廣告投放與商業變現通過對用戶的行為和興趣數據進行分析，字節跳動建立起精準的用戶畫像和個性化推薦系統，成功地將廣告投放與用戶需求、用戶體驗緊密結合，實現了商業的可持續增長，為廣告主和平臺用戶帶來了雙贏。商業奇跡開發利基市場推動個性化營銷實現長尾效應大數據正在將大規模市場轉換成無數的利基市場，利基廣告通過與消費者進行一對一的溝通，個性定制并打造理想的顧客關系。數據革命使得企業能夠收集和整合來自多個渠道和來源的大量數據企業也更重視對數據的深度挖掘和分析，發現隱藏在數據背后的模式、趨勢和關聯關系。通過大規模收集和分析用戶行為、偏好和購買數據，企業可以獲得大量細分市場的信息，揭示出長尾市場的潛在需求。營銷法則優化03社會困境頭部平臺互聯網頭部平臺掌握了接觸、使用和授權他人使用用戶數據的權力，占據了數據產業鏈的頂端位置，因此能獲取最大部分的數據收益。三大運營商三大運營商掌握了大量底層真實數據，但它們在通信行業具有壟斷地位，自身優勢明顯，在消費者方面存在保密協議，在管理方面也受到國家政策的嚴格限定，合作難度大。中小型數據主體相比頭部互聯網公司數據管理平臺的數據資產，小公司的數據量小而垂直。這些數據雖有價值，但是小公司的數據呈碎片化分布，總量巨大卻難以整合，導致中小型數據主體數據斷層。HSDKTUOPMN數據交易市場的零和游戲導致了數據割據現象的產生，學界和業界將其產生的問題形象地命名為“數據孤島”。數據孤島形成的主要原因是：互聯網頭部平臺依靠數據圍墻獲取壟斷收益、三大運營商構筑數據流通的天然壕溝、中小型數據主體數據斷層。構成“孤島”的數據圍墻全景監獄數據庫的技術權力統治模式消解了私人空間與公共空間的界限，實現了對人全面的無時無刻的監視和規訓。過度推測通過數據挖掘技術，人們可以從消費者數據中發現更多的隱含價值信息，同時可以消解個體對個人信息數據的控制能力，通過數據預測技術來窺探個體的“未來的隱私”。黑色交易由于數據所有權人同大數據占有者的分離，個人數據的刪除權、存儲權、使用權、知情權等本屬于個人可以自主的權利，如今在很多情況下卻難以保障。數據所有權人不但不占有數據，甚至接觸、支配自己的數據財產也非常困難。HSDKTUOPMN大數據時代，數據作為人的第二“肉身”，時刻暴露在監視之下。無論是電子蹤跡數據、物聯網數據，還是以定位信息和通話記錄為核心內容的移動通信數據，都包含大量個體消費者的信息。“透明世界”的數據倫理問題主要體現在大數據時代的全景監獄、過度推測和黑色交易等三個方面。“透明世界”的數據倫理自然缺陷LabeledFacesintheworld大多數是男性和白人；亞馬遜招聘系統存在性別歧視；APP忽略老人反饋。算法偏見黑箱效應是對于特定的設備而言的，公眾可以觀察到信息的輸入和輸出，卻無法觀察到設備內部對于信息的處理過程。大數據算法的社會本質是一種權力，隱含著十分微妙且隱秘的社會偏見。人性隱喻數據收集和處理過程是無法窺探內部結構的黑箱，甚至許多算法研究者都無從對數據處理的方法進行全面的評估，也無從通過經驗證據和理論框架對其中一些復雜的相互關系進行解釋，于是大數據及算法的偏見往往是隱匿而不可知的。HSDKTUOPMN數據集本身往往更趨于展現主流群體，或數據易獲取的群體，這就會導致數據集與客觀現實具有偏差，從而引發偏見。隱含偏見的“數據黑箱”主要體現在數據本身的自然缺陷、數據分析的算法偏見和數據邏輯的人性隱喻等三個方面。隱含偏見的“數據黑箱”信息的個人日報化用戶只關注自己選擇的內容，置身于自己感到安慰和愉悅的傳播世界，如同置身于蠶繭般作繭自縛。排異的算法推薦大數據時代的“信息繭房”，其本質就是基于大數據技術的算法推送最大限度地做到信息內容分發與用戶自身固有偏好和需求相匹配，以最大限度地使用戶屏蔽“異己信息”的干擾。社會黏性下降在由個性化推薦形成的一個個群體中，高度同質化的共性認同會削弱個體活躍的獨立思考能力，從而減小個體與個體之間的差異性。而不同群體間感知方式、認知水平與群體價值觀念的差異，則會使得群體之間的分歧日益嚴重