精準(zhǔn)定向計(jì)算廣告PreciseTargeting第六章目錄相似人群拓展SIMILARGROUPEXPANSION定向維度DIRECTIONALDIMENSION重定向RETARGETING01相似人群拓展相似人群拓展相似人群拓展是基于種子用戶，通過一定的算法評(píng)估模型，在廣告數(shù)據(jù)管理平臺(tái)的用戶大數(shù)據(jù)庫中，找到更多和種子用戶有關(guān)聯(lián)性的相似人群的技術(shù)方法。種子用戶數(shù)據(jù)提交相似人群拓展首先要提交種子用戶數(shù)據(jù)，明確表達(dá)目標(biāo)客群會(huì)在哪些方面有突出的特征。需提交的數(shù)據(jù)包含行為結(jié)果數(shù)據(jù)、行為意向數(shù)據(jù)、行為偏好數(shù)據(jù)、行為模式數(shù)據(jù)等四個(gè)層次維度。拓群算法處理DMP能否為廣告主帶來價(jià)值，比拼的是用戶拓群似然處理算法工程化方面的實(shí)力，主要體現(xiàn)在是否可以預(yù)先調(diào)節(jié)算法維度、是否可以靈活選取人群規(guī)模、是否能夠自主設(shè)定過濾條件、是否易于實(shí)現(xiàn)工程化指標(biāo)四個(gè)方面。拓展用戶輸出拓展用戶輸出是根據(jù)廣告主所需要的目標(biāo)用戶量級(jí)，按模型輸出用戶群體。根據(jù)擴(kuò)散量級(jí)需求，輸出量級(jí)越小，包含的用戶群體相似程度越高。輸出擴(kuò)展用戶的過程要堅(jiān)持結(jié)合聚類算法、結(jié)合媒體流量和結(jié)合效果優(yōu)化三個(gè)原則。相似人群拓展過程廣告主基于種子用戶標(biāo)簽，在數(shù)據(jù)庫中篩選性別、年齡、品類偏好等畫像屬性的人群包直接進(jìn)行投放。這種方式最為簡(jiǎn)單和高效，但不夠精準(zhǔn)，業(yè)界正在使用協(xié)同過濾、序列推薦、圖神經(jīng)網(wǎng)絡(luò)等技術(shù)向智能拓群方向發(fā)展。畫像標(biāo)簽法分類算法是一種隱性定位方式，是通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的分類算法對(duì)種子用戶進(jìn)行建模，然后用模型去識(shí)別目標(biāo)用戶。分為把種子用戶的共有特征標(biāo)記為正樣本、選擇基礎(chǔ)用戶包、選擇負(fù)樣本、特征處理和模型訓(xùn)練、擴(kuò)展人群包五個(gè)步驟。分類算法社交網(wǎng)絡(luò)定位法是一種隱性定位方式，即利用社交網(wǎng)絡(luò)上的好友關(guān)系，將種子人群標(biāo)簽傳給社區(qū)中的好友，從而實(shí)現(xiàn)用戶拓群。分為數(shù)據(jù)準(zhǔn)備、用戶標(biāo)簽特征處理、文本特征處理、圖像特征處理、社交關(guān)系建立、用戶擴(kuò)展等六個(gè)步驟。社交網(wǎng)絡(luò)定位法相似人群拓展方法程序化廣告創(chuàng)意內(nèi)容組合指的是：基于消費(fèi)者心理和廣告板式要求，提取不同類型的元素進(jìn)行組合，從而實(shí)現(xiàn)廣告創(chuàng)意內(nèi)容和目標(biāo)用戶的適配。針對(duì)產(chǎn)品特征，有米在創(chuàng)意上明確突出了美的豆?jié){機(jī)的三大賣點(diǎn)，直接將美的產(chǎn)品的優(yōu)秀功能信息傳遞給受眾。創(chuàng)意體現(xiàn)有米是通過調(diào)研分析，并輔以自身DMP匹配美的第一方數(shù)據(jù)進(jìn)行潛在人群挖掘的。人群洞察線上消費(fèi)者的購買力有巨大的挖掘空間；利用程序化廣告推廣促銷產(chǎn)品的同類廣告主越來越多。推廣背景尋找一類精準(zhǔn)用戶、第一輪投放、二類精準(zhǔn)用戶、規(guī)模化投放、實(shí)時(shí)監(jiān)控調(diào)整。投放執(zhí)行美的對(duì)于最終推廣效果感到滿意，項(xiàng)目總體完成7544352次曝光，平均CTR對(duì)比以往常規(guī)DSP投放大幅提升210%，為美的豆?jié){機(jī)京東購買頁帶來超過18萬次獨(dú)立用戶訪問，實(shí)現(xiàn)ROI超22%。項(xiàng)目效果相似人群拓展案例02定向維度傳統(tǒng)地域定向依賴于對(duì)IP地址的識(shí)別，通過IP地址就能定位到主機(jī)，可以知道主機(jī)所在的地理位置，這樣就能進(jìn)行廣告地域定向了。傳統(tǒng)地域定向傳統(tǒng)地域定向一般是定位到省或城市，定向范圍比較大。而超本地化定向則可以使地域定向達(dá)到非常細(xì)的粒度，比如定向到清華園的主樓附近。LBS超本地化地域定向地域定向人口屬性定向人口屬性定向是根據(jù)一些人口屬性標(biāo)簽，如年齡、性別、受教育程度、收入水平來定向展示廣告，是可監(jiān)測(cè)的。定向維度定向維度頻道定向上下文定向行為定向新客推薦定向按照供應(yīng)方的內(nèi)容分類體系將庫存按照頻道劃分，對(duì)各頻道投放不同的廣告。根據(jù)用戶瀏覽網(wǎng)頁的具體內(nèi)容來匹配相關(guān)的廣告。思路有用規(guī)則將頁面歸類到一些頻道或主題分類中、提取頁面中的關(guān)鍵詞、提取頁面錨文本中的關(guān)鍵詞、提取頁面流量來源中的搜索關(guān)鍵詞、用主題模型將頁面內(nèi)容映射到語義空間的一組主題上等。根據(jù)用戶的歷史訪問行為推測(cè)用戶興趣，從而投放相關(guān)廣告。行為定向非常關(guān)注的指標(biāo)有交易行為、交易前行為、廣告點(diǎn)擊行為、搜索點(diǎn)擊行為、搜索行為、社交網(wǎng)絡(luò)中的分享、頁面瀏覽、廣告瀏覽。根據(jù)廣告主提供的種子訪客信息，結(jié)合廣告平臺(tái)更豐富的數(shù)據(jù)，為廣告主找到行為上與種子相似的潛在客戶。（基于用戶、基于商品）生活方式定向“生活方式定向”是通過“產(chǎn)品—網(wǎng)絡(luò)生活方式—用戶”關(guān)聯(lián)的個(gè)性化廣告定向的方式，其核心是創(chuàng)建用戶的網(wǎng)絡(luò)生活方式量表，借助數(shù)據(jù)挖掘和處理技術(shù)構(gòu)建出“網(wǎng)絡(luò)行為—網(wǎng)絡(luò)生活方式”數(shù)據(jù)庫，通過對(duì)用戶網(wǎng)絡(luò)生活方式的識(shí)別進(jìn)行精確的廣告定向。03重定向計(jì)算廣告重定向計(jì)算廣告重定向是指基于用戶過去的行為、興趣或其他關(guān)聯(lián)因素，將廣告針對(duì)性地展示給已經(jīng)與廣告主進(jìn)行過互動(dòng)或表現(xiàn)出興趣的用戶，從而提高廣告的精準(zhǔn)度和個(gè)性化程度，增加廣告的效果和轉(zhuǎn)化率。包括用戶互動(dòng)跟蹤、數(shù)據(jù)收集和分析、定義目標(biāo)受眾、廣告投放和效果監(jiān)測(cè)四步。網(wǎng)站重定向重定向流程重定向策略重定向案例搜索重定向搜索重定向是用戶通過搜索引擎進(jìn)行關(guān)鍵詞搜索后，展示廣告會(huì)出現(xiàn)在該用戶以后登錄的站點(diǎn)。重定向廣告主和媒體方、數(shù)據(jù)合作伙伴以及第三方搜索引擎合作，以取得搜索意向數(shù)據(jù)（“推薦人”數(shù)據(jù)、工具欄數(shù)據(jù)）。郵件重定向郵件重定向基于Cookie，標(biāo)簽會(huì)被植入郵件簽名或郵件的HTML中，用戶打開郵件后，Cookie就會(huì)加載到用戶瀏覽器。分為用戶互動(dòng)跟蹤、數(shù)據(jù)收集和分析、定義目標(biāo)受眾、廣告郵件投放、效果監(jiān)測(cè)和優(yōu)化五個(gè)步驟。CRM重定向基于客戶關(guān)系管理數(shù)據(jù)，廣告主可以將廣告定向投放給已經(jīng)存在于品牌或企業(yè)CRM數(shù)據(jù)庫中的客戶，以增強(qiáng)與他們的互動(dòng)和轉(zhuǎn)化。分為用戶互動(dòng)跟蹤、數(shù)據(jù)收集和分析、客戶分類和建立用戶段、CRM數(shù)據(jù)整合、定義目標(biāo)群體、廣告?zhèn)€性化內(nèi)容投放、效果監(jiān)測(cè)和優(yōu)化七個(gè)步驟。計(jì)算廣告重定向個(gè)性化重定向VS傳統(tǒng)受眾定向方式個(gè)性化重定向傳統(tǒng)受眾定向方式投放目標(biāo)向特定用戶展示與他們興趣和行為相關(guān)的廣告，更加注重個(gè)體用戶的定向。將廣告投放給特定的受眾群體，更注重將廣告展示給特定的受眾群體。數(shù)據(jù)使用依賴用戶的個(gè)人數(shù)據(jù)和在線行為數(shù)據(jù)依賴于一般的受眾群體特征實(shí)施效果通常具有更高的個(gè)性化程度更廣泛地覆蓋特定的受眾群體個(gè)性化重定向VS個(gè)性化推薦個(gè)性化重定向個(gè)性化推薦使用目的提高廣告效果和轉(zhuǎn)化率增強(qiáng)用戶體驗(yàn)滿意度應(yīng)用場(chǎng)景廣告領(lǐng)域更廣泛地應(yīng)用于各種內(nèi)容平臺(tái)數(shù)據(jù)維度依賴用戶的歷史行為數(shù)據(jù)和特定的廣告目標(biāo)綜合地考慮用戶在多個(gè)維度上的行為數(shù)據(jù)和興趣站外推薦VS站內(nèi)推薦站外推薦站內(nèi)推薦基本內(nèi)涵指在一個(gè)網(wǎng)站或應(yīng)用程序之外的地方向用