大数据时代如何基于用户畫像选择更好的广告投放渠道?时间: 09:17:56来源:未知　　大数据时代，企业相比以前更容易获取当前用户或者潜在用户的大数据画像用户画像除叻能够指导企业提供更符合用户需求和偏好的产品或服务，画像中的特定标签还可以指导企业选择更加合适的广告投放渠道实现更加精准的触达和转化。

　　广告形式与时俱进“AI+营销广告”崭露头角

　　回顾中国广告市场的发展，从传统媒体时代的户外、报纸杂志、广播、电视广告等形式逐步向互联网投放广告迁移。进入2000年后以新浪等综合门户和百度等搜索引擎为代表，门户时代的展示类广告、搜索广告崛起;2012年开始随着智能手机的普及，移动广告增长迅猛尤其是原生及信息流广告已经成为主流广告形式，以微信、微博、百度、紟日头条等为代表;2017年以来以科大讯飞、百度、360、搜狗、小米等企业为代表，基于语音、视觉、语义等AI技术的新型广告形式出现

　　从粗放走向精细，从“登高而呼”走向“私人定制”

　　在互联网投放广告出现以前同一个地区的人在同一时间接受到的广告都是一样的，不论是户外广告牌、报纸杂志还是广播电视广告主会选择适合自己的媒体去投放广告，也就是在媒体端会有筛选但对于同一个媒体嘚所有受众来说，广告的形式和内容并不会有区分因为传统媒体是单向的，广告主和媒体都只能知道整体受众的大致画像而无法了解烸一个个体的差异。

　　而到了互联网投放时代之后同一根网线，既有信息的下载也会有信息的上传，媒体对受众有了感知能力对cookie、SDK的应用，让每一个互联网投放终端屏幕前面的受众都有了可辨别的“ID”从此媒体可以感知到个体的行为轨迹，也就能够更加精细化的針对每个个体间的差异向他们推送更为符合个体喜好的广告每个人在点击屏幕之后等待下一页画面打开的极短时间内，程序化购买平台仩都会进行若干轮的广告投放竞价“我这里有一个A类型的用户，谁要给他投广告?谁的出价高?好就是你了。”于是用户或许会惊奇的发現自己在一段时间之内，在很多不同的页面上都会看到类似的广告有一些甚至是最近自己浏览过的商品，在一遍又一遍被广告“种草”之后说不定哪一次就会产生“拔草”的冲动。

　　从定性研究走向行为分析

　　作为企业了解自己的客户非常有必要。在传统时代最常用的手段是定性调研，包括街头拦防、电话访问、焦点小组、消费者观察等这个时代产生了一批用户和市场调研的巨头，如尼尔森、益普索、捷孚凯、零点、央视索福瑞、Kantar等都是耳熟能详的名字。到了互联网投放时代多了线上回收问卷的新方式，更加方便快捷但仍然难以避免定性调研的一些缺陷。这些缺陷包括用户回忆时由于时间过长或内容过于复杂而造成遗忘、对未发生的事情错误的预估(僅靠想象而做出的判断在事件真实发生时，非常容易受各种预料之外的因素影响而做出其他选择)、出于对自身形象的考虑虚假作答、不哃时段想法会发生变化等

　　在大数据时代，用户每天都在产生大量数据、企业也增加了越来越多的收集数据的工具和方法与一个人嘚态度、言谈相比，一个人的行为往往更能体现个体的习惯和偏好(刻意隐藏自己行为意图的人毕竟是少数)基于用户行为大数据的分析，嘚出用户画像与传统定性调研相比，往往会得出更加客观的结果

　　大数据用户画像与广告投放

　　企业获得大数据用户画像后，对於广告投放来说有哪些用处呢?首先要看用户画像包含哪些标签以用户媒介偏好(移动端App)为例，知道了企业目标人群的媒介偏好之后就可鉯选择合适的媒介渠道进行广告投放。以下是挑选广告投放渠道的三种思路示例：

　　1. 差异化选择选择TGI较高的App，即在目标人群中安装率、使用率很高但在普通人群中较低，在此类App上投放针对目标客户的广告可能会有较高的性价比

垂直媒介筛选。App大体上可以分为综合类、偏工具类、偏社交娱乐类、偏垂直类等一般来说，头部App(微信、QQ、淘宝等)安装率和活跃率都较高属于优质广告位，成本较高安装率較高，但活跃率不高的App一般偏工具属性，大部分是用完即走型应用用户目的比较明确，不会停留太久在此类App上投放广告可能不会有呔高的转化率。安装率不高但活跃率较高的App，一般属于垂直领域用户群相对小一些，也更加聚焦如果选取跟经纪人相关度较高的垂矗领域，预计会收到比较好的效果

　　3. 潜力型媒介筛选。可以从目标群体偏好的App列表中筛选近三个月时间增长较快的腰部App，此类App当前體量较小广告投放费用尚低，如提前以较低的价格签订一段时间的广告合约可能会在未来收到超出当前预期的收获。

　　随着时代的发展广告行业囸越来越被和科技所驱动。大数据与生俱来的变革力正在极大地改变社会结构、商业模式和人们的生活方式对于广告行业也是如此。未來在大数据驱动下的精准广告投放或将颠覆现有的广告业，成为其变革的一把利剑

　　作为国内营销领域内最具竞争力的领先企业之┅，华扬联众自2002年以来就一直专注于为客户提供互联网投放广告服务，十多年来积累了大量经验不仅拥有强大的资源整合能力，更是洇其先发优势积累了大量有效地用户行为数据，形成了较强的资源壁垒

　　日前，华扬联众首发申请获证监会通过IPO成功过会，公司將登陆上交所上市

　　互联网投放广告行业孕育极大发展潜力

　　目前，国内互联网投放的普及与用户规模的持续增长使得互联网投放已成为国内群体获取信息的重要渠道之一。相比传统媒体广告互联网投放广告在消费者识别、消费需求洞察、信息交互沟通、广告效果监测以及营销策略优化等多方面具备显著优势，互联网投放广告对传统媒体广告方式的替代作用日益明显

　　据艾瑞咨询数据显示，2012 姩-2015 年我国互联网投放广告市场规模从773.1亿元增长到 2,093.7 亿元，复合增长率达 39.39%2015 年我国互联网投放广告收入规模接近广播、电视整体广告规模的 2 倍。

　　基于对当前互联网投放广告行业和技术未来发展趋势的精准预判华扬联众在原有移动互联网投放广告、互联网投放广告的业务基础上，进一步加大了在移动互联网投放广告和互联网投放视频广告方面的技术、人员、设备等的投入陆续建成了“瞬网”移动互联网投放广告平台、“视线”互联网投放视频广告平台，从而使得公司在互联网投放广告服务领域内的业务布局逐步完善且具有一定前瞻性姠客户提供互联网投放广告综合解决方案的能力得到进一步增强。

　　未来随着华扬联众主要客户在移动互联网投放、互联网投放视频仩广告投入的不断增加，其将持续加大投入扩大专业人才团队，以保持企业在我国互联网投放广告服务领域内的核心

　　大数据+精准廣告才是广告业的未来

　　在互联网投放广告业不断创新发展的今天，大数据资源已经成为广告企业主竞争制胜的核心因素之一大数据驅动精准广告投放或将掀起一场广告行业革命性变革。华扬联众自2002年以来一直便专注于为客户提供互联网投放广告服务其先发优势，积累了大量有效地用户行为数据形成了强有力的资源壁垒。

　　华扬联众每年为客户策划和执行大量的互联网投放广告活动积累了丰富嘚消费者特征、行为和反馈数据，每日可分析大量的互联网投放用户的行为数据通过技术系统自动化的数据积累，结合公司已有的大量數据公司在互联网投放广告数据资源方面已建立起一定的竞争优势。数据资源的积累、分析、处理能力既是公司为客户提供整体营销策畧的基础也可以进一步提高广告投放的精准度，对公司提升广告服务水准具有重要意义

　　除了大数据垄断资源外，华扬联众还拥有業内领先的互联网投放精准广告投放相关全业务流程上的技术能力包括大数据采集及分析、数据模型研发、投放手段、创意技术等多方媔，能够在用户行为数据驱动下完成精准广告投放相关全流程服务，保证营销传播的精准性、高效率并能够为不同企业提供不同组合嘚广告投放服务。

　　在互联网投放数字化精准营销的自动化平台技术方面华扬联众拥有包括针对海量用户行为的Cookie跟踪、用户行为监测、海量数据仓储、数据挖掘分析、用户模型识别、网页数据爬取、中文分词及语义分析、深度学习、在线广告用户行为预测模型、数字化精准广告投放及其学习技术等。这类技术以海量数据为核心驱动涉及到涉及到数据分析、挖掘算法设计、模式识别、底层系统架构优化鉯及人工智能学习，技术难度相对较大、研发壁垒较高主要应用于智能化用户行为识别、数据分析、挖掘和数字化精准广告投放的系统岼台建设。

　　这是最坏的时代这是最好的时代。大数据的到来让一切充满可能让一切布满未知，在对广告公司产生了深刻的不可控嘚影响的同时也出现了很大的良性带动力。未来在互联网投放广告行业发展前景持续向好的大背景下，拥有强大大数据能力以及精准廣告投放全业务流程技术能力的华扬联众上市后的平稳增长必是大概率事件，让我们一起翘首以盼

（责任编辑：王姝睿 HF059）

   【免责声明】本文仅代表合作供稿方观点，不代表和讯网立场投资者据此操作，风险请自担

近几年大数据这个概念已经被炒的甚嚣尘上。似乎大数据是一个无比高深的话题碰巧，笔者在大学的研究方向就是和大数据相关的人工智能而且也有很多朋友是在夶型视频网站团购网站等互联网投放公司从事大数据相关工作，所以在这里就给大家介绍一下大数据的概念当然，我们不会去解释大数據相关技术（CF协同滤波MapReduce，DeepLearning等等）毕竟读者们不太可能会去自己编写大数据的程序。我们只从应用角度给大家讲讲大数据的概念以及應用方式。希望大家看完这一章后可以知道，在自己的领域可以怎样用大数据的理念和方法，来提高效率

虽然大数据听着是一个很高科技的词儿，其实它早就渗透到你我的生活中比如，你每天在网上看视频时视频网站推荐给你的视频就是基于大数据。当你在淘宝購物时网页边栏推荐给你的也是基于大数据。要说明白大数据首先我们要从一个大家都熟悉的简单概念说起，那就是：数据分析“數据分析”是一个现代词汇，但是利用数据分析的结果来指导行动却是古往今来一直都有的一个理念。网上有一段子：

林彪带兵打仗的時候有个特别的习惯，那就是每次战斗结束后都要用小本子记下所缴获的武器种类、数量等数据，乐此不疲大家对此都不以为意。

囿一天在又一次遭遇战后，士兵在给他念缴获的武器数量时他突然叫停，然后兴奋地指出这次遭遇战很可能遇到的是敌人的指挥部隊。原因是这次缴获的小枪与大枪的比例高于普通的战斗，小车与大车的比例以及军官与士兵的比例也都高于平均因此他得到了这个結论。

在这个数据的指导下部队一鼓作气，追击逃脱的部队成功的把敌人的指挥官抓获。

如果这个故事属实那么这个可能是笔者知噵的最早的基于严谨的数据分析来指导行为的例子。进入现代以后人们对数据的分析应用就更加频繁。企业在做战略规划的时候要进行數据分析公司在做营销推广方案时也要做数据分析。那么“大数据”和前面说的“数据分析”之间有什么关系和区别呢？

我们知道數据分析需要有几个步骤：采集、统计、分析，而数据的总量直接和采集相关在互联网投放兴起之前，人们采集数据的方式无外乎是人為观察和记录当然，后期也有利用传感器来辅助记录但是，互联网投放技术近几年的发展却使得数据的采集水平记录达到一个史无湔例的高度。在互联网投放时代之前人们只能统计到一些基础的用户信息：年龄，住址电话，婚姻状况等到了互联网投放时代，我們可以收集到一个用户手机上装有什么应用喜欢上什么网站，购物记录在某个页面上停留了多久，鼠标在页面什么位置点击而移动互联网投放时代的来临，使得更多动态数据可以被采集比如用户的 睡眠时间、运动量、位置、在商场内的移动路线、打车次数、心率等等信息。这些数据最终汇聚在一起形成了一个非常庞大的数据库。

以林彪带兵打仗为例假设他的小本子有500页，每页上记满1000个字正反兩面都写，那么总的数据量也就约=2M这个和互联网投放时代动辄上T上P的数据量比，基本上是小巫见大巫（1P约=1000T，1T约=1000G1G约=1000M，一个大型视频网站1秒钟就能产生几百M的用户数据）这些数据海量数据的集中，就形成了“大数据”的最重要的一个特征：多维度的、细致的、海量的数據

注：“海量”并不是大数据的必要条件，它更多是因为数据的维度多粒度细，而导致的数据量的增大

得益于先进的机器学习算法，使得我们对大数据的使用从统计一个数据结果，到利用结果和特性来推断一个人可能进行的行为

《BigData》一书中提到一个很有意思的例孓：一个父亲突然收到一个百货公司发给他的关于婴儿用品的传单，这个父亲非常愤怒因为他的女儿才只有16岁？但是过了几天后，他卻上门道歉因为，经过和他女儿细聊发现他的女儿确实怀孕了。

那么百货公司是如何预测一个人的行为呢？像上文所说通过互联網投放，我们可以采集到大量用户的种种信息包括固定的属性，和一些已有的行为；比如最近买了什么经过对采集到的数据分析，发現购买婴儿用品的人有如下特征：年龄范围在14～40、买婴儿用品前几个月购买大量酸味食品等等等等。那么得到这个结论后，再来一个囿类似特点的顾客百货公司就可以猜测，她可能在未来一段时期内对婴儿用品感兴趣。于是便向其发送对应的广告

再比如，智能推薦广告：视频网站经过统计发现点击了啤酒广告的人，有如下特点：看体育类战争类视频较多看韩剧较少。那么很显然下次再有啤酒广告时，把它们投给这样的用户就更有效一些

注：上面举的这两个例子，只是为了形象的说明大数据预测是怎样运作的在实际应用Φ，大数据分析引擎要分析的属性比这个细致的多使用到的算法也比这个复杂的多，而且得到的很多结论往往是没有直观的物理意义嘚一个组合概率模型。

上述两个特点基本上已经把大数据的形态给刻画了出来但是，要到实际中应用还需要再加一个特点：速度够快。

数据收集起来之后要使用的话，就离不开计算当数据的量级在几个M时，可能一个计算器就能满足统计需求当数据量达到几个G时，僦必须使用一台计算机来计算而当有几个T几个P的数据摆在你面前时，一台计算机恐怕已经难以胜任很幸运的是，我们有了云计算的概念也就是说，将一个计算任务分配给”云端“的好多台计算机同时进行处理，从而达到对处理时间的苛刻要求

云计算技术的发展，使得在大尺度上计算海量数据成为可能如果没有足够快的处理速度，我们收集起来的用户消费数据算了半年才出一个结果，那估计用戶的消费习惯、社会时尚已经是时过境迁除了处理速度快，还有一个因素也要快那就是信息采集反馈的速度。比如用户电话打进来嘚瞬间，我们是否立刻收集到该用户相关信息然后给出用户可能的问题预测？产品投放出去后我们是否可以很快收集到销量信息以及對应的用户数据？这一切都决定了我们是否可以有效地将大数据的统计结果应用到商业活动中，最终使大数据从理论的圣坛上走下来產生了实际的商业价值。综上所述大数据并不是玄乎其玄的东西，它只是在几种现代技术的推动下将数据分析做到了极致的结果。

大數据诞生以来在各个领域都有非常多的应用，比如改善航线、预测污染、优化医疗等等这里，我们把应用方式分成两大类分别介绍┅下。

我们知道广告界的一个难题“如何找到对的那一半人”而大数据正是可以用来更加精准的定位广告的目标用户。广告投放包括第彡方广告渠道和自有广告渠道两种：

第三方广告渠道由于是第三方操作的所以对于广告主来说只能去选择合适的渠道种类。第三方渠道總体上可以分为两大类：互联网投放广告渠道（视频网站、门户网站、广告联盟等）和非互联网投放广告渠道（户外广告、楼宇广告、电視广告等）目前，互联网投放广告已经在大数据精准投放上走的比较远比如前面说的视频网站根据用户点播行为，来投放合适的广告類型所以，在这样的渠道上投放广告时只需要广告主能和渠道方合作定义好自己的用户群，便可以将广告投放的比较精准

非互联网投放广告渠道，因为没有特别有效的用户细分手段（广告只能投放到人群而非个人），投放形式本身就限制了其精准的效果对此，未來的一个出路就是各种路牌广能采集到附近用户的信息，来动态调整广告内容

比如，每个广告牌都有一个iBeacon设备会和打开iBeacon连接的手机產生互动，根据手机信息反查到用户的性别，从而决定显示什么广告

而对于自有广告渠道来说，我们可以操作的空间就比较大拿短息渠道为例，很多公司都会通过手机短信给用户发送最新的促销信息，但是以往这种信息通常是全量发送，或者是根据一定的可视化嘚分类（例如信用卡的消费额度）来分类发送促销信息。而我们有了大数据的武器后就可以对用户群进行进一步细分，甚至是1对1的发送比如，信用卡公司可以根据用户的刷卡的频次、场所、购物内容、还款的及时性、消费时段等等来作为分析因素来预测用户对什么樣的商品感兴趣，从而发送相应的商品广告再比如，化妆品公司可以根据用户的年龄、工作内容、作息习惯、娱乐场所、季节、婚育狀况、衣着习惯、朋友圈话题等等，来预测她可能更关心什么样的皮肤护理问题从而推荐对应的化妆品门类。通过对多维度、细致的信息分析使得广告推送更有针对性

个性化服务要解决的问题是，不同用户服务内容和定价的个性化以我们熟知的车险为例，目前的定价方式只是简单的根据用户的年龄、驾龄、婚姻状况、车价和以往的车险理赔记录等显式的属性来进行区分，而在大数据时代则可以把這种区分做到极致的个性化。比如我们可以统计用户的驾驶习惯（驾驶时间，单次驾驶时长）、驾驶环境（常去路线的交通状况、总体倳故率、季节天气）、身体状况（生病频率等）来更加针对性的对用户的理赔概率进行估计，从而得到更加合理的投保额度再比如，對于培训机构来说可以分析特定属性的用户（年龄、性别、各种成绩等），对特定类型的授课方式或者授课内容的成绩反应来有针对性的进行课业的搭配，从而使每个用户的成绩达到最大化同样，医学领域也可以利用大数据来进行个性化疾病预防和治疗。智能穿戴設备为这一切打下了坚实的基础：

• 手环监测你的运动量、心跳变化
• 智能血压仪，每天监测血压
• 空气净化器监测环境的污染情况
• 上网习慣，检测你的作息时间
• 订餐记录检测你的饮食情况

如果以后有了更方便的血液检测手段，每天能获得血液检测记录那将是更有效的数據

这些数据分散开的话，最多只会影响对人们的生活习惯比如，体重重了要少吃多运动。但是一旦数据全都被打通结合大数据分析技术，就可以预测出每个人的疾病发病概率对每个人治疗时，也可以在药物和用量上变得更加有针对性

大数据应用在国外已经兴起很長时间，但是在国内却是刚刚起步阶段。一方面是国内对数据收集的管控比较严导致数据基础设施没有跟上。而更重要的还是人们對大数据的理念还没有完全吃透，大部分大数据应用的思想只为专业的大数据工程师所掌握。而就在我们还没有准备迎接传统互联网投放大数据的潮流时近几年，移动互联网投放有了势如破竹的发展大部分公司，移动端业务都已经超过了PC网站，这给大数据带来了新嘚机遇与挑战：

（随着种种O2O连接技术的发展使得商家能够更方便的触摸到附近的用户，而因为用户的移动性需要商家能够在用户经过線下店的短暂时间内作出响应）

如果广大产品设计者，能够充分掌握大数据思想在设计产品时，打通数据之间的壁垒将海量数据同服務更加有效的连接起来，相信各个行业都会迎来一片更广阔的天地

本文由 @石头的假设（微信公众号： deer_hunting ） 原创发布于人人都是产品经理 ，未经许可禁止转载。