在所有的广告投放中,一定都会遇到这样的尴尬——选出10W的种子用户,用户获取成本只有1块钱,但是每天只能获取100个用户。选出1亿的种子用户,每天能获取10000个用户,但是用户获取成本却变成了100块钱。如何能最大化满足广告运营对数据的要求,取得质与量的平衡,数据面对的是不同的运营、不同的广告素材、不同的媒体渠道,所以这其中绝不仅仅是CTR预估那么简单,在这次分享中,会和大家讨论下在广告投放中,数据走过的那些路。
“大数据时代,如何能最大化满足广告运营对数据的要求,取得质与量的平衡?”
这是杨亮在他的演讲之初提出的问题。随后,杨亮详细地分享了极光的移动大数据产品在这方面取得的一些成果。
三种潜在用户的探寻方法
杨亮表示,在广告投放的潜在用户中,有一部分用户是运营者根据经验能很好识别的,然而通过传统投放经验很难直接寻找到的用户群体才是增长潜力之所在。在数据大爆炸时代,凭借着海量的数据处理,可通过基于种子用户的lookalike方法,基于应用特征相似的方法,基于用户行为的LFM方法来准确地寻找到潜在用户。
用户特征在LFM中的使用
作为极光数据挖掘部门的负责人,杨亮介绍,极光通过自身所拥有的海量数据,挖掘出庞大的数据标签库,再结合用户的实时信息,从而使得极光可以将『静态的』用户标签信息,与『动态的』用户信息融入LFM(隐含因子模型)中,使得传统的广告投放具有了实时效应,从而更为精准地进行潜在用户的分析与探寻。
通过对地理位置的深度挖掘寻找潜在用户
极光利用自身拥有的实时LBS(基于位置的服务)信息,能根据潜在用户的地理位置进行深度挖掘,如绘制潜在用户的轨迹画像,并基于轨迹画像寻找相似群体,利用潜在用户社交网络的挖掘等方式提高了用户的筛选维度。
除了上述几个方面,杨亮还从算法逻辑结果与算法实现物理架构两方面介绍了极光多算法融合的实时计算框架。
浏览10495次
浏览5677次
浏览1243次
浏览2534次
浏览8615次
浏览1600次
2025-01-08 昆明
2025-04-19 南京
2024-12-27 上海
2025-10-23 上海
打开微信扫一扫,分享到朋友圈