傳播易教你如何提高廣告投放的精準(zhǔn)

1、傳播易：教你如何提高廣告投放的精準(zhǔn)度“我們知道有一半的廣告費(fèi)是在浪費(fèi)，但沒(méi)人知道是哪一半”，這句話(huà)是很多廣告展示的困境所在。怎樣用低價(jià)獲取有效客資或讓廣告效果最大化，為廣告主帶來(lái)更大的銷(xiāo)售額，是每一個(gè)廣告投放平臺(tái)需要解決的問(wèn)題。下面以傳播易廣告投放算法為例，淺析下如何由預(yù)先標(biāo)注的關(guān)鍵詞標(biāo)簽，一步步建立完整的受眾行為分析模型，挖掘出具有相似行為特征的人群，提煉人群的屬性特征，提高精準(zhǔn)的目標(biāo)人群，最終進(jìn)行最合適的廣告投放的。一、關(guān)鍵詞標(biāo)簽傳播易平臺(tái)根據(jù)用戶(hù)上網(wǎng)的痕跡和記錄推斷其行為特征、興趣愛(ài)好，分別為其標(biāo)注關(guān)鍵詞標(biāo)簽，建立標(biāo)簽?zāi)Ｐ?。這個(gè)過(guò)程大致如下：(1) 記錄受眾的歷史行為，包括產(chǎn)生瀏覽、點(diǎn)擊

2、、搜索、注冊(cè)、購(gòu)買(mǎi)等行為的網(wǎng)頁(yè)地址(URL)，積累原始數(shù)據(jù);(2) 以商品內(nèi)容和新聞內(nèi)容為導(dǎo)向，建立關(guān)鍵詞標(biāo)簽庫(kù)，作為受眾行為分析的基礎(chǔ)元數(shù)據(jù);(3) 針對(duì)所有受眾相關(guān)的URL，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)程序和語(yǔ)義分析(分類(lèi)和關(guān)鍵詞提取)，生成每個(gè)受眾的初始標(biāo)簽集合。在每個(gè)關(guān)鍵詞標(biāo)簽中，考察多種典型用戶(hù)行為，如：瀏覽，點(diǎn)擊，搜索，注冊(cè)和購(gòu)買(mǎi)等行為，并以此為依據(jù)進(jìn)行廣告精準(zhǔn)投放，主要的優(yōu)點(diǎn)在于：能夠更細(xì)致地刻畫(huà)出受眾對(duì)某件事物或者某個(gè)領(lǐng)域的興趣程度，使投放更加精準(zhǔn);利用受眾類(lèi)別之間的相似性，判斷出受眾潛在的購(gòu)買(mǎi)意向。二、受眾對(duì)象模型關(guān)鍵詞標(biāo)簽記錄了最原始關(guān)鍵詞信息，根據(jù)用戶(hù)行為數(shù)據(jù)，傳播易利用“神經(jīng)網(wǎng)絡(luò)算法”

3、對(duì)每個(gè)關(guān)鍵詞標(biāo)簽進(jìn)行量化處理，分析其對(duì)于受眾的重要程度，將高價(jià)值客戶(hù)樣本按群體特征進(jìn)行標(biāo)簽錄入傳播易特征庫(kù)，形成受眾對(duì)象模型。模型刻畫(huà)的是受眾的歷史行為特征，而其維度就是不同的關(guān)鍵詞標(biāo)簽，通常可達(dá)幾十個(gè)乃至上千個(gè)維度。一般來(lái)說(shuō)，購(gòu)買(mǎi)行為是最強(qiáng)的信號(hào)，權(quán)重最高;點(diǎn)擊屬于次強(qiáng)級(jí)別，表示用戶(hù)的主觀(guān)興趣，有明確的目的去了解相關(guān)信息;而瀏覽在很多情況下是被動(dòng)行為，所以權(quán)重值最低。三、受眾行為分析累積受眾對(duì)象模型后，已具有幾十乃至上千的標(biāo)簽維度。常用的聚類(lèi)分析算法大致包括劃分方法、分層方法、基于密度的方法和基于網(wǎng)格的方法等幾類(lèi)。傳播易投放系統(tǒng)所搭建的受眾行為分析模型借鑒了CURE (Clustering

4、Using Representatives) 層次聚類(lèi)算法，并在其基礎(chǔ)上參考了其他聚類(lèi)算法(例如：BIRCH等)融合改進(jìn)，使整個(gè)聚類(lèi)算法更加符合實(shí)際的廣告業(yè)務(wù)需求。假如有A 、B 、C等多個(gè)受眾，他們有極其相似的標(biāo)簽屬性，并且數(shù)量龐大，那么運(yùn)行聚類(lèi)算法后，就會(huì)產(chǎn)生一個(gè)獨(dú)立的受眾聚類(lèi)。這個(gè)受眾聚類(lèi)包括了大量的類(lèi)似受眾，他們都是同樣的標(biāo)簽集合。這個(gè)人群就是經(jīng)過(guò)多道工序處理之后，呈現(xiàn)出的有效目標(biāo)受眾。四、人群定向投放作為廣告正式投放前的最后一步，受眾聚類(lèi)和結(jié)構(gòu)化的人群分類(lèi)將進(jìn)行匹配映射，這種映射是利用二者標(biāo)簽集合的重合度來(lái)實(shí)現(xiàn)的。 利用兩個(gè)標(biāo)簽在一個(gè)細(xì)分人群中的內(nèi)在關(guān)聯(lián)性，推測(cè)對(duì)關(guān)鍵詞標(biāo)簽A感興趣的人對(duì)也關(guān)鍵詞標(biāo)簽B感興趣，再?lài)L試進(jìn)行交叉投放，例如把B的廣告投放給曾購(gòu)買(mǎi)過(guò)A商品的回頭客。傳播易持續(xù)大量的實(shí)踐統(tǒng)計(jì)結(jié)果表明這套受眾行為分析方法使得人群定向的精準(zhǔn)度相比于原始的分類(lèi)標(biāo)簽法提高了至少40%以上。通過(guò)搭建這樣的統(tǒng)一分析平臺(tái)，能將所有采集到的受眾信息最大限度地整合利用起來(lái)。同時(shí)結(jié)合