專業(yè)網(wǎng)站建設(shè)的軟件,網(wǎng)站開發(fā)翻譯功能,特色的企業(yè)網(wǎng)站建設(shè),移動(dòng)端h5網(wǎng)站開發(fā)框架目錄 第4章 合約廣告 4.1 廣告位合約 一、本質(zhì)#xff1a;傳統(tǒng)廣告思維的數(shù)字化投影 二、技術(shù)支撐#xff1a;廣告服務(wù)器的誕生與演化 三、產(chǎn)品形態(tài)的演進(jìn)#xff1a;從粗放到精細(xì) 四、內(nèi)在矛盾與向“受眾定向”的必然演進(jìn) 五、我的實(shí)踐視角#xff1a;雅虎門戶時(shí)代…目錄第4章 合約廣告4.1 廣告位合約一、本質(zhì)傳統(tǒng)廣告思維的數(shù)字化投影二、技術(shù)支撐廣告服務(wù)器的誕生與演化三、產(chǎn)品形態(tài)的演進(jìn)從粗放到精細(xì)四、內(nèi)在矛盾與向“受眾定向”的必然演進(jìn)五、我的實(shí)踐視角雅虎門戶時(shí)代的合約風(fēng)云六、歷史遺產(chǎn)與當(dāng)代價(jià)值4.2 受眾定向4.2.1 受眾定向方法概覽一、定向方法的分類與原理二、技術(shù)架構(gòu)從數(shù)據(jù)到?jīng)Q策的管道三、我的實(shí)踐視角在雅虎和MediaV的早期探索4.2.2 受眾定向標(biāo)簽體系一、標(biāo)簽體系的層次與類型二、標(biāo)簽體系的設(shè)計(jì)原則三、標(biāo)簽生產(chǎn)的技術(shù)路徑四、從我的實(shí)踐視角看設(shè)計(jì)一個(gè)面向效果的標(biāo)簽體系4.2.3 標(biāo)簽體系的設(shè)計(jì)思路一、設(shè)計(jì)流程從需求到落地二、核心挑戰(zhàn)與應(yīng)對(duì)策略三、未來(lái)展望從“人工定義標(biāo)簽”到“機(jī)器理解用戶”第4章 合約廣告4.1 廣告位合約在在線廣告波瀾壯闊的演進(jìn)史中合約廣告是最初的形態(tài)也是最直觀的商業(yè)邏輯映射。它將傳統(tǒng)媒體如電視、報(bào)紙的廣告售賣模式幾乎原封不動(dòng)地移植到了互聯(lián)網(wǎng)這個(gè)新媒介上。在計(jì)算廣告的宏大敘事里合約廣告常常被視為“古老”和“不夠智能”的代名詞。然而深入其肌理便會(huì)發(fā)現(xiàn)合約廣告不僅是歷史的起點(diǎn)更是一套成熟、穩(wěn)定、且在特定場(chǎng)景下無(wú)可替代的商業(yè)模式。它定義了在線廣告市場(chǎng)最初的權(quán)力結(jié)構(gòu)、交易單元和結(jié)算方式其影響至今仍深刻烙印在行業(yè)之中。本節(jié)將深入剖析合約廣告的基石——廣告位合約。我們將看到這種看似簡(jiǎn)單的“按位置、按時(shí)間賣廣告”的模式如何在互聯(lián)網(wǎng)特性的催化下演化出復(fù)雜的工程技術(shù)挑戰(zhàn)并最終孕育出后續(xù)所有更先進(jìn)廣告形態(tài)的雛形。一、本質(zhì)傳統(tǒng)廣告思維的數(shù)字化投影廣告位合約的核心邏輯極其直接媒體將其網(wǎng)站或應(yīng)用頁(yè)面上的一個(gè)特定物理位置廣告位在一段特定時(shí)間周期內(nèi)以固定的價(jià)格獨(dú)家或非獨(dú)家地售賣給一個(gè)廣告主。交易單元廣告位本身。例如新浪首頁(yè)首屏通欄尺寸1000x90像素、搜狐財(cái)經(jīng)頻道右側(cè)矩形框300x250像素。售賣方式按時(shí)間周期。通常以“天”為最小單位也可以是一周、一個(gè)月或一個(gè)季度。這被稱為“排期Schedule”。定價(jià)方式固定價(jià)格。價(jià)格基于廣告位的預(yù)期流量如日均PV、歷史表現(xiàn)、品牌價(jià)值以及銷售人員的談判能力確定。通常以“按千次展示成本CPM”或包段總價(jià)的形式約定。交付保證展示量Impression擔(dān)保。合同會(huì)約定一個(gè)最低展示量媒體必須完成。若未完成通常需進(jìn)行補(bǔ)量或退款。這是一種“空間租賃”模式。廣告主購(gòu)買的本質(zhì)上是一塊數(shù)字地產(chǎn)在特定時(shí)間段內(nèi)的使用權(quán)。其優(yōu)勢(shì)在于對(duì)廣告主確定性高。品牌形象得以在優(yōu)質(zhì)、固定的位置持續(xù)曝光適合品牌建設(shè)。對(duì)媒體收入穩(wěn)定?？梢蕴崆版i定大筆收入便于財(cái)務(wù)規(guī)劃。然而其內(nèi)在缺陷在互聯(lián)網(wǎng)環(huán)境中被迅速放大效率低下銷售過程高度依賴人工談判、合同簽署和素材人工上傳無(wú)法規(guī)?；?。資源浪費(fèi)無(wú)法做到“因人而異”。一個(gè)對(duì)汽車毫無(wú)興趣的用戶也會(huì)在汽車廣告位上看到汽車廣告對(duì)廣告主是浪費(fèi)對(duì)用戶是騷擾。無(wú)法動(dòng)態(tài)優(yōu)化一旦合同簽訂投放就固定下來(lái)。即使發(fā)現(xiàn)某個(gè)廣告位在夜間效果很差也無(wú)法臨時(shí)調(diào)整。二、技術(shù)支撐廣告服務(wù)器的誕生與演化廣告位合約模式催生了在線廣告最早的核心技術(shù)系統(tǒng)——廣告服務(wù)器Ad Server。它的首要任務(wù)就是自動(dòng)化地、可靠地執(zhí)行成千上萬(wàn)份已售出的廣告排期合同。1. 核心功能排期投放與擔(dān)保式投送廣告服務(wù)器的核心是一個(gè)復(fù)雜的“排期系統(tǒng)”。它需要解決的核心問題是如何在正確的時(shí)間將正確的廣告創(chuàng)意投放到正確的廣告位上并確保完成合同約定的展示量合同管理將銷售簽訂的合同廣告主、廣告位、創(chuàng)意、排期日期、時(shí)段、目標(biāo)展示量錄入系統(tǒng)形成一個(gè)“廣告活動(dòng)Campaign”。流量匹配當(dāng)用戶訪問一個(gè)帶有廣告位的頁(yè)面時(shí)廣告服務(wù)器需要識(shí)別廣告位通過嵌入頁(yè)面的廣告位ID代碼。篩選候選廣告從所有活躍的廣告活動(dòng)中找出那些“排期包含當(dāng)前時(shí)間”且“廣告位ID匹配”的活動(dòng)。決策與選擇如果只有一個(gè)匹配活動(dòng)直接返回其創(chuàng)意。如果有多個(gè)例如同一個(gè)廣告位同時(shí)段賣給了多個(gè)廣告主進(jìn)行輪播則需要按照預(yù)設(shè)的輪播比例如50%/50%或權(quán)重進(jìn)行選擇。計(jì)數(shù)與扣量記錄本次展示并從該廣告活動(dòng)的剩余展示量配額中扣除一次。當(dāng)配額用完該活動(dòng)自動(dòng)下線。2. 早期挑戰(zhàn)與解決方案流量預(yù)測(cè)難題要擔(dān)保展示量媒體必須能相對(duì)準(zhǔn)確地預(yù)測(cè)未來(lái)某段時(shí)間、某個(gè)廣告位的流量。早期基于歷史均值的預(yù)測(cè)非常粗糙遇到熱點(diǎn)事件流量激增可超額完成或技術(shù)故障流量暴跌無(wú)法完成時(shí)都會(huì)帶來(lái)履約風(fēng)險(xiǎn)。這催生了初步的流量預(yù)測(cè)模型需求。多廣告主競(jìng)爭(zhēng)與分配當(dāng)多個(gè)廣告活動(dòng)競(jìng)爭(zhēng)同一個(gè)廣告位的相同時(shí)段時(shí)如何公平、透明地分配展示機(jī)會(huì)簡(jiǎn)單的輪播Round Robin雖然公平但可能不符合商業(yè)優(yōu)先級(jí)例如優(yōu)先級(jí)更高的品牌廣告主應(yīng)獲得更多曝光。這引入了優(yōu)先級(jí)Priority和權(quán)重Weight的概念廣告服務(wù)器需要據(jù)此進(jìn)行復(fù)雜的在線分配決策。三、產(chǎn)品形態(tài)的演進(jìn)從粗放到精細(xì)隨著門戶網(wǎng)站的流量增長(zhǎng)和廣告主需求的細(xì)化簡(jiǎn)單的“按位置時(shí)間”售賣暴露出巨大弊端。媒體開始對(duì)廣告位合約進(jìn)行“產(chǎn)品化”改造創(chuàng)造出更精細(xì)的售賣單元。1. 按位置細(xì)分頻道/垂直領(lǐng)域售賣將首頁(yè)流量按頻道新聞、體育、財(cái)經(jīng)、娛樂拆分售賣。廣告主可以只購(gòu)買體育頻道內(nèi)的廣告位觸達(dá)更精準(zhǔn)的受眾。這可以看作最早的“上下文定向”雛形。頁(yè)面層級(jí)價(jià)值分級(jí)首頁(yè)、頻道首頁(yè)、內(nèi)容頁(yè)其流量?jī)r(jià)值和價(jià)格天差地別。媒體建立了清晰的價(jià)格體系。2. 按時(shí)間與情境細(xì)分時(shí)段售賣將一天分為黃金時(shí)段如9:00-12:00 19:00-22:00和非黃金時(shí)段差異化定價(jià)。情境化售賣結(jié)合特定內(nèi)容或事件。例如在奧運(yùn)會(huì)期間體育頻道相關(guān)廣告位溢價(jià)出售在天氣預(yù)報(bào)頁(yè)面售賣旅游或服裝廣告。這要求廣告服務(wù)器能識(shí)別頁(yè)面內(nèi)容通過關(guān)鍵詞或分類標(biāo)簽是“上下文定向”技術(shù)的直接驅(qū)動(dòng)力。3. 套餐化與組合售賣為了提升銷售額和填充率媒體銷售開始將不同位置、不同時(shí)段的廣告位打包成“套餐”出售。例如“首頁(yè)套餐”包含首頁(yè)通欄、焦點(diǎn)圖、右側(cè)矩形框各一周。這要求廣告服務(wù)器的投放邏輯能夠支持跨廣告位的統(tǒng)一預(yù)算管理和展示量分配。四、內(nèi)在矛盾與向“受眾定向”的必然演進(jìn)盡管產(chǎn)品形態(tài)不斷細(xì)化廣告位合約的根本矛盾——將“對(duì)人”的營(yíng)銷固化在“對(duì)位置”的交易上——始終無(wú)法解決。這個(gè)矛盾在數(shù)據(jù)積累和技術(shù)進(jìn)步的催化下最終引爆了廣告產(chǎn)業(yè)的第一次范式革命。矛盾的核心廣告主真正想要的是“影響潛在消費(fèi)者”而不是“占據(jù)一塊屏幕像素”。互聯(lián)網(wǎng)相比傳統(tǒng)媒體的巨大優(yōu)勢(shì)在于它可以識(shí)別用戶通過Cookie等并追蹤其行為。當(dāng)媒體意識(shí)到自己擁有的核心資產(chǎn)不是“廣告位”而是“訪問這些廣告位的用戶及其行為數(shù)據(jù)”時(shí)一場(chǎng)變革就已不可避免。演進(jìn)的第一步受眾售賣Audience Selling的萌芽。一些前瞻性的媒體和廣告網(wǎng)絡(luò)開始嘗試不再承諾固定的廣告位而是承諾“向符合某種特征如‘北京地區(qū)汽車興趣者’的人群投放一定次數(shù)的廣告”。廣告可以出現(xiàn)在該人群訪問的任何合作網(wǎng)站的合適位置上。這被稱為“展示量合約Guaranteed Display”的早期形態(tài)。這對(duì)廣告服務(wù)器提出了革命性要求受眾定向能力系統(tǒng)必須能夠根據(jù)規(guī)則如地域、行為標(biāo)簽實(shí)時(shí)判斷當(dāng)前用戶是否屬于合約約定的目標(biāo)人群?？鐝V告位流量整合與分配合同不再綁定于單一廣告位而是綁定于目標(biāo)人群。系統(tǒng)需要在全網(wǎng)范圍內(nèi)尋找所有能觸達(dá)該人群的廣告位資源并進(jìn)行全局優(yōu)化分配以最低成本、最高效率完成合約展示量。這被稱為“擔(dān)保式投送系統(tǒng)Guaranteed Delivery System”其核心是一個(gè)復(fù)雜的“在線分配Online Allocation”數(shù)學(xué)問題。圖4-1從廣告位合約到受眾定向合約的演進(jìn)此處可配圖左側(cè)是“廣告位合約”示意圖一個(gè)固定的廣告位如首頁(yè)Banner與一個(gè)固定的廣告創(chuàng)意綁定箭頭指向所有來(lái)訪用戶模糊的人形。右側(cè)是“受眾定向合約”示意圖一個(gè)特定的用戶畫像如“汽車興趣者”與一個(gè)廣告創(chuàng)意綁定箭頭指向這個(gè)畫像的用戶可能出現(xiàn)的多個(gè)不同廣告位新聞頁(yè)、體育頁(yè)、財(cái)經(jīng)頁(yè)等。因此廣告位合約的極致發(fā)展恰恰孕育了其自身的掘墓人——受眾定向技術(shù)。當(dāng)技術(shù)準(zhǔn)備好市場(chǎng)有需求時(shí)廣告的交易單元便從“廣告位”躍遷到了“目標(biāo)人群”合約廣告由此進(jìn)入了一個(gè)更高級(jí)的階段。這也標(biāo)志著計(jì)算廣告從簡(jiǎn)單的“自動(dòng)化”走向了“智能化”。五、我的實(shí)踐視角雅虎門戶時(shí)代的合約風(fēng)云在雅虎北京研究院的時(shí)期我們正身處合約廣告的鼎盛時(shí)代同時(shí)也親身參與了向更精準(zhǔn)廣告演進(jìn)的技術(shù)攻堅(jiān)。當(dāng)時(shí)雅虎中國(guó)門戶首頁(yè)的焦點(diǎn)圖、通欄等核心廣告位是眾多品牌客戶爭(zhēng)奪的焦點(diǎn)價(jià)格不菲銷售團(tuán)隊(duì)手握一份排期長(zhǎng)單。我們的廣告服務(wù)器團(tuán)隊(duì)核心使命就是保障這些高價(jià)合同的完美執(zhí)行。我們遇到的一個(gè)經(jīng)典難題是“流量塑形Traffic Shaping”。例如某汽車品牌購(gòu)買了首頁(yè)通欄的“男性用戶”定向合約要求展示1000萬(wàn)次。但自然流量中男性用戶的比例可能只有60%。如果完全被動(dòng)地按照自然流量投放要么無(wú)法完成合約如果只選男性用戶要么會(huì)摻雜大量女性用戶曝光如果放寬條件造成廣告主預(yù)算浪費(fèi)。我們的解決方案是設(shè)計(jì)一個(gè)“在線分配”系統(tǒng)它不僅僅被動(dòng)匹配而是主動(dòng)干預(yù)全局視圖系統(tǒng)會(huì)統(tǒng)攬所有未完成的合約包括不同定向條件的合約以及預(yù)測(cè)的未來(lái)流量包括用戶屬性分布。動(dòng)態(tài)決策當(dāng)一個(gè)女性用戶訪問時(shí)系統(tǒng)知道無(wú)法滿足汽車品牌的“男性”合約但可以滿足另一個(gè)女性化妝品合約。它會(huì)優(yōu)先將這次展示機(jī)會(huì)分配給化妝品合約。反之當(dāng)一個(gè)男性用戶訪問時(shí)系統(tǒng)可能會(huì)在汽車合約和另一個(gè)男性運(yùn)動(dòng)品牌合約之間根據(jù)各自的剩余量、優(yōu)先級(jí)和綜合價(jià)值進(jìn)行抉擇。目標(biāo)在滿足所有合約的定向條件和展示量要求的前提下最大化整體流量?jī)r(jià)值例如為未來(lái)可能到來(lái)的更高價(jià)合約預(yù)留一些優(yōu)質(zhì)流量。這本質(zhì)上是在用算法做一件銷售和運(yùn)營(yíng)人力無(wú)法完成的事對(duì)海量、異構(gòu)的流量進(jìn)行實(shí)時(shí)、全局的優(yōu)化調(diào)度。我們當(dāng)時(shí)使用的基于線性規(guī)劃對(duì)偶問題的貪心算法雖然今天看來(lái)已不新奇但在當(dāng)時(shí)成功地提升了合約填充率約15%并顯著降低了未完成合約的風(fēng)險(xiǎn)。這段經(jīng)歷讓我深刻認(rèn)識(shí)到即使是最“傳統(tǒng)”的合約廣告其背后也蘊(yùn)含著深刻的計(jì)算問題而解決這些問題帶來(lái)的商業(yè)價(jià)值是實(shí)實(shí)在在的。六、歷史遺產(chǎn)與當(dāng)代價(jià)值今天純粹的、粗放的廣告位合約已不多見但其遺產(chǎn)無(wú)處不在開屏廣告、視頻貼片廣告這些強(qiáng)曝光、高干擾度的形式本質(zhì)上仍是“廣告位合約”的邏輯——購(gòu)買一個(gè)特定的、用戶無(wú)法跳過的時(shí)間和空間。大型品牌活動(dòng)的核心資源在超級(jí)碗直播、奧運(yùn)會(huì)轉(zhuǎn)播、頂級(jí)APP的開屏等稀缺資源上合約模式因其確定性和排他性仍然是品牌廣告主的首選。程序化世界中的“直接交易”變體程序化直投PG和首選交易PD可以看作是合約廣告在程序化技術(shù)棧上的現(xiàn)代化重構(gòu)融合了合約的確定性與程序化的效率。結(jié)論廣告位合約作為在線廣告的起源其歷史意義在于它完成了從線下到線上的媒介平移并催生了廣告服務(wù)器這一核心基礎(chǔ)設(shè)施。它的局限性則清晰地指明了行業(yè)進(jìn)化的方向從買位置到買人群從固定排期到實(shí)時(shí)競(jìng)價(jià)從人工操作到算法決策。理解廣告位合約不僅是為了了解過去更是為了理解后續(xù)所有廣告產(chǎn)品形態(tài)為何會(huì)以某種方式出現(xiàn)。它是一面鏡子映照出廣告商業(yè)邏輯與技術(shù)能力之間持續(xù)不斷的互動(dòng)與博弈。在下一節(jié)我們將沿著它指明的方向深入探討使廣告交易單元發(fā)生質(zhì)變的關(guān)鍵技術(shù)——受眾定向。4.2 受眾定向廣告位合約的困境將在線廣告產(chǎn)業(yè)的進(jìn)化指針明確地?fù)芟蛄恕笆鼙姟边@一全新的交易維度。當(dāng)廣告主不再滿足于僅僅占據(jù)一塊屏幕而是希望與特定的人群對(duì)話時(shí)一場(chǎng)深刻的技術(shù)革命便拉開了序幕。受眾定向Audience Targeting作為這場(chǎng)革命的核心技術(shù)其目標(biāo)直指廣告營(yíng)銷的圣杯在正確的時(shí)間將正確的信息傳遞給正確的人。本節(jié)將系統(tǒng)性地解構(gòu)受眾定向技術(shù)。我們將看到從最初基于網(wǎng)頁(yè)內(nèi)容的簡(jiǎn)單推測(cè)到基于海量用戶行為數(shù)據(jù)的復(fù)雜建模受眾定向如何一步步地將模糊的“人群”概念拆解為可計(jì)算、可預(yù)測(cè)、可交易的“用戶畫像”并最終催生了程序化廣告的盛世。4.2.1 受眾定向方法概覽受眾定向并非單一技術(shù)而是一個(gè)龐大的方法集合。其演進(jìn)歷程本質(zhì)上是對(duì)“如何定義一個(gè)人”這個(gè)問題的回答不斷深化的過程。我們可以將這些方法按照其依賴的數(shù)據(jù)維度和技術(shù)復(fù)雜度繪制成一個(gè)全景圖譜見圖4-2。技術(shù)復(fù)雜度與數(shù)據(jù)深度^|[模型驅(qū)動(dòng)定向] | [社交定向](Look-alike, 預(yù)測(cè)模型) | (社交關(guān)系, 好友互動(dòng))|[行為定向] | [人口屬性定向](長(zhǎng)期興趣, 意圖) | (年齡, 性別, 收入)|[地理位置定向] | [上下文定向](GPS, IP, LBS) | (頁(yè)面內(nèi)容, 關(guān)鍵詞)|[基礎(chǔ)屬性定向] | [重定向](設(shè)備, 瀏覽器, 運(yùn)營(yíng)商) | (網(wǎng)站訪客, App用戶)|------------------------從“當(dāng)下場(chǎng)景”到“長(zhǎng)期個(gè)體”圖4-2受眾定向方法演進(jìn)與分類圖譜一、定向方法的分類與原理1. 基于當(dāng)前場(chǎng)景的定向Contextual Targeting這是最古老、最直觀的定向方式其邏輯是用戶當(dāng)前正在看什么就可能對(duì)什么感興趣。原理分析廣告所在頁(yè)面的內(nèi)容文本、圖像、視頻提取關(guān)鍵詞或主題然后匹配相關(guān)廣告。技術(shù)實(shí)現(xiàn)關(guān)鍵詞匹配早期方法。從頁(yè)面提取高頻詞與廣告關(guān)鍵詞庫(kù)匹配。主題模型使用如LDA潛在狄利克雷分布等算法將頁(yè)面內(nèi)容歸類到預(yù)設(shè)的主題分類如“體育”、“財(cái)經(jīng)”、“汽車”中。優(yōu)勢(shì)不依賴用戶歷史數(shù)據(jù)隱私友好與頁(yè)面內(nèi)容相關(guān)度高用戶體驗(yàn)較好。局限只能反映用戶當(dāng)下的興趣點(diǎn)無(wú)法刻畫其長(zhǎng)期、穩(wěn)定的興趣無(wú)法識(shí)別跨場(chǎng)景的同一用戶。2. 基于用戶地理位置的定向Geographic Targeting原理根據(jù)用戶的物理位置投放相關(guān)廣告。數(shù)據(jù)源IP地址精度較低、GPS移動(dòng)設(shè)備精度高、Wi-Fi/基站定位、用戶填寫的資料。應(yīng)用場(chǎng)景本地服務(wù)向某城市用戶推送本地餐廳、影院優(yōu)惠。區(qū)域化營(yíng)銷針對(duì)不同地區(qū)推廣不同的產(chǎn)品或促銷活動(dòng)。場(chǎng)景營(yíng)銷在機(jī)場(chǎng)推送旅行用品在商場(chǎng)推送商戶折扣。3. 基于用戶人口屬性的定向Demographic Targeting原理這是傳統(tǒng)營(yíng)銷的經(jīng)典方法在互聯(lián)網(wǎng)上通過數(shù)據(jù)推測(cè)來(lái)實(shí)現(xiàn)。數(shù)據(jù)來(lái)源與推測(cè)方法注冊(cè)信息最直接但用戶可能提供虛假信息。行為推測(cè)模型通過機(jī)器學(xué)習(xí)模型基于用戶的瀏覽、購(gòu)物、社交等行為預(yù)測(cè)其年齡、性別、收入、教育水平等。例如經(jīng)常瀏覽母嬰社區(qū)和購(gòu)買奶粉的用戶很可能被預(yù)測(cè)為“有嬰幼兒的家庭”。挑戰(zhàn)推測(cè)準(zhǔn)確性是關(guān)鍵模型需要不斷用真實(shí)數(shù)據(jù)如購(gòu)買記錄來(lái)校正。4. 行為定向Behavioral Targeting—— 里程碑式的跨越這是受眾定向從“場(chǎng)景”走向“個(gè)體”的關(guān)鍵一步也是程序化廣告的基石。核心思想用戶過去的行為是其未來(lái)興趣的最佳預(yù)測(cè)指標(biāo)。數(shù)據(jù)基礎(chǔ)通過Cookie、設(shè)備ID等追蹤用戶跨網(wǎng)站、跨APP的長(zhǎng)期行為包括搜索、瀏覽、點(diǎn)擊、購(gòu)買、停留時(shí)長(zhǎng)等。實(shí)現(xiàn)流程數(shù)據(jù)收集在廣告網(wǎng)絡(luò)或DSP覆蓋的眾多媒體上部署監(jiān)測(cè)代碼收集匿名化的用戶行為日志。標(biāo)簽化將原始行為映射到預(yù)先定義的興趣標(biāo)簽體系Taxonomy上。例如用戶多次瀏覽汽車評(píng)測(cè)文章和車型對(duì)比頁(yè)面會(huì)被打上“汽車興趣者-中級(jí)”標(biāo)簽。畫像構(gòu)建為每個(gè)用戶ID維護(hù)一個(gè)動(dòng)態(tài)更新的興趣標(biāo)簽向量以及各興趣的強(qiáng)度分?jǐn)?shù)。投放應(yīng)用當(dāng)廣告主選擇定向“汽車興趣者”時(shí)系統(tǒng)會(huì)篩選出標(biāo)簽向量中包含此標(biāo)簽的用戶進(jìn)行廣告投放。優(yōu)勢(shì)能夠反映用戶穩(wěn)定、長(zhǎng)期的興趣精準(zhǔn)度遠(yuǎn)高于上下文定向。重大爭(zhēng)議涉及跨站追蹤引發(fā)嚴(yán)重的隱私擔(dān)憂是當(dāng)前全球隱私法規(guī)如GDPR和平臺(tái)政策如蘋果ATT主要限制的對(duì)象。5. 重定向Retargeting—— 行為定向的極致應(yīng)用原理針對(duì)曾經(jīng)與品牌有過交互如訪問網(wǎng)站、將商品加入購(gòu)物車但未轉(zhuǎn)化的用戶再次投放廣告旨在“挽回”潛在客戶。技術(shù)實(shí)現(xiàn)在廣告主網(wǎng)站或APP內(nèi)植入監(jiān)測(cè)代碼像素當(dāng)用戶訪問時(shí)將其匿名ID加入特定列表如“網(wǎng)站訪客”。當(dāng)該用戶在其他媒體上出現(xiàn)時(shí)DSP識(shí)別其ID在列表中則投放相關(guān)廣告。效果由于用戶已表達(dá)過明確興趣重定向廣告的轉(zhuǎn)化率通常是所有定向方式中最高的之一。6. 社交定向Social Targeting原理利用用戶的社交關(guān)系、好友互動(dòng)、加入的群組等信息進(jìn)行定向。獨(dú)特優(yōu)勢(shì)不僅能基于“你是誰(shuí)”還能基于“你的朋友是誰(shuí)”和“你信任誰(shuí)”來(lái)推薦廣告。例如“你的好友A點(diǎn)贊了品牌B”的廣告利用了社會(huì)認(rèn)同原理。實(shí)踐主要應(yīng)用于社交平臺(tái)內(nèi)部如Facebook、微信朋友圈是其圍墻花園內(nèi)強(qiáng)大的定向工具。7. 模型驅(qū)動(dòng)定向Model-Driven Targeting—— 智能化的巔峰這是當(dāng)前最前沿的定向方式其核心是用復(fù)雜的預(yù)測(cè)模型替代人工規(guī)則。人群擴(kuò)展Look-alike Modeling給定一小群高價(jià)值用戶種子人群如已購(gòu)買客戶通過機(jī)器學(xué)習(xí)算法邏輯回歸、隨機(jī)森林、深度學(xué)習(xí)在全網(wǎng)用戶中尋找與種子用戶在行為特征上相似的潛在客戶。這實(shí)現(xiàn)了從“定義特征”到“發(fā)現(xiàn)特征”的躍遷。意圖預(yù)測(cè)Intent Prediction不依賴于靜態(tài)的興趣標(biāo)簽而是用模型實(shí)時(shí)預(yù)測(cè)用戶當(dāng)下最可能的意圖。例如綜合用戶近期的搜索、點(diǎn)擊、地理位置如在汽車4S店附近等信號(hào)實(shí)時(shí)判斷其“購(gòu)車意圖”的強(qiáng)度。價(jià)值預(yù)測(cè)Value Prediction直接預(yù)測(cè)用戶點(diǎn)擊或轉(zhuǎn)化后的長(zhǎng)期價(jià)值LTV用于指導(dǎo)出價(jià)和預(yù)算分配。二、技術(shù)架構(gòu)從數(shù)據(jù)到?jīng)Q策的管道一個(gè)工業(yè)級(jí)的受眾定向系統(tǒng)其技術(shù)架構(gòu)通常包含以下幾個(gè)核心模塊見圖4-3------------------- ------------------- -------------------| 數(shù)據(jù)采集層 | - | 數(shù)據(jù)加工層 | - | 用戶畫像服務(wù)層 || (Data Collection) | | (Data Processing) | | (User Profile || - 日志埋點(diǎn) | | - 實(shí)時(shí)流處理 | | Service) || - Cookie同步 | | (Flink/Storm) | | - 標(biāo)簽存儲(chǔ) || - 第三方數(shù)據(jù)接入 | | - 離線批處理 | | (Redis/HBase) || | | (Hadoop/Spark) | | - 實(shí)時(shí)查詢API |------------------- ------------------- -------------------|v------------------- ------------------- -------------------| 廣告投放引擎 | - | 定向決策模塊 | - | 廣告檢索系統(tǒng) || (Ad Serving) | | (Targeting Logic) | | (Ad Retrieval) || | | - 布爾表達(dá)式解析 | | - 倒排索引 || | | - 實(shí)時(shí)規(guī)則匹配 | | - 向量檢索 |------------------- ------------------- -------------------圖4-3受眾定向系統(tǒng)技術(shù)架構(gòu)簡(jiǎn)圖數(shù)據(jù)采集層負(fù)責(zé)從各個(gè)觸點(diǎn)網(wǎng)站、APP、第三方數(shù)據(jù)提供商收集用戶行為數(shù)據(jù)并進(jìn)行用戶標(biāo)識(shí)如Cookie Mapping。數(shù)據(jù)加工層對(duì)原始數(shù)據(jù)進(jìn)行清洗、歸因、聚合并運(yùn)行定向模型如興趣挖掘、人口屬性預(yù)測(cè)產(chǎn)出結(jié)構(gòu)化的用戶標(biāo)簽。用戶畫像服務(wù)層以鍵值對(duì)Key-Value形式存儲(chǔ)每個(gè)用戶ID對(duì)應(yīng)的標(biāo)簽向量并提供毫秒級(jí)查詢接口。常用Redis、HBase等高性能存儲(chǔ)。定向決策模塊在廣告檢索時(shí)實(shí)時(shí)查詢用戶畫像并判斷其是否滿足廣告主設(shè)置的復(fù)雜定向條件如“北京 男性 (汽車興趣者 | 科技愛好者) 最近7天訪問過汽車網(wǎng)站”。這需要高效的布爾表達(dá)式求值引擎。三、我的實(shí)踐視角在雅虎和MediaV的早期探索在雅虎北京研究院我們面臨的挑戰(zhàn)是如何在門戶時(shí)代的海量流量中實(shí)現(xiàn)初步的受眾定向。當(dāng)時(shí)行為數(shù)據(jù)主要來(lái)自雅虎站內(nèi)新聞、郵箱、搜索。我們的一項(xiàng)核心工作是“站內(nèi)興趣挖掘”。我們采用了基于協(xié)同過濾Collaborative Filtering和“物品-物品”關(guān)聯(lián)的思路如果一個(gè)用戶同時(shí)點(diǎn)擊了A和B兩篇文章那么A和B就被認(rèn)為是相關(guān)的。當(dāng)大量用戶的行為累積起來(lái)我們就構(gòu)建了一個(gè)龐大的“內(nèi)容關(guān)聯(lián)網(wǎng)絡(luò)”。當(dāng)一個(gè)用戶閱讀了A文章系統(tǒng)就可以從網(wǎng)絡(luò)中找出與A最相關(guān)的B、C、D等文章并推測(cè)用戶可能也對(duì)它們感興趣。我們將這種“相關(guān)文章推薦”的邏輯應(yīng)用于廣告推薦如果A文章是汽車評(píng)測(cè)那么與A相關(guān)的文章很可能也是汽車內(nèi)容那么在A文章頁(yè)面上就可以嘗試投放汽車廣告。這本質(zhì)上是“上下文定向”的增強(qiáng)版通過用戶行為數(shù)據(jù)豐富了內(nèi)容關(guān)聯(lián)的維度。到了MediaV時(shí)期中國(guó)程序化廣告的拓荒時(shí)代我們面臨的是完全不同的戰(zhàn)場(chǎng)跨站行為定向。我們要構(gòu)建一個(gè)能覆蓋中國(guó)互聯(lián)網(wǎng)海量用戶的興趣圖譜。技術(shù)挑戰(zhàn)陡增數(shù)據(jù)稀疏性與冷啟動(dòng)單個(gè)用戶在我們監(jiān)測(cè)網(wǎng)絡(luò)中的行為非常稀疏可能一個(gè)月只有幾次曝光或點(diǎn)擊。如何從極少的行為中可靠地推斷出用戶的長(zhǎng)期興趣標(biāo)簽體系設(shè)計(jì)應(yīng)該用什么樣的分類法來(lái)定義興趣是粗粒度如“汽車”、“金融”還是細(xì)粒度如“新能源汽車”、“股票投資”我們采取了“層次化標(biāo)簽體系”既有頂層大類也有底層細(xì)類允許廣告主在不同粒度上選擇定向。實(shí)時(shí)性要求用戶行為需要多快反映到畫像中對(duì)于搜索行為我們要求秒級(jí)更新以捕捉實(shí)時(shí)意圖對(duì)于瀏覽行為可以按小時(shí)或天批量更新。這要求數(shù)據(jù)處理管道是混合架構(gòu)流批。作弊與噪聲過濾網(wǎng)絡(luò)中存在大量非人為流量爬蟲、作弊點(diǎn)擊這些噪聲數(shù)據(jù)會(huì)嚴(yán)重污染用戶畫像。我們必須建立強(qiáng)大的反作弊過濾層在數(shù)據(jù)進(jìn)入畫像系統(tǒng)前將其剔除。我們的解決方案是構(gòu)建了一個(gè)基于“行為主題模型”和“時(shí)間衰減權(quán)重”的系統(tǒng)。每個(gè)用戶行為如一次頁(yè)面瀏覽被表示成一個(gè)主題分布通過LDA等模型然后根據(jù)行為發(fā)生的時(shí)間遠(yuǎn)近進(jìn)行加權(quán)求和得到用戶當(dāng)前的綜合興趣向量。對(duì)于實(shí)時(shí)意圖我們單獨(dú)維護(hù)一個(gè)短期興趣隊(duì)列。這套系統(tǒng)在2012年左右將中國(guó)程序化廣告的定向精度提升到了一個(gè)新的水平為后續(xù)效果廣告的爆發(fā)奠定了基礎(chǔ)。4.2.2 受眾定向標(biāo)簽體系如果說(shuō)定向算法是大腦那么標(biāo)簽體系Tagging System 或 Taxonomy就是它理解和描述世界的“語(yǔ)言”。一個(gè)設(shè)計(jì)良好的標(biāo)簽體系是連接原始數(shù)據(jù)與商業(yè)需求的橋梁決定了受眾定向能力的上限。它不僅僅是一個(gè)技術(shù)分類更是一個(gè)涉及商業(yè)、產(chǎn)品和數(shù)據(jù)的戰(zhàn)略資產(chǎn)。一、標(biāo)簽體系的層次與類型一個(gè)完整的標(biāo)簽體系通常是層次化、多維度的。1. 按照數(shù)據(jù)來(lái)源劃分第一方標(biāo)簽First-party Tags來(lái)自廣告主或媒體自身的數(shù)據(jù)。對(duì)于廣告主如官網(wǎng)訪客、CRM客戶名單、購(gòu)買記錄。對(duì)于媒體如用戶的站內(nèi)瀏覽、搜索、互動(dòng)數(shù)據(jù)。價(jià)值最高相關(guān)性最強(qiáng)。第二方標(biāo)簽Second-party Tags由合作伙伴直接共享的標(biāo)簽數(shù)據(jù)。例如一個(gè)汽車資訊網(wǎng)站將其“高意向購(gòu)車用戶”標(biāo)簽共享給汽車品牌廣告主。第三方標(biāo)簽Third-party Tags由獨(dú)立的數(shù)據(jù)公司如Acxiom, BlueKai通過廣泛的數(shù)據(jù)收集和整合提供的標(biāo)準(zhǔn)化人口屬性、興趣、購(gòu)買傾向等標(biāo)簽。在隱私監(jiān)管下這類標(biāo)簽的可用性正在急劇下降。2. 按照標(biāo)簽性質(zhì)劃分事實(shí)標(biāo)簽Factual Tags描述客觀事實(shí)如地理位置北京、設(shè)備類型iPhone、當(dāng)前時(shí)間工作日白天。興趣標(biāo)簽Interest Tags描述用戶可能喜歡什么如“體育愛好者”、“美妝達(dá)人”、“旅行愛好者”。通常由行為數(shù)據(jù)推斷而來(lái)是動(dòng)態(tài)的。意圖標(biāo)簽Intent Tags描述用戶近期可能想做什么如“購(gòu)車意向”、“求職中”、“裝修準(zhǔn)備”。是短期、高價(jià)值的信號(hào)。人群屬性標(biāo)簽Demographic Tags描述用戶的社會(huì)人口屬性如“年齡25-34”、“男性”、“高收入”。多為推測(cè)。3. 按照標(biāo)簽的層級(jí)劃分一個(gè)良好的體系應(yīng)有清晰的層級(jí)結(jié)構(gòu)例如這種結(jié)構(gòu)既支持粗放定向“汽車”大類也支持精細(xì)化定向“新能源汽車”滿足了不同廣告主的訴求。二、標(biāo)簽體系的設(shè)計(jì)原則設(shè)計(jì)一個(gè)標(biāo)簽體系需要在覆蓋率、準(zhǔn)確性、可解釋性和商業(yè)價(jià)值之間取得平衡。商業(yè)驅(qū)動(dòng)而非技術(shù)驅(qū)動(dòng)標(biāo)簽的最終消費(fèi)者是廣告主和運(yùn)營(yíng)人員。標(biāo)簽的設(shè)計(jì)必須圍繞“廣告主會(huì)如何描述他們的目標(biāo)客戶”展開。例如一個(gè)奶粉品牌的目標(biāo)客戶不是“25-30歲女性”而是“0-1歲新生兒的媽媽”。后者才是商業(yè)上有意義的標(biāo)簽?；コ庑耘c完備性MECE原則在同一層級(jí)下標(biāo)簽應(yīng)盡可能相互排斥且集合完備避免歧義和重疊。例如“體育”和“足球”不應(yīng)并列在同一層級(jí)?？山忉屝耘c可控性廣告主必須能理解每個(gè)標(biāo)簽的含義并能預(yù)測(cè)選擇該標(biāo)簽后觸達(dá)的人群特征。過于技術(shù)化、黑盒化的標(biāo)簽如“模型聚類第7類”會(huì)阻礙使用。動(dòng)態(tài)演化能力社會(huì)熱點(diǎn)、新興品類層出不窮如“元宇宙”、“露營(yíng)”標(biāo)簽體系必須有機(jī)制能夠快速納入新標(biāo)簽同時(shí)淘汰過時(shí)的標(biāo)簽?？梢?guī)模化生產(chǎn)標(biāo)簽的生產(chǎn)過程從數(shù)據(jù)到標(biāo)簽應(yīng)盡可能自動(dòng)化以應(yīng)對(duì)億級(jí)用戶和不斷增長(zhǎng)的數(shù)據(jù)量。三、標(biāo)簽生產(chǎn)的技術(shù)路徑從原始行為數(shù)據(jù)到用戶標(biāo)簽主要有三種技術(shù)路徑規(guī)則映射最傳統(tǒng)的方法。人工定義規(guī)則例如IF 用戶最近30天瀏覽“汽車之家”次數(shù) 5 THEN 打上“汽車興趣者”標(biāo)簽。優(yōu)點(diǎn)是可解釋性強(qiáng)可控缺點(diǎn)是難以維護(hù)無(wú)法發(fā)現(xiàn)復(fù)雜、非顯性的模式。主題模型無(wú)監(jiān)督學(xué)習(xí)方法。如LDA潛在狄利克雷分布可以從大量文本內(nèi)容用戶瀏覽的文章中自動(dòng)抽象出若干“主題”可理解為興趣維度并計(jì)算每個(gè)用戶對(duì)每個(gè)主題的隸屬度。這些主題可以作為標(biāo)簽的基礎(chǔ)。優(yōu)點(diǎn)是能發(fā)現(xiàn)隱藏主題自動(dòng)化程度高缺點(diǎn)是主題含義需要人工歸納和命名且對(duì)于非文本行為如購(gòu)買、點(diǎn)擊效果有限。監(jiān)督學(xué)習(xí)與嵌入表示分類模型將打標(biāo)簽問題轉(zhuǎn)化為分類問題。例如利用已有的一部分標(biāo)注數(shù)據(jù)如已知性別、年齡的用戶訓(xùn)練分類器來(lái)預(yù)測(cè)其他用戶的標(biāo)簽。嵌入Embedding技術(shù)這是當(dāng)前的主流方向。將用戶、行為點(diǎn)擊的物品、上下文等全部映射到一個(gè)低維向量空間。在這個(gè)空間中興趣相似的用戶或內(nèi)容距離相近。用戶向量本身就可以作為一種高度濃縮的“標(biāo)簽”用于人群擴(kuò)展Look-alike或深度興趣匹配。Word2vec、Item2vec、以及各種基于深度學(xué)習(xí)的序列模型如BERT被廣泛應(yīng)用。其優(yōu)勢(shì)是表征能力強(qiáng)能捕捉復(fù)雜關(guān)系缺點(diǎn)是“黑盒”性較強(qiáng)可解釋性差。四、從我的實(shí)踐視角看設(shè)計(jì)一個(gè)面向效果的標(biāo)簽體系在MediaV我們的標(biāo)簽體系設(shè)計(jì)經(jīng)歷了從“媒體思維”到“廣告主思維”的艱難轉(zhuǎn)變。初期我們像許多媒體一樣按照內(nèi)容頻道新聞、體育、財(cái)經(jīng)……來(lái)劃分興趣。但很快發(fā)現(xiàn)廣告主特別是效果廣告主游戲、電商并不這樣思考問題。他們關(guān)心的是“什么樣的人更容易下載我的游戲”或“什么樣的人更可能買我的商品”。因此我們推動(dòng)了一次標(biāo)簽體系的重大重構(gòu)核心是引入“商業(yè)意圖標(biāo)簽”。我們不再僅僅說(shuō)用戶是“體育愛好者”而是進(jìn)一步區(qū)分“觀賞型體育愛好者”主要看比賽直播、新聞?！皡⑴c型體育愛好者”經(jīng)常搜索運(yùn)動(dòng)裝備、查看健身教程。對(duì)于游戲廣告主后者顯然是更優(yōu)質(zhì)的潛在用戶。我們還為電商廣告主開發(fā)了“品類購(gòu)買傾向”標(biāo)簽基于用戶的歷史瀏覽和跨站行為預(yù)測(cè)其對(duì)“女裝”、“零食”、“家電”等品類的購(gòu)買可能性分?jǐn)?shù)。這個(gè)轉(zhuǎn)變的啟示是標(biāo)簽體系的價(jià)值不在于它多么學(xué)術(shù)化地描述了用戶而在于它能否在商業(yè)決策中創(chuàng)造可衡量的增量效果。一個(gè)能直接關(guān)聯(lián)到下游轉(zhuǎn)化行為的標(biāo)簽體系才是好的商業(yè)產(chǎn)品。4.2.3 標(biāo)簽體系的設(shè)計(jì)思路在理解了標(biāo)簽體系的構(gòu)成和分類后我們需要一個(gè)系統(tǒng)性的方法論來(lái)指導(dǎo)其設(shè)計(jì)和迭代。這不僅僅是一個(gè)數(shù)據(jù)科學(xué)問題更是一個(gè)融合了產(chǎn)品思維、商業(yè)洞察和工程能力的綜合課題。一、設(shè)計(jì)流程從需求到落地一個(gè)可落地的標(biāo)簽體系設(shè)計(jì)通常遵循以下流程階段一需求挖掘與定義目標(biāo)明確標(biāo)簽體系為誰(shuí)服務(wù)解決什么問題。活動(dòng)與商業(yè)團(tuán)隊(duì)銷售、運(yùn)營(yíng)深度訪談了解廣告主最常見的定向需求是什么他們用什么樣的語(yǔ)言描述目標(biāo)人群現(xiàn)有的定向工具存在哪些痛點(diǎn)分析歷史投放數(shù)據(jù)哪些定向組合如“地域興趣”被高頻使用哪些廣告計(jì)劃因?yàn)槎ㄏ虿粶?zhǔn)導(dǎo)致效果差競(jìng)品分析研究領(lǐng)先的廣告平臺(tái)如Google、Facebook和DSP提供了哪些標(biāo)簽它們的分類邏輯是什么產(chǎn)出物《標(biāo)簽體系需求說(shuō)明書》包含核心使用場(chǎng)景、目標(biāo)用戶畫像、初步的標(biāo)簽維度列表。階段二體系架構(gòu)設(shè)計(jì)目標(biāo)設(shè)計(jì)標(biāo)簽的層次結(jié)構(gòu)、命名規(guī)范、以及生產(chǎn)邏輯。活動(dòng)維度劃分確定標(biāo)簽的一級(jí)維度如“人口屬性”、“長(zhǎng)期興趣”、“短期意圖”、“消費(fèi)能力”等。維度之間應(yīng)相對(duì)獨(dú)立。層級(jí)設(shè)計(jì)為每個(gè)維度設(shè)計(jì)樹狀層級(jí)。層級(jí)深度通常為2-4層。過深會(huì)增加復(fù)雜度過淺則不夠精細(xì)。例如一級(jí)興趣二級(jí)汽車三級(jí)購(gòu)車意向、汽車文化、新能源車四級(jí)可選SUV、轎車、二手車命名規(guī)范制定標(biāo)簽命名規(guī)則確保清晰、一致、無(wú)歧義。例如使用“名詞行為”結(jié)構(gòu)如“汽車_購(gòu)車意向”。生產(chǎn)邏輯設(shè)計(jì)對(duì)每個(gè)葉子標(biāo)簽定義其產(chǎn)生的數(shù)據(jù)源、算法模型、更新頻率實(shí)時(shí)/天級(jí)/周級(jí)。產(chǎn)出物《標(biāo)簽體系架構(gòu)設(shè)計(jì)文檔》、標(biāo)簽樹狀圖、數(shù)據(jù)字典。階段三數(shù)據(jù)與算法實(shí)現(xiàn)目標(biāo)建立從原始數(shù)據(jù)到標(biāo)簽的自動(dòng)化生產(chǎn)流水線?；顒?dòng)數(shù)據(jù)管道搭建確保所需的行為日志、第三方數(shù)據(jù)能夠穩(wěn)定、實(shí)時(shí)地流入。算法模型開發(fā)與訓(xùn)練對(duì)于規(guī)則類標(biāo)簽編寫規(guī)則引擎對(duì)于模型類標(biāo)簽興趣、意圖、人口屬性進(jìn)行特征工程、模型選型、訓(xùn)練和評(píng)估。畫像存儲(chǔ)設(shè)計(jì)設(shè)計(jì)用戶畫像存儲(chǔ)表結(jié)構(gòu)考慮查詢性能如支持多條件篩選和存儲(chǔ)成本。產(chǎn)出物可運(yùn)行的標(biāo)簽生產(chǎn)流水線、用戶畫像數(shù)據(jù)表、模型評(píng)估報(bào)告。階段四產(chǎn)品化與效果驗(yàn)證目標(biāo)將標(biāo)簽集成到廣告投放平臺(tái)中并驗(yàn)證其商業(yè)價(jià)值?；顒?dòng)投放平臺(tái)集成在廣告主定向設(shè)置界面中以清晰的方式如下拉樹、搜索框呈現(xiàn)標(biāo)簽體系。A/B測(cè)試設(shè)計(jì)嚴(yán)格的實(shí)驗(yàn)對(duì)比使用新標(biāo)簽定向的廣告活動(dòng)與使用舊標(biāo)簽或通投的廣告活動(dòng)在CTR、CVR、ROI等核心指標(biāo)上的增量提升Lift。監(jiān)控與迭代監(jiān)控各標(biāo)簽的使用頻率、覆蓋用戶數(shù)、以及帶來(lái)的平均eCPM等指標(biāo)。根據(jù)數(shù)據(jù)和反饋持續(xù)優(yōu)化標(biāo)簽定義和生產(chǎn)邏輯。產(chǎn)出物上線的標(biāo)簽定向功能、A/B測(cè)試分析報(bào)告、標(biāo)簽使用情況監(jiān)控儀表盤。二、核心挑戰(zhàn)與應(yīng)對(duì)策略在設(shè)計(jì)過程中會(huì)反復(fù)遇到幾個(gè)核心挑戰(zhàn)挑戰(zhàn)一覆蓋率Coverage與準(zhǔn)確率Precision的權(quán)衡問題一個(gè)高度精準(zhǔn)的標(biāo)簽如“計(jì)劃三個(gè)月內(nèi)購(gòu)買30萬(wàn)元以上SUV的男性”其覆蓋的用戶數(shù)可能極少無(wú)法支撐大規(guī)模廣告活動(dòng)。而一個(gè)覆蓋廣泛的標(biāo)簽如“男性”準(zhǔn)確率又太低。策略采用“分層標(biāo)簽”策略。提供不同顆粒度的標(biāo)簽供選擇既有寬泛的“汽車興趣者”高覆蓋也有精細(xì)的“新能源SUV高意向用戶”高精準(zhǔn)。同時(shí)在投放系統(tǒng)中提供“人群擴(kuò)展Look-alike”功能可以從高精準(zhǔn)的小種子人群自動(dòng)擴(kuò)展出覆蓋更廣、但特征相似的潛在人群實(shí)現(xiàn)覆蓋與精準(zhǔn)的平衡。挑戰(zhàn)二冷啟動(dòng)問題問題對(duì)于新用戶或行為數(shù)據(jù)稀疏的用戶系統(tǒng)無(wú)法為其打上有效的興趣標(biāo)簽。策略基于上下文的兜底當(dāng)用戶畫像為空或稀疏時(shí)使用其當(dāng)前訪問的頁(yè)面內(nèi)容上下文定向作為補(bǔ)充。基于設(shè)備的群體畫像對(duì)于全新設(shè)備使用該設(shè)備型號(hào)、運(yùn)營(yíng)商、安裝APP列表等屬性匹配到一個(gè)“群體平均畫像”。主動(dòng)探索在廣告投放中分配少量預(yù)算給這些“冷”用戶嘗試投放不同品類的廣告通過其反饋行為點(diǎn)擊與否快速積累數(shù)據(jù)。挑戰(zhàn)三隱私合規(guī)與數(shù)據(jù)安全問題在GDPR、CCPA等法規(guī)下基于跨站追蹤的行為定向受到嚴(yán)格限制。第三方Cookie消亡設(shè)備ID獲取困難。策略強(qiáng)化第一方數(shù)據(jù)建設(shè)引導(dǎo)媒體和廣告主建立并運(yùn)營(yíng)自己的第一方數(shù)據(jù)池CDP在獲得用戶明確同意的前提下進(jìn)行定向。探索隱私計(jì)算技術(shù)如聯(lián)邦學(xué)習(xí)可以在不交換原始數(shù)據(jù)的前提下聯(lián)合多方數(shù)據(jù)訓(xùn)練標(biāo)簽?zāi)Ｐ?。采用聚合的、去?biāo)識(shí)化的方法如谷歌的Topics API基于用戶近期瀏覽歷史將其歸入幾百個(gè)興趣類別之一且不關(guān)聯(lián)個(gè)人身份。挑戰(zhàn)四標(biāo)簽的“概念漂移”問題用戶的興趣會(huì)隨時(shí)間變化。一個(gè)學(xué)生畢業(yè)后成為上班族其興趣標(biāo)簽應(yīng)從“校園生活”轉(zhuǎn)向“職場(chǎng)技能”、“租房”等。標(biāo)簽體系如何動(dòng)態(tài)更新策略為標(biāo)簽引入“時(shí)間衰減”和“生命周期”管理。舊的行為數(shù)據(jù)權(quán)重逐漸降低新的行為數(shù)據(jù)權(quán)重更高。同時(shí)可以設(shè)計(jì)專門檢測(cè)用戶人生階段變化的模型如畢業(yè)、結(jié)婚、生育觸發(fā)標(biāo)簽體系的重大更新。三、未來(lái)展望從“人工定義標(biāo)簽”到“機(jī)器理解用戶”當(dāng)前主流的標(biāo)簽體系仍然依賴于預(yù)先定義的分類法Taxonomy這是一種“封閉世界”的假設(shè)。未來(lái)的方向是“開放世界”的理解自然語(yǔ)言需求理解廣告主不再需要從復(fù)雜的樹狀圖中挑選標(biāo)簽而是可以直接輸入自然語(yǔ)言描述如“尋找那些對(duì)可持續(xù)生活方式感興趣且經(jīng)常進(jìn)行戶外活動(dòng)的都市年輕女性”。系統(tǒng)通過大語(yǔ)言模型LLM理解其語(yǔ)義并直接從用戶的行為序列向量中尋找匹配的人群。多模態(tài)融合畫像未來(lái)的用戶畫像將不再局限于點(diǎn)擊、瀏覽等行為日志而是融合視覺用戶上傳的圖片、視頻風(fēng)格、聽覺常聽的音樂類型、甚至地理位置軌跡等多模態(tài)信息構(gòu)建更立體、更豐富的數(shù)字孿生。因果推斷與增量人群標(biāo)簽的目的不僅是描述“誰(shuí)更可能轉(zhuǎn)化”更是要識(shí)別“誰(shuí)會(huì)因?yàn)榭吹綇V告而轉(zhuǎn)化”即增量人群。這需要因果推斷技術(shù)的介入從觀測(cè)數(shù)據(jù)中剝離出廣告的真實(shí)效應(yīng)從而定義出對(duì)廣告更敏感的人群標(biāo)簽。結(jié)論受眾定向是計(jì)算廣告從“媒體時(shí)代”邁向“用戶時(shí)代”的橋梁。標(biāo)簽體系則是這座橋梁的施工藍(lán)圖。它的設(shè)計(jì)是一場(chǎng)永無(wú)止境的在商業(yè)訴求、技術(shù)可行性、用戶體驗(yàn)和隱私倫理之間的精巧舞蹈。理解這套體系的設(shè)計(jì)思路不僅有助于我們用好現(xiàn)有的廣告工具更能讓我們洞察到下一代智能營(yíng)銷技術(shù)的演進(jìn)方向。它告訴我們?cè)跀?shù)據(jù)的加持下我們對(duì)“人”的理解可以深入到何種程度以及這種理解將如何繼續(xù)重塑商業(yè)溝通的本質(zhì)。在下一節(jié)我們將探討當(dāng)受眾定向能力成熟后合約廣告所演變成的高級(jí)形態(tài)——展示量合約看看如何將“對(duì)人”的承諾通過復(fù)雜的計(jì)算系統(tǒng)大規(guī)模、高效率地兌現(xiàn)。