收集用户喜好,通过数据分析和挖掘,是否可以绝对保证广告推送智能度和准确度?

论坛 期权论坛 期权     
陈云   2018-9-24 01:01   40452   9
当你想要什么的时候,就有相关的广告推送过来,而且都是你喜欢和真正需要的。这样广告就不会像现在这么泛滥,你也不会再接到你不需要的推销电话或短信。这是一个美好的乌托邦,还是的确会实现的一个未来场景?如果依靠数据分析和挖掘,是否能实现?

补充一个悖论:推送方为了确保推送的广告是用户真正需要的,就需要保证信息的实时采集(可能用户前几天还喜欢某样东西,但过了两天就不感兴趣了),所以需要了解用户的一举一动,从这个角度说,是不是太可怕了,用户肯定不会接受吧。

如果用户不接受,然后相关隐私法律完善了,推送方不能利用或实时采集到用户的数据,那就无法给用户推送最需要的广告,用户也就不能够享受“纯净的”服务,即上面所描述的场景:当你想要什么的时候,就有相关的广告推送过来,而且都是你喜欢和真正需要的,你也不会再接到你不需要的推销电话或短信。

这个悖论是否说明:要真正做到智能推送,想用户所想,推用户所需,是不可能的?
分享到 :
0 人收藏

9 个回复

倒序浏览
2#
姚阳  1级新秀 | 2018-9-24 01:01:47 发帖IP地址来自
当然可以,但是最困难的地方不在于数据的挖掘。最困难的地方是怎么收集数据,用户为什么要用你的产品?你要怎样在你的产品里进行数据收集?收集的数据会不会侵犯隐私?。。。

大部分人没拿到数据的时候就死光了。剩下的参见Google和Facebook。(国内今后做这事最有优势的应该是腾讯和新浪)

想体验智能推送在国外体验Google Cards. (非广告)
  • 推送喜爱球队的分数。(因为你浏览器里搜索过这球队了 Logged in only)
  • 自动侦测下班时间和堵塞程度。(Android手机第一次开机设置问你要不要给谷歌位置信息传送现在知道为啥了。)
  • 如果浏览器里谷歌搜索了一个地方,自动在连线的时候显示这个地方的地图。(因为你浏览器里搜索过这球队了 Logged in only)
  • 如果Google Calendar里面设了一个Meeting的地点, 按照当前位置,交通情况和到达时间提前提醒。

想体验广告智能推送建议Youtube和Facebook。

个人觉得最适合做数据收集的就是Search Engine和Social Media了,因为这上面你说的,基本都是你想做的。还有比这更好的数据吗?
3#
saber  4级常客 | 2018-9-24 01:01:48 发帖IP地址来自
是可以的,实际操作方面百度、淘宝、豆瓣什么的在自己的平台上都做得很成熟了,与广告在传统媒体上的投放不同的是,这些平台已经建成2种能力:
1、用户定向技术=客户信息源数据(这个是矿山,有就有,没有就没有)+数据分析/挖掘(这个相对简单,毕竟好的数据连机器都能训练成智能的,别说训练人了,实际上大多数情况是源数据先训练了人,人再去训练机器。)
2、实时智能分发平台: 连接网页广告位(实际上是所有的电子媒介)和数据库。
客户登陆网页-网页识别客户ID-与内存中的标签数据库核对身份(该身份已经事前匹配好广告)-符合身份-显示对应广告内容。
对这些平台而言,对智能推送广告最大的限制在于潜在客户的行为信息源数据资源不全。
完美的智能推送面临的限制是:1、没有一个平台能全方位的聚合客户信息,客户的身份和偏好识别不准确。2、没有一个平台能聚合所有电子媒介资源。即能准确识别客户身份的电子媒介是非常稀缺的。
目前有机会玩这个都是为大面积人口提供服务的信息平台,他们的做法是:1、在自己的平台上耐心地沉淀数据2、自己随手挖挖矿。3、在自己的平台上输出。
其实 搞不好 最有本钱搞完美玩法的可能是guo 安 系 统吧。
但是那些在家庭路由器(网关)等玩意上动脑筋的人们估计也是在创造能够准确识别客户身份的电子媒介吧。
4#
杨欢欢  1级新秀 | 2018-9-24 01:01:49 发帖IP地址来自
1. 理论上来讲,没有问题,任何想用户所想的广告是有可能实现的,目前针对用户兴趣的推荐做的最好的应该是亚马逊,Youtube和facebook是站外数据利用的最好的。
2. 但在实际处理过程中,会发现很多需要解决的问题,包括用户数据收集导致的数据计算量过大,如何计算真正的实时兴趣而不是离线数据加部分实时数据,这个是个较大的问题。从数据完整性角度,运营商数据是最完善的,但数据量也超级恐怖。
3. 基于现状,大多数精准广告是以人群去推送,而不是以个人为单位进行广告推送。人群粒度的细分度和精确度,决定了广告的精准度。

P.S. 从做精准广告的从业经验来看,只有完全闭环的数据才会产生较大的价值,所以亚马逊的站内闭环数据效果最佳。谷歌也是从产业链各个环节进行布局(SSP exchange DSP adserver analytic),实现从站外到站内的数据采集和跨平台ID采集的跨屏广告(gmail ID)。所以,从个人角度来说,目前最具备精准潜质的,国内是淘宝(做得好不好另当别论),而百度和腾讯正在努力,新浪微博个人感觉没啥戏
5#
elyn   | 2018-9-24 01:01:51 发帖IP地址来自
提示: 作者被禁止或删除 内容自动屏蔽
6#
婕妤  2级吧友 | 2018-9-24 01:01:52 发帖IP地址来自
是可以的,目前淘宝和腾讯都有类似的机制,比如你逛了淘宝,即使你去了新浪微博接受到的广告是与你刚才“浏览了而未下单”相关的商品。
精准化的推送是可以通过对用户反复的行为打标签并根据不同的模型进行数据分析去得出结论的。
至于题主说的悖论,我认为随着标签的细化、算法的优化,推荐可以趋向于无限准确。时间必然是一个参数,主观意愿可能随时改变,但别忘记了,你的行为也是无时无刻地在发生的和被记录被分析的,尤其在这样一个互联网的时代。
一个用户是否接受一项服务,与这个世界能否能某一种逻辑服务用户,是不冲突的。
7#
吴金志  4级常客 | 2018-9-24 01:01:53 发帖IP地址来自
如果你在京东搜索了某本书/某个种类的书 然后你在其他网站上浏览 只要这个网站有京东广告你就会发现:
我靠,全是那些书、那些种类的书。
8#
chen holyfield  2级吧友 | 2018-9-24 01:01:54 发帖IP地址来自
大数据永远解决不了一个问题:用户需求是不能猜的,尽管你观察了一个人好久,你也不能说你了解一个人。
最好的营销方式是让客户告诉你他要什么,这也许很难很遥远,但这才是营销的终极解决之道。
9#
泛为科技  2级吧友 | 2018-9-24 01:01:55 发帖IP地址来自

广告的精准:谁的精准?

先说说广告的精准。

对消费者来说,推送我现在正想买的就是精准的广告。

对品牌来说,能够找到他的潜在用户群,促进转化,就是广告的精准。这个潜在客户群的意思不仅包括当下有购买意愿的,还包括有潜在消费意愿,和实际消费能力的。

在一次具体的广告展示中,为广告付费的是品牌。所以满足品牌的需求,才是推动广告技术发展的第一动力。让广告对消费者有用,是因为这样能促进转化。如题主所说,“当你想要什么的时候,就有相关的广告推送过来”,只是广告精准推荐的具体情况之一。很多时候你买东西,并没有那么理智的决策,而是广告触发了你的冲动欲望。这就是广告的力量。


收集和分析用户的信息

题主提到的“信息的实时采集(可能用户前几天还喜欢某样东西,但过了两天就不感兴趣了),所以需要了解用户的一举一动”。

可以清楚地说,目前为止完全没必要。因为这种投放方式没有效率。实际上我们现有的广告推送,考虑的多是人群,不是具体的个体。人和人的区别没有想得那么大。


具体的收集数据的方式,之前在“互联网广告系统是如何识别用户的,比如年龄、性别、职业、兴趣、购买力等?“这个回答里写过。

通过用户的设备信息、地理位置、注册信息,锁定具体的用户,以该用户在使用某一项业务时,和业务的具体交互为他做标签。比如点赞、评论、分享等种种显性动作都会让用户与相应的内容标签产生关联。而拖拽行为、播放完成度、页面停留时长等隐性行为则得以让系统更好的衡量用户在特定标签下的偏好程度。


把用户的消费行为作为特征,具体做人群匹配,可以分为基于物品的协同、基于用户的协同和基于模型的协同。

基于用户的协同,即切合了上面的例子,其基础思路分为两步:找到那些与你在某一方面口味相似的人群(比如你们都是新手爸妈,倾向于同一种教育理念),将这一人群喜欢的新东西推荐给你。

基于物品的协同,其推荐的基础思路是:先确定你喜欢物品,再找到与之相似的物品推荐给你。只是物品与物品间的相似度不是从内容属性的角度衡量的,而是从用户反馈的角度来衡量的。使用大规模人群的喜好进行内容的推荐,这就是在实际工程环境里,各家公司应用的主流分发方式。

基于模型的协同,是应用用户的喜好信息来训练算法模型,实时预测用户可能的点击率。将深度学习应用于基于模型的协同,也成为了业界广泛使用的方式。


另外,楼上有人提及了“根据你的购买行为推送广告”的行为,这也是一种重要的广告形态,重定向广告。根据你的行为模式数据,推荐商品关联度高的产品:你浏览过的产品、与你浏览过的产品相配套的产品、在算法之下你最可能买的产品。在可投放广告的网站、app内,都可能看到这些产品的广告。目的是促使你完成之前没有完成的购买,希望你再次购买,希望你买得更多。(详见重定向广告是什么?


在现在的技术水平里,这个已经足够找到人群,曝光广告。除此以外,在机器学习的大背景下,用户自己训练和提供,也是信息的重要来源。楼上有人提到的Google now,现在已经被Google assistant替代。但两者都是依靠用户自己的反馈,来更了解这个用户的性格、喜好。这是机器学习的重要部分,也是未来的发展方向。也许将来我们真的可以做到将人群粒度精细到具体的个人。


个性化定制的阻碍:与隐私的平衡

在互联网时代,隐私是个伪命题。你交出的信息比你以为的多。你露出的痕迹比你知道的多。隐私和便利(个性化推荐)是一对无法两全的矛盾。互联网的基本逻辑是,用户交出一部分个人信息,换得更便捷更高效的服务。

对于大部分的广告商来说,个人的私密信息其实是没什么意义的。他们感兴趣的不是具象的个人,而是抽象意义的人群。


目前在国内,虽然有互联网广告相关法规,明确提出了数据不可以作为资产被交易,但尚未专门针对数据的细则出台,广告投放针对用户隐私保护的常规做法是对数据进行清洗和脱敏使用。欧盟在今年5月底发布了“世界最严数据法律”“通用数据保护条例”(GDPR),GDPR对于个人数据的定义,在具体营销中,针对于某些追求效果的营销投放来说,将会受到比较严峻的考验。


对于具体追求转化率的效果营销来说,需要能通过营销投放过程中发生的用户行为,得到用户授权提供的相关数据信息,不能避免的有些极端服务会涉及用户隐私信息。参考GDPR的趋势,用户隐私数据范围变小,大量个人行为数据开放就成了趋势。

而面向品牌曝光类的广告投放,基于对用户大数据的智能分析,希望通过营销投放,触达用户心智,达到品牌价值的有效曝光、传播最大化。比如泛为科技的主要业务是服务于品牌广告主,品牌营销直观来讲,可以理解成是基于脱敏数据进行广告投放来影响用户的。

谷歌在其投放中,需要用户授权的广告会有相应提示,将选择权回交给用户。广告的精准与隐私的平衡,需要媒体、技术公司及品牌主多方共同推进。在未来,相信会形成用户需求与广告目标的一致。而这种授权数据,精准度也将更高。


泛为科技,用技术把营销做得更好的公司

更多可见:

如何统计广告投放效果?

视频营销的模式和渠道有哪些?

如何评价世界杯期间BOSS直聘投放的广告?

像可口可乐这样家喻户晓的品牌,为何还要铺天盖地地投放广告?

精华回答目录(2017.7.16更新)

10#
田颖  2级吧友 | 2018-9-24 01:01:56 发帖IP地址来自
很难做到完美的个性化推送。原因:实现完美推送的前提是,服务端构建的用户模型无限逼近真实用户。但数据来源、数据集规模和建模学习算法有天然上限,且用户是复杂多面、持续变化的个体,习得的用户模型准确度低,更新不及时。通过扩充数据、优化算法可以持续提高模型的精准度,但有其天然的瓶颈。另一方面,推送针对的是模糊的、不明确的需求,本身也没必要做到高度精准。保证精准是搜索的工作,解决用户明确的需求。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

积分:
帖子:
精华:
期权论坛 期权论坛
发布
内容

下载期权论坛手机APP