以下是2011年服装电子商务年会,浪淘金CEO周杰进行主题发言。
周杰:今天主要想和大家分享一下新的互联网趋势,讲的是新的技术方向“推荐引擎”,希望在推荐引擎时代,互联网可以做到比你更懂你。 主要分享一下广告投放和营销之道。
首先讲讲现在的情况。2012年度央视广告的招标,现场招标总额122.57亿元,同比增长21%,比前几年相比总的收入提高了将近6倍,大家知道央视用户的关注度不如十年前,说明广告资源越来越贵,在这样资源很贵的情况下,作为电商来讲该怎么办。在高成本下的营销情况下,最主流的方法就是“效果广告”,我在这个行业里将近十年,一开始进入到效果广告行业时比较偶然,当时是2002年,我自己加入到谷歌美国,刚刚组建的一个广告团队,我比较有幸的参与到这个团队中。
在当时的环境下大家对效果广告没有什么概念,精神是分享一些干货,当时谷歌没有想到广告可以这么挣钱,2002年时谷歌还是小公司,总共有400多人,业务收入在2001年刚刚实现盈亏平衡,公司把广告作为可以实现利润,最后能够实现上市的通道。当时的谷歌没有想到广告能赚多少钱,我记得当时领导打气说广告可能是未来公司上市的重要依靠,每年可能会达到2亿到3亿的规模。
当我们做了广告以后,发现谷歌上的广告供不应求,2002年上线整个规模以周为代表,不知道大家有没有经历过这个成果。2001年实现了3亿多美元,远远超出了长期的期望,后来几年中谷歌的收入一直飙升,去年谷歌广告收入一年有200多亿美元,第一年时我们没有空想为什么,当时压力很大,系统被客户挤爆棚了,一年就是在不断熬夜中度过,2003年开始走访客户,发现客户为什么这么喜欢投谷歌的广告,因为这个广告是可以为他们带来收入,可以立竿见影,而且整个广告的费用很划算,我们想既然为广告主创造了这么好的通道,是否别的广告平台被击跨了,后来发现别人的广告其实并没有受影响。谷歌团队当时有一个共识,可能创造出了一个市场,这个市场就是效果广告。
效果广告的本质是针对用户需求的窄众营销。效果广告很重要的有两个关键点,第一是用户的需求,什么样的用户会购买你的产品,一定是对你的产品有需求的人,同时必须是窄众的,广告资源越来越贵,那么能不能少用一些资源达到同样的效果,是可以的。
当找到有需求的人可能只用了原来资源的1/100,甚至1/1000,搜索是效果广告非常经典的场景,用户在搜索的时候,搜索词反映的就是用户的需求,广告是有针对性的,不同的人搜不同的词,看到的是不同的结果。
如果把用户的需求再细分一下,一种是用户的当前需求,搜索的人在搜索的时候暴露了它的当前需求,比如前一段时间北京降温了,当时我想买一件比较厚的衣服,于是到网上找哪里有得卖,这就是当前的需求。
还有另外一种需求是用户的潜在需求,比如你当时并没有想买衣服,但是看到了毛衣的图片和款式都是你喜欢的,价格也在接受范围内,于是产生了兴趣,并且产生了购买,这样买这件毛衣就变成了它的潜在需求。
再讲讲金字塔,是广告学里非常经典的模型,消费者在购买的时候通过注意、兴趣、欲望、行动,线下的、线上的、报纸、电视、广告,在传统阶段位于金字塔的底级,过去三百年里广告的人只能抓消费的最早接单,希望让消费者了解到商品的品牌,产品的名字、了解它的功能能够记住它,在行动时能够想起它。
效果广告是互联网搜索引擎出来以后,在互联网上可以低成本的实现每个人看的信息不一样,效果广告抓的是购买心理的靠后阶段,是一个欲望人群。传统广告和效果广告的主要差异,在传统广告里广告的目的是为了形成知名度,针对的方向是整个消费阶段的早期,处于注意阶段的人群,广告投放的方式是大众式的投放,这样小消耗很多的广告资源,进入的门槛很高,它的投放是广告消费的早期阶段,距离广告的回收,最后产生购买是比较遥远的。而且追求的目的是知名度很主观的东西,结果很难被客观的衡量,在传统广告里怎么评判一个广告好不好,方法几百年来不断都有争议,一直都没有所有人都非常认可的方法出现。
效果广告和传统广告很不一样,虽然效果广告也叫广告,但是是完全全新的行业。在效果广告里,目标就是销售,为了推动销售抓的人群就是对产品已经有需求的,抓的是整个消费阶段靠后的点,叫做欲望阶段。投放是定点式的投放,不是大众式的,是窄众的,只有百分之几的人,投放的人群窄所以需要的广告原始资源比较小,所以投入的门槛比较低,整个广告效益的回收非常快。
刚才讲谷歌,大家都去谷歌,因此今年就可以看到广告的汇报,销售的结果非常透明,投入得多少,做得好不好,很快就会一目了然。效果广告的主要渠道大家都比较熟悉,一个是搜索引擎,最近几年发展非常快,在国际上成就了谷歌,谷歌当时从一个小公司成长成为了一个互联网行业的巨头,谷歌当时团队的同事从来都没有想到过,谷歌未来会成为互联网这样大的巨头。
在国内做效果广告、搜索引擎广告推动了百度的发展,使百度成为了国内一大巨头,大家看一下百度和谷歌的搜索结果,谷歌在右侧、百度在左侧。
互联网广告的新方式,跟搜索引擎相同的是具有效果广告同样的特点,抓住用户的需求,有针对性的,窄众的进行投放。在各个媒体上都可以出现,比如这上面讲到的例子,当你在看视频的时候,可能广告位出现的广告信息并是看到的传统的广告,而是针对当前看的人的需求,有针对性投放的推荐建议,这是一个新的渠道,叫做推荐引擎。
推荐引擎的出现是比较晚期的事情,最近这几年大家在听到人们谈论引擎越来越多,并且开始逐渐变得成熟,开始发展起来,为什么在最近一年才出现,推荐引擎比搜索所需要数据的算法和运算能力高得多,经过十年的积累,随着大规模计算的成熟和人工智能的技术,理论上的技术在实际当中的应用,在最近两三年开始慢慢可行,开始商业化、产品化然后开始在市场上出现。
推荐引擎是一个主动发现用户当前或者潜在的需求,并且主动的把信息推荐给用户的媒体网络,推荐引擎具有三个特点:主动推送、无处不在、主动学习。大家如果对搜索引擎熟悉的话,它是一个被动性的媒体,用户在主动的,由用户发起提问,然后用户找到具体问题是什么,之后搜索引擎被动的响应用户的问题,然后找到答案并提供给用户,这其中有一些缺憾。
很多时候用户并不一定知道自己需要什么,可能说得有点悬,但是很多时候有很多潜在需求但并不一定获得很多信息,像买衣服的时候可能当时没有买,但是当你把符合它的需求的衣服放在他面前的时候,他会产生兴趣,进而进行购买。
此外,用户需求的时候提的问题并不一定是准确的,比如咱们身体感到不舒服了,去医院的时候不知道到底该问什么问题,更多的是和医生进行互动,然后逐步找到病的方向是什么。很多时候没有找到原因是因为没有提出政府的问题。
推荐引擎恰恰相反,是以引擎为主动的,引擎主动发现用户可能会需要的东西,然后把这些东西找到对应的问题,然后把答案主动的推送给用户。
“无处不在”,推荐引擎本身不是一个媒体,而是跟很多媒体合作的网络,在更多的媒体上建立它的通路,比如搜狗、360在浏览器里进行推荐引擎,和客户建立联系和通道,把信息传递给用户。媒体网络越广,推荐引擎和用户的接触点越多,能够推送信息的方式和方法也就越多。
此外,推荐引擎具有典型的学习性。随着跟用户的互动,用户的点击和行动实际上是对推荐引擎的认可,这样推荐引擎会了解用户的偏好、品位和购买能力,从而提供越来越准确的,个性化的推荐内容,这就是推荐引擎总得原理。
浪淘金也做了自己的推荐引擎,是在效果广告里的应用,与推荐引擎总的思路是相似的,浪淘金通过数据挖掘体系去了解和预测用户的需求,然后在自己的媒体网络里,有针对性的对每一个用户推荐不同的内容。比如大家同样去访问浪淘金拥有的某一个媒体的资源,但是不同的用户看到的结果完全不一样,比如有网购、女装习惯的用户看到的是女装的推荐,打游戏的用户看到的是游戏的推进,需要教育的朋友看到的是敢于英语和家教的问题,千人千面。浪淘金把需求定义成1000种需求,根据用户需求的不同推荐不同的信息。
这个图讲的是浪淘金推荐引擎的结构图,推荐引擎在广告里应用的时候会涉及到三个主要的元件,第一个元件是广告主的网络,把广告主的需要融合进来,不同的广告主需求不同,有的需要广告、有的需要购买,有的需要注册,我们把它形成标准化。
消费意图的分析系统是根据用户的需求进行标识和量化的系统性工作,浪淘金有1000个标签,跟合作的网站和系统进行合作,从而更多了解用户过去浏览的判断,从中抽出有倾向的信息,通过模型的计算找到标识,这些信息会汇总到第三个原件部分。
每当媒体的资源进入到系统中,都会在展示里进行拍卖,每个展示进来的时候,首先消费意图的分析系统会把展示的用户打上标签,看看究竟有购买什么的需求,比如购买毛衣、裙子、买车、买房的需求,可能每一个人身上有两到三个需求标准。然后广告主会对这些标签进行竞价,最后创意和吸引力程度找到合理的广告创意,最后展示给PV用户去展示广告的信息内容。
背后的技术比较复杂,涉及到很多方面,为什么推荐引擎在最近一年、两年开始发展起来,过去十年里有很多变化,包括含量的统计,大规模的计算、云存储、人工智能学习技术、数据挖掘技术,这些在过去十年里都发生了很大变化,都融入到推荐引擎背后的系统环境里。
到目前为止浪淘金整个网络发展比较快,从推荐引擎开始试运营到现在不到一年时间,但是媒体的规模扩展非常迅速,覆盖中国互联网1亿左右的客户,每天能够产生100万左右具有消费用途的行动。
浪淘金采用的是以效果为导向的收费体系,对于付费有一个理念,浪淘金公司的理想和坚持原则就是有效果的广告付费,我们对效果的理解是让广告主理解的效果付费,可以按照点击、按照电话,也可能按照注册。
对比一下推荐引擎新的广告投放方式和已有的效果广告方式的对比。
目前获得广告效果,获得销售潜力的来源可能主要来自于搜索引擎、广告网络,和已有的渠道对比,推荐引擎具有什么样的特点,在ROI方面,推荐引擎和搜索引擎非常类似,根据用户需求的窄众投放,不是专著于某些已用的用户,所以比例是相对较高的。从增量潜力上来讲,挖掘的是市场上的媒体,媒体的资源虽然看起来很贵,但是同另一方面来讲非常浪费,推荐引擎可以把浪费的资源利用起来,从而得到更高的效果。
到目前为止,推荐引擎的效果量远远没有达到饱和。
分享到:
相关推荐
在当今的互联网环境中,实时通信已成为构建现代Web应用不可或缺的一部分。周杰在w3ctech举办的“新Web技术-实时Web与多终端”沙龙上分享的内容,涉及到了WebRTC、WebSocket、getUserMedia、Audio API等关键技术,...
航空发动机涡轮叶片疲劳寿命及可靠性分析_周杰.caj
综上所述,果柚果美利用互联网+供应链的优势,创新性地打造F2B模式,旨在改变传统水果零售业态,提升行业效率,为商家提供更高效、低成本的进货渠道,同时也为消费者带来更优质、新鲜的水果选择。通过精准的市场定位...
针对这一需求,【标题】“[2]基于机器学习的室内定位算法研究_周杰_indoorlocation_机器学习_定位_室内定位_”揭示了研究者周杰对利用机器学习方法进行室内定位的研究成果。 室内定位的挑战主要源于建筑物对GPS信号...
正如李开复和周杰所指出的,新一代产品能够处理更广泛的任务,如帮助用户过滤和选择信息,同时提供更精准和个性化的广告投放。这不仅提升了用户体验,还为尚未被充分利用的互联网广告市场开辟了新的潜力。 然而,...
在对比实验中,Kipf-GNN经常比其他先进的图神经网络模型性能更优,这得益于模型设计上对于图数据的建模能力以及对深度学习原理的有效应用。 除此之外,Kipf的博士论文还探讨了图神经网络的可扩展性问题,即如何使...
必须阅读的有关GNN的论文GNN:图神经网络由周杰,崔干渠,张正彦和白玉石贡献。图神经网络简介。 人工智能和机器学习,摩根克莱普尔出版社,2020年合成讲座刘志远周杰图神经网络:方法与应用综述。 arxiv 2018.周杰...
### Graph Neural Networks: A Comprehensive Overview #### Introduction to Graph Neural Networks (GNNs) Graph Neural Networks (GNNs) are a class of neural network models designed specifically for ...
【GIS技术在旅游交通网络空间分析中的应用】 GIS(Geographic Information System,地理信息系统)是一种集计算机硬件、软件和地理数据于一体的系统,用于采集、存储、管理、分析和展示所有类型的地理信息。...
不同环境下非接触电能传输系统电磁耦合器传输特性的研究,王海洋,李德骏,不同的传输环境,非接触电能传输(CLPT)耦合器的传输效果不尽相同,传输介质的磁导率和电导率是影响其传输效果的主要因素。...
本讲座由周杰主讲,旨在介绍如何利用Python进行高效的数组统计运算。 NumPy是Python的一个核心库,主要处理多维数据结构——数组(ndarray)。它不仅提供了高性能的数组操作,还内置了一系列用于统计计算的函数,...
在互联网文化中,表情包已经成为了一种独特的交流语言,它以图片或动图的形式,将特定情境、情绪或流行语具象化,使得信息传递更加生动有趣。叶良辰福尔康版表情包正是利用了网络热点事件和人物,结合大众熟知的电视...
中科大研究生课程矩阵分析与应用习题的解答,有详细的过程,对学习矩阵分析与应用有较好的帮助,详细的过程
【大班蒙氏评语】是针对幼儿园大班儿童的教育评价,主要关注孩子的全面发展,包括智力、情感、社交和动手能力等方面。...在新的学期,教师们期待孩子们能继续发扬优点,挑战自我,实现更大的成长。
《微机原理习题答案-周杰英 张萍》是一个关于微机原理学习资源的压缩包,由周杰英和张萍两位专家编著。这个资料包主要包含了解答微机原理课程中常见问题的详细解答,对于学习者深入理解和掌握微机原理的核心概念非常...
关于GNN的必读文章GNN:图神经网络由周杰,崔干渠,张正彦和白玉石提供。 内容1.调查2.模型2.1基本模型2.2图形类型有关GNN的必读论文GNN:图形神经网络由周杰,崔干渠,张正彦和白玉石提供。 内容1.调查2.模型2.1...
报告中提到的分析师包括左前明、周杰以及杜冲,均为煤炭行业专业分析师,执业编号及联系方式均已列出。 五、免责声明及信息披露 报告最后一页通常包含免责声明,提醒投资者注意阅读。信息披露部分提及了相关分析师...