细数广告定向

广告收入支撑着互联网的大半壁江山，由于互联网广告的存在，用户可以享受到互联网免费提供的聊天、搜索、邮件、资讯、博客/微博、视频、音乐等一站式生活服务。相比传统广告，互联网广告使得企业（广告主）花费更少的钱获取更大的营销推广效果，不至于因“我知道我的广告费浪费了一半，可问题在于不知道是哪一半”而苦恼，网站主可以创造环境，组织或吸引用户源源不断的、“无偿的”生成数据。现在，互联网广告成就了许多知名科技公司，他们赚得盆满钵盈，不断吸引、培养更多的优秀人才，不断扩大或并购业务，如国外的 Google、Facebook、Twitter、Yahoo!，国内的淘宝、百度、腾讯等。甚至，该问题已经发展成了一个研究课题：计算广告学（Computational Advertising），由早年供职于 Yahoo! 的 Andrei Broder 提出。

斯坦福大学对计算广告学的描述是：“计算广告学是一个综合学科，涉及大规模搜索、文本分析、信息检索、统计建模、机器学习、分类、优化和微观经济学。计算广告的核心问题是要找到在给定的环境下，用户与广告的最佳匹配”。其中，“给定的环境”可以是用户在搜索引擎中输入的查询词（搜索广告），可以是用户正在浏览的网页（上下文广告），可以是用户正在观看的电影/电视剧（视频广告），还可以是用户活跃的社区（社交广告、Feeds 广告）等等。

而要做到“最佳匹配”并非一件容易的事情，因为用户相关的信息可能非常多也可能非常少，潜在广告的数量可能达到千万，媒体环境各式各样，因此，广告平台面临的是在复杂约束条件下的大规模优化和搜索问题。这种情况下，广告平台往往会设计游戏规则，吸引广告主参与进来一起优化，源自利益的驱使，广告主是有动力参与其中的，最为关键的是广告主比广告平台更了解其潜在客户（理想情况下，广告平台全自动帮助广告主找出最合适的客户，但是，难度太大）。这里，很重要的游戏规则之一就是广告定向（还有就是拍卖机制），广告平台需要准确划分人群，挖掘用户画像（user profile），提供给广告主做精准投放，比如某女装网店需要将广告投放给“age >= 18 AND age <= 40  AND  gender=女性  AND  (interest=‘网购’ OR interest=’美容’ OR interest=‘女装’) ”的人群。

我们不妨一起看看都有哪些常见的广告定向方式：

广告定向方式

1、人群属性定向（Demographic Targeting）

基于用户基本属性，如年龄、性别、教育背景、职业、婚姻状态、收入、消费能力、工作场所等做人群定向，相对静态，长期不变。

2、上下文定向（Contextual Targeting）

基于用户当前查询的 query、浏览的网页、使用的 App 等语义分析结果定向，均为实时访问上下文。另外，有些人喜欢把移动设备、LBS 地点、天气也归入此类，个人更倾向于特指内容型数据，如文本、视频等。常见的定向属性有关键词（Google Adsense、Facebook、百度凤巢）、否定关键词（Google Adsense）、展示 URL（Google Adsense、百度网盟）、页面主题（Google Adsense）、行业分类（百度网盟）等。

3、行为定向（Behavioral Targeting）

基于用户历史行为数据挖掘用户兴趣，行为数据如网页浏览、网页点击、查询 query、UGC 内容（如微博、朋友圈等），一般需要区分长期、短期和实时兴趣。常见的定向属性就是兴趣爱好，依靠人工定义一套层次化的类别体系，有些平台还会按照时间段（Google Adsense、百度网盟）或者商业性（品友互动）进一步区分。

4、再营销（Remarketing）

常见的有到访再营销、搜索再营销、广告点击再营销等。其中，到访再营销需要用户访问过商品页面或者在商品页发生过某种预定义的行为（如收藏、下单、转发等），在广告投放时，广告平台为用户展示相同（直接查表）或类似（item-based、content-based）的商品；搜索再营销根据用户在搜索引擎中搜过的 query，在广告联盟网站上展示内容相关的广告；广告点击再营销则是依据用户点击的广告数据，为其展示相同或类似的广告。一般实时性要求高，效果好，但是用户覆盖少。

5、相似用户定向（Look-Alike Targeting）

侧重基于确定的一小波人群，圈出更大规模类似的人群，保证定向效果的同时，扩大用户覆盖。因为挖掘相似用户过程中，主要依据用户基本属性或兴趣（长期），更新频率不高。

Google Adsense 将曾经到访过广告页面的用户作为基准定制人群，然后按照用户在 Google Display Network 上的页面访问行为衡量用户之间的相似性，以扩展更多用户；而 Facebook 需要广告主提交基准定制人群，比如 Email、Phone、Facebook Ids、App Ids，后台自动找到相似用户。

这块工作和 DSP 中的 audience selection 非常类似。

6、地理位置定向（Geo Targeting）

移动互联网比较热门的定向，可以定位城市、商圈、学校等区域。

7、其他

• 时间定向（Time Targeting）：一天中的不同时间段。
• 设备定向（Device Targeting）：如手机品牌、型号，操作系统，运营商等。
• 天气定向（Weather Targeting）：对经常出现雾霾天气的北京，投放口罩、空气清新器应该是靠谱的。
• 语言定向（Language Targeting）：一般具有国际化市场的广告平台会提供，如 Google、Facebook。

广告定向对比

按照用户覆盖和定向效果两个维度，综合考量不同定向方式之间的关系，如下图所示： 

相关推荐

1. 刘鹏《计算广告学》
2. 斯坦福大学《Introduction to Computational Advertising》
3. 百度开发学习社区《计算广告学》
4. Computational Advertising | Yahoo Labs
5. 王益《精准定向的广告系统》，腾讯
6. rickjin《广告定向中的用户分析》，腾讯
7. 刘铁岩《方兴未艾的计算广告学》，微软
8. 袁全《Invited talk on Recommendation and Advertising in Alibaba, RecSys’13》，阿里巴巴
9. 江申_Johnson《DSP 基础算法与模型研究》，力美科技
10. 林昭《互联网行为定向广告技术》，品友互动

 

 

 

本文链接：细数广告定向