海量通：教你如何提高广告投放的精准度

原标题：海量通：教你如何提高广告投放的精准度

齐鲁晚报济南10月28日讯：“我们知道有一半的广告费是在浪费，但没人知道是哪一半”，这句话是很多广告展示的困境所在。怎样用低价获取有效客资或让广告效果最大化，为广告主带来更大的销售额，是每一个广告投放平台需要解决的问题。下面以海量通广告投放算法为例，浅析下如何由预先标注的关键词标签，一步步建立完整的受众行为分析模型，挖掘出具有相似行为特征的人群，提炼人群的属性特征，提高精准的目标人群，最终进行最合适的广告投放的。

一、关键词标签

海量通平台根据用户上网的痕迹和记录推断其行为特征、兴趣爱好，分别为其标注关键词标签，建立标签模型。这个过程大致如下：

(1) 记录受众的历史行为，包括产生浏览、点击、搜索、注册、购买等行为的网页地址(URL)，积累原始数据；

(2) 以商品内容和新闻内容为导向，建立关键词标签库，作为受众行为分析的基础元数据；

(3) 针对所有受众相关的URL，通过网络爬虫程序和语义分析(分类和关键词提取)，生成每个受众的初始标签集合。

在每个关键词标签中，考察多种典型用户行为，如：浏览，点击，搜索，注册和购买等行为，并以此为依据进行广告精准投放，主要的优点在于：能够更细致地刻画出受众对某件事物或者某个领域的兴趣程度，使投放更加精准；利用受众类别之间的相似性，判断出受众潜在的购买意向。

二、受众对象模型

关键词标签记录了最原始关键词信息，根据用户行为数据，海量通利用“神经网络算法”对每个关键词标签进行量化处理，分析其对于受众的重要程度，将高价值客户样本按群体特征进行标签录入海量通特征库，形成受众对象模型。模型刻画的是受众的历史行为特征，而其维度就是不同的关键词标签，通常可达几十个乃至上千个维度。

一般来说，购买行为是最强的信号，权重最高；点击属于次强级别，表示用户的主观兴趣，有明确的目的去了解相关信息；而浏览在很多情况下是被动行为，所以权重值最低。

三、受众行为分析

累积受众对象模型后，已具有几十乃至上千的标签维度。常用的聚类分析算法大致包括划分方法、分层方法、基于密度的方法和基于网格的方法等几类。

海量通投放系统所搭建的受众行为分析模型借鉴了CURE (Clustering Using Representatives) 层次聚类算法，并在其基础上参考了其他聚类算法(例如：BIRCH等)融合改进，使整个聚类算法更加符合实际的广告业务需求。

假如有A 、B 、C等多个受众，他们有极其相似的标签属性，并且数量庞大，那么运行聚类算法后，就会产生一个独立的受众聚类。这个受众聚类包括了大量的类似受众，他们都是同样的标签集合。这个人群就是经过多道工序处理之后，呈现出的有效目标受众。

四、人群定向投放

作为广告正式投放前的最后一步，受众聚类和结构化的人群分类将进行匹配映射，这种映射是利用二者标签集合的重合度来实现的。 利用两个标签在一个细分人群中的内在关联性，推测对关键词标签A感兴趣的人对也关键词标签B感兴趣，再尝试进行交叉投放，例如把B的广告投放给曾购买过A商品的回头客。

海量通持续大量的实践统计结果表明这套受众行为分析方法使得人群定向的精准度相比于原始的分类标签法提高了至少40%以上。通过搭建这样的统一分析平台，能将所有采集到的受众信息最大限度地整合利用起来。同时结合地域，人口属性定向，回头客定向等手段，大大提高广告投放的精准度和投资回报比。不论对于广告需求方还是受众群体，都能各取所需，让广告效果最大化。