申请账号

请留下您的正确信息,我们将在 2 个工作日内与您联系

并把账户信息发送到注册邮箱

重置

懂了这些广告推荐技术,投广告事半功倍!

 
互联网+ 时代,网络方便了人们生活的同时,过载的网络信息问题也日益严重:用户每天有刷不完的广告,却没有一条是自己真正感兴趣的;与此同时,营销者的烦恼也随之而来:大笔的广告费花了,用户不仅不买单,反而对广告很厌烦...
 
面对用户和营销者的“痛点”,广告推荐技术能在洞察用户偏好及意图的基础上,为用户推荐其可能会感兴趣的信息,从而更好的实现广告价值转化,为品牌营销赋能。
 
常见的广告推荐方法有基于内容的推荐、基于用户&物品的协同过滤推荐、基于时间&位置等场景的推荐三种。今天美数君就来进行一下这三种推荐方法解析。
 
1、基于内容的推荐
指通过对用户浏览、搜索、购买等网上行为数据的收集、分析和挖掘,了解其感兴趣的内容,从而完成目标人群兴趣画像,并向其推送与内容相关的广告。
 
这是最基础的推荐策略。其优点有:1)可解释性强。比如用户近期常浏览汽车网页,判断他想买车,则可以把汽车类广告推送给他;2)能很好地解决新产品冷启动问题。因为这种推荐策略是直接基于内容匹配,所以只要知道了该新品的属性、功能,并事先基于内容洞察了人群喜好,即便品牌第一方销售数据缺失或稀疏,也可以立即向有此产品需求的人推荐广告。(当然,这需要品牌对接一个拥有强大的数据整合、分析能力的第三方数据分析平台。)
 
而这种推荐策略的缺点有:1)不够精准化和实效化。精准不足举例——对于汽车从业人员或汽车爱好者,由于其长期浏览和搜索汽车相关内容,导致身上会有“汽车”标签。但其实这类人群可能对购买汽车并无需求;实效不足举例——假如 TA 已经买过了该类物品(可能是竞品的),此时如果再基于内容向 TA 推荐,重复购买的可能性会低很多;2)很难挖掘用户潜在兴趣。因为所有的推荐都是基于用户历史有过的行为,所以其潜在兴趣和购买力难以深挖。
 
为了弥补基于内容的推荐策略的局限性,美数除了应用诸如“页面关键词”提取(TF-IDF 算法提取)、AdVision 爬虫提取等技术来细粒度推断、挖掘出受众的兴趣内容画像之外,更结合独家“动态权重算法”,通过抓取用户长期及近期网上搜索、浏览、购买内容数据,并依据人群活跃度、忠诚度等特性来为其按权重指数打分后,来准确区分出真正需求用户和干扰用户、并进一步划分出需求用户的不同生命周期(新客萌生兴趣?产品比较中?老客回购?结束品牌购买?),从而指导营销者合理分配预算,并针对处于不同生命周期的人群采取个性化广告推荐策略,让基于用户上网内容的推荐更精准,也让品牌与用户的沟通更细致、更有温度,从而高效提升转化。
 
2、基于用户&物品的协同过滤推荐
基于用户的协同过滤推荐指通过对用户历史行为数据的挖掘来洞察用户对商品或内容的偏好,并对这些偏好进行度量和打分;而后根据不同用户对相同商品或内容的偏好程度计算用户之间的关系,即评测用户之间的相似性,并把相似人群进行群组划分;最后基于用户之间的相似性做出产品广告推荐。比如(下图 左):小丸子买了铅笔、橡皮、尺子、胶水,小玉买了铅笔、橡皮、胶水,花轮只买了尺子。那么判定小丸子和小玉的行为更相似,于是可以把小丸子买的尺子推荐给小玉。
 
基于物品的协同过滤推荐指预先根据所有用户的历史偏好数据计算物品之间的相似性,然后把与用户喜欢的物品相类似的物品推荐给用户。比如(下图 右):小丸子买了铅笔、橡皮、胶水,小玉买了铅笔、橡皮,花轮只买了铅笔。则判定铅笔、橡皮这两个物品相似,于是可以把橡皮推荐给选了铅笔而没有选橡皮的花轮。当然,这里的相似并不是指物品类型、功能等相似,而是根据用户已经产生的购买行为来计算出的物品之间的相似度,或者说关联性。比如另一个经典的案例啤酒和尿布,也可以说是基于物品的协同过滤推荐。
 
 
这两种协同过滤推荐策略所运用的复杂算法、公式等这里暂不赘述。我们只来看看其优缺点。
 
其中,最大的优点就是:可以挖掘出用户的潜在兴趣偏好,并提升关联产品的售卖效率和效果。缺点是:1)这个推荐方法是依靠用户的历史行为数据、产品销售数据等来做推荐。因此也就是说,如果品牌前期没有一定的数据积累,当新用户或新产品出现时,推荐则无从依据;2)会导致大热商品有更大的几率被推荐被销售、而冷门长尾商品却滞销的现象发生;3)假如用户数据、销售数据等庞大,则会提升数据分析系统运行的时间、复杂度及整体成本,且分析结果的准确性也会降低。
 
3、基于时间、位置等场景的推荐
是指根据用户时下所在的时间(早中晚、春夏秋冬)、地理位置(机场、地铁、商圈等)、天气状态(雾霾、下雨等)、使用场景(线上浏览、搜索等行为)等的不同,为用户推荐与场景高度融合相关的广告信息。
 
一般而言,场景推荐策略不是单独使用,而是要和其他广告推荐策略搭配使用。比如,用户 A 当前在国贸商圈,商圈中的一家耐克店铺正在搞活动。而基于内容的推荐策略分析出 A 最近经常在电商网站搜索、浏览运动鞋内容,于是判断出 A 有此购物倾向。此时再施行基于场景的广告推荐策略,在 A 身处店铺附近时,恰好为他推荐耐克鞋广告,则广告效果会大大提升。
 
数据与技术是施行场景推荐的关键!即系统既要能应用诸如 GPS 定位、Wi-Fi 技术等基础设施来实时采集到用户动态的、不断变化的线下行为,积累海量的 LBS 数据和 IP 数据,并应用大数据分析技术对数据加以挖掘、处理;又要具备位置定向(地理围栏技术)、时间定向、兴趣定向、行为定向等多维度精准的定向技术。唯有具备数据+技术双重优势的平台,才能保证更精准、更高效的场景推荐策略的进行。
 
除了上文所提,还有许多其他的广告推荐方式方法,这里不一一列举。而美数作为一家数字营销技术服务提供商,为了帮助客户提升品牌营销的精准性、效果性,除了研发并升级了以上提到的几种推荐技术外,更推出了全新的人工智能推荐服务——即应用美数AdNut 智能数据管理平台历史积累到的大量人群数据构建出静态人群画像(性别、年龄、兴趣、品牌偏好等)之外,更通过收集短期人群数据(近期活跃应用、近期搜索行为等)、真实场景数据(当前线下位置、当前线上应用等)等,来完整记录用户线上线下、动态化的行为轨迹;然后结合美数独家机器学习算法、大数据挖掘技术等,快速、全面、准确地洞察用户瞬间或短期兴趣,并更立体、精准地识别出不同需求用户的当前的不同生命周期;而后,通过机器对人、媒体、广告、环境等的识别学习,利用人工智能引擎推荐技术,实现了“在最合适的时间、最合适的场景下,为受众个性化推荐最适合 TA 的广告”,从而做到了消费者与品牌的高效连接,让营销者的每次广告曝光都更具价值!
 
 
时下,用户有着愈加碎片化的使用习惯,且个性化品牌体验需求也越来越高。因此,品牌唯有用数据+技术全面深入的透视消费者、并向其个性化投递广告,才能更好的提升广告的吸引力及用户粘性,实现品牌价值最大化!