日本毛片的免费高清视频

        1. <tr id="tntjc"></tr>
          <th id="tntjc"></th>
          <big id="tntjc"></big>

        2. <strike id="tntjc"></strike>
        3. TalkingData
          作者很懶,什么都沒留下

          8

          文章/篇

          7.9萬

          閱讀/次

          拜訪信息

          為了給您提供更快更好的服務,在獲取作者聯系方式前,想對您有個簡單了解. 邀請您填寫如下信息

          提交成功

          非常感謝您的配合,我們的作者會盡快通過您的微信,
          請耐心等待~

          微信號

          15701235851

          DMP的高級玩法,用AI幫品牌找TA

          TalkingData
          2020-05-07 · 15:20
          [ 億歐導讀 ] 如果說深厚的數據能力、豐富的特征庫以及算力強大的AI模型部署平臺是TalkingData的硬件基礎,那么身經百戰、應對過多個行業以及業務場景需求的數據科學家,絕對是TalkingData的硬核實力。
          AI 人工智能,AI,程序化廣告,DMP,模型訓練

          文章來源于:TalkingData,作者:趙衡,圖片來自“Unsplash”

          編者按:本文系投稿稿件,作者趙衡,來源:TalkingData,版權歸原作者所有。

          引言

          在聊DMP的高級玩法之前,有必要簡單普及一下程序化廣告,以及DMP在其中的角色和功能。

          程序化廣告是以人為本的精準廣告定向+媒體資源的自動化、數字化售賣與采購的過程。在程序化廣告投放的過程中,DMP扮演的是流量字典一樣的角色,能幫助需求方識別和判斷出流量是否屬于廣告的目標受眾,從而讓需求方可以把廣告投放給對的人群。

          本質

          眾所周知,大品牌廣告主的投放規模比較大,并且通常會選擇不同程度的包量投放模式,這意味著品牌活動期間,每天發生數億次查詢請求和近億次廣告曝光是常態。因此,大品牌主在選用DMP時一定有兩個最基本的要求:

          1、有足夠大的設備數據體量:也就是說這本字典的詞匯量要足夠大,盡量讓每一次查詢都查有所得。如果DMP的設備數據體量不夠,就意味著大部分流量都無法被識別,如果就這樣把廣告投出去,意味著需求方不能預判這個流量是否符合目標人群的條件,那么投放的結果將毫無精準和高效可言;如果不投,則意味著大量的曝光機會被浪費,廣告的整體曝量和轉化率都很低,完全無法滿足品牌傳播的最基本預期。

          2、有豐富且覆蓋率較高的標簽:這些標簽往往是需求方選擇目標人群的依據,想把廣告投給什么樣的人群,就通過標簽篩選出各類符合要求的設備作為廣告投放的對象。因此標簽維度越豐富,目標人群的選擇和劃分就越精細,標簽的覆蓋率越高,相同標準下篩選出來的目標受眾數量就越多,廣告的目標受眾量上限也就越高。

          由此可見,為大品牌主提供DMP服務的前提,除了具備最基本的技術對接能力之外,數據的廣度和深度也不可或缺。也就是說,雖然大數據公司不一定提供DMP服務,但能提供優質DMP服務的一定是大數據公司,通過自身產品積累了龐大的數據源和流量池,并借助強大的數據處理和計算能力,形成了豐富的標簽體系。

          但近年來,眾多大品牌主的數字化轉型工作進展迅速,數據對于品牌主而言越來越透明、可用,在數據的加持下廣告效果的歸因變得可行,而通過數據賦能廣告投放提效也成為品牌主的新課題。

          對于長期以來消耗巨額預算,海量消費者的營銷,擔當企業和產品形象,卻又不直接為轉化和銷量背鍋的品牌廣告而言,如果在數據智能的加持下也能“帶貨”的話,對品牌主而言都將會是“真香”的存在。畢竟一波營銷活動的受眾數量動輒上億,即使有萬分之一的轉化,也能帶來上萬筆訂單。

          于是,“品牌廣告效果化”成為大品牌主數據團隊的試驗田。也是在這樣的業務需求和背景下,DMP的高級玩法誕生了。

          之所以稱為高級玩法,是因為DMP的身份雖然沒變,但目標受眾不再是通過標簽篩選出來的了,而是通過算法模型讓AI學習和預測出來的。甚至需求方在描述目標受眾的時候,也無需羅列人群的各類屬性和特征,取而代之的是明確希望實現的轉化指標,并提供少量范例樣本。

          舉個直白的例子:傳統模式下,需求方會在request中注明目標受眾的特征,如“一線城市20-30歲的女性”,DMP服務方會通過標簽篩選出符合一線城市&20-30歲&性別為女的人群。而高級玩法下,需求方只需明確“希望將廣告投給最有可能購買產品的人群”,DMP服務方會基于對轉化目標的理解設定正負樣本,構建二分類/多分類模型,再用模型預測出最有可能買產品的人群。

          這是一種為最大化實現轉化目標而形成的DMP服務模式,提供服務的前提除了龐大的設備體量之外,還要借助設備盡可能多而全的行為特征數據,并且需要有一定數量的樣本數據輸入。

          比如目標是“選出最有可能購買產品的人群”,往往需要先選擇一部分已經買過產品的人群作為正樣本,沒買過產品的人群作為負樣本。而之后通常需要依次進行正負樣本優化和輸入、特征匹配、特征降維、模型訓練和調優才這幾步才能完成模型。最后再用模型預測設備與正樣本人群相似的程度,從而找出目標人群。

          原理

          以二分類模型為例,整個建模和預測的過程就像教孩子辨認汽車的過程:我們先拿出兩疊圖片,一疊里都是轎車,另一疊里是貨車、SUV、摩托車等非轎車。然后告訴孩子,這一疊圖片里的是轎車,另一疊圖片里的不是。為了幫助辨認,你可能會告訴孩子轎車都看起來比較扁、底盤也比較低;不是四個輪子的都不是轎車,帶貨箱貨斗的也不是,開車的人坐在外邊的也不是等等……然后再把兩疊圖片合在一起打亂順序,讓孩子辨認哪一張是轎車,哪一張不是。

          一開始孩子很容易認錯,但在你一次次糾正、指導以及他的反復練習后,孩子就基本具備了正確的判斷力,不怎么出錯了。這時候你把他領到馬路邊,讓他從駛過的每一輛車中指出哪些是轎車。

          如果我們把建模和模型預測中的概念和步驟,與上述例子對號入座的話。家長就是數據科學家、孩子就是AI,正樣本就是那一疊轎車的圖片,負樣本就是另外一疊其他車型的圖片。家長挑選正負樣本的過程,實際就是數據科學家準備圖片的過程。

          圖片中轎車的外觀、造型等諸多可見的細節就是特征,我們告訴孩子轎車都有哪些特點的過程就是特征匹配和降維,我們打亂圖片讓孩子一次次辨認的過程就是模型訓練,然后我們不斷糾正、指導的過程就是模型調優。而最終孩子頭腦中形成的對轎車的判斷能力,就是模型本身。之后讓孩子去路邊辨認轎車,就是模型預測的過程。而那些被孩子辨認出來的轎車,就是需求方想要的目標人群。

          例子聽起來蠻簡單的,但實際上建模和預測的過程中,有很多至關重要的細節要決策和處理好,這通常對于數據科學家的經驗和業務理解力有著很高的要求。

          還拿上邊這個例子來說:家長發現孩子在剛開始練習的時候,很容易把紅色的車都認成轎車,仔細觀察后發現是因為轎車那一疊圖片里,紅顏色的車很多。于是家長告訴孩子,車的顏色與車型是無關的,應該仔細觀察汽車形狀結構上的差異。隨后,家長把兩疊圖片中的車都P成紅色,重新打印出來,讓孩子繼續練習識別車型。那么家長這一波指導和操作,實際就相當于數據科學家所做的特征降維工作的一部分。

          同時,樣本的數量是否足夠,設備行為特征數據是否適合、豐富,顆粒度是否夠細等因素,也極大程度上影響著模型的預測效果。

          還是這個例子,如果從兩疊照片中分別只抽取兩三張照片來教孩子,如果碰巧抽中的轎車都是兩廂轎車的圖片、非轎車都是皮卡的圖片,那么最終在馬路旁辨認的時候,孩子很可能會把SUV認成轎車,把三廂轎車認成皮卡。造成孩子把車認錯的原因主要就在于正負樣本量過小,導致只通過幾張圖片的練習,還完全不足以區分出路面上兩廂轎車和SUV的差異。

          再比如,給孩子練習所使用的汽車圖片,手繪的簡圖肯定不如清晰的效果圖,清晰的效果圖又肯定不如實車的高清照片;而如果可以用足夠多的高仿汽車模型,甚至是真車來練習辨認,那么效果顯然會更好。因為最終孩子是要上路識別真車的,而訓練時如果可以基于真車來練習,那無疑對車型的實際差異會有更全面、立體、客觀的認知和印象,最后在路邊辨認時,準確性也必然會極高。

          對于孩子而言,真車比圖片增加了太多可見或可直觀感受到的元素和細節。這種圖片和真車的差異,其實就類似于特征數據質量、維度的高與低以及顆粒度大與小的差異。

          實踐

          前面,文章介紹了DMP高級玩法的本質和原理。大家一定很好奇,這看上去高級的玩法,效果究竟能有多少提升???接下來再舉個真實的案例,讓大家直觀感受到效果。

          這是一個食品行業大品牌主的需求,希望在曾經被投放過廣告的人群中找出最有可能購買產品的人群,廣告進行二次投放,目的是為了獲得盡可能高的廣告曝光到產品購買的轉化率。

          面對客戶這一非常符合DMP高級玩法應用場景的需求,TalkingData選擇通過二分類模型預測找出這部分高潛人群,并建議品牌主除歷史曝光人群外,額外提供目標商品近半年的訂單數據。通過數據融合,從這部分購買人群中挑選出數萬個僅在非促銷時段購買了該產品的設備作為正樣本,同時選出數萬個半年內點擊過廣告卻沒有購買目標產品的設備作為負樣本。隨后,將正負樣本與TalkingData的活躍設備庫匹配,選出最終用于建模的樣本。

          再之后就是指標體系設計、特征匹配、降維和模型訓練的過程了。這次建模所使用的特征庫包含設備APP行為、位置、終端屬性等8大類合計20萬+個特征,樣本匹配全部特征后,經過稀疏特征過濾、高相關性特征刪除等一系列特征降維處理后,得到1000+個有效特征,再選擇其中最重要的200個特征作為模型訓練和預測的依據。

          建模完成后,刨除正負樣本,將所有半年內被投放過廣告且和TalkingData活躍設備庫可匹配上的設備,都用模型預測出了一個分值,這個分值的高低代表購買目標品牌產品的可能性或潛力。再把分值按照從高到低排序,選出了幾千萬潛力最高的設備,同時作為對照,又從近半年內被目標品牌廣告投放過的設備中隨機選出了等量設備。

          之后,在相同的媒介渠道、用相同的創意,對這兩組設備做了廣告的二次投放,并追蹤被廣告曝光后一段時間內的產品購買數據。最終發現,通過模型預測出的高潛組在這段時間內的目標產品購買率,比隨機抽取的對照組高出3-8倍。

          這個案例中,TalkingData針對品牌主旗下的四個品牌分別建模,最終獲得四組對比數字。在奉上廣告效果成倍提升的同時,AI還會帶給品牌主額外的福利。上文中提到,數據科學家通常會把AI在模型訓練中找到的最重要特征做分享和解讀,而這些特征,可以輔助品牌進一步了解目標受眾,以及調整后續營銷投放策略。

          例如,借助TalkingData在APP行為特征方面的優勢,如果我們通過建模發現,這個品牌高潛人群使用出行類APP的這一特征重要性最高,那么品牌后續移動端廣告預算就可以考慮向出行類APP傾斜,促進廣告轉化率的提升。

          需要特別強調的是,樣本的選擇以及特征的優化是最終決定模型效果的最關鍵因素,而這一關鍵因素,往往容易被經驗不足的建模人員所忽略。在前面這一案例中,品牌主希望通過模型預測出看過廣告后最有可能購買的人群,那么選擇曾經在看過廣告后又購買了產品的人群作為正樣本,邏輯相對簡單明了。但負樣本應該從曝光后未購買人群中選,還是從點擊廣告但未購買的人群中選呢?

          TalkingData的數據科學家堅定的選擇了后者,并且在標準的特征過濾過程后,對相關性較高的特征做了進一步篩查,去除了其中不合理的特征。這才保證了模型能夠具備比較好的預測效果,而這無疑要仰仗數據科學家的經驗和判斷。如果說深厚的數據能力、豐富的特征庫以及算力強大的AI模型部署平臺是TalkingData的硬件基礎,那么身經百戰、應對過多個行業以及業務場景需求的數據科學家,絕對是TalkingData的硬核實力。

          這個實踐案例的結果,于品牌主而言無疑是一顆定心丸。對于正在為品牌廣告效果化而傷腦筋的品牌主來說,這無疑是一個最新的有力武器。如果想把廣告投給最有可能購買產品的人群,卻又對他們缺乏了解,不知道選擇什么投放渠道;如果有現成的樣本數據,想先做大規模的放大,再進行廣告投放;如果想提升品牌廣告的帶貨能力,都可以嘗試下這個DMP的高級玩法,用靠譜的AI和模型來幫助提升廣告效果。

          本文經授權發布,版權歸原作者所有;內容為作者獨立觀點,不代表億歐立場。如需轉載請聯系原作者。

          各工作崗位將被AI取代的概率

          選擇崗位,查看結果

          制圖員和攝影師

          87.9%

          打賞支持

          5
          5
          10
          20
          50
          80
          100
          其它金額
          任意賞:

          參與評論

          最新文章

          1、 若貴平臺是網站或者APP,在進行單篇原創文章轉載時,需在文章標題或者導語下方,注明文章來源以及作者名稱;若尋求5篇及以上的長期內容合作,需與億歐公司內容運營部門取得聯系,并簽訂轉載合作協議。

          【若貴司平臺轉載億歐公司原創文章已經超過5篇,請及時與我們聯系補簽轉載合作協議,計算時間以2019年2月10日之后為準】

          2、 若貴平臺是微信公眾號,在進行單篇原創文章轉載時,請聯系億歐公司內容運營人員進行單篇文章的白名單開通,同樣需要注明文章來源及作者名稱;若尋求2篇及以上的長期內容合作,需與億歐公司內容運營部門取得聯系,并簽訂轉載合作協議??蓪⒐救Q(簡稱)、公司網址、微信公眾號、微信或者電話等信息發送至hezuo@iyiou.com,會有工作人員與您取得聯系。

          關閉

          快來掃描二維碼,參與話題討論吧!

          快捷登錄 密碼登錄
          獲取驗證碼

          新用戶登錄后自動創建賬號

          登錄表示你已閱讀并同意《億歐用戶協議》

          快捷登錄 密碼登錄

          賬號為用戶名/郵箱的用戶 選擇人工找回

          關聯已有賬戶

          新用戶或忘記密碼請選擇,快捷綁定

          賬號為用戶名/郵箱的用戶 選擇人工找回

          快速注冊

          獲取驗證碼

          創建關聯新賬戶

          發送驗證碼

          找回密碼

          獲取驗證碼
          賬號為用戶名 / 郵箱的用戶 選擇人工找回

          未完成注冊的用戶需設置密碼

          如果你遇到下面的問題

          我在注冊/找回密碼的過程中無法收到手機短信消

          我先前用E-mail注冊過億歐網但是現在沒有辦法通過它登錄,我想找回賬號

          其他問題導致我無法成功的登錄/注冊

          請發送郵箱到service@iyiou.com,說明自己在登錄過程中遇到的問題,工作人員將會第一時間為您提供幫助

          賬號密碼登錄

          樂樂呵呵@微信昵稱

          該億歐賬號尚未關聯億歐網賬戶

          關聯已有賬戶

          曾經使用手機注冊過億歐網賬戶的用戶

          創建并關聯新賬戶

          曾用微信登錄億歐網但沒有用手機注冊過億歐的用戶

          沒有注冊過億歐網的新用戶

          先前使用郵箱注冊億歐網的老用戶,請點擊這里進入特別通道
          意見反饋
          意見反饋
          億歐公眾號 億歐公眾號
          小程序-億歐plus 小程序-億歐plus
          返回頂部
          日本毛片的免费高清视频

              1. <tr id="tntjc"></tr>
                <th id="tntjc"></th>
                <big id="tntjc"></big>

              2. <strike id="tntjc"></strike>