199IT Data Center WeChat Cuenta: i199IT

En primer lugar, la connotación publicitaria de precisión de big data

El Big Data es ahora una de las palabras más populares de todo el mundo de TI, incluida la tecnología de Internet y las tecnologías de la información, y parece que cualquier tema, cuando se trata de big data, se vuelve al instante alto. De la noche a la mañana, el big data ha reemplazado el pensamiento racional subjetivo como un synound para la visión inteligente.

Pero a medida que pasamos por la etapa de adorar big data y levantar el velo sobre la aplicación práctica del big data, poco a poco reflexionamos sobre el big data que llena el mundo del discurso. Debido a que la gran importancia del big data en el desarrollo económico no significa que pueda reemplazar todo pensamiento racional sobre los problemas sociales, la lógica del desarrollo científico no se puede perder en los datos de masas. Ludwig von Mises, un famoso economista, advirtió una vez: "En la medida de lo que se trata hoy, hay tanta gente que está tan ocupada con la acumulación inútil de información que pierden su comprensión de la importancia económica especial de la explicación y la solución de los problemas".

En el caso de las aplicaciones de publicidad de big data, la publicidad de precisión debería ser la más temprana y más probable para generar ingresos directos de big data, y pocas empresas de publicidad afirman hoy ser empresas de tecnología de big data. ¿Cuál es el significado central de la publicidad de precisión de big data? En resumen, es entrega dirigida por procedimientos. Donde la orientación es el núcleo, la procedimientoción es el medio.

Tomemos el círculo de amigos de WeChat como ejemplo, área no objetivo, el precio público de CPM a principios de año (costo por mil exposiciones, precio de publicidad círculo amigo es mucho más alto que los medios de comunicación general) 40 yuanes, dirigido a la ciudad central 140 yuanes, dirigido a la ciudad clave 90 yuanes, si se superpuso en el sexo direccional, adicional 10%, y luego superpuesto H5 cadena exterior (efecto de orientación de tráfico es mejor), más 20%. Al igual que los cosméticos importados, los aranceles se aplican en una cierta proporción, luego el impuesto sobre el iva añadido al precio del impuesto y, a continuación, el impuesto sobre el consumo se aplica al precio de impuestos incluido.

Para WeChat, aunque la geografía y el género del cliente también necesitan análisis e interpretación de datos, pero la confirmación es relativamente fácil. Para otras empresas de datos, la geografía todavía está disponible a través de IP o GPS de terminal móvil, pero es más probable que el género sea un posible atributo del análisis de datos. Por supuesto, el big data no se trata sólo de analizar estas etiquetas simples, para la alianza de medios, hay muchos elementos de selección de medios, sino también el análisis de las etiquetas de preferencias de medios de los clientes, así como períodos de tiempo, atributos de multitudes, tipos de dispositivos, tipos de preferencias y otras combinaciones específicas.

Bueno, hay una introducción aproximada a la publicidad de precisión. Entonces, ¿cuál es el valor de la publicidad de precisión de big data? Por lo general, las siguientes historias son a menudo mencionadas por las empresas de publicidad de big data.

Si un espacio publicitario del sitio web, 10.000 personas por hora para navegar, entonces una exposición de una hora de 10.000, el anterior CPM de 5 yuanes, luego un anunciante de teléfono móvil para ejecutar una hora de publicidad, el costo de 50 yuanes. Este es el resultado de la publicación de anuncios tradicionales. Ahora hay una empresa de big data para ayudar a los medios de comunicación publicitarios a funcionar mejor. La compañía afirma ser capaz de identificar con precisión los atributos de los clientes de navegación, diciendo a los anunciantes móviles que mientras que 10.000 personas ven el espacio publicitario, sólo 6.000 son realmente adecuados para el funcionamiento del teléfono, dejando 4.000 exposiciones inválidas porque el resto de la población sólo está interesada en la ropa.

Las compañías de Big Data recomiendan que los anunciantes sigan el programa, filtren a 4.000 personas que no son adecuadas para la entrega de teléfonos móviles, sólo son adecuadas para teléfonos móviles 6.000 personas para pagar, si el precio unitario sigue siendo el mismo, entonces en la premisa de garantizar el mismo efecto, el costo reducido a 30 yuanes. La compañía de datos de 4.000 personas restante los vende a los anunciantes de ropa a un costo de 20 yuanes. Como resultado, la publicidad de big data reduce significativamente los costos de los anunciantes con el mismo efecto. Por supuesto, debido a la existencia de RTB (oferta en tiempo real) mecanismo, cuando el precio (efecto es el mismo) bajo en cierta medida, diferentes anunciantes de teléfono móvil pujan uno contra el otro, por lo que el precio real es generalmente más alto que 30 yuanes, pero ciertamente entre 30 yuanes al costo esperado original de 50 yuanes, formando así una situación ideal de beneficio mutuo.

Un caso así se ve perfecto e inexpugnable. Debido a que resuelve la ineminance de la publicidad tradicional, como parecer útil, pero no está claro exactamente dónde es útil, esto es exactamente lo que aborrecen los directores de finanzas corporativas. Sí, a través de la publicidad de big data, para que todo el dinero gastado en publicidad más evidencia, puede evaluar en línea cuánta impresión causó un anuncio (Impresiones), o incluso cuántos clics, cuánto descargar y usar, cuánto para generar transacciones.

¿Hay algún problema? No hay problema. ¿Hay algún problema? ¿Quieres decir que quieres dudar de la verdad?

En segundo lugar, la publicidad de precisión de big data no es tan buena como parece

En el principio del perjurio, la verdad es verdad sólo cuando se demuestra que es falsa (entender las limitaciones y condiciones de su aplicación). Así que tenemos que responder a la pregunta, ¿para qué sirve la publicidad?

Según el consenso anterior, la publicidad era vista como una forma para que las marcas transmitieran la identidad de la marca a los consumidores que no podían comunicarse cara a cara. Por lo tanto, aunque la publicidad tiene un papel en la promoción de las ventas, pero por lo general, el contenido de la publicidad no persuade directamente a los consumidores a comprar, ya que China Mobile una vez premiada "comunicación desde el corazón". En un libro de 2010, How Brands Grow (explicado que el autor no lo ha leído y espera leerlo en el futuro), Byron, un profesor de la Universidad de Australia del Sur, señala que la publicidad para los mejores resultados a menudo no necesita ser persuadida o adoctrinada, siempre y cuando la gente recuerde el nombre de la marca en el momento de la compra. Gordon Brown, fundador de Milward Brown, una empresa de investigación de mercado, señala que la función de la publicidad es hacer una marca en el estante "interesante".

Bueno, en el caso de la publicidad de precisión de big data, una de las preguntas más críticas es ¿cómo analiza el big data cómo estos 6.000 usuarios de navegación son adecuados para los anuncios móviles? La empresa de anuncios publicitarios está lista para dar las siguientes respuestas a esta pregunta.

En primer lugar, busque en el historial los clientes que han utilizado productos similares para que coincidan.

El algoritmo comúnmente utilizado se llama "co-filtrado", es decir, la correlación de ciertas experiencias para encontrar usuarios potenciales adecuados. Por ejemplo, has jugado un juego, por lo que crees que tienes las mismas necesidades para otros juegos de ese tipo. El autor no niega que el algoritmo funciona en ciertas áreas, como los usuarios pagados del juego son básicamente los usuarios de juegos pesados anteriores.

Pero aparte de estas áreas especiales, la connotación del algoritmo pensó que "las marcas dependen de los consumidores leales para crecer y desarrollarse" es completamente contradictoria con la teoría de Byron. Byron, que analiza estadísticamente las cifras de ventas, señala que entre todas las marcas exitosas, muchas ventas provienen de "compradores ligeros": clientes que compran con menos frecuencia. El negocio de Coca-Cola no depende de las personas que beben Coca-Cola todos los días, sino de millones de clientes que la beben una o dos veces al año. Este modelo de consumo se aplica a todas las marcas, países de productos básicos y períodos. Ya se trate de cepillos de dientes o computadoras, coches franceses o bancos australianos, las marcas dependen de grandes poblaciones - en otras palabras, las masas - que ocasionalmente los compran.

Esta teoría es de gran importancia. Esto significa que nunca puede aumentar la cuota de mercado de su marca mediante la comercialización de precisión de sus clientes existentes. Y el marketing de precisión de los clientes existentes es en lo que los medios digitales son buenos.

En el espíritu de la crítica para mirar las ideas emergentes no probadas, el autor quisiera citar a Guangdong Mobile recientemente publicado datos de características de cambio de usuario. El análisis de migración de puntos finales de Guangdong Mobile de sus usuarios muestra que el uso de los terminales de actualización de los usuarios de Apple, seguir utilizando teléfonos Apple representó el 64%, la mayor lealtad. Pero con la excepción de Apple, Huawei y Xiaomi, los teléfonos huawei y Xiaomi de mejor rendimiento, representaron menos del 30% del uso continuo de la misma marca después de reemplazar 4G.

Esto sugiere que es factible promover Apple 6 a los usuarios de Apple 4 o 5, y el efecto de polvo de frutas anula la teoría de Byron y demuestra que es factible confiar en los consumidores leales para crecer en algunas áreas. Pero más allá de eso, es anacrónico para ti promocionar la misma marca de terminales móviles a los usuarios de cualquier marca actual.

Por lo tanto, se espera que el análisis histórico de datos de comercio electrónico deduzca que el siguiente paso del usuario puede no ser válido. Puede que no sea tan eficaz como promover un rollo de papel o un cubo de aceite para promover la ropa a los usuarios que la han comprado antes.

En su lugar, las marcas exitosas necesitan encontrar una manera de llegar a grupos fuera de sus mercados objetivo. La publicidad de una marca debe de alguna manera ganar el interés de este grupo de personas - sólo entonces, cuando están listos para comprar, la marca puede aparecer automáticamente en la mente del consumidor.

En segundo lugar, si el "cofiltrado" es limitado, la empresa de anuncios publicitarios le dirá que hay un segundo algoritmo que no se basa en el registro de comportamiento histórico del cliente, sino en la similitud de las propias características del cliente para encontrar el grupo de clientes más similar al cliente semilla.

Se llama Parece. En primer lugar, es necesario que los anunciantes proporcionen este anuncio para desempeñar un papel en el usuario típico, en el caso de los teléfonos móviles, afectados por la publicidad interesada en hacer clic en la navegación o la precompra de un usuario de teléfono móvil, unos pocos cientos o miles. Las empresas de Big Data utilizan el algoritmo Lookalike, un término profesional más probable que sea una matriz dispersa, para encontrar cientos de miles de otros clientes que son muy similares a estos pocos cientos/miles de usuarios.

Estos algoritmos realmente ponen a prueba la potencia informática de las plataformas de big data porque no son empíricamente cofiltrados, sino que utilizan cientos o incluso miles de variables para los cálculos de regresión. Por último, se clasifica la probabilidad de similitud y se selecciona la base de usuarios adecuada de acuerdo con la alta a la baja.

La connotación del modelo es realmente muy simple, es decir, la publicidad que se debe comunicar a los clientes debe ser comunicada. Por ejemplo, el usuario objetivo de la publicidad en polvo de leche son los padres de niños de 0 a 3 años. Si conoce la identidad específica del usuario a la que llegar, se resuelven todos los problemas. Pero para sitios web o aplicaciones APP, no está claro quién es el usuario, y lo único que está claro son los datos de comportamiento históricos del cliente. Y debido a la división de los datos en sí, algunos se centran en los operadores, algunos se centran en la recopilación de alianzas de aplicaciones, algunos se centran en el comercio electrónico, algunos se centran en los bancos, para inferir la identidad del cliente de los datos divididos, Lookalike es el medio inevitable.

El único problema es que si cientos de usuarios de semillas infieran cientos de nuevos usuarios de destino, la precisión puede ser tan alta como 90 por ciento, pero si, como afirma una agencia de publicidad, la entrega DSP móvil de fideos picantes Kang Shifu, basado en la minería de análisis de datos históricos, la formación de una biblioteca de muestras, y luego a través de la tecnología Theokalike para ampliar la población, para encontrar el público objetivo de la mayor similitud con los clientes potenciales, ampliar la audiencia 13,67 millones, la audiencia real ID 20,89 millones. El rendimiento del anuncio se maximiza, ¿y qué pasa con el efecto? Aquí, permítanme conformar un número que es probable que aumente la tasa de clics de 0.2% a 0.3% y aumentar la precisión en un 50%. ¿Tiene sentido? Tal vez, pero definitivamente no es tan obvio como crees.

En tercer lugar, si sigue dudando de la validez de nuestro algoritmo, entonces podemos hablar sobre el efecto de la cooperación, puede pagar por clic (CPC) o activación (CPA), si no el efecto establecido, lo compensaremos. Esta es la arma definitiva en la publicidad de big data.

El arma definitiva, significa que la publicidad de la disminución total para hacer clic, hacer canales de activación, la publicidad de "consumidores de comunicación" la intención original fue abandonada temprano.

Las decisiones generales de los consumidores suelen seguir las reglas S(Solución), I (Información), V (Valor) y A (acceso), lo que significa que cuando un usuario crea una demanda, el corazón primero satisface esa demanda para formar una solución. Por ejemplo, el teléfono móvil 3G no es fácil de usar, la cobertura lenta no es buena, es necesario cambiar un terminal 4G para convertirse en una solución. Entonces, ¿cuáles son los terminales 4G, centrándose en esos terminales? Los consumidores todavía recopilan información, no de la búsqueda en Internet, sino en base a la experiencia pasada, el efecto de marca, la reputación de los amigos en torno a la retirada automática de esas marcas, que estilos. El efecto más importante de la publicidad tradicional debe ser esta etapa, cuando el usuario lo necesite, automáticamente en la línea de visión del usuario. A continuación, compare las selecciones de varias dimensiones para determinar la marca de compra preferida. Por último, dónde comprar, buscar donde hay promociones, donde las mejores ofertas.

Según el modelo SIVA, la naturaleza publicitaria real orientada al efecto resuelve el problema del Acceso, con el último paso en la puerta. En este sentido, la publicidad de búsqueda es la publicidad real orientada a efectos, como Taobao detrás de cada producto tiene más de 10.000 comerciantes para proporcionar, al final donde los usuarios van a comprar, tienen que pagar por publicidad, este es el efecto de la publicidad. Ha habido informes de clics de anuncios de búsqueda de más del 40%. Piense en Baidu, Ali confiar en lo que para ganarse la vida, los precios de la publicidad puerta a puerta son naturalmente altos a ningún lado, se dice que algunos hospitales para comprar Baidu sexualmente enfermo, la gente fluye y otros anuncios de búsqueda, un precio de tráfico único tan alto como decenas o cientos de yuanes.

Los anuncios de búsqueda solo están disponibles para un puñado de empresas de acceso monopolístico, y la mayoría de ellos siguen mostrando anuncios. Si el tipo de visualización de la publicidad también está cerca de la clase de efecto, desde la ley comercial pertenece al final de la invertida.

El resultado final es, por un lado, que el contenido del anuncio está lleno de codicia humana (preferente/barata) y el deseo de color (belleza de pecho grande), se ha transformado en una clase, una vez cuando, en la comunicación de los consumidores pero que juegan un papel negativo. Por otro lado, las empresas de publicidad se reducen a hacer tráfico, haciendo clics en la empresa, y Beijing Wangjing, Zhongguancun famoso tráfico de pinceles una calle no tiene ninguna diferencia esencial, y finalmente quién realmente hiló en estos tráfico efectivo? Ha habido empresas de big data que han analizado una base de usuarios de fase de software financiero de gama alta, y las máquinas de cepillos, codiciosos para los usuarios pequeños y baratos de gama muy baja son muy similares.

En tercer lugar, el uso de una identificación fiable puede ser más propicio para mejorar la eficacia de la publicidad

Con tanto escrito, ¿es inútil la publicidad de precisión de big data? No, dudar de la verdad es aplicarlo mejor. No hay nada de malo con la "procedimientoción" central y la "entrega dirigida" de la publicidad de big data, que representa la tendencia del desarrollo de Internet móvil y es exactamente lo mismo que satisfacer las necesidades publicitarias de mercados específicos, grupos de usuarios específicos de bienes o servicios. El problema es que todavía hay una enorme brecha entre las capacidades reales del big data y las ambiciones establecidas. Eso significa que no es tan bueno como parece.

Por lo tanto, debemos volver al propósito original de la publicidad - una mejor comunicación con los consumidores, para mirar la entrega precisa, en lugar de la entrega de precisión de big data supersticioso como un truco. ¿Qué es lo más importante? Obviamente no las reglas de cofiltro poco fiables, ni la causa raíz de Lookalike, ya que lo más importante es llegar al consumidor objetivo, entonces la identificación confiable debe ser el núcleo de la publicidad precisa.

¿Qué es una identificación confiable? Para WeChat, es confiable juzgar las principales ciudades de actividad, y el análisis de género es relativamente confiable, pero si WeChat le dice que puede juzgar socialmente si el usuario es un de clase media de los agricultores de cuello blanco o rurales, no debe ser confiable. Porque la mujer elegante en el círculo de amigos que dice viajar en una bodega francesa puede estar comprando leche de soja.

A veces, los medios utilizados por el propio usuario revelan la identidad del cliente. Por ejemplo, el uso regular de software financiero en la capacidad de pagar más confiable, y el uso del tesoro del embarazo APP más del 80% debe ser la futura madre, a menudo utilizar brotes de miel debe ser el bebé nacido poco después de la madre. Ha habido casos dados por las empresas de big data, los medios de comunicación en sí para la orientación y el análisis integral del efecto de orientación es similar, lo que demuestra que la orientación de los medios es efectiva, pero otra orientación a la demanda es equivalente a la selección aleatoria.

Dado que el big data en sí no se preocupa por la causa y el efecto, solo la relevancia, y si se demuestran las reglas de colaboración comprobadas por la información de big data, también se pueden contar como reglas confiables. Por ejemplo, la base de usuarios de pago del juego se puede identificar básicamente como uno o dos millones de usuarios pesados de ID.

Para identificar con precisión a los clientes, la recopilación y síntesis de múltiples fuentes de datos es inevitable, y también se requieren diversos conocimientos y análisis de relevancia en torno a las identidades de los clientes para mejorar la capacidad, que tal vez debería ser la competencia principal que las empresas de publicidad de big data deben seguir practicando.

"WeMedia" cubre a decenas de millones de personas de Media Alliance.Centro de datos 199IT-Internetcomo miembro. (Cuenta:i199IT )