用戶畫像計算廣告UserProfile第五章目錄基本內(nèi)涵BASICCONNOTATION構(gòu)建過程BUILDPROCESS標簽體系LABELINGSYSTEM具體應用SPECIFICAPPLICATIONS01基本內(nèi)涵定義用戶畫像有兩種不同的角度：一種定義從產(chǎn)品設計和開發(fā)的角度出發(fā)，用戶畫像被認為是勾畫目標用戶、聯(lián)系用戶訴求與設計方向的有效工具，又稱用戶角色。這個定義主要基于實際應用，體現(xiàn)了用戶畫像的實際用途，有著具象化的特點；另一種定義從大數(shù)據(jù)的角度出發(fā)，認為用戶畫像用于抽象用戶的信息全貌，是用戶信息的標簽化。這個定義從抽象角度出發(fā)，更好地解釋了用戶畫像的本質(zhì)，也符合大數(shù)據(jù)時代的特征，具有廣義性與抽象性。定義用戶畫像的兩種視角用戶屬性包括自然屬性、商業(yè)屬性、垂直屬性、行為屬性。用戶屬性用戶特征是對用戶基本屬性、信息需求、信息行為、心理狀態(tài)、環(huán)境影響的抽象描述，是通過一定方法從用戶屬性中抽取出來的共性特征。用戶特征用戶標簽是根據(jù)用戶特征提煉出來的標簽化文本，可以精練準確地表達用戶特征，其實質(zhì)是標簽化的用戶全貌。用戶標簽用戶畫像計算廣告語境下的用戶畫像是基于數(shù)據(jù)挖掘的用戶特征提取和深層需求分析，是用戶社交屬性、生活習慣、消費行為等信息全貌的標簽集合。由用戶屬性、用戶特征和用戶標簽三個要素構(gòu)成。用戶畫像在產(chǎn)品生命周期中的營銷價值市場調(diào)研產(chǎn)品研發(fā)產(chǎn)品測試“購買受眾”的實現(xiàn)基礎用戶畫像收集用戶各類屬性特征，通過標簽、權重的方式捕捉用戶動靜態(tài)信息，運用定向算法、相關性預估等計算手段就可以精準鎖定目標受眾。因此，計算廣告用戶畫像是“購買受眾”的實現(xiàn)基礎。個性化推薦的底層邏輯個性化推薦基于用戶畫像了解用戶行為特征，通過推薦技術實現(xiàn)廣告與場景和消費者的精準匹配。用戶畫像的水平影響廣告?zhèn)€性化推薦的效果，用戶畫像是個性化推薦技術的底層邏輯。業(yè)務效率的根本保證用戶畫像的應用使得計算廣告業(yè)務更加專注聚焦，可以讓廣告主站在第一視角觀察用戶的需求，使得整個計算廣告流程變得有序有效。用戶畫像在計算廣告中的基礎價值02標簽體系標簽分類按標簽變化頻率靜態(tài)標簽、動態(tài)標簽按標簽表現(xiàn)形式定性標簽、定量標簽按標簽標注方法統(tǒng)計類標簽、規(guī)則類標簽、機器學習挖掘類標簽按業(yè)務場景人口學標簽、興趣類標簽、設備類標簽、行為類標簽按數(shù)據(jù)類型數(shù)值型標簽、單選型標簽、復選型標簽、文本型標簽按標簽生成方式基礎標簽、業(yè)務標簽、智能標簽標簽分類按數(shù)據(jù)提取維度事實標簽、模型標簽、預測標簽模型標簽用戶忠誠度模型用戶忠誠度模型用戶狀態(tài)模型

標簽分類按數(shù)據(jù)提取維度事實標簽、模型標簽、預測標簽模型標簽用戶忠誠度模型用戶忠誠度模型用戶狀態(tài)模型標簽分類按標簽提取程度特征標簽、行為標簽、需求標簽標簽結(jié)構(gòu)標簽是某一種用戶特征的符號表示，解決的是描述性問題。在實際應用中，標簽通常被作為一個結(jié)構(gòu)體系來設計，以解決數(shù)據(jù)之間的關聯(lián)問題。標簽橫向?qū)蛹売脩魧嶋H發(fā)生的行為被記錄后形成的賦值。行為屬性其他屬性推導而來的屬性。推導屬性這些指標的賦值體現(xiàn)的是用戶生而有之或者事實存在的，不因外界條件或者自身認知的改變而改變的屬性。固有屬性用戶自我表達的態(tài)度和意愿。態(tài)度屬性來自用戶的態(tài)度表達，但并不是用戶直接表達的內(nèi)容，而是通過分析用戶的表達，對其進行結(jié)構(gòu)化處理后得出的測試結(jié)論。測試屬性標簽屬性標簽組合標簽縱向?qū)蛹?3構(gòu)建過程用戶畫像建構(gòu)過程數(shù)據(jù)收集計算廣告用戶畫像構(gòu)建要利用大數(shù)據(jù)工具收集用戶在各種平臺的痕跡和數(shù)據(jù)，自建、購買服務或借用合作公司的數(shù)據(jù)管理平臺進行數(shù)據(jù)管理。數(shù)據(jù)來源第一方數(shù)據(jù)：來自廣告主自有平臺的數(shù)據(jù)第二方數(shù)據(jù)：從外部平臺獲取但所有權屬于廣告主的數(shù)據(jù)第三方數(shù)據(jù)：所有權歸屬外部平臺的數(shù)據(jù)數(shù)據(jù)聚合結(jié)構(gòu)化標簽體系半結(jié)構(gòu)化標簽體系非結(jié)構(gòu)化標簽體系數(shù)據(jù)清洗數(shù)據(jù)整合特征提取所謂數(shù)據(jù)清洗，主要是剔除冗余、無效的信息。數(shù)據(jù)清洗的作用就是去除無效數(shù)據(jù)，保留有價值數(shù)據(jù)，提升生成用戶標簽的準確性。數(shù)據(jù)整合即將不同業(yè)務系統(tǒng)中的用戶數(shù)據(jù)通過用戶戶于的唯一標識碼關聯(lián)，形成維度更全的數(shù)據(jù)。特征提取，即對處理過的用戶數(shù)據(jù)進行特征識別，尋找有價值的字段數(shù)據(jù)。計算廣告用戶畫像的特征提取主要使用文本挖掘方法，主要方法包括對文本型數(shù)據(jù)進行屬性提取、聚類分析等。信息整合標簽分類習慣標簽根據(jù)用戶在各個時間段的各自活動規(guī)律和行為習慣劃分的標簽App類別標簽包括二級：一級標簽包括社交通訊、系統(tǒng)工具等；二級標簽包括聊天、社交、婚戀（社交通訊），優(yōu)化、安全、輸入法（系統(tǒng)工具）等權重標簽為不同標簽賦予的不同指標權重興趣標簽根據(jù)用戶的不同興趣愛好進行設計的標簽位置標簽通過爬取用戶的動態(tài)位置獲得定義標簽根據(jù)文本中所使用的數(shù)據(jù)建立起對應的標簽體系行為建模投放驗證建模完成之后，還需要對標簽進行驗證，即大規(guī)模并行計算標簽的有效權重，衡量基礎標簽并不斷調(diào)整優(yōu)化。精準投放大數(shù)據(jù)背景下的個性化推薦、程序化購買使得廣告媒介投放從購買粗放的媒體資源向購買指定的用戶流量轉(zhuǎn)變，從而大大提高了廣告效果。效果優(yōu)化計算廣告可以實時收集廣告投放對象的反應數(shù)據(jù)，根據(jù)用戶標識和用戶行為做好廣告效果的反饋工作，并不斷進行廣告優(yōu)化，循環(huán)提升效果指標。04具體應用具體應用廣告投放平臺受眾定位、個性化推薦、渠道分析、廣告優(yōu)化廣告主商品分析、用戶運營、精準營銷、效果評估TGI指標TGI即目標群體指數(shù)，是反映目標群體在特定研究范圍（如地理區(qū)域、人口統(tǒng)計領域、媒體受眾、產(chǎn)品消費者）內(nèi)的強勢或弱勢的指數(shù)。TGI=[目標群體