計(jì)算廣告學(xué) 課件全套 姜智彬 第1-13章 計(jì)算廣告的內(nèi)涵和特征 -計(jì)算廣告法律法規(guī)

內(nèi)涵和特征計(jì)算廣告的ConnotationandCharacteristics第一章目錄基本內(nèi)涵BASICCONNOTATION發(fā)展脈絡(luò)DEVELOPMENTCONTENT本質(zhì)特征ESSENTIALCHARACTERISTICS01基本內(nèi)涵廣告形態(tài)數(shù)字化廣告的數(shù)字化就是把連續(xù)變化的廣告信息（如圖畫(huà)的線條、聲音信號(hào)等）轉(zhuǎn)化為一串離散的單元，在計(jì)算機(jī)中用二進(jìn)制數(shù)字?jǐn)?shù)和和表示。用戶(hù)行為數(shù)據(jù)化在線化網(wǎng)民在網(wǎng)上的各種行為都以數(shù)據(jù)的形式被記錄下來(lái)，這就是所謂的數(shù)字足跡。此外，移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來(lái)使用戶(hù)更傾向于實(shí)時(shí)在線，廣告平臺(tái)可以通過(guò)持續(xù)收集用戶(hù)數(shù)據(jù)來(lái)了解他們。。計(jì)算思維社會(huì)化計(jì)算思維就是通過(guò)算法的設(shè)計(jì)和實(shí)施來(lái)解決某一領(lǐng)域復(fù)雜問(wèn)題的思維方式和自覺(jué)意識(shí)。營(yíng)銷(xiāo)數(shù)據(jù)資產(chǎn)化大數(shù)據(jù)是指人類(lèi)通過(guò)數(shù)據(jù)挖掘工具而獲取的完整的、動(dòng)態(tài)的、實(shí)時(shí)的數(shù)據(jù)流，它具有大容量、多種類(lèi)、高速處理、結(jié)構(gòu)復(fù)雜等特點(diǎn)。計(jì)算工具智能化機(jī)器學(xué)習(xí)研究機(jī)器如何模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，并學(xué)習(xí)如何做出預(yù)測(cè)和建議，它是人工智能的核心，是使機(jī)器獲取智能的根本途徑。產(chǎn)生背景以技術(shù)為基礎(chǔ)計(jì)算廣告的一切數(shù)據(jù)均由數(shù)據(jù)技術(shù)與智能算法進(jìn)行處理與優(yōu)化，廣告全鏈路均涉及廣泛的數(shù)據(jù)處理與算法運(yùn)用，算法賦予了計(jì)算廣告“智能”的基因。以數(shù)據(jù)為核心計(jì)算廣告強(qiáng)調(diào)的是大數(shù)據(jù)驅(qū)動(dòng)的廣告理念。隨著大數(shù)據(jù)技術(shù)的普及和發(fā)展，“大數(shù)據(jù)大廣告”改變了傳統(tǒng)模式，廣告步入數(shù)據(jù)化的計(jì)算廣告時(shí)代。以場(chǎng)景覆蓋與交互體驗(yàn)為關(guān)鍵環(huán)節(jié)計(jì)算廣告在廣告投放過(guò)程中選擇合適的場(chǎng)景、提供具有吸引力和交互性的廣告內(nèi)容。通過(guò)這種方式，廣告主可以更好地實(shí)現(xiàn)廣告的目標(biāo)，提高用戶(hù)參與度和營(yíng)銷(xiāo)效果。基本定義01020304計(jì)算廣告消費(fèi)者洞察是利用計(jì)算機(jī)技術(shù)和數(shù)據(jù)挖掘方法，對(duì)消費(fèi)者的興趣、需求、行為等信息進(jìn)行深入挖掘和分析，獲取消費(fèi)者的個(gè)性化需求和群體性特征，從而為計(jì)算廣告的精準(zhǔn)投放提供用戶(hù)數(shù)據(jù)和定向依據(jù)。計(jì)算廣告創(chuàng)意生產(chǎn)是利用計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、人工智能等技術(shù)手段，對(duì)廣告文本、圖像、視頻等素材進(jìn)行分析和處理，自動(dòng)生成廣告創(chuàng)意內(nèi)容，在保證廣告效果和用戶(hù)體驗(yàn)質(zhì)量的前提下提高廣告創(chuàng)意生產(chǎn)效率。計(jì)算廣告競(jìng)價(jià)交易是一種自動(dòng)化的廣告交易方式，廣告主向廣告系統(tǒng)提交競(jìng)價(jià)信息，廣告系統(tǒng)根據(jù)一系列的規(guī)則和算法，選擇oCPX最高的廣告進(jìn)行展示，同時(shí)廣告主按照競(jìng)價(jià)金額支付廣告費(fèi)用。計(jì)算廣告效果反饋主要包括監(jiān)測(cè)評(píng)估和優(yōu)化應(yīng)對(duì)兩個(gè)方面，主要通過(guò)數(shù)據(jù)處理技術(shù)可以對(duì)采集的廣告效果原始數(shù)據(jù)進(jìn)行清洗、管理、存儲(chǔ)以及數(shù)據(jù)的模型化和結(jié)構(gòu)化，將不完整、不規(guī)則、非結(jié)構(gòu)化的原始數(shù)據(jù)進(jìn)行去重、補(bǔ)全、糾錯(cuò)，形成統(tǒng)一的數(shù)據(jù)源，并對(duì)其進(jìn)行分析統(tǒng)計(jì)、并行計(jì)算和機(jī)器學(xué)習(xí)，完成對(duì)廣告效果數(shù)據(jù)的監(jiān)測(cè)、評(píng)估和優(yōu)化。運(yùn)作流程消費(fèi)者洞察創(chuàng)意生產(chǎn)交易投放效果反饋02發(fā)展脈絡(luò)數(shù)據(jù)、算法、算力競(jìng)價(jià)廣告優(yōu)勢(shì)競(jìng)價(jià)廣告運(yùn)用競(jìng)價(jià)廣告監(jiān)測(cè)精確定位目標(biāo)受眾、實(shí)時(shí)競(jìng)爭(zhēng)廣告展示位置、靈活控制廣告投放預(yù)算騰訊、谷歌、百度……電話或在線詢(xún)盤(pán)監(jiān)測(cè)、目標(biāo)轉(zhuǎn)化監(jiān)測(cè)、用戶(hù)行為監(jiān)測(cè)、競(jìng)爭(zhēng)對(duì)手監(jiān)測(cè)、異常流量監(jiān)測(cè)競(jìng)價(jià)發(fā)展程序化發(fā)展程序化發(fā)展人工智能廣告的技術(shù)基礎(chǔ)是大數(shù)據(jù)，具有規(guī)模海量、流轉(zhuǎn)快速、類(lèi)型多樣以及價(jià)值密度低等特征。技術(shù)基礎(chǔ)基于智能生成技術(shù)實(shí)現(xiàn)廣告內(nèi)容創(chuàng)作的人機(jī)耦合、基于特征建模技術(shù)實(shí)現(xiàn)廣告內(nèi)容的精準(zhǔn)投放、基于深度學(xué)習(xí)技術(shù)建立雙向互動(dòng)的反饋機(jī)制。應(yīng)用場(chǎng)景人工智能廣告的最終目的是促進(jìn)品牌與消費(fèi)者之間的價(jià)值共創(chuàng)，在準(zhǔn)確預(yù)判消費(fèi)者個(gè)性化需求的基礎(chǔ)上，推送基于消費(fèi)者個(gè)性的定制內(nèi)容。最終目的智能化發(fā)展智能化發(fā)展03本質(zhì)特征傳統(tǒng)廣告的信息包含在事先制作好的作品中，受眾的甄別和選擇只能通過(guò)媒體的不同、版面或頻道的區(qū)別等方式來(lái)實(shí)現(xiàn)。計(jì)算廣告依托的基礎(chǔ)是各類(lèi)數(shù)據(jù)和算法模型，因此廣告信息和用戶(hù)的連接是通過(guò)“匹配”的方式來(lái)實(shí)現(xiàn)的。精準(zhǔn)匹配傳統(tǒng)的廣告效果監(jiān)測(cè)是一種事后監(jiān)測(cè)，廣告主從廣告代理公司或第三方調(diào)查公司獲取廣告效果，缺乏即時(shí)的效果反饋與靈活的應(yīng)對(duì)措施，廣告效果具有延遲性、間接性、累積性；而基于海量數(shù)據(jù)的動(dòng)態(tài)效果監(jiān)測(cè)可以預(yù)估廣告轉(zhuǎn)化價(jià)值和計(jì)算媒介渠道價(jià)值效果可測(cè)計(jì)算廣告與傳統(tǒng)廣告的最大區(qū)別正是其“計(jì)算”本質(zhì)。計(jì)算廣告的計(jì)算體現(xiàn)為全流程的計(jì)算、全角色的計(jì)算，計(jì)算和優(yōu)化都是實(shí)時(shí)的。實(shí)時(shí)計(jì)算、實(shí)時(shí)優(yōu)化：大數(shù)據(jù)+大規(guī)模計(jì)算+復(fù)雜模型+高效算法是對(duì)計(jì)算實(shí)時(shí)性的高度概括。實(shí)時(shí)互動(dòng)與品效合一不同，品效協(xié)同更注重效果實(shí)現(xiàn)和品牌傳播產(chǎn)生的長(zhǎng)線協(xié)同效應(yīng)，而非僅注重某一次營(yíng)銷(xiāo)活動(dòng)立竿見(jiàn)影的影響。品效協(xié)同是廣告數(shù)據(jù)互通、廣告技術(shù)融通和廣告價(jià)值共贏三要素共同發(fā)揮作用的結(jié)果，缺少任何要素，都不能實(shí)現(xiàn)品效協(xié)同的效果。品效協(xié)同本質(zhì)特征本質(zhì)特征內(nèi)涵和特征計(jì)算廣告的ConnotationandCharacteristics數(shù)據(jù)革命計(jì)算廣告與DataRevolution第二章目錄時(shí)代性特征CHARACTERISTICSOFTHETIMES顛覆性變革DISRUPTIVECHANGE社會(huì)性困境SOCIALDILEMMA01時(shí)代特征大數(shù)據(jù)相關(guān)技術(shù)概念得到一定程度的傳播，但沒(méi)有得到實(shí)質(zhì)性發(fā)展萌芽期大數(shù)據(jù)是指人類(lèi)通過(guò)數(shù)據(jù)挖掘工具而獲取的完整的、動(dòng)態(tài)的、實(shí)時(shí)的數(shù)據(jù)流，具有大容量、多種類(lèi)、高速處理、結(jié)構(gòu)復(fù)雜等特點(diǎn)伴隨著互聯(lián)網(wǎng)數(shù)據(jù)爆發(fā)式增長(zhǎng)，大數(shù)據(jù)市場(chǎng)迅速成長(zhǎng)，大數(shù)據(jù)技術(shù)逐漸被大眾熟悉和使用成長(zhǎng)期大數(shù)據(jù)迎來(lái)了發(fā)展的高潮，包括我國(guó)在內(nèi)的世界各個(gè)國(guó)家紛紛布局大數(shù)據(jù)戰(zhàn)略爆發(fā)期大數(shù)據(jù)應(yīng)用滲透到各行各業(yè)，價(jià)值不斷凸顯，數(shù)據(jù)驅(qū)動(dòng)決策水平和社會(huì)智能化程度大幅提高，大數(shù)據(jù)產(chǎn)業(yè)迎來(lái)快速發(fā)展和大規(guī)模應(yīng)用實(shí)施大規(guī)模應(yīng)用期大數(shù)據(jù)大數(shù)據(jù)數(shù)據(jù)庫(kù)與數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)庫(kù)是一個(gè)有組織的數(shù)據(jù)集合，用于存儲(chǔ)和管理相關(guān)數(shù)據(jù)。數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)用于集成、存儲(chǔ)和分析各種來(lái)源的數(shù)據(jù)的大型數(shù)據(jù)存儲(chǔ)系統(tǒng)，提供跨庫(kù)一致的、易于訪問(wèn)的數(shù)據(jù)視圖。數(shù)據(jù)平臺(tái)數(shù)據(jù)采集和收集、數(shù)據(jù)存儲(chǔ)和管理、數(shù)據(jù)清洗和預(yù)處理、數(shù)據(jù)分析和挖掘、數(shù)據(jù)查詢(xún)和檢索、數(shù)據(jù)可視化和報(bào)告、數(shù)據(jù)安全和權(quán)限管理。數(shù)據(jù)湖與湖倉(cāng)一體數(shù)據(jù)湖可以把非結(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)共同存儲(chǔ)并進(jìn)行處理，湖倉(cāng)一體是一種新型開(kāi)放式架構(gòu)，可以將數(shù)據(jù)湖和數(shù)據(jù)倉(cāng)庫(kù)的優(yōu)勢(shì)充分結(jié)合。底層架構(gòu)商業(yè)化數(shù)據(jù)收集和分析能力、目標(biāo)受眾定位的精確性、實(shí)時(shí)競(jìng)價(jià)和個(gè)性化廣告投放、數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化和迭代自動(dòng)化計(jì)算廣告從用戶(hù)行為數(shù)據(jù)收集，到受眾定向，再到線上根據(jù)用戶(hù)標(biāo)簽自動(dòng)決策，整個(gè)過(guò)程都是自動(dòng)進(jìn)行的。系統(tǒng)化系統(tǒng)化的數(shù)據(jù)整合和分析提供了深入了解用戶(hù)行為和偏好的洞察力，用以制定廣告創(chuàng)意和定向策略；系統(tǒng)化的效果追蹤和數(shù)據(jù)反饋能夠?qū)崟r(shí)監(jiān)測(cè)廣告指標(biāo)，并進(jìn)行優(yōu)化和調(diào)整。計(jì)算廣告02顛覆變革全樣思維側(cè)重?cái)?shù)據(jù)收集的整體性，追求全體數(shù)據(jù)而不是隨機(jī)的抽樣的數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)對(duì)事物的全面、動(dòng)態(tài)、及時(shí)的數(shù)據(jù)呈現(xiàn)。全樣思維大數(shù)據(jù)時(shí)代具有“秒級(jí)響應(yīng)”的特征，在大數(shù)據(jù)應(yīng)用場(chǎng)景當(dāng)中，效率是重點(diǎn)，分析結(jié)果的精確度只要達(dá)到一定程度即可，不必一味苛求更高的準(zhǔn)確率。效率思維在大數(shù)據(jù)時(shí)代，數(shù)據(jù)中包含的信息可以幫助消除不確定性，而數(shù)據(jù)之間的相關(guān)性在某種程度上可以取代原來(lái)的因果關(guān)系，幫助人們得到想要知道的答案。相關(guān)思維廣告思維更新大數(shù)據(jù)時(shí)代，通過(guò)數(shù)據(jù)的追蹤定位與分析、篩選等手段，廣告主可以最大程度地了解受眾的需求與動(dòng)機(jī)，對(duì)受眾推送的信息及商品在很大程度上能滿足受眾需求。最大化的受眾價(jià)值大數(shù)據(jù)環(huán)境下的市場(chǎng)信息追蹤的正是針對(duì)消費(fèi)者的可變性和動(dòng)態(tài)性調(diào)整和更換推送信息，從而實(shí)現(xiàn)千人千面的個(gè)性化精準(zhǔn)傳播。個(gè)性化的精準(zhǔn)傳播大數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)提升了廣告預(yù)測(cè)與評(píng)估的速度、效度與精度，可針對(duì)不同消費(fèi)者的不同需求或者同一消費(fèi)者在不同時(shí)空?qǐng)鼍跋碌牟煌枨笳故咀詈线m的廣告信息。實(shí)時(shí)化的效果反饋廣告價(jià)值重構(gòu)數(shù)據(jù)BP運(yùn)營(yíng)機(jī)制數(shù)據(jù)BP機(jī)制在組織形式上屬于可以統(tǒng)一管理調(diào)配的集中式，執(zhí)行上分布到各個(gè)業(yè)務(wù)解決問(wèn)題。這種組織方式既能夠向上支撐不同類(lèi)型的業(yè)務(wù)線，還能向下兼容數(shù)據(jù)平臺(tái)底層的各項(xiàng)能力。個(gè)性化推薦與內(nèi)容生產(chǎn)激勵(lì)通過(guò)分析用戶(hù)的興趣和行為數(shù)據(jù)，字節(jié)跳動(dòng)能夠精準(zhǔn)地為用戶(hù)推薦符合其興趣的內(nèi)容和產(chǎn)品，提高用戶(hù)粘性和使用體驗(yàn)。用戶(hù)基礎(chǔ)和數(shù)據(jù)資源字節(jié)跳動(dòng)能夠?qū)崟r(shí)收集和分析用戶(hù)在平臺(tái)上的行為數(shù)據(jù)，從而了解用戶(hù)興趣、喜好和需求；還通過(guò)智能算法，對(duì)這些數(shù)據(jù)進(jìn)行深入分析和挖掘，發(fā)現(xiàn)用戶(hù)潛在的消費(fèi)意愿和市場(chǎng)需求，為商業(yè)創(chuàng)新提供有力的支撐。廣告投放與商業(yè)變現(xiàn)通過(guò)對(duì)用戶(hù)的行為和興趣數(shù)據(jù)進(jìn)行分析，字節(jié)跳動(dòng)建立起精準(zhǔn)的用戶(hù)畫(huà)像和個(gè)性化推薦系統(tǒng)，成功地將廣告投放與用戶(hù)需求、用戶(hù)體驗(yàn)緊密結(jié)合，實(shí)現(xiàn)了商業(yè)的可持續(xù)增長(zhǎng)，為廣告主和平臺(tái)用戶(hù)帶來(lái)了雙贏。商業(yè)奇跡開(kāi)發(fā)利基市場(chǎng)推動(dòng)個(gè)性化營(yíng)銷(xiāo)實(shí)現(xiàn)長(zhǎng)尾效應(yīng)大數(shù)據(jù)正在將大規(guī)模市場(chǎng)轉(zhuǎn)換成無(wú)數(shù)的利基市場(chǎng)，利基廣告通過(guò)與消費(fèi)者進(jìn)行一對(duì)一的溝通，個(gè)性定制并打造理想的顧客關(guān)系。數(shù)據(jù)革命使得企業(yè)能夠收集和整合來(lái)自多個(gè)渠道和來(lái)源的大量數(shù)據(jù)企業(yè)也更重視對(duì)數(shù)據(jù)的深度挖掘和分析，發(fā)現(xiàn)隱藏在數(shù)據(jù)背后的模式、趨勢(shì)和關(guān)聯(lián)關(guān)系。通過(guò)大規(guī)模收集和分析用戶(hù)行為、偏好和購(gòu)買(mǎi)數(shù)據(jù)，企業(yè)可以獲得大量細(xì)分市場(chǎng)的信息，揭示出長(zhǎng)尾市場(chǎng)的潛在需求。營(yíng)銷(xiāo)法則優(yōu)化03社會(huì)困境頭部平臺(tái)互聯(lián)網(wǎng)頭部平臺(tái)掌握了接觸、使用和授權(quán)他人使用用戶(hù)數(shù)據(jù)的權(quán)力，占據(jù)了數(shù)據(jù)產(chǎn)業(yè)鏈的頂端位置，因此能獲取最大部分的數(shù)據(jù)收益。三大運(yùn)營(yíng)商三大運(yùn)營(yíng)商掌握了大量底層真實(shí)數(shù)據(jù)，但它們?cè)谕ㄐ判袠I(yè)具有壟斷地位，自身優(yōu)勢(shì)明顯，在消費(fèi)者方面存在保密協(xié)議，在管理方面也受到國(guó)家政策的嚴(yán)格限定，合作難度大。中小型數(shù)據(jù)主體相比頭部互聯(lián)網(wǎng)公司數(shù)據(jù)管理平臺(tái)的數(shù)據(jù)資產(chǎn)，小公司的數(shù)據(jù)量小而垂直。這些數(shù)據(jù)雖有價(jià)值，但是小公司的數(shù)據(jù)呈碎片化分布，總量巨大卻難以整合，導(dǎo)致中小型數(shù)據(jù)主體數(shù)據(jù)斷層。HSDKTUOPMN數(shù)據(jù)交易市場(chǎng)的零和游戲?qū)е铝藬?shù)據(jù)割據(jù)現(xiàn)象的產(chǎn)生，學(xué)界和業(yè)界將其產(chǎn)生的問(wèn)題形象地命名為“數(shù)據(jù)孤島”。數(shù)據(jù)孤島形成的主要原因是：互聯(lián)網(wǎng)頭部平臺(tái)依靠數(shù)據(jù)圍墻獲取壟斷收益、三大運(yùn)營(yíng)商構(gòu)筑數(shù)據(jù)流通的天然壕溝、中小型數(shù)據(jù)主體數(shù)據(jù)斷層。構(gòu)成“孤島”的數(shù)據(jù)圍墻全景監(jiān)獄數(shù)據(jù)庫(kù)的技術(shù)權(quán)力統(tǒng)治模式消解了私人空間與公共空間的界限，實(shí)現(xiàn)了對(duì)人全面的無(wú)時(shí)無(wú)刻的監(jiān)視和規(guī)訓(xùn)。過(guò)度推測(cè)通過(guò)數(shù)據(jù)挖掘技術(shù)，人們可以從消費(fèi)者數(shù)據(jù)中發(fā)現(xiàn)更多的隱含價(jià)值信息，同時(shí)可以消解個(gè)體對(duì)個(gè)人信息數(shù)據(jù)的控制能力，通過(guò)數(shù)據(jù)預(yù)測(cè)技術(shù)來(lái)窺探個(gè)體的“未來(lái)的隱私”。黑色交易由于數(shù)據(jù)所有權(quán)人同大數(shù)據(jù)占有者的分離，個(gè)人數(shù)據(jù)的刪除權(quán)、存儲(chǔ)權(quán)、使用權(quán)、知情權(quán)等本屬于個(gè)人可以自主的權(quán)利，如今在很多情況下卻難以保障。數(shù)據(jù)所有權(quán)人不但不占有數(shù)據(jù)，甚至接觸、支配自己的數(shù)據(jù)財(cái)產(chǎn)也非常困難。HSDKTUOPMN大數(shù)據(jù)時(shí)代，數(shù)據(jù)作為人的第二“肉身”，時(shí)刻暴露在監(jiān)視之下。無(wú)論是電子蹤跡數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)，還是以定位信息和通話記錄為核心內(nèi)容的移動(dòng)通信數(shù)據(jù)，都包含大量個(gè)體消費(fèi)者的信息?！巴该魇澜纭钡臄?shù)據(jù)倫理問(wèn)題主要體現(xiàn)在大數(shù)據(jù)時(shí)代的全景監(jiān)獄、過(guò)度推測(cè)和黑色交易等三個(gè)方面。“透明世界”的數(shù)據(jù)倫理自然缺陷LabeledFacesintheworld大多數(shù)是男性和白人；亞馬遜招聘系統(tǒng)存在性別歧視；APP忽略老人反饋。算法偏見(jiàn)黑箱效應(yīng)是對(duì)于特定的設(shè)備而言的，公眾可以觀察到信息的輸入和輸出，卻無(wú)法觀察到設(shè)備內(nèi)部對(duì)于信息的處理過(guò)程。大數(shù)據(jù)算法的社會(huì)本質(zhì)是一種權(quán)力，隱含著十分微妙且隱秘的社會(huì)偏見(jiàn)。人性隱喻數(shù)據(jù)收集和處理過(guò)程是無(wú)法窺探內(nèi)部結(jié)構(gòu)的黑箱，甚至許多算法研究者都無(wú)從對(duì)數(shù)據(jù)處理的方法進(jìn)行全面的評(píng)估，也無(wú)從通過(guò)經(jīng)驗(yàn)證據(jù)和理論框架對(duì)其中一些復(fù)雜的相互關(guān)系進(jìn)行解釋?zhuān)谑谴髷?shù)據(jù)及算法的偏見(jiàn)往往是隱匿而不可知的。HSDKTUOPMN數(shù)據(jù)集本身往往更趨于展現(xiàn)主流群體，或數(shù)據(jù)易獲取的群體，這就會(huì)導(dǎo)致數(shù)據(jù)集與客觀現(xiàn)實(shí)具有偏差，從而引發(fā)偏見(jiàn)。隱含偏見(jiàn)的“數(shù)據(jù)黑箱”主要體現(xiàn)在數(shù)據(jù)本身的自然缺陷、數(shù)據(jù)分析的算法偏見(jiàn)和數(shù)據(jù)邏輯的人性隱喻等三個(gè)方面。隱含偏見(jiàn)的“數(shù)據(jù)黑箱”信息的個(gè)人日?qǐng)?bào)化用戶(hù)只關(guān)注自己選擇的內(nèi)容，置身于自己感到安慰和愉悅的傳播世界，如同置身于蠶繭般作繭自縛。排異的算法推薦大數(shù)據(jù)時(shí)代的“信息繭房”，其本質(zhì)就是基于大數(shù)據(jù)技術(shù)的算法推送最大限度地做到信息內(nèi)容分發(fā)與用戶(hù)自身固有偏好和需求相匹配，以最大限度地使用戶(hù)屏蔽“異己信息”的干擾。社會(huì)黏性下降在由個(gè)性化推薦形成的一個(gè)個(gè)群體中，高度同質(zhì)化的共性認(rèn)同會(huì)削弱個(gè)體活躍的獨(dú)立思考能力，從而減小個(gè)體與個(gè)體之間的差異性。而不同群體間感知方式、認(rèn)知水平與群體價(jià)值觀念的差異，則會(huì)使得群體之間的分歧日益嚴(yán)重。HSDKTUOPMN數(shù)據(jù)不僅成為衡量一切的標(biāo)準(zhǔn)，而且還從根本上決定了人的認(rèn)知和選擇范圍，對(duì)人們思維和行動(dòng)形成獨(dú)裁霸權(quán)。“信息繭房”的數(shù)據(jù)獨(dú)裁體現(xiàn)在網(wǎng)絡(luò)信息個(gè)人日?qǐng)?bào)催化信息繭房、“排斥異己”的算法推薦馴化用戶(hù)、不斷消逝的社會(huì)黏性與群體極化等三個(gè)方面。“信息繭房”的數(shù)據(jù)霸權(quán)數(shù)據(jù)革命計(jì)算廣告與DataRevolution數(shù)據(jù)處理計(jì)算廣告DataProcessing第三章目錄數(shù)據(jù)采集DATACOLLECTION數(shù)據(jù)清洗DATACLEANING數(shù)據(jù)洞察與建模DATAINSIGHTANDMODELING01數(shù)據(jù)采集采集目標(biāo)在數(shù)據(jù)采集之前，首先要確定本次廣告活動(dòng)想要達(dá)到的營(yíng)銷(xiāo)目標(biāo)與廣告效果，如了解消費(fèi)者的需求轉(zhuǎn)移路徑，或者產(chǎn)品之間的關(guān)聯(lián)性等。采集來(lái)源第一方數(shù)據(jù)是在廣告主自有平臺(tái)上產(chǎn)生和被采集的，所有權(quán)屬于廣告主的數(shù)據(jù)。第二方數(shù)據(jù)是在外部平臺(tái)上產(chǎn)生和被采集的，所有權(quán)屬于廣告主的數(shù)據(jù)。第三方數(shù)據(jù)即在外部平臺(tái)上產(chǎn)生和被采集的，所有權(quán)屬于第三方的數(shù)據(jù)。采集系統(tǒng)計(jì)算廣告數(shù)據(jù)種類(lèi)較多，并且不同種類(lèi)數(shù)據(jù)產(chǎn)生的方式與來(lái)源不同。據(jù)此，采集系統(tǒng)主要分為系統(tǒng)日志采集系統(tǒng)、網(wǎng)絡(luò)數(shù)據(jù)采集系統(tǒng)和數(shù)據(jù)庫(kù)采集系統(tǒng)等三種類(lèi)型。數(shù)據(jù)庫(kù)數(shù)據(jù)采集常見(jiàn)的三種采集方式是直連同步、數(shù)據(jù)文件同步和數(shù)據(jù)庫(kù)日志解析同步。HSDKTUOPMN數(shù)據(jù)采集是通過(guò)傳感器、社交網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)等渠道獲得各種類(lèi)型的結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化的海量數(shù)據(jù)，以供后續(xù)數(shù)據(jù)開(kāi)發(fā)和使用。廣告采集的數(shù)據(jù)主要有四種類(lèi)型：系統(tǒng)數(shù)據(jù)、指標(biāo)數(shù)據(jù)、監(jiān)控?cái)?shù)據(jù)和性能數(shù)據(jù)。數(shù)據(jù)采集02數(shù)據(jù)清洗用戶(hù)標(biāo)識(shí)數(shù)據(jù)私有用戶(hù)標(biāo)識(shí)僅僅標(biāo)識(shí)了用戶(hù)的簽約狀態(tài)，不需要告知?jiǎng)e人，用戶(hù)也無(wú)須感知；公有用戶(hù)標(biāo)識(shí)包括UserID、Cookie、IDFA、IDFV、IMEI、AndroidID、MAC、OAID、OpenID、UnionID。人口屬性數(shù)據(jù)人口屬性是指人口所固有的性質(zhì)和特點(diǎn)，包括生物屬性和社會(huì)屬性?xún)蓚€(gè)方面。生物屬性是社會(huì)屬性的自然條件；社會(huì)屬性是人口區(qū)別于生物群體的根本標(biāo)志。地理位置數(shù)據(jù)地理位置數(shù)據(jù)是指與地理空間或水平面上存在的物體或元素相關(guān)的信息。地理位置信息可以用于用戶(hù)行為和生活狀態(tài)分析。用戶(hù)行為數(shù)據(jù)主要有轉(zhuǎn)化、預(yù)轉(zhuǎn)化、搜索廣告點(diǎn)擊、展示廣告點(diǎn)擊、搜索點(diǎn)擊、搜索、分享、頁(yè)面瀏覽、廣告瀏覽。根據(jù)效果廣告的有效性來(lái)劃分，用戶(hù)行為可以分為決策行為、主動(dòng)行為、半主動(dòng)行為和被動(dòng)行為。社交關(guān)系數(shù)據(jù)在線社交網(wǎng)絡(luò)是由互聯(lián)網(wǎng)用戶(hù)通過(guò)自組織方式構(gòu)建組成的集合，是真實(shí)物理世界的社交關(guān)系在虛擬網(wǎng)絡(luò)世界的一種映射，其本質(zhì)是人與人之間的關(guān)系網(wǎng)絡(luò)。包括雙向確認(rèn)的社交網(wǎng)絡(luò)數(shù)據(jù)、單向關(guān)注的社交網(wǎng)絡(luò)數(shù)據(jù)和基于社區(qū)的社交網(wǎng)絡(luò)數(shù)據(jù)。數(shù)據(jù)分類(lèi)數(shù)據(jù)標(biāo)準(zhǔn)化——不標(biāo)準(zhǔn)數(shù)據(jù)形式標(biāo)準(zhǔn)化主要解決數(shù)據(jù)的形式問(wèn)題；數(shù)據(jù)同趨化處理解決不同性質(zhì)的數(shù)據(jù)問(wèn)題；數(shù)據(jù)無(wú)量綱化處理主要解決數(shù)據(jù)的可比性問(wèn)題。異常數(shù)據(jù)過(guò)濾——不干凈異常數(shù)據(jù)是指那些在數(shù)據(jù)集中存在的不合理的值。首先使用工具和數(shù)據(jù)分析來(lái)進(jìn)行異常數(shù)據(jù)的排查，之后進(jìn)行異常數(shù)據(jù)過(guò)濾，常用方法有七種：刪除、視為缺失值、平均值修正、蓋帽法、分箱法、回歸插補(bǔ)、多重插補(bǔ)。數(shù)據(jù)ID打通——不整合ID打通也稱(chēng)為“同人”，即找到“人和設(shè)備”“設(shè)備和設(shè)備”之間的關(guān)聯(lián)。ID打通常用的幾個(gè)合規(guī)做法包括會(huì)員體系ID打通、IP同源ID打通、多場(chǎng)景ID適配。數(shù)據(jù)整理數(shù)據(jù)庫(kù)技術(shù)數(shù)據(jù)模型管理常用的數(shù)據(jù)模型數(shù)據(jù)庫(kù)技術(shù)是研究如何組織和存儲(chǔ)數(shù)據(jù)，如何高效地獲取和處理數(shù)據(jù)，是一種計(jì)算機(jī)輔助管理數(shù)據(jù)的方法。包括存儲(chǔ)、查找、添加、修改、刪除數(shù)據(jù)等功能。數(shù)據(jù)模型是現(xiàn)實(shí)世界在數(shù)據(jù)庫(kù)中的抽象，也是數(shù)據(jù)庫(kù)系統(tǒng)的核心和基礎(chǔ)。數(shù)據(jù)模型通常包括數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)操作和數(shù)據(jù)完整性約束三個(gè)要素。數(shù)據(jù)庫(kù)理論領(lǐng)域中最常見(jiàn)的數(shù)據(jù)模型主要有層次模型、網(wǎng)狀模型和關(guān)系模型三種。數(shù)據(jù)管理03洞察建模數(shù)據(jù)洞察計(jì)算廣告數(shù)據(jù)洞察針對(duì)廣告投放后的數(shù)據(jù)報(bào)表及其分析，涵蓋推廣賬號(hào)、推廣計(jì)劃、廣告組、定向標(biāo)簽等多個(gè)層級(jí)的數(shù)據(jù)，并支持按日、按小時(shí)進(jìn)行查詢(xún)?；凇皵?shù)據(jù)擴(kuò)充”的數(shù)據(jù)洞察基于“數(shù)據(jù)擴(kuò)充”的數(shù)據(jù)洞察法是根據(jù)廣告主采集的的9直接采購(gòu)?fù)獠抗?yīng)商的現(xiàn)成標(biāo)簽用以數(shù)據(jù)洞察。數(shù)據(jù)分析和數(shù)據(jù)挖掘數(shù)據(jù)分析是通過(guò)SQL、Python、Excel等工具匯總數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)換為可理解可使用的信息。數(shù)據(jù)挖掘是通過(guò)建模來(lái)挖掘數(shù)據(jù)的內(nèi)在關(guān)聯(lián)，主要是通過(guò)機(jī)器學(xué)習(xí)從訓(xùn)練集中發(fā)現(xiàn)一定的規(guī)律，從而將數(shù)據(jù)轉(zhuǎn)換為信息?；凇爸R(shí)圖譜”的數(shù)據(jù)洞察基于“知識(shí)圖譜”的數(shù)據(jù)洞察法即通過(guò)“知識(shí)圖譜”結(jié)構(gòu)化數(shù)據(jù)，建立自定義標(biāo)簽用以數(shù)據(jù)洞察。常規(guī)的知識(shí)圖譜有URL圖譜、App圖譜、Location圖譜、互動(dòng)行為圖譜和產(chǎn)品分類(lèi)圖譜。數(shù)據(jù)洞察數(shù)據(jù)建模計(jì)算廣告本質(zhì)是一個(gè)流量售賣(mài)的過(guò)程，是廣告主、媒體方和用戶(hù)三方的博弈。廣告主通過(guò)流量的購(gòu)買(mǎi)最大化自己的投資回報(bào)率（ROI），媒體方通過(guò)流量的售賣(mài)進(jìn)行充分“變現(xiàn)”，用戶(hù)可以從廣告中獲取自己需要的信息。從交易方式來(lái)看，計(jì)算廣告可以分為合約式廣告和競(jìng)價(jià)廣告兩大類(lèi)。合約式廣告由廣告代理公司和媒體簽訂協(xié)議，確保某些廣告位在某時(shí)間段為指定的廣告商所占有，同時(shí)廣告商按整體合同支付廣告費(fèi)用，合約交易并不需要廣告模型。

在競(jìng)價(jià)廣告中，廣告主針對(duì)曝光展示機(jī)會(huì)出價(jià)競(jìng)購(gòu)，最后由流量方按照競(jìng)價(jià)規(guī)則（一價(jià)或者二價(jià)）將流量售賣(mài)給廣告主。數(shù)據(jù)模型類(lèi)型數(shù)據(jù)模型作用數(shù)據(jù)建模步驟概念數(shù)據(jù)模型是面向用戶(hù)、面向現(xiàn)實(shí)世界的數(shù)據(jù)模型，通常是對(duì)實(shí)際的客觀對(duì)象的簡(jiǎn)化描述。邏輯模型是指數(shù)據(jù)的邏輯結(jié)構(gòu)。物理模型就是把邏輯模型的內(nèi)容在具體的物理介質(zhì)上實(shí)現(xiàn)出來(lái)。計(jì)算廣告數(shù)據(jù)模型的作用是通過(guò)分析廣告投放數(shù)據(jù)、用戶(hù)行為數(shù)據(jù)和其他相關(guān)數(shù)據(jù)，預(yù)測(cè)廣告的點(diǎn)擊率、轉(zhuǎn)化率等關(guān)鍵指標(biāo)。數(shù)據(jù)建模的具體步驟分為選擇數(shù)據(jù)模型、訓(xùn)練數(shù)據(jù)模型、評(píng)估數(shù)據(jù)模型和應(yīng)用數(shù)據(jù)模型。首先基于業(yè)務(wù)需要，決定選擇哪種模型。之后對(duì)模型進(jìn)行訓(xùn)練，訓(xùn)練完成之后再判斷模型的質(zhì)量和有用性，最后將模型應(yīng)用于真實(shí)的業(yè)務(wù)場(chǎng)景。數(shù)據(jù)建模數(shù)據(jù)處理計(jì)算廣告DataProcessing數(shù)據(jù)脫敏計(jì)算廣告DataDesensitization第四章目錄基本內(nèi)涵BASICCONNOTATION常用技術(shù)COMMONLYUSEDTECHNIQUES數(shù)據(jù)共享DATASHARING01基本內(nèi)涵數(shù)據(jù)脫敏數(shù)據(jù)脫敏是指在不影響數(shù)據(jù)分析結(jié)果準(zhǔn)確性的前提下，對(duì)原始數(shù)據(jù)中的敏感字段進(jìn)行處理，從而降低數(shù)據(jù)敏感度、減少個(gè)人隱私風(fēng)險(xiǎn)。數(shù)據(jù)加密數(shù)據(jù)加密就是利用密碼技術(shù)對(duì)數(shù)據(jù)進(jìn)行可逆的數(shù)學(xué)變化以隱藏信息的行為。加密技術(shù)分為對(duì)稱(chēng)加密與非對(duì)稱(chēng)加密兩種類(lèi)型。由于數(shù)據(jù)脫敏和匿名化需要防止重識(shí)別，所以?xún)H靠加密工具不能實(shí)現(xiàn)匿名化。數(shù)據(jù)假名化假名化是通過(guò)生成新的字符（假名）來(lái)替代原標(biāo)識(shí)符（通常為直接標(biāo)識(shí)符）的數(shù)據(jù)處理方式，使得個(gè)人信息控制者在不借助額外信息情況下無(wú)法識(shí)別出個(gè)人信息主體。常用的假名生成技術(shù)包括帶密鑰加密、哈希函帶密鑰的哈希函數(shù)等。相關(guān)概念數(shù)據(jù)性質(zhì)去標(biāo)識(shí)化處理后的信息仍然屬于個(gè)人信息，其是以電子或者其他方式記錄的與已識(shí)別或者可識(shí)別的自然人有關(guān)的各種信息，不包括匿名化處理后的信息。目標(biāo)對(duì)直接標(biāo)識(shí)符和準(zhǔn)標(biāo)識(shí)符進(jìn)行刪除或變換，避免攻擊者根據(jù)這些屬性直接識(shí)別或者結(jié)合其他信息識(shí)別出原始個(gè)人信息主體；控制重標(biāo)識(shí)的風(fēng)險(xiǎn)；確保去標(biāo)識(shí)化后的數(shù)據(jù)集盡量達(dá)到其預(yù)期的用途。原則合規(guī)原則、個(gè)人信息安全保護(hù)優(yōu)先原則、技術(shù)和管理相結(jié)合原則、充分應(yīng)用軟件工具原則、持續(xù)改進(jìn)原則。數(shù)據(jù)去標(biāo)識(shí)化對(duì)直接標(biāo)識(shí)符進(jìn)行脫敏處理，比如將直接標(biāo)識(shí)符假名化、加密、抑制或者屏蔽等。脫敏處理匿名化是指?jìng)€(gè)人信息經(jīng)過(guò)處理后無(wú)法識(shí)別特定自然人且不能復(fù)原的過(guò)程。對(duì)間接標(biāo)識(shí)符進(jìn)行泛化或者隨機(jī)化。泛化或者隨機(jī)化的程度越高，安全性就越高，但是數(shù)據(jù)的可用性也就越低。泛化或隨機(jī)化常見(jiàn)的重識(shí)別方法包括隔離、關(guān)聯(lián)和推斷。重識(shí)別攻擊行為包括：（1）重識(shí)別一條屬于一個(gè)特定個(gè)人信息主體的記錄；（2）重識(shí)別一條特定記錄的個(gè)人信息主體；（3）盡可能多地將記錄和其對(duì)應(yīng)的個(gè)人信息主體關(guān)聯(lián)；（4）判定一個(gè)特定的個(gè)人信息主體在數(shù)據(jù)集中是否存在；（5）推斷一組和其他屬性關(guān)聯(lián)的敏感屬性。評(píng)估重識(shí)別風(fēng)險(xiǎn)隨著時(shí)間推移，重識(shí)別技術(shù)和攻擊者的重識(shí)別能力都在變化，因此需要定期進(jìn)行重標(biāo)識(shí)風(fēng)險(xiǎn)評(píng)估，并與可接受的風(fēng)險(xiǎn)閾值進(jìn)行比較。跟蹤匿名化效果數(shù)據(jù)匿名化靜態(tài)數(shù)據(jù)脫敏是對(duì)數(shù)據(jù)進(jìn)行“搬移并仿真替換”，是將數(shù)據(jù)進(jìn)行脫敏處理后，下發(fā)給下游環(huán)節(jié)取用和讀寫(xiě)。是在數(shù)據(jù)存儲(chǔ)時(shí)脫敏，存儲(chǔ)的是脫敏數(shù)據(jù)，一般用在非生產(chǎn)環(huán)境。靜態(tài)數(shù)據(jù)脫敏動(dòng)態(tài)數(shù)據(jù)脫敏，即在訪問(wèn)敏感數(shù)據(jù)的同時(shí)進(jìn)行脫敏處理，可以為不同角色、不同權(quán)限、不同數(shù)據(jù)類(lèi)型執(zhí)行不同的脫敏方案，從而確保返回的數(shù)據(jù)可用且安全，一般用在生產(chǎn)環(huán)境。動(dòng)態(tài)數(shù)據(jù)脫敏數(shù)據(jù)脫敏類(lèi)型靜態(tài)數(shù)據(jù)脫敏主要用于將數(shù)據(jù)抽離生產(chǎn)環(huán)境并進(jìn)行分發(fā)和共享的數(shù)據(jù)使用場(chǎng)景；動(dòng)態(tài)數(shù)據(jù)脫敏主要用于直接訪問(wèn)生產(chǎn)數(shù)據(jù)的場(chǎng)景。使用場(chǎng)景區(qū)別靜態(tài)數(shù)據(jù)脫敏技術(shù)一般是通過(guò)變形、替換、屏蔽、保留格式加密等算法實(shí)現(xiàn)，實(shí)際已經(jīng)改變了源數(shù)據(jù)的內(nèi)容；動(dòng)態(tài)數(shù)據(jù)脫敏通過(guò)改寫(xiě)查詢(xún)SQL或攔截等方式實(shí)現(xiàn)，實(shí)際上未對(duì)源數(shù)據(jù)的內(nèi)容作任何改變。技術(shù)路線區(qū)別靜態(tài)數(shù)據(jù)脫敏可將脫敏設(shè)備部署于生產(chǎn)環(huán)境與測(cè)試、開(kāi)發(fā)、共享環(huán)境之間；動(dòng)態(tài)數(shù)據(jù)脫敏采用代理部署方式：物理旁路或邏輯串聯(lián)。部署方式區(qū)別數(shù)據(jù)脫敏兩種類(lèi)型區(qū)別數(shù)據(jù)替換方法無(wú)效化方法隨機(jī)置亂方法數(shù)據(jù)替換法是將敏感字段隨機(jī)替換，如將字母變?yōu)殡S機(jī)字母，數(shù)字變?yōu)殡S機(jī)數(shù)字，文字變?yōu)殡S機(jī)文字，從而遮蔽敏感數(shù)據(jù)。在計(jì)算廣告中，數(shù)據(jù)替換方法可以應(yīng)用于虛擬用戶(hù)生成數(shù)據(jù)。無(wú)效化方法通過(guò)對(duì)字段數(shù)據(jù)值進(jìn)行截?cái)?、加密、掩碼等方式讓敏感數(shù)據(jù)脫敏。這種隱藏敏感數(shù)據(jù)的方法簡(jiǎn)單，但缺點(diǎn)是用戶(hù)無(wú)法得知原數(shù)據(jù)的格式。隨機(jī)擾動(dòng)技術(shù)是一種常用的無(wú)效化方法。隨機(jī)置亂方法對(duì)敏感數(shù)據(jù)列的值進(jìn)行重新隨機(jī)分布，混淆原有值和其他字段的聯(lián)系。這種方法不影響原有數(shù)據(jù)的統(tǒng)計(jì)特性，最大、最小、方差等均與原數(shù)據(jù)列無(wú)異。數(shù)據(jù)脫敏方法均值統(tǒng)計(jì)方法對(duì)稱(chēng)加密方法隨機(jī)置亂方法均值統(tǒng)計(jì)方法經(jīng)常用于統(tǒng)計(jì)場(chǎng)景，針對(duì)數(shù)值型數(shù)據(jù)，先計(jì)算均值，然后使脫敏后的值在均值附近隨機(jī)分布，從而保持?jǐn)?shù)據(jù)的總和不變，通常用于產(chǎn)品成本表、工資表等場(chǎng)合。對(duì)稱(chēng)加密方法是一種采用單鑰密碼系統(tǒng)的加密方法，發(fā)送方和接收方使用相同的密鑰，這個(gè)密鑰既可用于加密原始數(shù)據(jù)，也可用于解密加密后的數(shù)據(jù)。這種方法通過(guò)隨機(jī)移位改變?cè)紨?shù)據(jù)。偏移取整在保證數(shù)據(jù)安全性的同時(shí)保證范圍的大致真實(shí)性，比前面的方法更接近真實(shí)數(shù)據(jù)，在大數(shù)據(jù)分析場(chǎng)景中意義比較大。數(shù)據(jù)脫敏方法數(shù)據(jù)脫敏前后必須保持原有的數(shù)據(jù)特征。數(shù)據(jù)特征一致性數(shù)據(jù)脫敏不僅要抹去數(shù)據(jù)中的敏感內(nèi)容，同時(shí)也需要保持原有的數(shù)據(jù)特征、業(yè)務(wù)規(guī)則和數(shù)據(jù)關(guān)聯(lián)性，保證各類(lèi)業(yè)務(wù)不受脫敏的影響，保證脫敏前后數(shù)據(jù)的一致性和有效性。數(shù)據(jù)和數(shù)據(jù)的關(guān)系要保持一致。數(shù)據(jù)關(guān)系一致性數(shù)據(jù)脫敏后數(shù)據(jù)關(guān)聯(lián)性以及業(yè)務(wù)語(yǔ)義等保持不變。數(shù)據(jù)關(guān)聯(lián)性包括：主外鍵關(guān)聯(lián)性、關(guān)聯(lián)字段的業(yè)務(wù)語(yǔ)義關(guān)聯(lián)性等。業(yè)務(wù)規(guī)則關(guān)聯(lián)性相同的數(shù)據(jù)進(jìn)行多次脫敏，或者在不同的測(cè)試系統(tǒng)進(jìn)行脫敏，需要保證每次脫敏后的數(shù)據(jù)具有一致性。多次脫敏一致性數(shù)據(jù)脫敏要求02常用技術(shù)統(tǒng)計(jì)技術(shù)統(tǒng)計(jì)技術(shù)是指收集、整理、分析和解釋統(tǒng)計(jì)數(shù)據(jù)，并對(duì)其所反映的問(wèn)題給出結(jié)論的技術(shù)方法。數(shù)據(jù)抽樣需根據(jù)數(shù)據(jù)集的特點(diǎn)和預(yù)期的使用場(chǎng)景來(lái)選擇；經(jīng)常用于數(shù)據(jù)脫敏的預(yù)處理；可以簡(jiǎn)化對(duì)數(shù)據(jù)集的計(jì)算量。數(shù)據(jù)聚合可能會(huì)降低數(shù)據(jù)的有用性；對(duì)抗重標(biāo)識(shí)攻擊非常有效；某些保留格式加密具有確定性加密技術(shù)的特點(diǎn)；適用于多種格式的數(shù)據(jù)；在給定有限符號(hào)集的情況下密可以保證加密后的數(shù)據(jù)具有與原始數(shù)據(jù)相同的格式和長(zhǎng)度。保留格式加密技術(shù)密文排序與明文排序相同；在有限的范圍內(nèi)保證加密結(jié)果在統(tǒng)計(jì)處理、隱私防挖掘、數(shù)據(jù)外包存儲(chǔ)與處理等場(chǎng)景中的有用性；完全重標(biāo)識(shí)僅可能適用于擁有密鑰的一方。保序加密技術(shù)保證數(shù)據(jù)真實(shí)可用；保證數(shù)據(jù)在統(tǒng)計(jì)處理、隱私防挖掘方面的有用性；對(duì)確定性加密的重標(biāo)識(shí)攻擊主要是不具備密鑰使用權(quán)時(shí)的攻擊；關(guān)聯(lián)性攻擊可能針對(duì)采用同一密鑰進(jìn)行確定性加密的密文。確定性加密技術(shù)同態(tài)加密技術(shù)允許在加密狀態(tài)下進(jìn)行計(jì)算操作而無(wú)需解密數(shù)據(jù)，用這種技術(shù)進(jìn)行數(shù)據(jù)脫敏時(shí)，對(duì)加密數(shù)據(jù)進(jìn)行處理的過(guò)程不會(huì)泄露任何原始內(nèi)容。同態(tài)加密技術(shù)同態(tài)秘密共享可將一個(gè)秘密拆分為“若干份額”，可利用拆分后秘密信息的特定子集來(lái)重構(gòu)原始的秘密。同態(tài)秘密共享技術(shù)密碼技術(shù)屏蔽技術(shù)屏蔽技術(shù)是一種基線數(shù)據(jù)脫敏技術(shù)，包括從數(shù)據(jù)集中刪除所有直接標(biāo)識(shí)符，并盡可能剝離數(shù)據(jù)集中所有記錄的部分或全部剩余標(biāo)識(shí)符。包括部分?jǐn)?shù)據(jù)移除、數(shù)據(jù)隔離和數(shù)據(jù)限制。局部抑制技術(shù)局部抑制技術(shù)是從所選記錄中刪除與其他標(biāo)識(shí)符結(jié)合使用可以識(shí)別出相關(guān)個(gè)人信息主體的特定屬性值。記錄抑制技術(shù)“記錄抑制”是一種從數(shù)據(jù)集中刪除整個(gè)記錄或一些記錄的數(shù)據(jù)脫敏技術(shù)，需要與其它數(shù)據(jù)脫敏技術(shù)相結(jié)合以降低數(shù)據(jù)的重標(biāo)識(shí)風(fēng)險(xiǎn)。抑制技術(shù)假名化技術(shù)假名化技術(shù)是通過(guò)生成新的字符（假名）替換原標(biāo)識(shí)符（通常為直接標(biāo)識(shí)符）的數(shù)據(jù)脫敏技術(shù)。獨(dú)立于標(biāo)識(shí)符獨(dú)立于標(biāo)識(shí)符的假名創(chuàng)建技術(shù)不依賴(lài)被替代的原始屬性值，而是獨(dú)立生成，典型方法為用隨機(jī)值代替原始屬性值。基于密碼技術(shù)基于密碼技術(shù)的標(biāo)識(shí)符派生假名創(chuàng)建技術(shù)通過(guò)對(duì)屬性原始值采用加密或散列等密碼技術(shù)生成假名。其中加密技術(shù)生成的假名可以用合適的密鑰及對(duì)應(yīng)的算法解密，而散列技術(shù)則是一種單向的數(shù)學(xué)運(yùn)算。泛化技術(shù)泛化技術(shù)是指一種降低數(shù)據(jù)集中所選屬性粒度的數(shù)據(jù)脫敏技術(shù)，是對(duì)數(shù)據(jù)進(jìn)行更概括、抽象的描述。取整技術(shù)取整技術(shù)為所選的屬性選定一個(gè)取整基數(shù)，然后將每個(gè)值向上或向下取整至最接近取整基數(shù)的倍數(shù)。向上還是向下取整按概率確定，該概率值取決于觀察值與最接近取整基數(shù)倍數(shù)的接近程度。頂層與底層編碼技術(shù)泛化技術(shù)為某一屬性設(shè)定一個(gè)可能的最大（或最?。╅撝?。頂層與底層編碼技術(shù)使用表示頂層（或底層）的閾值替換高于（或低于）該閾值的值，該技術(shù)適用于連續(xù)或分類(lèi)有序的屬性。噪聲添加技術(shù)噪聲添加技術(shù)通過(guò)把“隨機(jī)噪聲”添加到所選的連續(xù)屬性值中，同時(shí)盡可能保持該屬性在數(shù)據(jù)集中的原始統(tǒng)計(jì)特性。可以應(yīng)用于廣告點(diǎn)擊率預(yù)測(cè)。置換技術(shù)置換技術(shù)是表達(dá)式在不直接修改屬性值表達(dá)式的情況下對(duì)數(shù)據(jù)集記錄中所選屬性的值進(jìn)行重新排序的一種技術(shù)，它保持了整個(gè)數(shù)據(jù)集中所選屬性的準(zhǔn)確統(tǒng)計(jì)分布，適用于數(shù)字與非數(shù)字值。微聚集技術(shù)“微聚集”是指用某種算法方式計(jì)算出來(lái)的平均值代替連續(xù)屬性所有值的數(shù)據(jù)脫敏技術(shù)。每一種屬性的新值是由該屬性所在組中的平均值替換得來(lái)的?？捎脕?lái)精細(xì)化用戶(hù)定向投放。隨機(jī)化技術(shù)03數(shù)據(jù)共享脫敏數(shù)據(jù)共享主體脫敏數(shù)據(jù)共享主體包括脫敏數(shù)據(jù)提供方、脫敏數(shù)據(jù)接收方和脫敏數(shù)據(jù)計(jì)算方。脫敏數(shù)據(jù)共享服務(wù)主體脫敏數(shù)據(jù)共享服務(wù)主體包括平臺(tái)方、安全方和評(píng)估方。脫敏數(shù)據(jù)共享支持主體脫敏數(shù)據(jù)共享支持主體包括監(jiān)督方和技術(shù)方。數(shù)據(jù)脫敏共享參與機(jī)構(gòu)數(shù)據(jù)預(yù)處理包括進(jìn)行數(shù)據(jù)標(biāo)記、匹配數(shù)據(jù)內(nèi)容、形成脫敏數(shù)據(jù)三個(gè)方面的內(nèi)容。共享評(píng)估包括形成多維評(píng)估因子、形成定性評(píng)估結(jié)論、形成評(píng)估報(bào)告三個(gè)步驟。脫敏數(shù)據(jù)共享基本流程源自提供方的風(fēng)險(xiǎn)及其識(shí)別與控制風(fēng)險(xiǎn)數(shù)據(jù)來(lái)源不明或未經(jīng)同意輸出個(gè)人相關(guān)數(shù)據(jù)。識(shí)別與控制要求提供方清晰數(shù)據(jù)源頭；區(qū)分?jǐn)?shù)據(jù)形成方式；區(qū)分?jǐn)?shù)據(jù)輸出形式；預(yù)先進(jìn)行相應(yīng)數(shù)據(jù)共享評(píng)估。源自計(jì)算方的風(fēng)險(xiǎn)及其識(shí)別與控制風(fēng)險(xiǎn)委托處理的數(shù)據(jù)在傳輸或存儲(chǔ)時(shí)可能被泄漏；可能未獲得委托方的再許可，而向他方提供數(shù)據(jù)；由于缺乏與信息主體的接觸場(chǎng)景，無(wú)法獲得真實(shí)有效的同意。識(shí)別與控制傳輸存儲(chǔ)脫敏數(shù)據(jù)，輔以安全適當(dāng)?shù)募夹g(shù)手段、組織措施；計(jì)算方必須有委托方的真實(shí)合法授權(quán)，再提供需獨(dú)立授權(quán)；委托計(jì)算的數(shù)據(jù)應(yīng)為脫敏數(shù)據(jù)；計(jì)算成果數(shù)據(jù)的再提供，應(yīng)遵循提供方要求而進(jìn)行；預(yù)先進(jìn)行相應(yīng)數(shù)據(jù)的共享評(píng)估。源自接收方的風(fēng)險(xiǎn)及其識(shí)別與控制風(fēng)險(xiǎn)是否獲得信息主體的同意。處理個(gè)人相關(guān)數(shù)據(jù)是否合法、正當(dāng)、必要。使用個(gè)人信息是否符合個(gè)人信息保護(hù)相關(guān)法律法規(guī)的規(guī)定?？赡芪传@得提供方的許可，而向他方提供數(shù)據(jù)。識(shí)別與控制檢查接收方業(yè)務(wù)資質(zhì)；細(xì)分接收方數(shù)據(jù)處理應(yīng)用目的；細(xì)分接收方數(shù)據(jù)的應(yīng)用場(chǎng)景；對(duì)數(shù)據(jù)進(jìn)行分級(jí)、分類(lèi)、分層；細(xì)分接收方獲得信息主體對(duì)其相關(guān)數(shù)據(jù)處理應(yīng)用的同意的方式方法；預(yù)先進(jìn)行數(shù)據(jù)共享評(píng)估。源自數(shù)據(jù)重標(biāo)識(shí)的風(fēng)險(xiǎn)及其識(shí)別與控制風(fēng)險(xiǎn)脫敏數(shù)據(jù)經(jīng)重標(biāo)識(shí)后，重新成為包含個(gè)人信息的數(shù)據(jù)。被無(wú)關(guān)方獲取后重標(biāo)識(shí)。與其他數(shù)據(jù)（集）匯聚后重新識(shí)別出個(gè)人信息主體。識(shí)別與控制選擇適當(dāng)?shù)臄?shù)據(jù)處理與脫敏技術(shù)；利用數(shù)據(jù)共享域“受控重標(biāo)識(shí)”功能，區(qū)分并控制重標(biāo)識(shí)的情形；預(yù)先開(kāi)展數(shù)據(jù)共享評(píng)估。源自數(shù)據(jù)敏感性的風(fēng)險(xiǎn)及其識(shí)別與控制個(gè)人敏感數(shù)據(jù)共享可能給信息主體權(quán)利、人身財(cái)產(chǎn)安全帶來(lái)風(fēng)險(xiǎn)；法律法規(guī)禁止、限制共享的其他敏感數(shù)據(jù)進(jìn)入共享可能給國(guó)家安全、公共安全帶來(lái)風(fēng)險(xiǎn)。因此，要區(qū)分場(chǎng)景，與應(yīng)用無(wú)關(guān)的個(gè)人敏感數(shù)據(jù)不得共享，法律法規(guī)規(guī)定的其他敏感數(shù)據(jù)禁止共享。源自身份識(shí)別性的風(fēng)險(xiǎn)及其識(shí)別與控制數(shù)據(jù)如若包含身份信息（標(biāo)識(shí)）或直接與身份信息（標(biāo)識(shí)）關(guān)聯(lián)的信息，其泄露、非法提供和濫用可能導(dǎo)致侵犯?jìng)€(gè)人隱私權(quán)，或被犯罪分子利用引發(fā)人身或財(cái)產(chǎn)安全風(fēng)險(xiǎn)。因此，要選擇適當(dāng)?shù)臄?shù)據(jù)處理與脫敏技術(shù)；禁止直接共享包含身份信息（標(biāo)識(shí)）或直接與身份信息（標(biāo)識(shí)）關(guān)聯(lián)的數(shù)據(jù)；通過(guò)數(shù)據(jù)共享域進(jìn)行共享。源自數(shù)據(jù)泄露的風(fēng)險(xiǎn)及其識(shí)別與控制數(shù)據(jù)流動(dòng)可能產(chǎn)生泄露風(fēng)險(xiǎn)。因此，盡量以脫敏數(shù)據(jù)進(jìn)行并享，并輔以適當(dāng)?shù)募用芗夹g(shù)措施；選擇適當(dāng)?shù)臄?shù)據(jù)處理與脫敏技術(shù)；在可控和安全的數(shù)據(jù)共享域下進(jìn)行共享。脫敏數(shù)據(jù)共享風(fēng)險(xiǎn)識(shí)別與控制數(shù)據(jù)脫敏計(jì)算廣告DataDesensitization用戶(hù)畫(huà)像計(jì)算廣告UserProfile第五章目錄基本內(nèi)涵BASICCONNOTATION構(gòu)建過(guò)程BUILDPROCESS標(biāo)簽體系LABELINGSYSTEM具體應(yīng)用SPECIFICAPPLICATIONS01基本內(nèi)涵定義用戶(hù)畫(huà)像有兩種不同的角度：一種定義從產(chǎn)品設(shè)計(jì)和開(kāi)發(fā)的角度出發(fā)，用戶(hù)畫(huà)像被認(rèn)為是勾畫(huà)目標(biāo)用戶(hù)、聯(lián)系用戶(hù)訴求與設(shè)計(jì)方向的有效工具，又稱(chēng)用戶(hù)角色。這個(gè)定義主要基于實(shí)際應(yīng)用，體現(xiàn)了用戶(hù)畫(huà)像的實(shí)際用途，有著具象化的特點(diǎn)；另一種定義從大數(shù)據(jù)的角度出發(fā)，認(rèn)為用戶(hù)畫(huà)像用于抽象用戶(hù)的信息全貌，是用戶(hù)信息的標(biāo)簽化。這個(gè)定義從抽象角度出發(fā)，更好地解釋了用戶(hù)畫(huà)像的本質(zhì)，也符合大數(shù)據(jù)時(shí)代的特征，具有廣義性與抽象性。定義用戶(hù)畫(huà)像的兩種視角用戶(hù)屬性包括自然屬性、商業(yè)屬性、垂直屬性、行為屬性。用戶(hù)屬性用戶(hù)特征是對(duì)用戶(hù)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(guò)一定方法從用戶(hù)屬性中抽取出來(lái)的共性特征。用戶(hù)特征用戶(hù)標(biāo)簽是根據(jù)用戶(hù)特征提煉出來(lái)的標(biāo)簽化文本，可以精練準(zhǔn)確地表達(dá)用戶(hù)特征，其實(shí)質(zhì)是標(biāo)簽化的用戶(hù)全貌。用戶(hù)標(biāo)簽用戶(hù)畫(huà)像計(jì)算廣告語(yǔ)境下的用戶(hù)畫(huà)像是基于數(shù)據(jù)挖掘的用戶(hù)特征提取和深層需求分析，是用戶(hù)社交屬性、生活習(xí)慣、消費(fèi)行為等信息全貌的標(biāo)簽集合。由用戶(hù)屬性、用戶(hù)特征和用戶(hù)標(biāo)簽三個(gè)要素構(gòu)成。用戶(hù)畫(huà)像在產(chǎn)品生命周期中的營(yíng)銷(xiāo)價(jià)值市場(chǎng)調(diào)研產(chǎn)品研發(fā)產(chǎn)品測(cè)試“購(gòu)買(mǎi)受眾”的實(shí)現(xiàn)基礎(chǔ)用戶(hù)畫(huà)像收集用戶(hù)各類(lèi)屬性特征，通過(guò)標(biāo)簽、權(quán)重的方式捕捉用戶(hù)動(dòng)靜態(tài)信息，運(yùn)用定向算法、相關(guān)性預(yù)估等計(jì)算手段就可以精準(zhǔn)鎖定目標(biāo)受眾。因此，計(jì)算廣告用戶(hù)畫(huà)像是“購(gòu)買(mǎi)受眾”的實(shí)現(xiàn)基礎(chǔ)。個(gè)性化推薦的底層邏輯個(gè)性化推薦基于用戶(hù)畫(huà)像了解用戶(hù)行為特征，通過(guò)推薦技術(shù)實(shí)現(xiàn)廣告與場(chǎng)景和消費(fèi)者的精準(zhǔn)匹配。用戶(hù)畫(huà)像的水平影響廣告?zhèn)€性化推薦的效果，用戶(hù)畫(huà)像是個(gè)性化推薦技術(shù)的底層邏輯。業(yè)務(wù)效率的根本保證用戶(hù)畫(huà)像的應(yīng)用使得計(jì)算廣告業(yè)務(wù)更加專(zhuān)注聚焦，可以讓廣告主站在第一視角觀察用戶(hù)的需求，使得整個(gè)計(jì)算廣告流程變得有序有效。用戶(hù)畫(huà)像在計(jì)算廣告中的基礎(chǔ)價(jià)值02標(biāo)簽體系標(biāo)簽分類(lèi)按標(biāo)簽變化頻率靜態(tài)標(biāo)簽、動(dòng)態(tài)標(biāo)簽按標(biāo)簽表現(xiàn)形式定性標(biāo)簽、定量標(biāo)簽按標(biāo)簽標(biāo)注方法統(tǒng)計(jì)類(lèi)標(biāo)簽、規(guī)則類(lèi)標(biāo)簽、機(jī)器學(xué)習(xí)挖掘類(lèi)標(biāo)簽按業(yè)務(wù)場(chǎng)景人口學(xué)標(biāo)簽、興趣類(lèi)標(biāo)簽、設(shè)備類(lèi)標(biāo)簽、行為類(lèi)標(biāo)簽按數(shù)據(jù)類(lèi)型數(shù)值型標(biāo)簽、單選型標(biāo)簽、復(fù)選型標(biāo)簽、文本型標(biāo)簽按標(biāo)簽生成方式基礎(chǔ)標(biāo)簽、業(yè)務(wù)標(biāo)簽、智能標(biāo)簽標(biāo)簽分類(lèi)按數(shù)據(jù)提取維度事實(shí)標(biāo)簽、模型標(biāo)簽、預(yù)測(cè)標(biāo)簽?zāi)Ｐ蜆?biāo)簽用戶(hù)忠誠(chéng)度模型用戶(hù)忠誠(chéng)度模型用戶(hù)狀態(tài)模型

標(biāo)簽分類(lèi)按數(shù)據(jù)提取維度事實(shí)標(biāo)簽、模型標(biāo)簽、預(yù)測(cè)標(biāo)簽?zāi)Ｐ蜆?biāo)簽用戶(hù)忠誠(chéng)度模型用戶(hù)忠誠(chéng)度模型用戶(hù)狀態(tài)模型標(biāo)簽分類(lèi)按標(biāo)簽提取程度特征標(biāo)簽、行為標(biāo)簽、需求標(biāo)簽標(biāo)簽結(jié)構(gòu)標(biāo)簽是某一種用戶(hù)特征的符號(hào)表示，解決的是描述性問(wèn)題。在實(shí)際應(yīng)用中，標(biāo)簽通常被作為一個(gè)結(jié)構(gòu)體系來(lái)設(shè)計(jì)，以解決數(shù)據(jù)之間的關(guān)聯(lián)問(wèn)題。標(biāo)簽橫向?qū)蛹?jí)用戶(hù)實(shí)際發(fā)生的行為被記錄后形成的賦值。行為屬性其他屬性推導(dǎo)而來(lái)的屬性。推導(dǎo)屬性這些指標(biāo)的賦值體現(xiàn)的是用戶(hù)生而有之或者事實(shí)存在的，不因外界條件或者自身認(rèn)知的改變而改變的屬性。固有屬性用戶(hù)自我表達(dá)的態(tài)度和意愿。態(tài)度屬性來(lái)自用戶(hù)的態(tài)度表達(dá)，但并不是用戶(hù)直接表達(dá)的內(nèi)容，而是通過(guò)分析用戶(hù)的表達(dá)，對(duì)其進(jìn)行結(jié)構(gòu)化處理后得出的測(cè)試結(jié)論。測(cè)試屬性標(biāo)簽屬性標(biāo)簽組合標(biāo)簽縱向?qū)蛹?jí)03構(gòu)建過(guò)程用戶(hù)畫(huà)像建構(gòu)過(guò)程數(shù)據(jù)收集計(jì)算廣告用戶(hù)畫(huà)像構(gòu)建要利用大數(shù)據(jù)工具收集用戶(hù)在各種平臺(tái)的痕跡和數(shù)據(jù)，自建、購(gòu)買(mǎi)服務(wù)或借用合作公司的數(shù)據(jù)管理平臺(tái)進(jìn)行數(shù)據(jù)管理。數(shù)據(jù)來(lái)源第一方數(shù)據(jù)：來(lái)自廣告主自有平臺(tái)的數(shù)據(jù)第二方數(shù)據(jù)：從外部平臺(tái)獲取但所有權(quán)屬于廣告主的數(shù)據(jù)第三方數(shù)據(jù)：所有權(quán)歸屬外部平臺(tái)的數(shù)據(jù)數(shù)據(jù)聚合結(jié)構(gòu)化標(biāo)簽體系半結(jié)構(gòu)化標(biāo)簽體系非結(jié)構(gòu)化標(biāo)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(wú)效的信息。數(shù)據(jù)清洗的作用就是去除無(wú)效數(shù)據(jù)，保留有價(jià)值數(shù)據(jù)，提升生成用戶(hù)標(biāo)簽的準(zhǔn)確性。數(shù)據(jù)整合即將不同業(yè)務(wù)系統(tǒng)中的用戶(hù)數(shù)據(jù)通過(guò)用戶(hù)戶(hù)于的唯一標(biāo)識(shí)碼關(guān)聯(lián)，形成維度更全的數(shù)據(jù)。特征提取，即對(duì)處理過(guò)的用戶(hù)數(shù)據(jù)進(jìn)行特征識(shí)別，尋找有價(jià)值的字段數(shù)據(jù)。計(jì)算廣告用戶(hù)畫(huà)像的特征提取主要使用文本挖掘方法，主要方法包括對(duì)文本型數(shù)據(jù)進(jìn)行屬性提取、聚類(lèi)分析等。信息整合標(biāo)簽分類(lèi)習(xí)慣標(biāo)簽根據(jù)用戶(hù)在各個(gè)時(shí)間段的各自活動(dòng)規(guī)律和行為習(xí)慣劃分的標(biāo)簽App類(lèi)別標(biāo)簽包括二級(jí)：一級(jí)標(biāo)簽包括社交通訊、系統(tǒng)工具等；二級(jí)標(biāo)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(quán)重標(biāo)簽為不同標(biāo)簽賦予的不同指標(biāo)權(quán)重興趣標(biāo)簽根據(jù)用戶(hù)的不同興趣愛(ài)好進(jìn)行設(shè)計(jì)的標(biāo)簽位置標(biāo)簽通過(guò)爬取用戶(hù)的動(dòng)態(tài)位置獲得定義標(biāo)簽根據(jù)文本中所使用的數(shù)據(jù)建立起對(duì)應(yīng)的標(biāo)簽體系行為建模投放驗(yàn)證建模完成之后，還需要對(duì)標(biāo)簽進(jìn)行驗(yàn)證，即大規(guī)模并行計(jì)算標(biāo)簽的有效權(quán)重，衡量基礎(chǔ)標(biāo)簽并不斷調(diào)整優(yōu)化。精準(zhǔn)投放大數(shù)據(jù)背景下的個(gè)性化推薦、程序化購(gòu)買(mǎi)使得廣告媒介投放從購(gòu)買(mǎi)粗放的媒體資源向購(gòu)買(mǎi)指定的用戶(hù)流量轉(zhuǎn)變，從而大大提高了廣告效果。效果優(yōu)化計(jì)算廣告可以實(shí)時(shí)收集廣告投放對(duì)象的反應(yīng)數(shù)據(jù)，根據(jù)用戶(hù)標(biāo)識(shí)和用戶(hù)行為做好廣告效果的反饋工作，并不斷進(jìn)行廣告優(yōu)化，循環(huán)提升效果指標(biāo)。04具體應(yīng)用具體應(yīng)用廣告投放平臺(tái)受眾定位、個(gè)性化推薦、渠道分析、廣告優(yōu)化廣告主商品分析、用戶(hù)運(yùn)營(yíng)、精準(zhǔn)營(yíng)銷(xiāo)、效果評(píng)估TGI指標(biāo)TGI即目標(biāo)群體指數(shù)，是反映目標(biāo)群體在特定研究范圍（如地理區(qū)域、人口統(tǒng)計(jì)領(lǐng)域、媒體受眾、產(chǎn)品消費(fèi)者）內(nèi)的強(qiáng)勢(shì)或弱勢(shì)的指數(shù)。TGI=[目標(biāo)群體中具有某一特征的群體所占比例/

總體人群中具有相同特征的群體所占比例]*標(biāo)準(zhǔn)數(shù)100

TGI指標(biāo)適用范圍TGI指標(biāo)運(yùn)用TGI指標(biāo)運(yùn)用TGI指標(biāo)運(yùn)用用戶(hù)畫(huà)像計(jì)算廣告UserProfile精準(zhǔn)定向計(jì)算廣告PreciseTargeting第六章目錄相似人群拓展SIMILARGROUPEXPANSION定向維度DIRECTIONALDIMENSION重定向RETARGETING01相似人群拓展相似人群拓展相似人群拓展是基于種子用戶(hù)，通過(guò)一定的算法評(píng)估模型，在廣告數(shù)據(jù)管理平臺(tái)的用戶(hù)大數(shù)據(jù)庫(kù)中，找到更多和種子用戶(hù)有關(guān)聯(lián)性的相似人群的技術(shù)方法。種子用戶(hù)數(shù)據(jù)提交相似人群拓展首先要提交種子用戶(hù)數(shù)據(jù)，明確表達(dá)目標(biāo)客群會(huì)在哪些方面有突出的特征。需提交的數(shù)據(jù)包含行為結(jié)果數(shù)據(jù)、行為意向數(shù)據(jù)、行為偏好數(shù)據(jù)、行為模式數(shù)據(jù)等四個(gè)層次維度。拓群算法處理DMP能否為廣告主帶來(lái)價(jià)值，比拼的是用戶(hù)拓群似然處理算法工程化方面的實(shí)力，主要體現(xiàn)在是否可以預(yù)先調(diào)節(jié)算法維度、是否可以靈活選取人群規(guī)模、是否能夠自主設(shè)定過(guò)濾條件、是否易于實(shí)現(xiàn)工程化指標(biāo)四個(gè)方面。拓展用戶(hù)輸出拓展用戶(hù)輸出是根據(jù)廣告主所需要的目標(biāo)用戶(hù)量級(jí)，按模型輸出用戶(hù)群體。根據(jù)擴(kuò)散量級(jí)需求，輸出量級(jí)越小，包含的用戶(hù)群體相似程度越高。輸出擴(kuò)展用戶(hù)的過(guò)程要堅(jiān)持結(jié)合聚類(lèi)算法、結(jié)合媒體流量和結(jié)合效果優(yōu)化三個(gè)原則。相似人群拓展過(guò)程廣告主基于種子用戶(hù)標(biāo)簽，在數(shù)據(jù)庫(kù)中篩選性別、年齡、品類(lèi)偏好等畫(huà)像屬性的人群包直接進(jìn)行投放。這種方式最為簡(jiǎn)單和高效，但不夠精準(zhǔn)，業(yè)界正在使用協(xié)同過(guò)濾、序列推薦、圖神經(jīng)網(wǎng)絡(luò)等技術(shù)向智能拓群方向發(fā)展。畫(huà)像標(biāo)簽法分類(lèi)算法是一種隱性定位方式，是通過(guò)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的分類(lèi)算法對(duì)種子用戶(hù)進(jìn)行建模，然后用模型去識(shí)別目標(biāo)用戶(hù)。分為把種子用戶(hù)的共有特征標(biāo)記為正樣本、選擇基礎(chǔ)用戶(hù)包、選擇負(fù)樣本、特征處理和模型訓(xùn)練、擴(kuò)展人群包五個(gè)步驟。分類(lèi)算法社交網(wǎng)絡(luò)定位法是一種隱性定位方式，即利用社交網(wǎng)絡(luò)上的好友關(guān)系，將種子人群標(biāo)簽傳給社區(qū)中的好友，從而實(shí)現(xiàn)用戶(hù)拓群。分為數(shù)據(jù)準(zhǔn)備、用戶(hù)標(biāo)簽特征處理、文本特征處理、圖像特征處理、社交關(guān)系建立、用戶(hù)擴(kuò)展等六個(gè)步驟。社交網(wǎng)絡(luò)定位法相似人群拓展方法程序化廣告創(chuàng)意內(nèi)容組合指的是：基于消費(fèi)者心理和廣告板式要求，提取不同類(lèi)型的元素進(jìn)行組合，從而實(shí)現(xiàn)廣告創(chuàng)意內(nèi)容和目標(biāo)用戶(hù)的適配。針對(duì)產(chǎn)品特征，有米在創(chuàng)意上明確突出了美的豆?jié){機(jī)的三大賣(mài)點(diǎn)，直接將美的產(chǎn)品的優(yōu)秀功能信息傳遞給受眾。創(chuàng)意體現(xiàn)有米是通過(guò)調(diào)研分析，并輔以自身DMP匹配美的第一方數(shù)據(jù)進(jìn)行潛在人群挖掘的。人群洞察線上消費(fèi)者的購(gòu)買(mǎi)力有巨大的挖掘空間；利用程序化廣告推廣促銷(xiāo)產(chǎn)品的同類(lèi)廣告主越來(lái)越多。推廣背景尋找一類(lèi)精準(zhǔn)用戶(hù)、第一輪投放、二類(lèi)精準(zhǔn)用戶(hù)、規(guī)模化投放、實(shí)時(shí)監(jiān)控調(diào)整。投放執(zhí)行美的對(duì)于最終推廣效果感到滿意，項(xiàng)目總體完成7544352次曝光，平均CTR對(duì)比以往常規(guī)DSP投放大幅提升210%，為美的豆?jié){機(jī)京東購(gòu)買(mǎi)頁(yè)帶來(lái)超過(guò)18萬(wàn)次獨(dú)立用戶(hù)訪問(wèn)，實(shí)現(xiàn)ROI超22%。項(xiàng)目效果相似人群拓展案例02定向維度傳統(tǒng)地域定向依賴(lài)于對(duì)IP地址的識(shí)別，通過(guò)IP地址就能定位到主機(jī)，可以知道主機(jī)所在的地理位置，這樣就能進(jìn)行廣告地域定向了。傳統(tǒng)地域定向傳統(tǒng)地域定向一般是定位到省或城市，定向范圍比較大。而超本地化定向則可以使地域定向達(dá)到非常細(xì)的粒度，比如定向到清華園的主樓附近。LBS超本地化地域定向地域定向人口屬性定向人口屬性定向是根據(jù)一些人口屬性標(biāo)簽，如年齡、性別、受教育程度、收入水平來(lái)定向展示廣告，是可監(jiān)測(cè)的。定向維度定向維度頻道定向上下文定向行為定向新客推薦定向按照供應(yīng)方的內(nèi)容分類(lèi)體系將庫(kù)存按照頻道劃分，對(duì)各頻道投放不同的廣告。根據(jù)用戶(hù)瀏覽網(wǎng)頁(yè)的具體內(nèi)容來(lái)匹配相關(guān)的廣告。思路有用規(guī)則將頁(yè)面歸類(lèi)到一些頻道或主題分類(lèi)中、提取頁(yè)面中的關(guān)鍵詞、提取頁(yè)面錨文本中的關(guān)鍵詞、提取頁(yè)面流量來(lái)源中的搜索關(guān)鍵詞、用主題模型將頁(yè)面內(nèi)容映射到語(yǔ)義空間的一組主題上等。根據(jù)用戶(hù)的歷史訪問(wèn)行為推測(cè)用戶(hù)興趣，從而投放相關(guān)廣告。行為定向非常關(guān)注的指標(biāo)有交易行為、交易前行為、廣告點(diǎn)擊行為、搜索點(diǎn)擊行為、搜索行為、社交網(wǎng)絡(luò)中的分享、頁(yè)面瀏覽、廣告瀏覽。根據(jù)廣告主提供的種子訪客信息，結(jié)合廣告平臺(tái)更豐富的數(shù)據(jù)，為廣告主找到行為上與種子相似的潛在客戶(hù)。（基于用戶(hù)、基于商品）生活方式定向“生活方式定向”是通過(guò)“產(chǎn)品—網(wǎng)絡(luò)生活方式—用戶(hù)”關(guān)聯(lián)的個(gè)性化廣告定向的方式，其核心是創(chuàng)建用戶(hù)的網(wǎng)絡(luò)生活方式量表，借助數(shù)據(jù)挖掘和處理技術(shù)構(gòu)建出“網(wǎng)絡(luò)行為—網(wǎng)絡(luò)生活方式”數(shù)據(jù)庫(kù)，通過(guò)對(duì)用戶(hù)網(wǎng)絡(luò)生活方式的識(shí)別進(jìn)行精確的廣告定向。03重定向計(jì)算廣告重定向計(jì)算廣告重定向是指基于用戶(hù)過(guò)去的行為、興趣或其他關(guān)聯(lián)因素，將廣告針對(duì)性地展示給已經(jīng)與廣告主進(jìn)行過(guò)互動(dòng)或表現(xiàn)出興趣的用戶(hù)，從而提高廣告的精準(zhǔn)度和個(gè)性化程度，增加廣告的效果和轉(zhuǎn)化率。包括用戶(hù)互動(dòng)跟蹤、數(shù)據(jù)收集和分析、定義目標(biāo)受眾、廣告投放和效果監(jiān)測(cè)四步。網(wǎng)站重定向重定向流程重定向策略重定向案例搜索重定向搜索重定向是用戶(hù)通過(guò)搜索引擎進(jìn)行關(guān)鍵詞搜索后，展示廣告會(huì)出現(xiàn)在該用戶(hù)以后登錄的站點(diǎn)。重定向廣告主和媒體方、數(shù)據(jù)合作伙伴以及第三方搜索引擎合作，以取得搜索意向數(shù)據(jù)（“推薦人”數(shù)據(jù)、工具欄數(shù)據(jù)）。郵件重定向郵件重定向基于Cookie，標(biāo)簽會(huì)被植入郵件簽名或郵件的HTML中，用戶(hù)打開(kāi)郵件后，Cookie就會(huì)加載到用戶(hù)瀏覽器。分為用戶(hù)互動(dòng)跟蹤、數(shù)據(jù)收集和分析、定義目標(biāo)受眾、廣告郵件投放、效果監(jiān)測(cè)和優(yōu)化五個(gè)步驟。CRM重定向基于客戶(hù)關(guān)系管理數(shù)據(jù)，廣告主可以將廣告定向投放給已經(jīng)存在于品牌或企業(yè)CRM數(shù)據(jù)庫(kù)中的客戶(hù)，以增強(qiáng)與他們的互動(dòng)和轉(zhuǎn)化。分為用戶(hù)互動(dòng)跟蹤、數(shù)據(jù)收集和分析、客戶(hù)分類(lèi)和建立用戶(hù)段、CRM數(shù)據(jù)整合、定義目標(biāo)群體、廣告?zhèn)€性化內(nèi)容投放、效果監(jiān)測(cè)和優(yōu)化七個(gè)步驟。計(jì)算廣告重定向個(gè)性化重定向VS傳統(tǒng)受眾定向方式個(gè)性化重定向傳統(tǒng)受眾定向方式投放目標(biāo)向特定用戶(hù)展示與他們興趣和行為相關(guān)的廣告，更加注重個(gè)體用戶(hù)的定向。將廣告投放給特定的受眾群體，更注重將廣告展示給特定的受眾群體。數(shù)據(jù)使用依賴(lài)用戶(hù)的個(gè)人數(shù)據(jù)和在線行為數(shù)據(jù)依賴(lài)于一般的受眾群體特征實(shí)施效果通常具有更高的個(gè)性化程度更廣泛地覆蓋特定的受眾群體個(gè)性化重定向VS個(gè)性化推薦個(gè)性化重定向個(gè)性化推薦使用目的提高廣告效果和轉(zhuǎn)化率增強(qiáng)用戶(hù)體驗(yàn)滿意度應(yīng)用場(chǎng)景廣告領(lǐng)域更廣泛地應(yīng)用于各種內(nèi)容平臺(tái)數(shù)據(jù)維度依賴(lài)用戶(hù)的歷史行為數(shù)據(jù)和特定的廣告目標(biāo)綜合地考慮用戶(hù)在多個(gè)維度上的行為數(shù)據(jù)和興趣站外推薦VS站內(nèi)推薦站外推薦站內(nèi)推薦基本內(nèi)涵指在一個(gè)網(wǎng)站或應(yīng)用程序之外的地方向用戶(hù)提供個(gè)性化的內(nèi)容。利用網(wǎng)站或應(yīng)用程序內(nèi)部的用戶(hù)數(shù)據(jù)和算法模型，向用戶(hù)提供個(gè)性化內(nèi)容的方法。注意事項(xiàng)需要根據(jù)用戶(hù)的購(gòu)買(mǎi)階段來(lái)調(diào)整創(chuàng)意不需要根據(jù)用戶(hù)的購(gòu)買(mǎi)階段來(lái)調(diào)整創(chuàng)意廣告?zhèn)€性化重定向不是站內(nèi)推薦，而是站外推薦的一種策略。精準(zhǔn)定向計(jì)算廣告PreciseTargeting程序化內(nèi)容創(chuàng)作計(jì)算廣告ProgrammaticContentCreation第七章目錄創(chuàng)意生成IDEAGENERATION創(chuàng)意管理CREATIVEMANAGEMENT個(gè)性化展示PERSONALIZEDDISPLAY時(shí)代價(jià)值CONTEMPORARYVALUE三大痛點(diǎn)標(biāo)簽結(jié)構(gòu)計(jì)算廣告程序化內(nèi)容創(chuàng)作是指基于大數(shù)據(jù)和數(shù)據(jù)處理技術(shù)進(jìn)行廣告內(nèi)容的創(chuàng)意和制作，現(xiàn)階段表現(xiàn)為基于程序化創(chuàng)意生成商品動(dòng)態(tài)廣告。01創(chuàng)意生成創(chuàng)意元素生成創(chuàng)意元素生成是從廣告主現(xiàn)有的廣告作品、商品信息、網(wǎng)站、應(yīng)用頁(yè)面中通過(guò)創(chuàng)意降維、加注標(biāo)簽和設(shè)置追蹤代碼三個(gè)步驟來(lái)提取廣告創(chuàng)意元素。創(chuàng)意元素生成創(chuàng)意降維加注標(biāo)簽設(shè)置追蹤代碼主視覺(jué)元素、品牌標(biāo)識(shí)元素、文案說(shuō)明元素、行為召喚元素、背景圖元素創(chuàng)意模板開(kāi)發(fā)一是調(diào)整模板中元素信息的相對(duì)位置，生產(chǎn)出差異化的創(chuàng)意；二是通過(guò)對(duì)原始模板中元素的不斷調(diào)整和替換，生成新的創(chuàng)意。創(chuàng)意元素組合上傳元素內(nèi)容、制作模板、設(shè)置創(chuàng)意規(guī)則、自動(dòng)生成創(chuàng)意創(chuàng)意內(nèi)容實(shí)現(xiàn)創(chuàng)意內(nèi)容組合程序化廣告創(chuàng)意內(nèi)容組合指的是：基于消費(fèi)者心理和廣告板式要求，提取不同類(lèi)型的元素進(jìn)行組合，從而實(shí)現(xiàn)廣告創(chuàng)意內(nèi)容和目標(biāo)用戶(hù)的適配。創(chuàng)意作品擴(kuò)充程序化廣告創(chuàng)意作品擴(kuò)充的具體流程是：原始創(chuàng)意（視頻／圖片）→創(chuàng)意降維（分鏡／元素）→分鏡／元素打標(biāo)→智能重組（無(wú)規(guī)混組／無(wú)規(guī)混剪）→智能推薦→瀑布流布局。圖片上傳.psd文件→識(shí)別.psd文件分層→圖層元素分類(lèi)提取→psd模板基礎(chǔ)的批量元素替換→智能重組（無(wú)規(guī)混組）→智能推薦→瀑布流上傳原視頻→AI拆分→分鏡打標(biāo)和分類(lèi)→智能重組（無(wú)規(guī)混剪）→微元素編輯→智能推薦→瀑布流布局視頻智能重組（無(wú)規(guī)混組）無(wú)規(guī)混組是指通過(guò)在程序中引入隨機(jī)元素，使得創(chuàng)意生成的過(guò)程不受限于固定的規(guī)則或預(yù)設(shè)的模式，產(chǎn)生更多獨(dú)特和創(chuàng)新的圖片創(chuàng)意。無(wú)規(guī)混組首先將一個(gè).psd源文件上傳系統(tǒng)，識(shí)別出所有圖層，然后對(duì)每個(gè)圖層進(jìn)行分類(lèi)（文案類(lèi)、產(chǎn)品類(lèi)、背景類(lèi)等）。在未設(shè)定有“必須”出現(xiàn)的圖層規(guī)則下，從每個(gè)分類(lèi)隨機(jī)選一個(gè)圖層，進(jìn)而將多分類(lèi)下的單圖層一對(duì)一地組合在一起，即可生成多樣化的新整圖。智能重組（無(wú)規(guī)混剪）無(wú)規(guī)混剪是指利用計(jì)算機(jī)程序隨機(jī)組合和拼接各種媒體元素，例如音頻、視頻和圖像，以產(chǎn)生新的視頻創(chuàng)意作品。首先上傳一個(gè)長(zhǎng)視頻，機(jī)器預(yù)先按“轉(zhuǎn)場(chǎng)鏡頭”，將視頻拆分為幾段分鏡頭；之后人工審閱鏡頭內(nèi)容，進(jìn)行調(diào)試或者分類(lèi)（開(kāi)場(chǎng)類(lèi)、產(chǎn)品介紹類(lèi)等）；最后在未設(shè)定有“必須”出現(xiàn)的分鏡鏡頭規(guī)則下，設(shè)定一個(gè)腳本（如：開(kāi)場(chǎng)＋產(chǎn)品介紹＋促銷(xiāo)說(shuō)明），系統(tǒng)會(huì)按腳本順序，隨機(jī)選擇指定分類(lèi)下的一個(gè)鏡頭，進(jìn)而將多分類(lèi)下的單分鏡一對(duì)一地組合在一起，生成多樣化的新視頻瀑布流。巨量引擎程序化創(chuàng)意平臺(tái)創(chuàng)意拼裝大圖&小圖組圖視頻智能推薦圖片圖像特征提取特征表示與嵌入相似度計(jì)算推薦算法反饋和優(yōu)化視頻視頻特征提取和分類(lèi)相似度計(jì)算推薦算法反饋和優(yōu)化瀑布流布局瀑布流式布局是一種在網(wǎng)頁(yè)或移動(dòng)應(yīng)用中常見(jiàn)的頁(yè)面布局形式。瀑布流將廣告內(nèi)容以多列的方式呈現(xiàn)，每一列按照順序排列，形成一種瀑布流的效果。瀑布流布局無(wú)限滾動(dòng)布局自適應(yīng)廣告多樣性增加曝光和點(diǎn)擊率02個(gè)性化展示形成背景在信息過(guò)載背景下，必須對(duì)廣告潛在消費(fèi)者進(jìn)行廣告的個(gè)性化展示，即“千人千面”，才能達(dá)成傳播效果?；具壿媯€(gè)性化展示的基本邏輯，是通過(guò)用戶(hù)與場(chǎng)景的交互，通過(guò)推薦機(jī)制實(shí)現(xiàn)用戶(hù)與廣告內(nèi)容的相關(guān)性連接。推薦系統(tǒng)根據(jù)特定的用戶(hù)和特定的場(chǎng)景，通過(guò)個(gè)性化算法或技術(shù)確定與之匹配的廣告，實(shí)現(xiàn)個(gè)性化創(chuàng)意的精準(zhǔn)化投放。通過(guò)算法集合自動(dòng)尋找廣告、情景與用戶(hù)三者之間的最佳匹配是個(gè)性化推薦系統(tǒng)的主要目的。個(gè)性化展示基本內(nèi)涵數(shù)據(jù)提供了信息數(shù)據(jù)包括用戶(hù)與內(nèi)容的屬性，用戶(hù)的行為偏好等。通過(guò)綜合用戶(hù)屬性和行為數(shù)據(jù)，系統(tǒng)可以建立用戶(hù)的偏好模型，進(jìn)而提供更加精準(zhǔn)的廣告推薦，提高廣告的點(diǎn)擊率和轉(zhuǎn)化率。算法提供了邏輯基于協(xié)同過(guò)濾的推薦算法、基于物品或內(nèi)容的推薦算法、基于規(guī)則的推薦算法、隱語(yǔ)義模型、深度學(xué)習(xí)模型、強(qiáng)化學(xué)習(xí)模型架構(gòu)保證了運(yùn)行推薦系統(tǒng)的整體框架主要包括接入調(diào)度模塊、推薦算法模塊、消息隊(duì)列模塊和存儲(chǔ)單元模塊。這四個(gè)模塊的協(xié)同合作，保證了推薦系統(tǒng)自動(dòng)化、實(shí)時(shí)性地運(yùn)行。個(gè)性化廣告推薦系統(tǒng)的核心要素將用戶(hù)模型與廣告內(nèi)容進(jìn)行匹配和比較，計(jì)算廣告與用戶(hù)之間的相關(guān)性。相關(guān)性計(jì)算系統(tǒng)對(duì)廣告內(nèi)容進(jìn)行分析，提取關(guān)鍵信息、主題和特征，涉及廣告的文本、圖片、視頻、關(guān)鍵詞等。廣告內(nèi)容分析系統(tǒng)通過(guò)收集和分析用戶(hù)的個(gè)人信息、歷史行為、興趣標(biāo)簽等數(shù)據(jù)來(lái)建立用戶(hù)模型。用戶(hù)建模基于用戶(hù)模型和廣告相關(guān)性計(jì)算結(jié)果，采用上文所述的推薦算法來(lái)確定最佳的廣告推薦列表。算法推薦個(gè)性化廣告推薦系統(tǒng)通常會(huì)監(jiān)控用戶(hù)的反饋和行為數(shù)據(jù)，并根據(jù)實(shí)時(shí)數(shù)據(jù)對(duì)推薦模型進(jìn)行調(diào)整和優(yōu)化，以推薦更準(zhǔn)確和個(gè)性化的廣告。實(shí)時(shí)調(diào)整和優(yōu)化個(gè)性化廣告推薦系統(tǒng)的運(yùn)作環(huán)節(jié)基于人口統(tǒng)計(jì)學(xué)的推薦機(jī)制基于人口統(tǒng)計(jì)學(xué)的推薦機(jī)制把用戶(hù)按照位置（地理位置或IP地址）、性別或者婚姻狀況來(lái)分組，根據(jù)用戶(hù)的基本信息發(fā)現(xiàn)用戶(hù)的相關(guān)程度，然后將相似用戶(hù)喜愛(ài)的其他物品推薦給當(dāng)前用戶(hù)。基于物品或內(nèi)容的推薦機(jī)制基于物品或內(nèi)容的推薦機(jī)制是根據(jù)推薦商品或內(nèi)容的元數(shù)據(jù)，發(fā)現(xiàn)商品或者內(nèi)容的相關(guān)性，然后以關(guān)聯(lián)規(guī)則為基礎(chǔ)，把已購(gòu)商品作為規(guī)則頭，推薦對(duì)象作為規(guī)則體。包括物品表示、特征學(xué)習(xí)、生成推薦列表三步?；谟脩?hù)價(jià)值的推薦機(jī)制根據(jù)所有用戶(hù)對(duì)商品或內(nèi)容的偏好，發(fā)現(xiàn)與當(dāng)前用戶(hù)口味和偏好相似的“鄰居”用戶(hù)群。（KNN）基于用戶(hù)的協(xié)同過(guò)濾推薦機(jī)制和基于人口統(tǒng)計(jì)學(xué)的推薦機(jī)制都是計(jì)算用戶(hù)的相似度，并基于“鄰居”用戶(hù)進(jìn)行推薦的?；谟脩?hù)的協(xié)同過(guò)濾推薦機(jī)制分析所有用戶(hù)對(duì)商品的偏好發(fā)現(xiàn)商品和商品之間的相似度，然后根據(jù)某個(gè)用戶(hù)的歷史偏好信息，將類(lèi)似的物品推薦給用戶(hù)?；谏唐返膮f(xié)同過(guò)濾推薦和基于商品的推薦都是基于商品相似度的預(yù)測(cè)推薦，前者是通過(guò)用戶(hù)歷史的偏好進(jìn)行推斷的，而后者是通過(guò)商品本身的屬性特征信息進(jìn)行推斷的。基于商品的協(xié)同過(guò)濾推薦機(jī)制基于樣本的用戶(hù)喜好信息，采用機(jī)器學(xué)習(xí)的方法訓(xùn)練一個(gè)推薦模型，然后根據(jù)實(shí)時(shí)的用戶(hù)喜好信息進(jìn)行預(yù)測(cè)，從而進(jìn)行推薦?；谀Ｐ偷膮f(xié)同過(guò)濾推薦機(jī)制基于協(xié)同過(guò)濾的推薦機(jī)制基于協(xié)同過(guò)濾的推薦機(jī)制原理就是根據(jù)用戶(hù)對(duì)物品或者信息的偏好，發(fā)現(xiàn)商品或者內(nèi)容本身的相關(guān)性，然后再基于這些相關(guān)性進(jìn)行推薦。基于混合機(jī)制的推薦現(xiàn)行的Web站點(diǎn)上的推薦往往不是只采用一種推薦機(jī)制和策略，而是將多個(gè)方法混合在一起，從而達(dá)到更好的推薦效果。以下是幾種比較流行的組合推薦機(jī)制：加權(quán)的混合推薦機(jī)制、切換的混合推薦機(jī)制、分區(qū)的混合推薦機(jī)制、分層的混合推薦機(jī)制。抖音短視頻內(nèi)容分發(fā)的推薦流程推薦流程雙重審核冷啟動(dòng)數(shù)據(jù)加權(quán)進(jìn)入精品推薦池機(jī)器推薦（違規(guī)、消重）+人工審核信息流漏斗算法根據(jù)1000次曝光數(shù)據(jù)結(jié)合用戶(hù)賬號(hào)分值來(lái)分析是否加權(quán)倒三角流量池算法抖音短視頻內(nèi)容分發(fā)的推薦流程抖音短視頻內(nèi)容分發(fā)的推薦流程抖音短視頻內(nèi)容分發(fā)的推薦流程03創(chuàng)意管理計(jì)算廣告程序化創(chuàng)意管理計(jì)算廣告程序化創(chuàng)意管理利用計(jì)算機(jī)技術(shù)和算法，通過(guò)自動(dòng)化和數(shù)據(jù)驅(qū)動(dòng)的方式，提高廣告創(chuàng)意管理的效率和精確性，為廣告主和受眾帶來(lái)更好的廣告體驗(yàn)。現(xiàn)階段計(jì)算廣告程序化創(chuàng)意管理的核心是動(dòng)態(tài)創(chuàng)意優(yōu)化，包括目標(biāo)受眾分析、實(shí)時(shí)反饋收集、反饋數(shù)據(jù)分析和模型建立、創(chuàng)意優(yōu)化、實(shí)時(shí)投放和監(jiān)測(cè)五個(gè)方面。完整流程程序化創(chuàng)意工具巨量引擎程序化創(chuàng)意平臺(tái)創(chuàng)意優(yōu)化落地頁(yè)創(chuàng)意方向創(chuàng)意圖片巨量引擎程序化創(chuàng)意平臺(tái)創(chuàng)意優(yōu)化創(chuàng)意文案創(chuàng)意管理動(dòng)態(tài)內(nèi)容、動(dòng)態(tài)落地頁(yè)、動(dòng)態(tài)用戶(hù)動(dòng)態(tài)特性商品庫(kù)、用戶(hù)行為數(shù)據(jù)、用戶(hù)流量投放條件建立商品庫(kù)、行為數(shù)據(jù)同步、廣告投放、廣告下發(fā)展示投放流程動(dòng)態(tài)商品廣告動(dòng)態(tài)商品廣告是一種利用實(shí)時(shí)數(shù)據(jù)和個(gè)性化算法來(lái)實(shí)現(xiàn)廣告內(nèi)容實(shí)時(shí)更新和個(gè)性化展示的廣告形式，通過(guò)分析用戶(hù)行為和商品信息，為用戶(hù)推薦最相關(guān)的商品，提升廣告效果和用戶(hù)體驗(yàn)。實(shí)時(shí)監(jiān)測(cè)廣告動(dòng)態(tài)、收集消費(fèi)者數(shù)據(jù)，根據(jù)不同創(chuàng)意畫(huà)面在特定人群或特定環(huán)境下的投放效果，實(shí)時(shí)調(diào)整素材組合，自動(dòng)優(yōu)化創(chuàng)意畫(huà)面投放配比，提升曝光和互動(dòng)效果，確保廣告內(nèi)容符合消費(fèi)者的偏好。動(dòng)態(tài)滿足消費(fèi)者需求DCO可以根據(jù)初始的創(chuàng)意素材自動(dòng)組合出不同版本和尺寸的效果圖；程序化創(chuàng)意工具、程序化購(gòu)買(mǎi)和動(dòng)態(tài)創(chuàng)意優(yōu)化的結(jié)合生成的動(dòng)態(tài)商品廣告，可以實(shí)現(xiàn)動(dòng)態(tài)呈現(xiàn)個(gè)性化商品。動(dòng)態(tài)呈現(xiàn)個(gè)性化商品DCO技術(shù)會(huì)針對(duì)用戶(hù)個(gè)體的差異化特征、喜好等推送不同的創(chuàng)意組合。動(dòng)態(tài)提升消費(fèi)者體驗(yàn)動(dòng)態(tài)創(chuàng)意優(yōu)化的本質(zhì)特點(diǎn)動(dòng)態(tài)商品廣告是一種利用實(shí)時(shí)數(shù)據(jù)和個(gè)性化算法來(lái)實(shí)現(xiàn)廣告內(nèi)容實(shí)時(shí)更新和個(gè)性化展示的廣告形式，通過(guò)分析用戶(hù)行為和商品信息，為用戶(hù)推薦最相關(guān)的商品，提升廣告效果和用戶(hù)體驗(yàn)。創(chuàng)意組合生成VS動(dòng)態(tài)創(chuàng)意優(yōu)化04時(shí)代價(jià)值計(jì)算廣告程序化內(nèi)容創(chuàng)作的時(shí)代價(jià)值結(jié)構(gòu)性變革顛覆傳統(tǒng)創(chuàng)作方式、提升創(chuàng)作效果、人機(jī)合作協(xié)同標(biāo)志性意義創(chuàng)意大幅提升、創(chuàng)意資源實(shí)時(shí)更新、創(chuàng)意數(shù)據(jù)循環(huán)使用、創(chuàng)意投放全方位協(xié)同模式性特征用戶(hù)相關(guān)性、場(chǎng)景匹配性、內(nèi)容適配性、用戶(hù)協(xié)同性程序化內(nèi)容創(chuàng)作計(jì)算廣告ProgrammaticContentCreation媒介計(jì)劃計(jì)算廣告MediaPlan第八章目錄媒介購(gòu)買(mǎi)MEDIABUYING媒介投放MEDIAPLACEMENT媒介結(jié)算INTERMEDIARYSETTLEMENT01媒介購(gòu)買(mǎi)媒介購(gòu)買(mǎi)計(jì)算廣告媒介購(gòu)買(mǎi)是指廣告主根據(jù)自身品牌或產(chǎn)品的定位與特征，向媒體方采購(gòu)流量并發(fā)起交易請(qǐng)求。媒介購(gòu)買(mǎi)包括設(shè)置預(yù)算分配、選擇投放類(lèi)型、確定目標(biāo)受眾、確定搜索關(guān)鍵詞（搜索廣告策略）等過(guò)程，最后通過(guò)廣告平臺(tái)完成程序化廣告交易等環(huán)節(jié)。計(jì)算廣告預(yù)算類(lèi)型在計(jì)算廣告平臺(tái)賬戶(hù)中，預(yù)算類(lèi)型分為日預(yù)算、周預(yù)算、月預(yù)算以及總預(yù)算。計(jì)算廣告預(yù)算模型廣告主進(jìn)行流量采購(gòu)和設(shè)置投放計(jì)劃時(shí)，需要通過(guò)廣告預(yù)算模型進(jìn)行合理預(yù)估以避免費(fèi)用消耗過(guò)度，從而使預(yù)算得到合理的分配和使用。搭建廣告預(yù)算模型主要需考慮廣告主預(yù)期投放量、廣告預(yù)期投放時(shí)間、目標(biāo)用戶(hù)量、廣告預(yù)期點(diǎn)擊率以及廣告內(nèi)容質(zhì)量等五個(gè)要素。計(jì)算廣告預(yù)算控制根據(jù)廣告主的設(shè)定，廣告預(yù)算可以加速消耗，也可以保持勻速消耗。加速消耗指的是優(yōu)先考慮速度，盡快投放廣告，從而盡快花完全部預(yù)算；勻速消耗指的是系統(tǒng)會(huì)在廣告計(jì)劃的整個(gè)投放期間均勻地投放廣告，使廣告預(yù)算盡可能分配到每個(gè)小時(shí)段或者每天。設(shè)置預(yù)算分配選擇投放類(lèi)型——搜索廣告搜索廣告是用戶(hù)借助搜索引擎工具，通過(guò)關(guān)鍵詞搜索查詢(xún)相關(guān)信息時(shí)，在搜索結(jié)果列表中呈現(xiàn)的廣告信息。最基本的形式是與自然檢索結(jié)果一致的文字鏈，一般會(huì)在角落處標(biāo)注“推廣”“推廣鏈接”“Ads”等字樣。選擇投放類(lèi)型——搜索廣告選擇投放類(lèi)型——搜索廣告選擇投放類(lèi)型——展示廣告在計(jì)算廣告中，展示廣告是媒體網(wǎng)站或APP實(shí)現(xiàn)商業(yè)化變現(xiàn)的主要形式，通常以“圖片+文字”的方式進(jìn)行廣告展示。展示廣告的展現(xiàn)邏輯是媒體網(wǎng)站或APP根據(jù)用戶(hù)行為、上下文內(nèi)容、觀看場(chǎng)景等進(jìn)行推薦。確定目標(biāo)受眾確定目標(biāo)受眾是為了解決廣告主的廣告應(yīng)該向誰(shuí)投放的問(wèn)題。計(jì)算廣告平臺(tái)借助其強(qiáng)大的受眾分析能力和人群標(biāo)簽體系，讓廣告主了解自己產(chǎn)品的（潛在）受眾，從而選擇相應(yīng)的人群標(biāo)簽定向投放廣告。確定搜索關(guān)鍵詞計(jì)算廣告平臺(tái)推出搜索廣告的第一步是根據(jù)用戶(hù)搜索詞觸發(fā)相關(guān)廣告創(chuàng)意，需要廣告主提前設(shè)置關(guān)鍵詞。當(dāng)用戶(hù)輸入廣告主設(shè)置的關(guān)鍵詞后，該廣告主的廣告便成為投放候選，參與關(guān)鍵詞競(jìng)價(jià)。完成廣告交易廣告交易是廣告主購(gòu)買(mǎi)流量的實(shí)現(xiàn)過(guò)程。這一過(guò)程需要經(jīng)過(guò)廣告系統(tǒng)平臺(tái)對(duì)接、廣告檢索和廣告排序三個(gè)主要步驟。計(jì)算廣告媒介購(gòu)買(mǎi)搜索關(guān)鍵詞——精確匹配搜索關(guān)鍵詞——短語(yǔ)匹配搜索關(guān)鍵詞——廣泛匹配02媒介投放設(shè)置計(jì)算廣告投放計(jì)劃品牌廣告主投放合約廣告時(shí)需遵循廣告計(jì)劃、廣告組和廣告創(chuàng)意的搭建結(jié)構(gòu)，但不需要設(shè)置出價(jià)，因?yàn)榱髁抠?gòu)買(mǎi)價(jià)格是廣告主事先與媒體方協(xié)商好的。賬戶(hù)搭建設(shè)置計(jì)算廣告投放計(jì)劃廣告主創(chuàng)建的廣告投放活動(dòng)會(huì)通過(guò)“定向”表達(dá)自己的目標(biāo)受眾。平臺(tái)會(huì)對(duì)滿足目標(biāo)設(shè)置的廣告開(kāi)放競(jìng)價(jià)窗口，使廣告能夠公平競(jìng)爭(zhēng)獲得曝光。定向設(shè)置設(shè)置計(jì)算廣告投放計(jì)劃出價(jià)設(shè)置若多條廣告的目標(biāo)受眾設(shè)置都和某個(gè)用戶(hù)群體相匹配，那這些廣告將互為競(jìng)爭(zhēng)對(duì)手，共同參與競(jìng)價(jià)。創(chuàng)意制作與審核一般來(lái)說(shuō)，廣告平臺(tái)同時(shí)支持程序化創(chuàng)意和自定義創(chuàng)意兩種創(chuàng)意素材制作方式；計(jì)算廣告平臺(tái)還需要對(duì)廣告主投放的廣告創(chuàng)意進(jìn)行審核。首先，需要確保廣告內(nèi)容合法合規(guī)，無(wú)敏感信息；再者，需要檢查廣告的尺寸、格式、規(guī)格等是否正確。由于廣告信息傳遞的有效性不同及受眾喜好的差異，用戶(hù)轉(zhuǎn)化路徑從前到后呈現(xiàn)出轉(zhuǎn)化率逐漸降低的趨勢(shì)，即呈現(xiàn)漏斗狀，因此，這個(gè)轉(zhuǎn)化過(guò)程也被稱(chēng)為“轉(zhuǎn)化漏斗”。轉(zhuǎn)化漏斗是持續(xù)優(yōu)化計(jì)算廣告投放策略的重要參照。轉(zhuǎn)化漏斗前端指標(biāo)：展示量、點(diǎn)擊量、點(diǎn)擊率；中端指標(biāo)：落地頁(yè)展示量、落地頁(yè)會(huì)話數(shù)、落地頁(yè)停留間、PV、UV、跳出率、二跳率；后端指標(biāo)：注冊(cè)量、登錄量、ROI。效果指標(biāo)廣告可視度、廣告可見(jiàn)的TA濃度、廣告可見(jiàn)的TA到達(dá)率、廣告可見(jiàn)的互聯(lián)網(wǎng)總收視點(diǎn)、廣告曝光頻次、反作弊指標(biāo)、品牌安全。品牌指標(biāo)優(yōu)化計(jì)算廣告投放計(jì)劃計(jì)算廣告優(yōu)化是一個(gè)螺旋上升的過(guò)程，廣告主需要實(shí)時(shí)監(jiān)控廣告投放數(shù)據(jù)和廣告主官網(wǎng)轉(zhuǎn)化數(shù)據(jù)，根據(jù)轉(zhuǎn)化漏斗的各環(huán)節(jié)數(shù)據(jù)指標(biāo)，量化評(píng)估廣告投放效果，不斷發(fā)現(xiàn)問(wèn)題、分析問(wèn)題并找到解決方案，實(shí)時(shí)進(jìn)行廣告的優(yōu)化調(diào)整，從而實(shí)現(xiàn)廣告投放的良性閉環(huán)。優(yōu)化計(jì)算廣告投放計(jì)劃根據(jù)轉(zhuǎn)化漏斗的各個(gè)環(huán)節(jié)，優(yōu)化師可以有針對(duì)性地設(shè)置不同的優(yōu)化維度，調(diào)整廣告投放策略。常見(jiàn)的優(yōu)化維度包括媒體優(yōu)化、時(shí)間優(yōu)化、地點(diǎn)優(yōu)化、創(chuàng)意優(yōu)化、頻次優(yōu)化、人群優(yōu)化、出價(jià)優(yōu)化。優(yōu)化維度03媒介結(jié)算計(jì)算廣告媒介結(jié)算按展示結(jié)算方式CPT結(jié)算、CPM結(jié)算、oCPM結(jié)算、CPV結(jié)算按點(diǎn)擊結(jié)算方式CPC結(jié)算、oCPC結(jié)算按轉(zhuǎn)化結(jié)算方式CPA結(jié)算、CPS結(jié)算、CPD結(jié)算媒介計(jì)劃計(jì)算廣告MediaPlan交易原理計(jì)算廣告TradingPrinciples第九章目錄實(shí)時(shí)競(jìng)價(jià)交易模式Real-timebiddingtransactionmodel非實(shí)時(shí)競(jìng)價(jià)交易模式Non-real-timebiddingtransactionmode計(jì)算廣告交易過(guò)程Computingadvertisingtransactions計(jì)算廣告交易是一種數(shù)字廣告交易模式，基于計(jì)算機(jī)算法和實(shí)時(shí)數(shù)據(jù)分析來(lái)決定廣告展示和投放。計(jì)算廣告交易的基本流程包括：廣告需求方向廣告交易平臺(tái)提出廣告投放的意愿；用戶(hù)訪問(wèn)網(wǎng)頁(yè)或應(yīng)用觸發(fā)廣告展示請(qǐng)求；廣告流量供應(yīng)方連接廣告交易平臺(tái)；廣告交易平臺(tái)通過(guò)合約或競(jìng)價(jià)系統(tǒng)撮合廣告交易廣告投放后的數(shù)據(jù)追蹤和優(yōu)化。計(jì)算廣告交易原理01實(shí)時(shí)競(jìng)價(jià)交易端廣告聯(lián)盟的弊端日益凸顯隨著廣告聯(lián)盟數(shù)量不斷增多，廣告交易復(fù)雜程度呈現(xiàn)幾何級(jí)的增長(zhǎng)，廣告聯(lián)盟競(jìng)價(jià)交易模式的弊端逐漸凸顯，主要表現(xiàn)為精準(zhǔn)投放能力不足、資源標(biāo)準(zhǔn)和價(jià)格體系混亂兩個(gè)方面。需求端廣告主提出更加精準(zhǔn)的投放要求由于宏觀經(jīng)濟(jì)的影響，廣告主的廣告預(yù)算呈現(xiàn)整體收縮的趨勢(shì)。同時(shí)，分散的媒介資源和碎片化的消費(fèi)者數(shù)據(jù)也為廣告主的媒體策略和廣告投放增加了難度。在預(yù)算收縮而廣告投放需求仍然存在的情況下，廣告主愈發(fā)重視廣告的性?xún)r(jià)比。供應(yīng)端用戶(hù)行為開(kāi)始數(shù)據(jù)化呈現(xiàn)在大數(shù)據(jù)時(shí)代，廣告主或技術(shù)公司可以利用大數(shù)據(jù)技術(shù)、定向技術(shù)對(duì)用戶(hù)的媒體屬性、消費(fèi)習(xí)慣、使用位置及厭惡喜好進(jìn)行分析。實(shí)時(shí)競(jìng)價(jià)交易模式的形成背景實(shí)時(shí)競(jìng)價(jià)交易模式的定義實(shí)時(shí)競(jìng)價(jià)是一種利用人群定向技術(shù)，在數(shù)以百萬(wàn)計(jì)的網(wǎng)站或APP上，針對(duì)每一個(gè)用戶(hù)展示行為進(jìn)行實(shí)時(shí)評(píng)估和出價(jià)的廣告公開(kāi)交易方式。實(shí)時(shí)競(jìng)價(jià)交易模式的特點(diǎn)“公開(kāi)”是指RTB模式在公開(kāi)市場(chǎng)中進(jìn)行，對(duì)參與交易的廣告主和媒體都沒(méi)有準(zhǔn)入限制?！皩?shí)時(shí)”是指整個(gè)廣告交易過(guò)程要在100毫秒內(nèi)完成，用戶(hù)完全是無(wú)感知的?！案?jìng)價(jià)”是指多個(gè)買(mǎi)家參與出價(jià)競(jìng)爭(zhēng)，通過(guò)特定的技術(shù)系統(tǒng)，針對(duì)單個(gè)網(wǎng)民的廣告價(jià)值進(jìn)行評(píng)估和出價(jià)。出價(jià)最高的廣告主將獲得廣告展示機(jī)會(huì)。實(shí)時(shí)競(jìng)價(jià)交易模式與程序化廣告的關(guān)系“程序化廣告”是指廣告主通過(guò)數(shù)字平臺(tái)，從受眾匹配的角度，由計(jì)算程序自動(dòng)完成互聯(lián)網(wǎng)廣告的采買(mǎi)和投放，并進(jìn)行實(shí)時(shí)反饋分析的一種廣告投放方式，涉及數(shù)字平臺(tái)、受眾匹配和程序自動(dòng)三個(gè)核心要素。實(shí)時(shí)競(jìng)價(jià)是程序化廣告交易的早期形式。實(shí)時(shí)競(jìng)價(jià)推動(dòng)了程序化廣告的質(zhì)變。實(shí)時(shí)競(jìng)價(jià)交易模式的基本原理實(shí)時(shí)競(jìng)價(jià)交易模式的基本流程實(shí)時(shí)競(jìng)價(jià)交易模式的優(yōu)劣優(yōu)勢(shì)幫助廣告主實(shí)現(xiàn)精準(zhǔn)的受眾定向，提高廣告投放效率和預(yù)算使用效率；幫助媒體實(shí)現(xiàn)廣告資源的優(yōu)化配置，提升媒體的廣告收入和用戶(hù)的體驗(yàn)。劣勢(shì)實(shí)時(shí)競(jìng)價(jià)交易模式不利于廣告主培養(yǎng)長(zhǎng)期品牌效果；實(shí)時(shí)競(jìng)價(jià)交易模式所需的數(shù)據(jù)缺乏開(kāi)放動(dòng)力；實(shí)時(shí)競(jìng)價(jià)交易模式存在用戶(hù)個(gè)人信息安全隱患。02非實(shí)時(shí)競(jìng)價(jià)非實(shí)時(shí)競(jìng)價(jià)交易模式實(shí)時(shí)競(jìng)價(jià)無(wú)法滿足廣告主對(duì)品牌信息的投放訴求；實(shí)時(shí)競(jìng)價(jià)無(wú)法滿足媒體方對(duì)優(yōu)質(zhì)流量的變現(xiàn)需求。形成背景按照出價(jià)方式和流量庫(kù)存是否有保證，非實(shí)時(shí)競(jìng)價(jià)交易可劃分為擔(dān)保投送優(yōu)化、非預(yù)留定價(jià)交易和邀請(qǐng)制競(jìng)價(jià)交三種類(lèi)型。PDB的特點(diǎn)是保價(jià)保量，PD的特點(diǎn)是保價(jià)不保量，PA的特點(diǎn)是不保價(jià)也不保量同時(shí)限定參與競(jìng)價(jià)拍賣(mài)的廣告主。RTB的特點(diǎn)則是不保價(jià)不保量，也不限制參與競(jìng)價(jià)的廣告主?；绢?lèi)型PDB交易模式的供給方是高端優(yōu)質(zhì)媒體或一般媒體的優(yōu)質(zhì)廣告位，需求方通常是預(yù)算較為充足、重視品牌形象及廣告質(zhì)量的優(yōu)質(zhì)廣告主。擔(dān)保投送優(yōu)化的應(yīng)用場(chǎng)景擔(dān)保投送優(yōu)化交易模式的基本流程包括合約協(xié)商階段、技術(shù)對(duì)接階段、退量設(shè)置階段以及交易執(zhí)行階段。擔(dān)保投送優(yōu)化的基本流程在PD模式下，廣告主按照與媒體約定好的固定價(jià)格（一般高于實(shí)時(shí)競(jìng)價(jià)出價(jià)，低于PDB定價(jià)）進(jìn)行廣告位采買(mǎi)，同時(shí)具有更高的靈活性。非預(yù)留定價(jià)的量?jī)r(jià)約束非實(shí)時(shí)競(jìng)價(jià)交易模式的基本類(lèi)型不同類(lèi)型媒體及其不同質(zhì)量的流量會(huì)選擇不同的交易場(chǎng)所和交易模式進(jìn)行售賣(mài)。其中，擔(dān)保投送優(yōu)化的資源相比于非預(yù)留定價(jià)交易和邀請(qǐng)制競(jìng)價(jià)交易更加優(yōu)質(zhì)，優(yōu)先級(jí)也更高。邀請(qǐng)制競(jìng)價(jià)交易模式內(nèi)涵邀請(qǐng)制競(jìng)價(jià)交易模式是一種“不保價(jià)不保量”的競(jìng)價(jià)交易模式，多適用于那些注重精準(zhǔn)目標(biāo)受眾和品牌安全的廣告主，遵循價(jià)高者得的競(jìng)價(jià)規(guī)則。邀請(qǐng)制競(jìng)價(jià)交易模式基本流程媒體設(shè)定邀請(qǐng)制競(jìng)價(jià)交易、媒體邀請(qǐng)廣告主、廣告主參與競(jìng)價(jià)、廣告展示、廣告效果評(píng)估。邀請(qǐng)制競(jìng)價(jià)交易模式與實(shí)時(shí)競(jìng)價(jià)的區(qū)別PA不是發(fā)生在公開(kāi)的交易市場(chǎng)，參與PA競(jìng)價(jià)的廣告主是媒體方選定，他們擁有競(jìng)價(jià)優(yōu)先權(quán)。相比于實(shí)時(shí)競(jìng)價(jià)模式，PA使廣告主能盡量將廣告展示在更高質(zhì)量的媒體中。邀請(qǐng)制競(jìng)價(jià)交易模式擔(dān)保投送優(yōu)化廣告交易模式的特點(diǎn)分析貼近廣告主的傳統(tǒng)思維和預(yù)算分配習(xí)慣、利用定向條件進(jìn)行流量分割和個(gè)性化投放、實(shí)現(xiàn)跨媒體廣告投放的頻次控制、設(shè)置具有針對(duì)性的廣告創(chuàng)意展示策略、為需求方提供一定比例的還量自由。非預(yù)留定價(jià)廣告交易模式的特點(diǎn)分析廣告主具有高度靈活性、媒體方具有較高的收益。邀請(qǐng)制競(jìng)價(jià)廣告交易模式的特點(diǎn)分析流量資源比公開(kāi)市場(chǎng)更為優(yōu)質(zhì)、保留競(jìng)價(jià)機(jī)制提升媒體的變現(xiàn)能力。非實(shí)時(shí)競(jìng)價(jià)交易模式的特點(diǎn)03交易過(guò)程競(jìng)價(jià)交易請(qǐng)求分析環(huán)節(jié)媒體向SSP和ADX發(fā)送廣告競(jìng)價(jià)請(qǐng)求廣告位信息：廣告位ID、廣告位位置、廣告位尺寸、媒體頻道；用戶(hù)信息：用戶(hù)ID、設(shè)備類(lèi)型、地理位置、性別和年齡、興趣愛(ài)好、搜索關(guān)鍵詞；底價(jià)信息：廣告位價(jià)值、歷史數(shù)據(jù)、競(jìng)爭(zhēng)媒體、受眾定位、實(shí)時(shí)優(yōu)化。ADX向DSP發(fā)送廣告競(jìng)價(jià)請(qǐng)求解析廣告請(qǐng)求、過(guò)濾無(wú)效流量、識(shí)別用戶(hù)信息。競(jìng)價(jià)交易檢索排序環(huán)節(jié)廣告檢索的內(nèi)涵廣告檢索是指在程序化廣告交易中，當(dāng)媒體網(wǎng)站、應(yīng)用程序或其他數(shù)字媒體觸發(fā)廣告位請(qǐng)求時(shí)，廣告交易系統(tǒng)根據(jù)廣告請(qǐng)求的特定信息和條件，在廣告庫(kù)存中檢索合適廣告的過(guò)程。廣告檢索的步驟廣告檢索通常分為兩步：一、定