一、大数据精准广告内涵

大数据现在已经成为整个IT界（包括Internet Technology和Information Technology）最热门的词之一。似乎任何话题，只要提到大数据，都会瞬间变得高大上。一夜之间，大数据取代了主观理性思维，成为智能洞察的代名词。

但当我们走过对北京网站产生的大数据的崇拜阶段，揭开大数据实际应用的面纱后，我们逐渐反思充满话语世界的大数据。因为大数据对经济发展的重大意义并不意味着它可以取代对社会问题的一切理性思考，科学发展的逻辑不能在海量数据中丢失。著名经济学家路德维希冯米塞斯曾提醒道：“就今天而言，许多人忙于无用的数据积累，以至于失去了对解释和解决问题的特殊经济意义的理解。

以大数据的广告应用为例，精准广告应该是大数据最早的应用，也是最容易产生直接收益的。如今，几乎没有广告公司不自称是大数据技术公司。大数据精准广告的核心内涵是什么？一句话，就是程序化的定向投放。其中，定向是核心，编程是手段。

以朋友圈为例，不针对地域。年初公价CPM（cost per thousand impression，朋友圈广告价格远超一般媒体）40元，定向核心城市140元，定向重点城市90元。性别，增加10%，然后叠加H5外链（更好的流量引导效果），增加20%。就像进口化妆品一样，先按一定比例征收关税，然后按含税价格征收增值税，再按含税价格征收消费税。

对于微信来说，虽然客户的地域和性别也需要数据分析和解读，但相对容易确认。对于其他数据公司来说，地区仍然可以通过IP或手机端GPS获取，但性别更可能是数据分析的一个可能属性。当然，大数据不仅仅分析这么简单的标签。对于媒体联盟来说，媒体选择项很多，还要分析客户媒体偏好标签，以及时间段、人群属性、设备类型、偏好类型等多种针对性组合。

好了，以上就是对精准广告的粗浅介绍。那么大数据精准广告能带来什么价值呢？通常下面的故事是大数据广告公司经常提到的。

如果每小时有10000人浏览一个网站的广告位，那么每小时的曝光量就是10000，之前的CPM是5元，那么一个手机广告主投放一个小时的广告就要花费50元。这是传统广告的结果。现在有大数据公司帮助广告媒体更好的运营。该公司声称可以准确识别浏览客户的属性，并告诉移动广告商，虽然有10000人浏览了广告位，但只有6000人真正适合手机投放，其余4000人次的曝光都是无效曝光，因为剩下的以下人群只对服装感兴趣。

大数据公司建议广告商按照程序过滤掉这4000个不适合手机的人，只为这6000个适合手机的人付费。如果单价不变，那么在保证同样效果的前提下，成本会降到30元。剩下的4000家大数据公司将以20元的成本卖给服装广告商。因此，在同样的效果下，大数据广告可以大大降低广告主的成本。当然，实际上由于RTB（real-time bidding）机制的存在，当价格（同效果）低到一定程度时，不同手机广告主的相互竞价使得真实价格普遍高于30元，但必须在30元与原价之间。预计成本在50元之间，从而形成多方互利的理想局面。

这样的案例看起来完美无瑕。因为它解决了传统广告的低效率，比如看起来有用，但不清楚在哪里有用。这是各个公司的财务总监所痛恨的。是的，通过大数据广告，所有花在广告上的钱都更划算了。可以在线评估一个广告创造了多少印象（Impressions），甚至有多少点击，有多少因此而被下载和使用，以及因此产生了多少交易。

有问题吗？没问题。有问题吗？什么意思，你要怀疑真相？

一个《纸牌屋》让全世界的文化产业都意识到了大数据的力量。《纸牌屋》 制作和播放平台Netflix在第一季度增加了超过300万流媒体用户。一季度财报公布后，股价飙升26%，达到每股217美元，较去年8月的谷底累计涨幅超过3倍。次。这一切都源于《纸牌屋》是从3000万付费用户的数据中总结观看习惯，基于对用户喜好的精准分析而诞生的。

《纸牌屋》 数据库包含3000 万条用户评分、400 万条评论和300 万条主题搜索。最终拍什么、拍谁、演谁、怎么播，都是由千万观众的客观统计决定的。从受众洞察、受众定位、受众接触到受众转化，每一步都以准确、详尽、高效、经济的数据为导向，实现大众创造的C2B，即以用户需求定生产。

如今，随着互联网和社交媒体的发展，人们在互联网上留下的数据越来越多。海量数据和多维信息重组，使企业寻求平台间内容、用户、广告的充分融合。希望通过用户关系链的整合和网络媒体的社交重构，为广告主带来更好的精准社交营销效果。二、大数据精准广告没有看上去那么美好

g alt="大数据精准广告" src="/filespath/1448616199.jpg" />

本着证伪的原则，真理只有被证明为谬误的时候(理解其应用的局限及条件)，才算真理。因此我们必须先回答一个问题，广告是用来做什么的？

按照以前的共识，广告被视为品牌用来向那些无法面对面沟通的消费者去传达品牌的特性。因此广告虽然对销售有促进作用，但通常时候，广告的内容并不直接说服消费者去购买，就如中国移动曾经的获奖广告“沟通从心开始”一样。2010年出版的《品牌如何增长》(How Brands Grow)一书(说明，笔者未读过，希望将来能读到)，作者南澳大利亚大学教授拜伦在书中指出，广告要达到最好的效果，往往不需要去说服或灌输，只要让人在购买的时候回想起品牌的名字就可以了。市场研究机构Milward Brown创始人高登(Gordon Brown)就指出，广告的功能就是让一个摆在货架上的品牌变得“有趣”。

好吧，再回到大数据精准广告案例，其中一个最为关键的问题在于，大数据如何分析出这6千个浏览用户适合投放手机广告？对于这个问题，广告公司早有准备，给出如下的种种答案。

第一，从历史记录中寻找曾经使用过同类产品的客户进行匹配。通常使用的算法叫“协同过滤”，即由某些经验的相关性，找到潜在的适合用户。比如你玩过某款游戏，因此可认为你对该类型的其它游戏也有相同的需求。笔者并不否认该算法对某些领域确实有作用，比如游戏付费用户基本就是之前重度游戏使用用户。

但是抛开这些特殊领域，该算法内涵思想“品牌依靠忠诚的消费者发展壮大”与拜伦的理论完全矛盾。拜伦通过对销售数据进行统计学分析，他指出在所有成功的的品牌当中，大量的销售来自“轻顾客”(Light buyer)：也就是购买产品相对不那么频繁的顾客。可口可乐的生意并非依靠每天都喝可乐的人，而是数百万每年喝一次或两次的顾客。这种消费者模式在各个品牌、商品品类国家和时期都适用。无论是牙刷还是电脑，法国汽车或是澳大利亚银行，品牌依靠的是大规模人口——换句话说，大众——那些偶尔购买他们的人。

这个理论意义十分深远。这意味着你永远无法通过精准营销现有顾客来增加品牌的市场份额。而对现有顾客的精准营销，正是数字媒体所擅长的。

本着批判的精神来看待新出现未经检验的思想，笔者希望引用一下广东移动最近公布的用户换机特征数据。广东移动对旗下用户的终端迁移分析表明，使用苹果的用户升级终端，继续使用苹果手机的占比64%，忠诚度最高。但除苹果以外，其余忠诚度表现最好的华为、小米手机，更换4G后持续使用同品牌的占比不到30%。

这说明，你向苹果4或5用户推广苹果6是可行的，果粉效应推翻拜伦的理论，证实在部分领域依靠忠诚的消费者发展壮大是可行的。但除此以外，你向任何一个当前品牌的用户推广同品牌的手机终端都是不合时宜的。

因此，希望通过历史的电商数据分析推断用户下一步可能需要是无效的。就如向曾经购买过服装的用户推广服装，或许不如推广一卷纸或一桶油更为有效。

相反，成功的品牌需要找到一种方式来到达目标市场之外的群体。品牌的广告一定要用某种方式获得这部分人的兴趣——只有这样，当他们在准备购买的时候，该品牌才能自动出现在消费者的脑海中。

第二，如果“协同过滤”存在局限，广告公司会告诉你还有第二种算法，并不基于客户的历史行为记录，而是客户本身特征相似性，来找到与种子客户最为相似的客户群体。简称“Lookalike”。先需要广告主提供本则广告起到作用的典型用户，以手机为例，受广告影响感兴趣点击浏览或预购某手机的用户，大约几百或几千个。大数据公司通过Lookalike算法(专业的术语更可能是稀疏矩阵)，寻找与这几百/千个用户高度相似的其它数十万/百万客户群进行投放。

这类算法真正考验大数据平台的计算能力，因为并不是经验性的协同过滤，而是利用数十数百甚至上千个变量进行回归计算。最后按照相似性的概率打分，按照由高到低选择合适的用户群。

该模型的内涵其实很简单，就是广告要传达给应该传达的客户。比如奶粉广告目标用户就是养育0-3岁孩子的父母。如果知道要到达用户的具体身份，一切问题迎刃而解。但是对于网站或APP应用来说，并不清楚用户身份，唯一清楚的是客户的历史行为数据。而且由于数据本身的分割，有的专注于运营商，有的专注于APP联盟采集，有的专注于电商，有的专注于银行，要从分割的数据中推断出客户的身份信息，Lookalike就是不可避免的手段。

唯一的问题是，如果由几百个种子用户推断出新的几百个目标用户，准确性可能高达9成，但如果如某广告公司宣称，对康师傅辣味面进行移动DSP投放时，根据历史投放数据分析挖掘，形成样本库，再通过Lookalike技术进行人群放大，找到与目标受众相似度最高的潜在客户，扩展人群1367万，实际投放受众ID2089万。广告效果投放是最大化了，那么效果呢？在此，请允许我杜撰一个数字，很可能点击率由0.2%上升至0.3%，精准度提升50%。有意义吗？或许有，但绝对没有想象的那么明显。

第三，如果你们持续怀疑我们算法的有效性，那么我们可以就效果来谈合作，你们可以按照点击量(CPC)或者激活量(CPA)付费，如果达不到既定效果，我们会补量。这是大数据广告的终极武器。

终极武器一出，意味着广告的投放彻底沦陷为做点击、做激活的渠道，广告的“沟通消费者”初衷早被抛弃得一干二净。

通常一般消费决策遵行S(Solution)、I(Information)、V(Value)、A(Access)规则，意思是当用户产生一个需求，内心先就满足这个需求形成一个解决方案。比如说3G手机不好用，速度很慢覆盖不好，需要换一个4G终端就成为一个Solution。那么4G终端有哪些，重点考虑那些终端？消费者还是搜集信息，并非从网上搜索，而是根据以往的经历、品牌效应、周边朋友口碑自动回想那些品牌、哪些款式。传统广告的最重要功效应该就是这个阶段，当用户需要的时候，自动进入到用户视线。然后从多维度比较选择，确定首选购买品牌。最后就是去哪儿买，搜索哪儿有促销活动，哪里优惠力度最大。

根据SIVA模型，真正的以效果为导向的广告本质解决的是Access问题，最后的临门一脚。在这方面，搜索广告是真正的效果导向广告，比如淘宝的每一款商品后面都有超过1万家商户提供，到底用户去哪里购买，得付钱打广告，这就是效果广告。曾有报告对比过，搜索广告点击率高达40%以上。想一想百度、阿里靠什么为生，临门一脚的广告价格自然高到没边，据说一些医院购买百度性病、人流之类的搜索广告，单次流量价格高达数十或数百元。

搜索广告只有少数垄断接入公司才有的生意，大部分广告仍为展示类广告。如果展示类广告也朝效果类靠拢，从商业规律上属于本末倒置。

最后结果是，一方面，广告的内容充满人性的贪婪(优惠／便宜)与色欲(大胸美女)，被改造得不伦不类，上过一次当后，在沟通消费者方面反而起到负面作用。另一方面，广告公司沦落为做流量、做点击的公司，与北京望京、中关村著名的刷流量一条街没有本质的差异，最后谁真正点击了这些有效流量？曾有大数据公司分析过某款高端理财软件的阶段性用户群，与刷机、贪图小便宜的极低端用户高度相似。

大数据技术的占卜预判功能，意味着一个拥有亿级用户的社交网络平台若能够通过对大数据的解构，为企业提供个性化、智能化的广告推送和服务推广服务，则意味着企业可以抢占更大的商业空间。

伴随着社交媒体的兴起，消费者对广告行为的依赖方式已经发生变化，传统的广告和营销手法其实更难奏效。“这个年代在做市场营销的如果不了解移动化的概念，很难去理解消费者，碎片化的消费场景已经让实体店发生变化了。”腾讯网络媒体事业群总裁、集团高级执行副总裁刘胜义如是表示。

对此，星巴克中国市场推广部副总裁韩梅蕊认为，社交媒体可以帮助企业与消费者进行良好的互动，也使得整个营销变得更加精准，在韩梅蕊看来，星巴克没有可口可乐那么广泛的渠道，因此广告必须更加富有针对性，而社交媒体对大数据的解构可以解决这个问题。

因此，星巴克在线下已经有大量用户的情况下，并没有以增加新顾客为第一出发点来进行社会化营销，而是为维护老顾客为主，通过老顾客的口碑称颂来实现新顾客的增长。因为在消费者决策链中，由消费者自己驱动的营销变得越来越重要。

如今，消费者获取信息的渠道和范围已经大大增加。他们已经不再听任企业的摆布，而是追求更加个性化的产品和服务，并根据搜集来的各种信息做出判断、随时分享，将个人体验的影响扩大到更大范围的群体之中。

在社交媒体时代，大数据还是发动机，是让用户不断转化的平台。相应的，营销由独立转为系统性工程，而数据在营销全程中扮演的角色，也必然要由参考工具转向驱动发动机。数据驱动的精准营销引擎，将颠覆传统的营销决策模式及营销执行过程，给网络营销行业乃至传统行业带来革命性的冲击。

每一次营销，都将形成循环效果。通过定位用户群、分析用户内容偏好、分析用户行为偏好、建立受众分群模型、制定渠道和创意策略、试投放并收集数据、优化确定渠道和创意、正式投放并收集数据、实时调整投放策略、完成投放评估效果等，完整的数据应用过程不断把控营销质量与效果，实现从效果监测转向效果预测。

“尽管社交媒体让整个广告营销更加精准化，但也要根据产品和服务的特性来决定是否采取精准化营销。”郑靖伟表示，一些快速消费品并不太适合精准化营销，户外、电视以及报刊等传统媒介对于快速消费品依旧有很强的吸引力。

值得注意的是，社交媒体对于大数据的解构不可避免地带来隐私问题，当用户在使用电子邮件、社交网络的时候，大概也会知道自己的信息将被记录下来，当用户发表的言论或者分享的照片、视频等，都决定着互联网运营商将向你推荐什么样的资源和广告；当用户拿着智能手机满世界跑的时候，手机厂商们早已通过定位系统把你的全部信息收罗在自己的数据库里，利用这些信息来构建地图和交通信息等。

以前，这些记录几乎不会对普通人造成影响，因为它的数量如此巨大，除非刻意寻找，人们不会注意其中的某些信息。但是，随着大数据技术的不断进步，这一状况正在悄然发生改变。这也是“数”变时代下，企业和消费者都面临的挑战。

三、多用靠谱的身份识别可能更有利于提升广告效果



写了这么多，大数据精准广告一无是处吗？不，怀疑真理是为了更好的应用真理。大数据广告的核心“程序化”与“定向投放”没有错，这代表移动互联网发展的趋势，也与满足特定市场、特定用户群的商品或服务广告传播需求完全匹配。问题在于目前的大数据实际能力与宣称的雄心还有巨大的差距。也就是说没有看上去的那么好。

所以，我们更应该回归广告的本来目的——更好的沟通消费者，来看待精准投放，而不是迷信大数据精准投放这样的噱头。那么什么最重要？显然不是不靠谱的协同过滤规则，也不是根本不知道原因的Lookalike，既然最重要的就是到达目标消费者，那么靠谱的身份识别应该就是精准广告的核心。

什么是靠谱的身份识别？对微信而言，判断重点活动城市是靠谱的，分析性别也相对靠谱，但如果微信告诉你说能够通过社交判断该用户是中产白领还是乡村农民，那一定是不靠谱的。因为朋友圈里宣称正在法国酒庄旅游的优雅女人或许正在出门买油条豆浆。

有时候用户使用的媒体本身就透露客户的身份特征。比如经常使用理财软件的在支付能力上较为靠谱，而使用孕宝APP的80%以上应该就是准妈妈，经常使用蜜芽的一定是宝宝出生不久的妈妈。有大数据公司给出过案例，对媒体本身进行定向和综合分析定向的效果相差无几，这就说明媒体定向是有效的，但是其它需求定向都等同于随机选择。

由于大数据本身就是不关注因果，只关注相关性，如果经过大数据洞察证实的协同规则，也可以算作靠谱的规则。比如游戏付费用户群基本上可以确定为一两千万ID的重度使用用户。

而要准确识别客户身份，多数据源的汇集与综合不可避免，围绕客户身份的各种洞察、相关性分析也是能力提升的必修功课，这或许更应该是大数据广告公司应持续修炼的核心能力。

我们专注高端建站，小程序开发、软件系统定制开发、BUG修复、物联网开发、各类API接口对接开发等。十余年开发经验，每一个项目承诺做到满意为止，多一次对比，一定让您多一份收获！