《大数据变现 与广告市场课件》由会员分享，可在线阅读，更多相关《大数据变现 与广告市场课件（30页珍藏版）》请在金锄头文库上搜索。
1、大数据变现 与广告市场,工业革命 v.s. 数据革命,油田,发电厂,电气化工厂,电力,原油,数据源,原始数据,大数据处理,知识,数据驱动型企业,原材料,商品,未来，不会利用大数据的企业，将像不会用电的企业一样可笑,什么是大数据问题？,A：典型大数据问题，解决问题的效果随着采样率降低显著降低，例如行为定向、个性化推荐等。 C：一般数据分析，非大数据问题，解决问题的效果在采样率降低时变化很小，例如各种洞察、单维度统计等。 B：过渡类型问题，解决问题的效果随采样率降低温和下降，例如文本主题分析等。,大数据变现与互联网广告,互联网广告是迄今为止，大数据领域唯一形成规模化营收的应用。 互联网广告是需要对
2、数据进行全量加工分析，并直接变现的大数据应用。 在线广告支撑了整个互联网行业的大半壁江山。不了解互联网广告，就不可能深入了解互联网。,美国互联网广告增长趋势,中国互联网广告增长趋势,品牌广告 vs 效果广告,网络广告快速增长 主要依靠效果广告,在线广告简史,搜索广告,上下文广告,CPM 定向广告,CPD广告,精准定向广告,广告网络,广告交易市场,线下广告,竞价,合约,受众定向,竞价系统,需求方深度参与,什么是流量变现？ 自有流量RPM水平的不断提升 典型产品：搜索广告、导航广告、门户品牌广告、社交网站信息流广告 什么是数据变现？ 获取非自有流量，通过对用户行为的理解，提升其RPM水平从而获得差
3、价 是流量变现的护城河，不断吸引广告主的关键 典型产品：Ad Network(网盟), DSP，DMP,流量变现 vs 数据变现,互联网广告市场,供给方(Supply),需求方(Demand),数据加工 和交易,广告交易,营销数据的来源分类,主要数据来源： DSP：第一方+第三方 Network：第二方,平台方数据应用,常见受众定向方式,曝光(exposure),关注(attention),理解(comprehension),信息接受 (message acceptance),保持 (retention),购买(purchase),阶段,定向方式,上下文 (2.1, 3.1),重定向 (2.2
4、, 2.3, 3.1),行为 (2.3, 3.1),地域 (2.3, 4.1),人口属性 (2.3, 3.1, 6.1),网站/频道 (2.3, 3.1, 4.2),效果,作用阶段,Hyper-local (2.3, 4.1),Look-alike (2.3, 3.1, 4.1, 6.1),(见DSP部分),行为定向(Behavior targeting),根据用户历史上网记录和其他数据总结出用户兴趣，根据此投放广告 举例 Yahoo BT(Behaviorial Targeting),行为定向数据来源,用户标识 除上下文和地域外各种定向的基础，需要长期积累和不断建设 可以通过多家第三方ID绑
5、定不断优化 用户行为 业界公认有效行为数据（按有效性排序） 交易，预交易，搜索广告点击，广告点击，搜索，搜索点击，网页浏览，分享，广告浏览 需去除网络热点话题带来的偏差 越靠近demand的行为对转化越有贡献 越主动的行为越有效,行为定向数据来源,广告商(Demand)数据 简单的cookie植入可以用于retargeting。 对接广告商种子人群可以做look-alike，提高覆盖率。 用户属性和精确地理位置 非媒体广告网络很难获取，需通过第三方数据对接。 移动互联和HTML5为获得地理位置提供了便利性。 社交网络 朋友关系为用户兴趣和属性的平滑提供了机会 实名社交网络的人口属性信息相对准确
6、,数据交易所 (Data Exchange),目的: 聚合多种原始行为数据，加工成统一标签后，在公开市场上售卖 聚合多种加工后标签数据，在公开市场上售卖 主要特征: 主要负责第三方数据的收集、加工和流转，不一定直接从事广告交易 多于广告交易平台、SSP等合作进行数据变现,Bluekai标签体系,第一方数据应用,实时竞价,多方参与的过程 分为cookie mapping和ad call两阶段 主要技术点： Adx与DSP之间的用户身份同步(cookie mapping) DSP数量较多时的服务和带宽成本优化,重定向 (Retargeting),重定向的分类,网站重定向(Site retarget
7、ing) 根据用户在广告主网站上的行为进行重定向 搜索重定向(Search retargeting) 根据用户与广告主相关的搜索行为进行重定向 个性化重定向(Personalized retargeting) 根据用户在广告主网站上关注的具体产品和购买阶段，推送商品粒度的广告 不再推送已购买产品，而是推荐相关产品 对广告主而言，可以视为一个站外推荐引擎,新客推荐(Look-alike),问题: 对于中小电商，仅对老用户定向营销远远不够 对于某些类型的广告商，大多数用户无法通过重定向渠道捕捉，例如银行 新客推荐: 由广告商提供一部分种子用户，DSP通过网络行为的相似性为其找到潜在用户 是一种广告
8、商自定义标签，可视为扩展重定向 在同样reach水平下，效果应好于通用标签,从电商角度看推荐,站内推荐,站外推荐,新客推荐,pv: , search: , adc: , share: ,pv: , search: , adc: , share: ,看起来很相似！,数据管理平台(Data Management Platform),目的: 为网站提供第一方数据加工和应用能力， 结合公开市场第三方数据，加工跨媒体用户标签， 支持网站业务运营和广告投放，是否应直接从事广告交易存在争议 主要特征: 第一方用户定制化划分能力 统一的对外数据接口,核心业务： 主要提供面向publisher的数据加工服务 直
9、接运营ad network，并帮助广告主进行campaign管理和优化 其他点评： 较早提出受众定向(audience targeting)的概念 数据标签不像bluekai那样在市场上公开出售, 仅供委托他们优化campaign的广告商使用 使用标签impression创造的营收按照一定比例跟publisher分成,数据管理平台(Data Management Platform),目的: 为网站提供第一方数据加工和应用能力， 结合公开市场第三方数据，加工跨媒体用户标签， 支持网站业务运营和广告投放，是否应直接从事广告交易存在争议 主要特征: 第一方用户定制化划分能力 统一的对外数据接口,多方
10、数据加工框架,第一方数据,第三方数据,第二方数据,大数据隐私安全,A29与PII A29：欧盟负责隐私保护条例制定的委员会 A29原则 Personal Identifiable Information (PII) 不能使用 用户可以要求系统停止记录和使用自己的行为数据 不能长期保存和使用用户的行为数据 Quasi-identifier与K-anonymity Quasi-identifier: 朝阳区，35岁，在360上班 K-anonymity: 北京市，30-40岁，互联网行业,大数据隐私安全,稀疏行为数据的新挑战 从一个人观影或购物记录，能否反推他是谁？ 实际案例：Netflix推荐大赛，有人从数据集里发现了自己的同事是同性恋 理论研究： Robust De-anonymization of Large Sparse Datasets 深度个性化系统也有隐私安全风险！ 相关研究课题是差分隐私(Differential Privacy) 隐私是大数据头上的达摩克里斯之剑,
