传漾科技：大数据营销具有“木桶效应”-CSDN博客

传漾科技创始人兼技术副总裁王跃在2013年中国互联网大会上表示：大数据营销的过程，具有“木桶效应”，需要有海量数据支撑、碎片化数据时效更新、算法优化能力以及数据预测准确性等木板，来组成大数据营销木桶，并避免短板对整体造成影响。

　　以下是传漾科技创始人王跃演讲实录：

　　大家下午好!这次演讲主要跟大家分享大数据的一些具体的实践和一些案例，我想从实际操作层面给大家介绍一下。大数据这几年这么热，包括政治，医疗，经济，公共管理等等方面，都做了一些深入的执行。对互联网营销来说，大数据应用是比较早的，国外的一些厂商对大数据理念的一些知识，大数据引导了网络营销的变革。

　　大数据带动网络广告营销模式变革

　　大数据给网络带来变革。大数据之前，传统的广告，更多的通过媒体营销手段进行传播，通过大数据概念的执行，或者技术上面的执行之后，现在更多的是受众的传播方式，在传播方式上面有很多的环节。

　　网络变革核心就是受众数据。数据收集包括广告投放数据，社交数据，购物数据等等，在数据收集基础之上，通过这几年技术的发展，有很多数据方面的挖掘，简单的来说就包括一些行为的数据，意图的数据，情绪数据，通过数据的挖掘做针对性的营销。

　　怎么衡量大数据网络广告价值。所谓的大数据营销不仅仅是量上的，更多的是数据背后对受众的感知，你从多方面渠道感知到你的数据，另外一方面你知道受众是什么样的，知道他们在什么地方，我们认为只有做到感和知才能对受众做更细分的理解。

　　从细节层面来看，主要有四个方面，每个环节都有自己的短版，包括你的规模，速度挖掘以及预测四个方面。数据的规模一定要广，当然你的数据来源的质量一定要好。现在数据的更新，现在数据是碎片化的时代，你的数据如果不能保持新鲜性的话，因为变化太大了，所以对数据新鲜性的收集也是很关键的。

　　受众数据是网络广告变革的核心

　　你的数据实效性是什么样的?你的数据在多长时间之内，是一小时，还是几分钟，往往决定了你营销效果，同时在计算当中，或者是刚才RTB环节当中，RTB整个环节就是几十毫秒，每个环节能不能在最快的时间里面达成计算和判断，这也是非常重要的。

　　另外一个就是数据清洗和挖掘，包括百度通过机器学习，受众分类，都是非常好的办法，最后达到数据的挖掘和分析。这是这几个环节里面比较高级的。这里面我们会引入很多的模型去做综合的判断，或者是分析。现在用的比较多的是人口的特征性模型，用机器识别你是什么样的性别，年龄。我们的兴趣模型，再往后就是点击预测模型，怎么自动优化，通过具体的模型进行实现，包括竞价模型，如何更智能的匹配受众，就是智能匹配模型，归因模型。

　　基于大数据绘制兴趣图谱量化效果

　　我给大家分享一下我们传漾做的一些细节。我们试图了解网民的兴趣，网民是什么样的感知。目前实时性做到秒一级多机房的用户模型同步更新。我们都知道我们中国的互联网是比较复杂的，如果在每个机房保持数据的一致性，用户更新的及时性，这是非常棘手的一些问题。目前我们通过自己研发的方法能够实现多机房，秒级的。当某个人访问某个网站的时候，在一秒之内你信息模型，你其他的模型就同步到其他所有各个机房里面去了。现在我们做了1500万的新增的cookie，每天在线活跃的是1.2亿，每秒有效的网页是30-40个。在我们的DSP里面，有每个人有多个维度，而每个维度有细分量化的一些数据。所以我们做精准投放的时候，不仅仅是对某个标签的精准投放，而是在这个标签之下做什么样的投放。通过我们的平台，做的一个界面。我们会帮你选择出来有哪些标签跟这个是比较相似的。后面我们看到有一些人，做每个类别数据的定义。

　　当你加一个舒缓，会自动给你加上。所有这些东西通过数据模型背后做一个支撑。其实还是一个基础学习的方法，把你人所不能够完全通过你的经验能达到的东西，把它做一个量化，然后做一个真实的投放。同样我们会看到刚才选了那样的匹配之后，有方方面面是匹配的。所有人都感兴趣我都要投吗?有的人只是偶尔关注一下，我们把这些数据做一个量化。对你每个人都会有一个评分，每个评分段，受众的数量是多少。我达到这样的受众覆盖的时候，我要选择更高端的人投还是稍微精确的人去投。通过两方面的数值和流量的预测，对制定精确的营销是有非常大的帮助的。

　　数据的半衰期

　　比如说你是在一个月之前查看对口红比较感兴趣，一个月之后你对它还感兴趣吗?人的兴趣，特别是碎片化的时代，你的兴趣变化特别快。我们引入了半衰期的概念。我们用户的半衰期越来越短。如果不把半衰期概念运用好的话，你营销计划执行也会受影响。还有自动化点击预测，根据每次点击自动调整实施模型优化投放受众。

　　这是我们多样化的受众群体兴趣图谱。所有的东西都是后面大数据做支撑的。公众对数据的隐私有点误解，我们肯定不会透露姓名什么的，我们都是根据cookie做的。我们希望把数据理念做每个方面的剖析，落实到每个细节当中，我们认为大数据是实践出真知，细节出实践。